第三届中国Rust开发者⼤会 基于 Rust 编程语⾔构建 Amphitheatre CLI / Desktop / Server 的全平台实践经验 王宜国 - 独⽴开源软件作者 RUST CHINA CONF 2023 • 项⽬背景介绍 • 产品功能演示 • 应⽤场景概览 项⽬介绍 • 概念 • 架构设计 • 技术实现 设计与实现 ⼤纲 Amphitheatre 云开发环境（Cloud

Group Replication原理解析与实践经验 徐春阳 MGR原理 MGR vs SEMI-SYNC MRG实践经验 • 支持多节点并发执行事务。如何保证从各个节点并发执行 的事务在每个节点以相同的顺序被应用/执行.------paxos协 议的功能。 • 自动地事务冲突检测。节点之间不能”同时”操作主键相同 记录,如果冲突，只有一个节点成功。------冲突检测。 inspected */! }! ! delete packet;! ��incoming������ ���/packet! MGR原理 MGR vs Semi-Sync MRG实践经验 MGR vs Semi-sync����! Semi-sync! MGR! ����� mysql5.7! refman! MGR vs Semi-Sync� �! �������� primary���MGR���� ����������������! MGR�������������� ����������! MRG原理 MGR vs Semi-Sync MGR实践经验 Group_replication_bootstrap_group参数须谨慎 DDL操作注意事项 当心secondary节点变成可写节点 规避大事务 Secondary��������

scheduling Go语言在高性能系统中的实践经验 • 为什么用Go - 比起C++，更易于实践各种并发模式 - 比起Java，更加简洁，更易于与C/C++交互 - 比起脚本语言，类型和内存安全，保证重构效率与产品质量 - 完善的配套工具，如go test, gofmt, go lint, race-detector Go语言在高性能系统中的实践经验 • Go在开发高性能应用上也有一些不足，

LSTM LSTM LSTM LSTM LSTM LSTM LSTM LSTM O O O B-PER E-PER B-ORG I-ORG I-ORG E-ORG CRF 04 达观数据文本挖掘的实践经验 文 档 智 能 抽 取 功 能 l 财务报表账目信息抽取 l 商业票据关键信息识别 l 应标书信息自动导出 l 基金合同差异核对 l 投资报告项目信息自动提取 l 法律文书风控要素审核 1，可以使用非监督数据训练字词向量，提升泛化能力 2，端到端，提供新思路 3，一些模型结构能够克服传统模型缺点 缺点： 1，小数据量效果不一定好 2，调参工作量有时不亚于特征工程 3，客户部署硬件环境限制 总结：一些实践经验 1，在业务场景下，尽量收集并理解数据，分析问题本质，选择合适模型 2，初始阶段可以使用传统机器学习模型快速尝试，作为baseline版本 3，疑难问题使用端到端的方式也许会有惊喜 4，不断尝试…

PWA 技术实践与分 析 自从 Google Chrome 团队提 出 PWA 概念并实现相关技 术之后，成功地引起并持续 性受到前端业界的关注。本 次分享将介绍 PWA 技术的 业务实践经验与问题分析。 张成文 张成文，前IMWEB团队成员，对现代前端技术 体系有较深的理解，曾参与腾讯课堂、手Q会 员，吃喝玩乐，now直播等多项业务，具有较 丰富架构经验，著有书籍《现代前端技术解 黄伟明，腾讯Web前端高级工程师。2011年加 入腾讯，先后负责QQ会员游戏特权、QQ钱包 等业务。目前负责QQ钱包node.js服务的建设 维护。长期关注前端技术动向，在node.js的 web服务建设上面具有丰富的实践经验。 Node构建高可用Web 服务 Node.js的发布，在前端圈里 面引起轩然大波，越来越多 的前端团队热衷于对Node.js 的实践应用。本次大会想跟 大家分享我们QQ钱包团队的

以美团搜索核心排序也在 Transformer 上进行了相关的探索。 本文旨在分享 Transformer 在美团搜索排序上的实践经验。内容会分为以下三个部 分：第一部分对 Transformer 进行简单介绍，第二部分会介绍 Transfomer 在美团 搜索排序上的应用以及实践经验，最后一部分是总结与展望。希望能对大家有所帮助 和启发。 Transformer 简介 Transformer 是谷歌在论文《Attention 26 > 美团 2020 技术年货 Transformer Layer 就是通过这种自注意力机制层和普通非线性层来实现对输入信号 的编码，得到信号的表示。 美团搜索排序 Transformer 实践经验 Transformer 在美团搜索排序上的实践主要分以下三个部分：第一部分是特征工程， 第二部分是行为序列建模，第三部分是重排序。下面会逐一进行详细介绍。 特征工程 在搜索排序系统中，特 关性，提升用户体验，搜索与 NLP 部 算法团队从 2019 年底开始基于 BERT 优化美团搜索排序相关性，经过三个月的算法 迭代优化，离线和线上效果均取得一定进展。本文主要介绍探索过程以及实践经验。 引言 美团搜索是美团 App 上最大的连接人和服务的入口，覆盖了团购、外卖、电影、酒 店、买菜等各种生活服务。随着用户量快速增长，越来越多的用户在不同场景下都 会通过搜索来获取自己想要的服务。理解用户

精度提升 0.4% AP 的条件下，在 T4 上使用 TRT FP16 进行单 batch 推理， 速度提升 71.3%。 4. 总结与展望 本文介绍了美团视觉智能部在目标检测框架方面的优化及实践经验，我们针对 YOLO 系列框架，在训练策略、主干网络、多尺度特征融合、检测头等方面进行了思考和优 化，设计了新的检测框架 -YOLOv6，初衷来自于解决工业应用落地时所遇到的实际 问题。 化，可以跳过 Spark 构图阶段直接使用已有的图数据。此外，针对模型上线 的需求，平台提供构图和建模方案整合和定时调度等功能。 7. 总结 本文介绍了美团搜索与 NLP 团队在图神经网络框架建设方面的实践经验，包括 GNN 模型归纳抽象、基本框架、性能优化，以及上层工具等方面的思考和关键设计。框架 的设计思路来源于业务落地所遇到的实际问题，例如针对大规模图的优化、多人协作 中的流程管理等；同时也 完整、高效的信息表达方 式，能够具备：关系预测能力、全局信息传播能力、高阶表达能力，而我们在图技术 的领域中找到相应的解决方案，后文会针对这些问题和图技术的解法依次进行展开， 希望这些思考和实践经验能对大家有所帮助或者启发。 1.2 图技术介绍 近些年来，随着图神经网络（Graph Neural Networks）的快速发展 [1]，越来越多的 人开始关注起图数据。工业界也出现了图技术的相继落地，很多应用场景都可以抽象

master 架构业界一直 有所争论。 从功能上而言 master 节点是对外服务的入口，用户所有的请求都必须 先经过 master，所以 master 节点的可用性直接关系到集群的稳定， 但从实践经验来看，由于 master 节点只存元数据，只负责 SQL 的解析、 分发以及最终计算结果的展现，所以承担的负载一般都非常小，故障 率也极低，在我们维护阿里 Greenplum 集群 3 年的时间里，以及接触 卡（单块 RAID 卡的 cache 大小 1GB 以上，并带有掉电保护 功能，RAID 卡应为多通道，目前接触的硬件厂商中，单通道支持的最 大磁盘数为 16 块） ·硬盘尽量选 用 SAS 盘，从实践经验看，硬盘故障是 Greenplum 集群中最为常见的故障类型，而 SAS 盘相比 SATA 盘在性能和稳定 性上都明显的高于 SATA 盘 。 ·RAID 卡一定要带 cache，否则做完 RAID

validation outcome ● Push destinations supported today ○ Filesystem ○ TF Serving model server 4 实践指南 实践经验小结 单击此处添加标题 1. Data 2. Tensorboard 3. Fine tune 4. checkpoint ExampleGen StatisticsGen SchemaGen