# 美团点评 2018 技术年货 CODE A BETTER LIFE 后台 ## 序 春节已近，年味渐浓。 又到了我们献上技术年货的时候。 不久前，我们已经给大家分享了技术沙龙大套餐，汇集了过去一年我们线上线下技术沙龙99位讲师，85个演讲，70+小时分享。 今天出场的，同样重磅——技术博客全年大合集。 2018年，是美团技术团队官方博客第5个年头，博客网站全年独立访问用户累计超过3 00万，微信公众号（meituantech）的关注数也超过了15万。 由衷地感谢大家一直以来对我们的鼓励和陪伴！ 在2019年春节到来之际，我们再次精选了114篇技术干货，制作成一本厚达1200多页的电子书呈送给大家。 这本电子书主要包括前端、后台、系统、算法、测试、运维、工程师成长等7个板块。疑义相与析，大家在阅读中如果发现Bug、问题，欢迎扫描文末二维码，通过微信公众号与我们交流。 也 LruCache在美团DSP系统中的应用演进 ..... 22 Netty堆外内存泄露排查盛宴 ..... 32 Oceanus：美团HTTP流量定制化路由的实践 ..... 47 UAS-点评侧用户行为检索系统 ..... 57 美团DB数据同步到数据仓库的架构与实践 ..... 66 不可不说的Java“锁”事 ..... 74 境外业务性能优化实践 ..... 91 美团广告实时索引的设计与实现

# 2020 美团技术年货 CODE A BETTER LIFE 【算法篇】  美团美团 ## 目录 算法 智能搜索模型预估框架 Augur 的建设与实践 1 Transformer 在美团搜索排序中的实践 23 BERT 在美团搜索核心排序的探索和实践 在美团搜索核心排序的探索和实践 36 美团智能配送系统的运筹优化实战 60 一站式机器学习平台建设实践 77 美团搜索中 NER 技术的探索与实践 92 KDD Cup 2020 Debiasing 比赛冠军技术方案及在美团的实践 113 ICRA 2020 轨迹预测竞赛冠军的方法总结 132 KDD Cup 2020 AutoGraph 比赛冠军技术方案及在美团的实践 141 多模态召回比赛亚军方案与搜索业务应用 161 CIKM 2020 | 一文详解美团 6 篇精选论文 179 MT-BERT 在文本检索任务中的实践 192 美团无人车引擎在仿真中的实践 204 美团无人配送 CVPR2020 论文 CenterMask 解读 215 WSDM Cup 2020 检索排序评测任务第一名经验总结 225 美团内部讲座 | 清华大学莫一林：信息物理系统中的安全控制算法 235

美团美团 2022美团技术年货 CODE A BETTER LIFE — 年度合集 — ## 序 新春将至，一年一度的美团技术年货也如约到来！ 时间煮雨，岁月缝花，花开无声，花谢无语。2022这一年，我们一起经历了无数的悲喜，也留下了满满的回忆。 也许生活就是这样，只有历尽波澜，才能欣赏茫茫大海的辽阔和无边，才能感受到漫天星辰的光芒和温暖。 在2023年春节到来之际，我们从去年美团技 术团队公众号上精选了60多篇技术文章，整理制作成一本1300多页的电子书，作为新年礼物赠送给大家。 这本电子书内容覆盖算法、前端、后端、数据、安全等多个技术领域，希望能对同学们的工作和学习有所帮助。 也欢迎大家转给更多有相同兴趣、积极上进的同事和朋友们，一起切磋，共同成长。 祝愿2023年，大家诸事顺遂，健康平安。  微信扫码关注美团技术团队 CODE A BETTER LIFE 一行代码 亿万生活 ## 目录 算法 YOLOv6：又快又准的目标检测框架开源啦 目标检测开源框架 YOLOv6 全面升级，更快更准的 2.0 版本来啦 通用目标检测开源框架 YOLOv6 在美团的量化部署实战 7 次 KDD Cup&Kaggle 冠军的经验分享：从多领域优化到

## 2019 -2021美团技术年货 CODE A BETTER LIFE 【蓝紫篇】 “ 才 ## 目录 前端 | 2021 1 让 Flutter 在鸿蒙系统上跑起来 1 FlutterWeb 在美团外卖的实践 14 FlutterWeb 性能优化探索与实践 36 设计稿（UI 视图）自动生成代码方案的探索 56 美团外卖终端容器无关化研发框架 从预编译的角度理解 Swift 与 Objective-C 及混编机制 108 美团民宿跨端复用框架设计与实践 165 美团跨端一体化富文本管理技术实践 186 前端 | 2020 202 移动端 UI 一致性解决方案 202 美团外卖 Flutter 动态化实践 227 美团开源 Logan Web：前端日志在 Web 端的实现 255 外卖客户端容器化架构的演进 包大小治理上的探索与实践 297 美团外卖持续交付的前世今生 326 微前端在美团外卖的实践 352 积木 Sketch 插件进阶开发指南 372 积木 Sketch Plugin：设计同学的贴心搭档 400 Native 地图与 Web 融合技术的应用与实践 431 前端 | 2019 MTFlexbox 自动化埋点探索 447 Litho 在美团动态化方案 MTFlexbox

03c8/p1_1.jpg) QCon 全球软件开发大会 INTERNATIONAL SOFTWARE DEVELOPMENT CONFERENCE BEIJING 2017 # 美团点评旅游推荐系统的演进 郑刚 ## 促进软件开发领域知识与创新的传播 ![Image](/uploads/documents/f/1/e/8/f1e818b436be25cd166e7ae6238e03c8/p2_2 咨询热线：010-64738142 ·2015年至今 美团点评酒旅事业群 ·负责酒旅搜索排序推荐 ·负责酒旅数据仓库和数据产品建设 ·2014年之前 美团网技术部数据组 ·参与数据平台搭建 ·负责全平台数据仓库和数据产品建设 ·2011年 百度电子商务事业部 ·有啊商城的开发 ·2010年毕业于中科院计算所 ## 美国点评 技术团队 ## Outline ·美团点评酒旅业务简介 ·基于用户画像的召回策略演进 ·推荐在美团点评酒旅的应用实践 ## 人工智能应用 |CriticalDigital World|CriticalPhysical World| |---|---| |Non-CriticalDigital World|Non-CriticalPhysical World| ## 新美大酒店 国内发展最快的一站式综合住宿服务平台 国内最大的在线门票交易平台 ·2016年美团点评酒店覆盖量与间夜量

## Apache Doris在美团外卖数仓中的应用实践 ## 序言 美团外卖数据仓库技术团队负责支撑日常业务运营及分析师的日常分析，由于外卖业务特点带来的数据生产成本较高和查询效率偏低的问题，他们通过引入Apache Doris引擎优化生产方案，实现了低成本生产与高效查询的平衡。并以此分析不同业务场景下，基于Kylin的MOLAP模式与基于Doris引擎的ROLAP模式的适用性问题。希望能对大家有所启发或者帮助。 希望通过我们的业务实践与思考为大家提供一些经验参考。美团外卖数仓技术团队致力于将数据应用效率最大化，同时兼顾研发、生产与运维成本的最小化，建设持续进步的数仓能力，也欢迎大家多给我们提出建议。 ## 数仓交互层引擎的应用现状 目前，互联网业务规模变得越来越大，不论是业务生产系统还是日志系统，基本上都是基于Hadoop/Spark分布式大数据技术生态来构建数据仓库，然后对数据进行适当的分层、加工、 如果想及时了 解Spark、Hadoop或者Hbase相关的文章，欢迎关注微信公共帐号：iteblog_hadoop ## 汇总数据的交互 业务团队日常经营分析最典型的场景就是各种维度下的自定义查询，面对如此灵活可变、所见即 所得的应用场景，美团平台使用Kylin作为公司的主要MOLAP引擎。MOLAP是预计算生产，在增量业务，预设维度分析场景下表现良好，但在变化维的场景下生产成本巨大。例如，

## 美团点评微服务框架及治理系统OCTO 演进之路 曹继光 美团点评资深技术专家 ## 极客邦科技 会议推荐2019  ## QCon 北京 ## 全球软件开发大会 大会：5月6–8日 培训：5月9–10日 QCon [Image](/uploads/documents/a/2/9/7/a297602f908a12c024453720b1a35210/p2_4.jpg) 上海 ## 技术领导力峰会 时间：6月14–15日 北京 GITC ## 全球大前端技术大会 大会：6月20–21日 培训：6月22–23日  12月 GITC 深圳 ## 全球大前端技术大会 大会：11月8–9日 培训：11月10–11日 AiCon 北京 ## 全球人工智能与机器学习大会 大会：11月21–22日 培训：11月23–24日 # InfoQ官网

## 超大规模深度学习在美团的应用 余建平 美团点评用户平台研究员 ## 500+高端科技领导者与你一起探讨 技术、管理与商业那些事儿 2019年6月14–15日 上海圣诺亚皇冠假日酒店  ![Image](/uploads/doc 扫码了解更多信息 ## 自我介绍 2011年硕士毕业于南京大学计算机科学与技术系。毕业后曾在百度凤巢从事机器学习工程相关的工作，加入美团后，负责超大规模机器学习系统，从无到有搭建起支持千亿级别规模的深度学习系统，与推荐、搜索、广告业务深度合作，在算法上提供从召回到排序的全系统优化方案，在工程上提供离线、近线、在线的全流程解决方案。 ## 目录 美团超大规模模型场景简介 - 超大规模机器学习MLX ✓ MLX平台目标 MLX平台目标 ✓ MLX平台架构 - 模型场景应用 召回模型 排序模型 ## 目录 美团超大规模模型场景简介 - 超大规模机器学习MLX ✓ MLX平台目标 MLX平台架构 模型场景应用 召回模型 排序模型 (仅限平日10:00-14: 赏桃花 百合 陪爸妈 4G ## 美团超大规模模型应用场景 ## 2 :23 ![Image](/uploads/documen

## 美团配送系统架构演进实践 阴永俊  ## 阴永俊 ## 美团点评资深技术专家、美团配送业务系统团队负责人 2010年大连理工大学毕业，曾先后任职于Hikvision、人人网，从事过视频监控、广告、IM、DevOps、中间件、数据仓库等技术方向 仓库等技术方向 2015年加入美团·大众点评，负责配送业务系统建设，重点负责系统质量保证、运营体系建设、核心系统架构升级等方向，支持美团配送业务发展 ## Agenda 01 美团配送业务介绍 02 MVP阶段 03 规模化阶段 04 精细化阶段 ## 海内外掀起一波创业浪潮 同城即时配送快送发展  go-jek  美团外卖  饿了么 ![Image](

Web 开发技术-JavaScript ### 1. 概述 ## 内容提要 1 JavaScript 简史 2 JavaScript 功能、脚本语言 3 JavaScript 实现 ECMAScript > DOM BOM 4 在 HTML 中使用 JavaScript ➢直接嵌入 ➢外部引入 JS 代码压缩 ## 1 JavaScript 简史 ## 时代背景 ➢1995 Internet Explorer 3 中加入名为 JScript 的 JavaScript 实现. ➢1997: JavaScript 标准化 - ECMAScript 欧洲计算机制造商协会（ECMA）39号技术委员会（TC39）负责“标准化一种通用、跨平台、供应商中立的脚本语言的语法和语义”。 定义一种名为 ECMAScript 的新脚本语言标准。 ➢1998: ISO/IEC 采用 ECMAScript