文章列表

AI技术在智能海报设计中的应用

晓星
AI技术如何在视觉设计领域中协助设计师更高效地完成工作?本文将介绍我们在海报设计与AI技术结合方面的一些探索。 阅读全文
, , , , ,

iOS 覆盖率检测原理与增量代码测试覆盖率工具实现

丁京 王颖
本文介绍美团到店餐饮团队对 iOS 覆盖率检测算法的研究,分享一种可以嵌入到现有开发流程中,并对开发透明的增量代码测试覆盖率工具的实现。 阅读全文
, , , , , , ,

美团酒旅起源数据治理平台的建设与实践

李鹏 夷山 永超
在数据平台的建设中,数据一致性一直是一个难题,在常规的解决思路上,一般是通过加强数据仓库的建设来保证。不过由于业务的复杂性,需求来源的多样性,数据仓库无法完全消除这个问题,所以需要建设一个专业数据治理平台来辅助实现,达成数据一致性目标。 阅读全文
, , , , , ,

Android组件化方案及组件消息总线modular-event实战

海亮
组件化作为Android客户端技术的一个重要分支,近年来一直是业界积极探索和实践的方向。美团内部各个Android开发团队也在尝试和实践不同的组件化方案,并且在组件化通信框架上也有很多高质量的产出。本文介绍了美团行业收银研发组Android团队的组件化实践,以及业界首创强约束组件消息总线modular-event的原理和使用。 阅读全文
, , , ,

LruCache在美团DSP系统中的应用演进

王粲 崔涛 霜霜
LruCache(Least Recently Used Cache)是一种带有清退机制的缓存结构。用于DSP系统中的广告数据存储来提高广告投放引擎的性能。 阅读全文
, , , ,

深入浅出排序学习:写给程序员的算法系统开发实践

刘丁
文章从算法、架构两方面阐述排序学习。算法部分采用理论结合类比的方式进行讲解,希望帮助读者更容易地掌握排序学习核心概念。架构部分阐述如何设计一个良好的在线排序学习预测框架,包括特征治理、召回治理和分层模型三块。重点剖析了在线排序分层模型的组成、各模块的功能以及部分实现。 阅读全文
, , , , , ,

数据库智能运维探索与实践

应钢
美团点评DBA团队经历了从人肉运维到工具化、产品化、自助化、自动化的转型之旅,也开始了智能运维在数据库领域的思考和实践。 阅读全文
, , , , , ,

智能支付稳定性测试实战

勋伟
本文主要介绍了美团智能支付业务在稳定性方向所面临的挑战、踩过的坑,并重点介绍QA在稳定性测试中的一些总结和实践,供大家参考。 阅读全文
, , , , ,

机器学习在美团配送系统的实践:用技术还原真实世界

何仁清
本文分享了美团配送在即时配送领域中机器学习技术的最新进展,其主题是如何通过大数据和机器学习手段,建立对线下真实世界的各种场景的感知能力,还原和预测配送过程各个细节,提升整体配送系统的整体精度。 阅读全文
, , , , ,

人物志 | 技术十年:美团第一位前端工程师潘魏增

技术学院
从饭否到美团,潘魏增用十年的技术生涯,诠释了“长期有耐心”这句话的含义。在他看来,长期有耐心,其实也是延迟满足感。 阅读全文
, , , , , ,

美团AI全景图:吃喝玩乐背后的黑科技

CSDN杨丽
在美团做AI,有一个非常大的优势,就是数据和应用场景丰富,可以把各种各样的前沿技术用到实际产品中,改善亿万人的生活。要把几亿消费者与数百万生活服务商家高效地连接起来,AI有很多用武之地,因此比较大的业务部门中的技术团队,都有从事AI的同学。 阅读全文
, , , , , , , ,

美团DB数据同步到数据仓库的架构与实践

萌萌 心序 成聪
DB数据是大数据场景下进行数据分析与挖掘的重要数据来源,是ODS层数据的重要构成部分。本文主要从Binlog流式采集和基于Hive的ODS数据生产两方面,介绍美团点评各业务线的DB数据同步到数据仓库的架构和实践。 阅读全文
, , , ,

美团外卖iOS App冷启动治理

郭赛 徐宏
本文主要分享了美团外卖iOS客户端针对App冷启动性能进行治理的一些经验。 阅读全文
, , , , ,

Hades:移动端静态分析框架

吴达 智聪
本文是在美团点评业务快速发展背景下,针对大型移动项目的静态分析需求,结合开源项目利弊,最终设计实现了静态分析框架 Hades 项目。 阅读全文
, , , , ,

新一代数据库TiDB在美团的实践

应钢 李坤 昌俊
多年来,基于MySQL构建的传统关系型数据库服务,已经难于支撑美团业务的爆发式增长,这就促使我们去探索更合理的数据存储方案,并实践新的运维方式。 阅读全文
, , , , , ,

美团即时物流的分布式系统架构设计

宋斌
美团外卖已经发展了五年,即时物流的探索也经历了3年多的时间,业务从零孵化到初具规模,整个过程中也积累了一些分布式高并发系统的建设经验。 阅读全文
, , , , ,

美团餐饮娱乐知识图谱——美团大脑揭秘

仲远
美团NLP中心开始构建餐饮娱乐知识图谱——美团大脑。它充分挖掘关联各个场景数据,用AI技术让机器“阅读”用户评论数据,理解用户在菜品、价格、服务、环境等方面的喜好,构建人、店、商品、标签之间的知识关联,从而构建出一个“知识大脑”。 阅读全文
, , , , , ,

不可不说的Java“锁”事

家琪
Java提供了种类丰富的锁,每种锁因其特性的不同,在适当的场景下能够展现出非常高的效率。本文旨在对锁相关源码、使用场景进行举例,为读者介绍主流锁的知识点,以及不同的锁的适用场景。 阅读全文
, , ,

强化学习在美团“猜你喜欢”的实践

段瑾
介绍强化学习在美团推荐排序中的应用,包括三个部分:多模型融合的MDP设计奠定了取得收益的基础;针对强化学习鲁棒性和样本利用效率较低的问题,改进DDPG模型使线上取得稳定收益;基于TensorFlow的轻量级实时DRL框架为快速迭代实验提供了保障。 阅读全文
, , , , , ,

构建时预渲染:网页首帧优化实践

寒阳
移动端白屏优化是前端界面体验的一个重要优化方向,Web 前端诞生了 SSR 、CSR、预渲染等技术。在美团支付的前端技术体系里,通过预渲染提升网页首帧优化,从而优化了白屏问题,提升用户体验,并形成最佳实践。 阅读全文
, , , ,