作者：vivo互联网服务器团队-LiuXin、YuDan本文基于故障定位项目的实践，围绕根因定位算法的原理进行展开介绍。鉴于算法有一定的复杂度，本文通过图文的方式进行说明，希望即使是不懂技术的同学也能理解。一、背景介绍1.1程序员的困扰作为一名IT从业人员，比如开发和运维，多少有过类似的经历：睡觉的时候被电话叫醒，过节的时候在值班，游玩的时候被通知处理故障。作为一名程序员，我们时时刻刻都在想着运用信息技术，为别人解决问题，提升效率，节省成本。随着微服务架构的快速发展，带来一系列复杂的调用链路和海量的数据。对于我们来说，排查问题是一个大挑战，寻找故障原因犹如大海捞针，需要花费大量的时间和精力。1
作者：vivo互联网服务器团队-LiuXin、YuDan本文基于故障定位项目的实践，围绕根因定位算法的原理进行展开介绍。鉴于算法有一定的复杂度，本文通过图文的方式进行说明，希望即使是不懂技术的同学也能理解。一、背景介绍1.1程序员的困扰作为一名IT从业人员，比如开发和运维，多少有过类似的经历：睡觉的时候被电话叫醒，过节的时候在值班，游玩的时候被通知处理故障。作为一名程序员，我们时时刻刻都在想着运用信息技术，为别人解决问题，提升效率，节省成本。随着微服务架构的快速发展，带来一系列复杂的调用链路和海量的数据。对于我们来说，排查问题是一个大挑战，寻找故障原因犹如大海捞针，需要花费大量的时间和精力。1
作者：vivo互联网服务器团队本文是《vivo营销自动化技术解密》的第5篇文章，重点分析介绍在营销自动化业务中实时营销场景的背景价值、实时营销引擎架构以及项目开发过程中如何利用动态队列做好业务流量隔离，动态发布，使用规则引擎来提升营销规则的配置效率等几种关键技术设计实践。《vivo营销自动化技术解密》系列文章：vivo营销自动化技术解密｜开篇设计模式如何提升vivo营销自动化业务扩展性|引擎篇01状态机引擎在vivo营销自动化中的深度实践|引擎篇02工作流引擎在vivo营销自动化中的应用实践|引擎篇03一、背景 营销自动化的触达场景按照时效性划分主要有两大类： 1.离线目标用户群发。通过对业务
作者：vivo互联网服务器团队本文是《vivo营销自动化技术解密》的第5篇文章，重点分析介绍在营销自动化业务中实时营销场景的背景价值、实时营销引擎架构以及项目开发过程中如何利用动态队列做好业务流量隔离，动态发布，使用规则引擎来提升营销规则的配置效率等几种关键技术设计实践。《vivo营销自动化技术解密》系列文章：vivo营销自动化技术解密｜开篇设计模式如何提升vivo营销自动化业务扩展性|引擎篇01状态机引擎在vivo营销自动化中的深度实践|引擎篇02工作流引擎在vivo营销自动化中的应用实践|引擎篇03一、背景 营销自动化的触达场景按照时效性划分主要有两大类： 1.离线目标用户群发。通过对业务
作者：vivo互联网存储技术团队-LuoMingbo、中间件团队-LiuRunyun本文根据“2022vivo开发者大会"现场演讲内容整理而成。本文主要介绍超大数据规模场景下分布式消息中间件在vivo的应用实践。在线业务侧主要从RocketMQ集群部署架构、平台系统架构、日常运维操作平台、监控告警一体化实践以及vivo如何通过建设AMQP消息网关的方式完成所有在线业务服务从RabbitMQ到RocketMQ的业务无感迁移，实现了在线业务消息中间件组件的统一。大数据侧主要从资源隔离、流量均衡、智能动态限流、集群治理四个维度介绍Kafka在vivo的最佳实践以及Kafka核心技术架构在超大数据规模
作者：vivo互联网存储技术团队-LuoMingbo、中间件团队-LiuRunyun本文根据“2022vivo开发者大会"现场演讲内容整理而成。本文主要介绍超大数据规模场景下分布式消息中间件在vivo的应用实践。在线业务侧主要从RocketMQ集群部署架构、平台系统架构、日常运维操作平台、监控告警一体化实践以及vivo如何通过建设AMQP消息网关的方式完成所有在线业务服务从RabbitMQ到RocketMQ的业务无感迁移，实现了在线业务消息中间件组件的统一。大数据侧主要从资源隔离、流量均衡、智能动态限流、集群治理四个维度介绍Kafka在vivo的最佳实践以及Kafka核心技术架构在超大数据规模
作者：vivo互联网存储技术团队-QiuSidi在企业大数据体系建设过程中，数据采集是其中的首要环节。然而，当前行业内的相关开源数据采集组件，并无法满足企业大规模数据采集的需求与有效的数据采集治理，所以大部分企业都采用自研开发采集组件的方式。本文通过在vivo的日志采集服务的设计实践经验，为大家提供日志采集Agent在设计开发过程中的关键设计思路。一、概述在企业大数据体系的建设过程中，数据的处理一般包含4个步骤：采集、存储、计算和使用。其中，数据采集，是建设过程中的首要的环节，也是至关重要的环节，如果没有采集就没有数据，更谈不上后续的数据处理与使用。所以，我们看到的企业中的运营报表、决策报表、
作者：vivo互联网存储技术团队-QiuSidi在企业大数据体系建设过程中，数据采集是其中的首要环节。然而，当前行业内的相关开源数据采集组件，并无法满足企业大规模数据采集的需求与有效的数据采集治理，所以大部分企业都采用自研开发采集组件的方式。本文通过在vivo的日志采集服务的设计实践经验，为大家提供日志采集Agent在设计开发过程中的关键设计思路。一、概述在企业大数据体系的建设过程中，数据的处理一般包含4个步骤：采集、存储、计算和使用。其中，数据采集，是建设过程中的首要的环节，也是至关重要的环节，如果没有采集就没有数据，更谈不上后续的数据处理与使用。所以，我们看到的企业中的运营报表、决策报表、
作者：vivo互联网服务器团队-WuQinghua本文从目前业界实现Jenkins的高可用的实现方案，分析各方案的优缺点，引入vivo目前使用的Jenkins高可用方案，以及目前Jenkins资源的调度方案的设计实践和目前的落地运行效果。一、前言现在的企业很多都在用Jenkins做持续集成，各个业务端都依靠Jenkins，vivoDevops也是使用Jenkins来进行持续构建，部署Jenkins服务时如何保障服务的高可用变得尤为重要。下面是目前Jenkins存在的一些问题。Jenkins本身是单体的，即只能有一个JenkinsMaster。虽然你也可以在多台机器上部署多个JenkinsMas
作者：vivo互联网服务器团队-WuQinghua本文从目前业界实现Jenkins的高可用的实现方案，分析各方案的优缺点，引入vivo目前使用的Jenkins高可用方案，以及目前Jenkins资源的调度方案的设计实践和目前的落地运行效果。一、前言现在的企业很多都在用Jenkins做持续集成，各个业务端都依靠Jenkins，vivoDevops也是使用Jenkins来进行持续构建，部署Jenkins服务时如何保障服务的高可用变得尤为重要。下面是目前Jenkins存在的一些问题。Jenkins本身是单体的，即只能有一个JenkinsMaster。虽然你也可以在多台机器上部署多个JenkinsMas
