作者｜vivo官网商城开发团队-ZhouLongjian一、背景随着O2O线上线下业务的不断扩展，电商平台也在逐步完善交易侧相关的产品功能。在最近的需求版本中，业务方为进一步提升用户的使用体验，规划了取货码生成及订单核销相关逻辑，目的是让线上的用户在付完款之后能够到店取货或者安排导购派送。日常生活中，我们对取货码、核销这类功能使用的经历大部分都来自：看电影前取票、吃饭后出示券码、快递柜取包裹等等，它们都有一些类似的特点，比如：取货码长度相对较短，比起动辄十几二十位订单号，几位的数字码更方便记忆和输入；除了数字取货码，还提供二维码，方便终端进行扫描并核销。取货码使用起很简单，然而像“冰山”一样，
作者｜vivo官网商城开发团队-ZhouLongjian一、背景随着O2O线上线下业务的不断扩展，电商平台也在逐步完善交易侧相关的产品功能。在最近的需求版本中，业务方为进一步提升用户的使用体验，规划了取货码生成及订单核销相关逻辑，目的是让线上的用户在付完款之后能够到店取货或者安排导购派送。日常生活中，我们对取货码、核销这类功能使用的经历大部分都来自：看电影前取票、吃饭后出示券码、快递柜取包裹等等，它们都有一些类似的特点，比如：取货码长度相对较短，比起动辄十几二十位订单号，几位的数字码更方便记忆和输入；除了数字取货码，还提供二维码，方便终端进行扫描并核销。取货码使用起很简单，然而像“冰山”一样，
作者|vivo互联网平台产品研发团队-YangYang本篇为《vivo平台产品》系列文章的第1篇。主要描述在业务高速发展的背景下，vivo软件工程师通过系统平台化建设等手段，逐步解决软件复用，快速响应业务变化等棘手问题的过程。我们从中精选出内容审核平台、AB实验平台、版本发布平台等具备代表性的平台产品，为大家对平台化的经历进行详细的介绍。一、平台化1.1 业务现状vivo的互联网业务起始于2011年，经过多年的发展，vivo互联网各核心应用的日活均已达到千万级以上，截至2022年vivo累计用户数已经达到了5亿。以应用商店、浏览器、视频、游戏中心、钱包、官网商城为代表，逐渐形成了以广告、分发、
作者|vivo互联网平台产品研发团队-YangYang本篇为《vivo平台产品》系列文章的第1篇。主要描述在业务高速发展的背景下，vivo软件工程师通过系统平台化建设等手段，逐步解决软件复用，快速响应业务变化等棘手问题的过程。我们从中精选出内容审核平台、AB实验平台、版本发布平台等具备代表性的平台产品，为大家对平台化的经历进行详细的介绍。一、平台化1.1 业务现状vivo的互联网业务起始于2011年，经过多年的发展，vivo互联网各核心应用的日活均已达到千万级以上，截至2022年vivo累计用户数已经达到了5亿。以应用商店、浏览器、视频、游戏中心、钱包、官网商城为代表，逐渐形成了以广告、分发、
混排层负责将多个异构队列的结果如广告、游戏、自然量等进行融合，需要在上下游和业务多重限制下取得最优解，相对复杂和难以控制。本文主要从业务、模型等角度介绍了vivo广告策略团队在信息流和应用商店混排上的一些探索和思考。一、背景介绍首先介绍一下什么是混排。所谓混排，如图所示就是需要在保障用户体验前提下，通过对不同队列中的异构内容进行合理混合，实现收益最优，更好的服务广告主和用户。混排的核心挑战体现在：不同队列item建模目标不同，难以直接对比。比如有的队列按照ctr建模，有的队列按照ecpm建模，无法直接对比。候选队列常受到大量产品规则约束，常见的有比如间隔位的约束、保量、首位等约束。由于候选队列
混排层负责将多个异构队列的结果如广告、游戏、自然量等进行融合，需要在上下游和业务多重限制下取得最优解，相对复杂和难以控制。本文主要从业务、模型等角度介绍了vivo广告策略团队在信息流和应用商店混排上的一些探索和思考。一、背景介绍首先介绍一下什么是混排。所谓混排，如图所示就是需要在保障用户体验前提下，通过对不同队列中的异构内容进行合理混合，实现收益最优，更好的服务广告主和用户。混排的核心挑战体现在：不同队列item建模目标不同，难以直接对比。比如有的队列按照ctr建模，有的队列按照ecpm建模，无法直接对比。候选队列常受到大量产品规则约束，常见的有比如间隔位的约束、保量、首位等约束。由于候选队列
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、日志监控、审计日志等的数据来源都是基于数据采集。
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、日志监控、审计日志等的数据来源都是基于数据采集。
一、业务背景库存系统是电商商品管理的核心系统，本文主要介绍vivo商城库存中心发展历程、架构设计思路及应对各种业务场景的实践。vivo商城原库存系统耦合在商品系统，考虑到相关业务逻辑复杂度越来越高，库存做了服务拆分，在可售库存管理的基础上新增了实物库存管理、秒杀库存、物流时效、发货限制、分仓管理等功能，满足了商城库存相关业务需求。本文将介绍vivo商城库存系统架构设计经验以及一些问题的解决方案。二、系统架构设计2.1vivo大电商库存架构根据vivo大电商的销售渠道与业务场景可以将库存业务架构分为3个层级：仓库层、调度层以及销售层。仓库层对应实体仓库，包括自营仓库、顺丰仓等第三方仓库以及WMS
一、业务背景库存系统是电商商品管理的核心系统，本文主要介绍vivo商城库存中心发展历程、架构设计思路及应对各种业务场景的实践。vivo商城原库存系统耦合在商品系统，考虑到相关业务逻辑复杂度越来越高，库存做了服务拆分，在可售库存管理的基础上新增了实物库存管理、秒杀库存、物流时效、发货限制、分仓管理等功能，满足了商城库存相关业务需求。本文将介绍vivo商城库存系统架构设计经验以及一些问题的解决方案。二、系统架构设计2.1vivo大电商库存架构根据vivo大电商的销售渠道与业务场景可以将库存业务架构分为3个层级：仓库层、调度层以及销售层。仓库层对应实体仓库，包括自营仓库、顺丰仓等第三方仓库以及WMS
