​ ​ ​ 从2016开始，腾讯启动将传统的音视频解决方案逐步部署在腾讯云上，从传统的FFmpeg、OBS、RTMP开始提供了第一代直播服务。随后演进到以QUIC与HLS低延迟直播。最后在网络拥塞算法与Codec层面做进一步调优，进一步提升复杂场景下用户的QoE体验。本文根据腾讯视频云终端研发总经理

在产业互联网的大背景下，如何将人工智能、大数据等前沿技术与实体产业相结合，推动传统企业转型升级，已经成为每一个企业不得不思考的问题。落后的软件研发能力已经拖慢了中国大量企业的数字化转型进程。 为了满足企业数字化转型需求，腾讯云正式推出了一站式 DevOps 解决方案 —— CODING DevOps

想法 于上周五发现了一个有趣的仓库: co-wechat（https://github.com/node-webot/co-wechat）。突发奇想，~~我不要你觉得，我要我觉得~~，腾讯云云函数配合该库，理论上可以快速搭建一个微信公众号的自动回复机器人。所以就开始查查文档，开搞了。 开搞 步骤一

本文作者 / 龙少 开源软件、自动化爱好者。资深马拉松酱油选手。 PART1——Helm Helm 是 Kubernetes 中的第一个对应用程序进行管理的支撑工具，经常会拿来同 Yum、apt 等工具进行类比。Helm 由几个不同的组件构成： CLI： 客户端工具，有几大功能 从 Chart 服务

不知道你会不会跟小编一样，照镜子的时候自我感觉良好，一拍照的时候总觉得哪里不对劲？如果说相机记录了你的容颜，那么自己照镜子的时候，多少脑补了一些王力宏、胡歌的棱角给自己。凌晨5点的时候，你自信满满去全民K歌直播，结果粉丝都在睡觉，来不及点赞；此时，你凭什么知道，你拍的视频究竟有多美呢？丽影，提供基于

腾讯首个AI开源项目Angel，正式发布一个里程碑式的版本：Angel 3.0。这是一个全栈的机器学习平台，功能特性涵盖了机器学习的各个阶段，超过50万行代码，在 GitHub 上 Star 数已超过 4200，Fork 数超过 1000。 一个全栈的机器学习平台，近日悄悄上线了。 8月22日，腾讯

2019年8月22日，腾讯首个AI开源项目Angel正式发布3.0版本。Angel 3.0尝试打造一个全栈的机器学习平台，功能特性涵盖了机器学习的各个阶段：特征工程、模型训练、超参数调节和模型服务。 Angel 3.0概览 （红色表示新增特性，白色表示已有但在持续改进的特性） Angel的特征工程模

互联网圈子里有一个神奇的群体——程序员。他们每天穿着格子衫，背着双肩包挤地铁，一到公司就陷入了“打代码-喝水-上厕所-打代码-喝水-上厕所”的死循环。热（jia）爱（ban）工（yan）作（zhong）的他们从未伴着日落回家，可以说是非常辛勤的互联网民工了。 程序员“他二哥”的每一天，就是和各种bu

**【导读】**腾讯首个AI开源项目Angel，正式发布一个里程碑式的版本：Angel 3.0。这是一个全栈机器学习平台，功能特性涵盖了机器学习的各个阶段，超过50万行代码，在 GitHub 上 Star 数已超过 4200，Fork 数超过 1000。 一个全栈机器学习平台，近日悄悄上线了。 8月

本文作者 / spikehe(何诚) 爱好acg，小甲师兄的首席大弟子~ 在大佬中夹缝求生的实习boy 最近跟着小甲师兄优化Ceph块存储缓存，涉及IO映射和磁盘空间分配，想到Ceph Bluestore就是绕过标准文件系统，直接对裸盘空间进行管理的，因此学习了一下以做参考，同时结合源码对Blues

导语：当面临存储选型时是选择关系型还是非关系型数据库？如果选择了非关系型的redis，redis常用数据类型占用内存大小如何估算的？redis的性能瓶颈又在哪里？ 背景 前段时间接手了一个业务，响应时间达到10s左右。阅读源码后发现，每一次请求都是查询多个分表数据（task1,task2….），然后

注：本文整理自上周六举办的「Hello Serverless」技术沙龙深圳站演讲内容，文末提供了讲师演讲 PDF 的下载，回复「Serverless 深圳」免费可得。 文章核心内容包括四部分：第一，什么是 Serverless；第二，在面向 Serverless 的开发模式中，开发者将会面对哪些困难

导语 非常幸运的是，从4月份至今，我能够全身心投入到腾讯新闻的单元测试专项任务中，从无知懵懂，到不断深入理解的过程，与开发同学互帮互助，受益匪浅。在此过程中，得到了质量总监、新闻总监和乔帮主的倾囊指导，真心感谢！！我希望把所有心得，总结成一篇较为全面的文章，分享给其他团队。时刻牢记：1. 不要滥用m

在IJCAI-2019期间举办的腾讯TAIC晚宴和Booth Talk中，来自TEG数据平台的张长旺向大家介绍了自己所在用户画像组的前沿科研结果： 非监督短文本层级分类； 大规模复杂网络挖掘和图表示学习。 其所在团队积极与学术界科研合作，并希望有梦想、爱学习的实力派加入，共同研究和应用半监督/弱监督

​ ​ ​ ​ ​ 本文是继《微服务架构系列一：关键技术与原理研究》的后续，系列一中论述了微服务研究的背景和意义，主要调研了传统架构的发展以及存在的问题和微服务架构的由来，然后针对微服务架构的设计原则、容器技术、服务发现、通信机制、持续集成等方面进行了分析与研究，并简单讲述了谷歌Kubernetes