《计算广告》

解决问题

@wenweihu86 在线预估用 java，和训练平台很多工具打通
上游的 rank recall 用的 c++
坐标步步高系

@MrCourtier 我最近一两个月都在做性能优化，推荐 java 性能权威指南 ，这本对于性能调优调优很有用，而且是针对于调优场景，不像只讲 jvm 的书，更贴近实践

@lol0 我们计算广告场景 ctr 预估有个模型服务 qps.维持在 1w 左右，也用的 java，不过 gc 也的确操蛋，调的让人心累，有些也在用堆外

既然已经选择了不同的垃圾收集器，为啥选择，以及各种垃圾收集器的优劣 以及调优点可以说下
性能优化的步骤要熟悉，基准测试，以及监控日志 寻找瓶颈，压测这些关键步骤要熟悉，不要简单的说调优点，否则一看就是背面试题

然后就是工具的使用 jdk 带的各种命令要清楚 ，btrace arthas 这些开源工具要有了解，核心问题都在于定位问题，然后才是优化

监控日志定位瓶颈所在，然后用 btrace.或者 arthas.更细节的调用链

关于 gc，首先就是要打印出 gc 日志，然后能读懂 gc 日志

堆分析 的话，还要分析具体哪些对象

堆内实在不好搞，有些转到堆外会不错，能说出一些堆外应用实例会不错

还有就是最蛋疼的线程池调优，针对 各种类型的应用，有啥调优选择

当然，最好的还是要有真正的经验



如果你没有真正经验的话，一定要把调优的流程说清，基础测试，日志监控，定位瓶颈，压测对比分析这些，其余的 jvm 调优，就死记硬背，看能记住多少

现在很多的后端业务系统都是有大数据需求的
我转行两年半的轨迹
先在 一家 p2p 公司做理财
然后在一家 p2p 公司做大数据风控系统后台开发，开始接触大数据相关
现在在一家手机公司做推荐机器学习平台开发
做了两年半，职位都是后台开发，语言差不多都是 java，也不是大数据开发，但是由于业务的原因，大数据和 AI 业务也做了很多
楼主也可以从业务入手

这几年 郭德纲的相声越来越没劲儿，越来越主流了
现在主要听以前的

ctr 预估这东西，一般来说能上 0.1 就已经是推荐中很高的了

关于机器学习平台，算法实现，应用实现这类，如果是工程端的话，要求也很高，但不一定是卡学历，因为 AI 落地在工程端的挑战也很大，我作为转行两年的弱鸡，在机缘巧合下在昨年年底进入步步高系其中一家做推荐中台开发，组里大佬一直都是焦头烂额的状态，从离线特征 到 离线训练 再到 在线 ctr 预估，瓶颈都有，分布式计算，分布式调度，在线高并发高性能服务，都有一堆坑
至于算法侧，目前感觉，对于推荐系统，无论内容推荐还是广告，特征工程的重要性高于调参训练，可以尝试下特征工程方向

算法也大多业务驱动
而且压力也很大

不知道成都有哪些搜索 推荐 广告 风控等类型算法团队，未来两三年可能回成都

开发做了快两年半，感觉一直都有操蛋的问题

@bestkayle 蓝绿都是这样，选择低月薪高年终，离职会按当年工作时间在第二年三月发放年终，离职会有 N 的离职补贴。还有蓝绿是没有财务的，财务都是步步高的，分派到蓝绿以及小天才三家公司
年终奖是营业利润的 10%以上用于发年终

动态代理
更高层面的切面 aspectj 用的挺多

推荐系统在所有使用互联网的人的日常浏览行为起到越来越重要的背景下，谣言铺开的速度会越来越快，因为在未能侦查出一条消息是谣言的时候，推荐系统会更快速的把消息推送给更关注这类消息，更喜欢听到这类消息的人。

ov 硬件也是差不多不赚钱或者利润很低的状态
线下的利润核心都给了渠道
除了华为高端有很大溢价，大多数还是靠互联网赚钱，没有用户体量，是很难在国内活下去的，魅族现在这样，烧了阿里的钱，又拉上国资续命，但是整体来说是很难走下去的，体量太小了，供应链没话语权，用户体量小，互联网也很难赚钱。