爱奇艺早期业务多数以私有云方式部署，随时间推移，私有云模式在成本、弹性及区域覆盖等方面开始显现不足，而公有云在近年的发展中成熟度不断提高，逐步满足爱奇艺业务需求，爱奇艺开始有计划的使用公有云资源，逐渐形成私有云与多家公有云结合的业务部署模式，即混合云模式。混合云模式下，私有云和公有云分属不同的

占用过高，从而产生功耗过高的问题，特别是高码流视频的解码时尤其明显，对于用户来讲是不可接受的。采用直播技术架构即播放器在整个生命周期中，仅打开一次解码器，之后一直使用，节目切换时

操作，对这些数据结构进行组装成业务数据模型，从而低代码或者零代码实现业务应用。结合自定义数据模型和动态数据源，提供基于平台、站点、语言的内容搜索配置功能，满足运营对内容的操作！图：IQ

更加关注对输入说话人的情感和韵律的还原，而对于音色的还原度要求并不高。针对此特殊情况，我们对模型和语料都进行了针对性地处理。语料优化对于配音音色语料，我们根据使用场景进行了设计：1、有效地利用原有

中，但这样的架构在高版本系统上又会产生内联崩溃的问题，在既要保证低端设备性能的同时，又要覆盖到高版本设备的前提下，内联崩溃是一个无法简单绕过的一个问题。本文从内联崩溃的背景开始介绍，再结合

随着会员业务的快速发展，会员系统架构也不断演进迭代，拆分出了多个微服务，提升了系统的稳定性和扩展能力。在敏捷的开发模式下，业务迭代更加快速，那么势必会经常发布线上服务，在服务上线的过程中，我们发现接口成功率会出现一定程度的下降，对于敏感业务直接影响了用户的体验。为了解决这个问题，我们对微服务上下线流程进行了优化，本文将详细介绍方案的设计和实现。01问题分析

的时代已经到来，让我们拭目以待。也许你还想看爱奇艺海外App的网络优化实践猎户座-持续打造爱奇艺海外高扩展性的策略引擎项目一切数据皆可配置：爱奇艺海外站的运营后台设计实践

的时间，恐怕会让一半的用户流失。爱奇艺推出的国际版面向全球的用户，在面临海外网络复杂的环境，针对性做了一系列优化实践，取得了不错的效果，在此总结分享我们的一些做法和优化思路，希望对你有所帮助。

技术实现介绍针对以上实践中的总结，我们希望提供一套通用的解决方案，去解决上文阐述的各种运营管理问题。以下将详细介绍我们思考和提出的解决上述问题的策略引擎方案项目，我们将其称为猎户座。

随着网络的发展，每天有海量的UGC视频被用户上传到各大平台，如何高效的分发与使用这些视频是平台一直需要解决的问题。视频的标签可以高效概括视频的主体内容，有利于推荐、搜索广告等业务对于海量短视频的精确使用。标签的生成是视频理解的产物，按照类型来分，可以分为类型标签和内容标签。类型标签主要是根据各业务的特点定制一套体系框架，将每个短视频映射到定制的框架中。而内容标签是用于描述视频主体内容的开放式词汇集，很难提前制定完备的体系枚举出每个词汇，更多的时候它是一个无穷的集合。本文详细介绍爱奇艺短视频场景下的内容标签。01

资源满足自己的需求。另外，视频生产任务在整个生命周期中，需要经过从远端服务器下载原始数据、集群中处理、将结果上传到远端服务器三个过程。在下载、上传数据等待

互联网技术发展至今，当业务复杂度比较高的时候，采用微服务化是一个有效的手段，但是随着服务的拆分，数据管理工作变得极具挑战。数据中心(OLTP)通过对数据的统一收集和管理，一方面可以建立数据之间的联系，从而带来更大的价值；另一方面还可以提供强大的数据阅览、数据分析、挖掘数据等能力，进而为企业创造价值收益。数据中心(OLTP)不仅可以为不同业务线屏蔽技术难点，还可以降低业务逻辑开发的复杂度，使得开发同学能够专注于业务逻辑的开发。利用数据中心(OLTP)整合不同业务线的数据，解决数据孤岛问题已经是各个互联网企业的必用手段。本文将分享爱奇艺内容中台数据中心(OLTP)的设计与实现。01

导语：由于推荐系统冷启动问题的存在，在视频推荐中为用户推荐新视频是一个极具挑战的问题，新视频推荐的效果直接影响推荐系统“新陈代谢”的稳定性和内容生态的健康发展。为了解决该问题，本文主要介绍了爱奇艺随刻推荐团队在短视频推荐业务上基于对抗神经网络(GAN)的新视频冷启动的落地实践方案。01

爱奇艺基础数据平台主要是为了统一公司内部的基础数据交换规范，解决不同团队之间ID不统一问题（各团队都有自己独立的ID）、数据定义不统一、数据更新不及时等问题。随着公司业务发展，除了视频基础数据，还逐步对接了

本文为爱奇艺智能内容中台系列稿件的第一弹，接下来我们还会陆续为大家带来爱奇艺在智能内容生产、运营上的一系列探索，敬请期待。无人值守系统是爱奇艺内容中台的一个重要智能化组件。首先，对于业务密度大、流程长、依赖服务多的业务系统而言，在实际运行当中，故障的出现是一种常见现象，某种程度上是一种常态。所以故障出现后，能及时发现、及时处理是对线上运行业务系统的必然要求。常规的方式是报警+人工介入，这种方式导致了必须有人值守，而人工介入的时效性不好保证，同时人工成本也必然增加。爱奇艺内容中台同样面临上述问题，尝试通过技术手段解决系统复杂性带来的问题，是本系统的基本思路，也是中台智能化的重要方向。对比传统的监控系统，我们需要更智能化的服务来完成监控的同时，兼顾故障智能化处理，同时又方便其他处理手段介入。无人值守系统是在上述背景下由爱奇艺内容中台研发团队设计研发的智能化开放式故障值守系统。01

提升代码质量：开发人员从覆盖率报告可以获得代码的执行流程走向，帮助理解代码逻辑。分析生产环境的代码覆盖率报告，还可以区分出真实的用户请求执行覆盖情况，区分“有用/无用”代码，有利于优化简化代码逻辑。

稳定性测试是长时间持续运行APP，以验证应用是否稳定的测试。它可以有效发现APP长时间运行下的偶发闪退、内存泄露、性能变差等问题。iOS端通常由苹果系统的API快速执行点击事件，开展稳定性测试，类似的优秀工具如FastMonkey等虽然有诸多好处，但是作为长期运行的测试服务系统，还需要调整功能以适应企业级测试场景，无法解决通过外部请求定制事件执行序列、无法动态设置启动参数、截图存在本地将导致磁盘占用过大等问题。爱奇艺测试团队在iOS稳定性测试方面展开了不懈的探索，也积累了一些相关经验，希望借本文跟大家分享在【iOS稳定性测试】实践和优化过程中的心得和体会，也借此机会抛砖引玉，征求同行的更多探讨。01方案实践1.1基础框架爱奇艺iOS稳定性测试基于现有的云真机体系，总体分为三大块。向下是设备管理，向上是产出物汇总，核心是测试策略。基础框架如下图1，真机设备通过驱动层接入远程控制体系，统一由后端调度管理，核心策略通过设备驱动与真机设备交互，模拟用户行为开展测试，测试过程中产生的数据统一汇总到后端，由后端生成测试报告并反馈给用户。图1.

“用户愿意留下来，产品就拥有价值。”作为反映用户满意度的关键指标，用户留存率是判断任何一个产品或平台是否具备长期价值的一面镜子。在数字化时代，围绕“如何通过技术提升用户留存率，为可持续的增长赋能”也成为了各大互联网平台长期关注的重要课题。

9月26日下午，爱奇艺技术产品团队举办了第19期“i技术会”，本次技术会的主题是“数据治理探索与应用”，来自快手、美团、快看的几位资深专家同大家就相关议题进行了深入探讨。爱奇艺研究员杜益凡分享了题为《爱奇艺埋点投递治理实践》的内容。分享从埋点的定义、规范以及数据质量要求开始，介绍了爱奇艺在治理埋点数据、提高埋点数据质量工作中的一些实践经验。福利!!!

业务报表层：面对用户和运营，是非常重要的一块，也是非常直观的，这部分数据面向的人员众多，且每个人关注点会有差异，需要做到的是尽量覆盖重要业务的监控，尤其是核心数据监控。

Pipeline，在计算的同时读取下一步计算所需的数据，使得计算可以连续进行，数据读取不成为限制计算时长的因素。Q：是否存在多租户的问题？您们通过什么技术手段解决这些供需关系？刘骋昺：我们的大数据

左右滑动，想看哪个角度就看哪个角度……在第七期《爆裂舞台》中，THE9-陆柯燃的舞台中上演“爆裂时刻”自由视角。爱奇艺自由视角除了能把互动能力交给观众，让观众仿佛置身拍摄现场，全方位享受超燃的舞台效果；还给导演和剪辑师提供更多创作素材，增加正片内容表现形式。继青春有你系列节目后，爱奇艺自研的自由视角拍摄系统再次升级，推出服务于相机部署、拍摄、后期制作等多个层面的智能化工具，让拍摄制作环节更智能、高效。此外，该系统在提升播放与切换流畅度的同时，对播放设备的要求也进一步降低，市面上80%以上的手机都可以流畅播放，进而能让更多用户享受到沉浸、优质的自由视角内容。全新自由视角拍摄系统，实现智能化拍摄与制作传统拍摄自由视角通常是“一次性”部署，每次拍摄都需要重新搭建，带来了较大的操作困难和制作成本。如今，爱奇艺自研的“自由视角相机部署仿真系统”——风伯系统，能够按照真实场景和尺寸渲染出一套虚拟场景，在虚拟场景中可以精确部署虚拟相机阵列，每台虚拟相机都可以模拟真实相机拍摄出素材。在这套系统下，爱奇艺真正实现了智能化的拍摄和制作。在拍摄阶段，相机阵列智能调节系统大幅缩减了对焦时间，从几小时缩短到20秒以内。此次《爆裂舞台》现场共部署了64台相机，每台相机的位置、旋转、对焦等都要调节，同时还需要考虑互相之间的整体关系。由于相机数量巨大，通常部署64台机器需要1天左右的时间，相机部署完成后，对64台相机的对焦也需要4个小时以上的时间。基于相机阵列智能调节系统，相机参数设定时间从之前的4小时缩短到20秒以内。创作者的艺术创作无法被代替，除了观众自由滑动观看的视角体验外，自由视角也需要专业制作者进行创作。由此，在制作阶段，爱奇艺开发了自研的自由视角剪辑工具，改变了自由视角完全由后期或技术团队制作的情况。在剪辑平台上，64个机位的视频分条呈现，创作者可以实时预览，并根据创作需要选择不同机位的视频，自由控制时间、人物的变化状态，为导演拍摄现场的创作提供实时展现效果，实时帮助艺术家们的创作和表演更极致；比如像《黑客帝国》中时间静止、人物变化的“子弹时间”效果。自由视角的互动方式丰富了视频观看的体验，系统化的自由视角制作工具极大地降低了创作门槛，释放内容创作者的想象力，两者在让观众感受到更清晰、更沉浸、更自由的内容之上，也在加速自由视角制作步入工业化阶段。

剧本对影视行业的重要性不言而喻。一部好的剧本，不光是好口碑和大流量的基础，也能带来更高的商业回报。作为影视内容生产链条的第一环，剧本分析对于好剧本的选择至关重要，在这其中，角色的情感识别又是剧本分析中一个举足轻重的任务。9月16日，CCF大数据与计算智能大赛第九届正式启动，爱奇艺携手中国计算机学会，发起剧本角色情感识别挑战，诚邀全球英才组队参与，探讨技术难题和行业痛点，这也是业内首个基于剧本的角色情感识别挑战赛。基于剧本的角色情感识别主要是依托剧本中每句对白和动作描述，对相关角色进行多维度分析，并识别出情感。相对于常见的新闻、评论性文本的情感分析，有其独有的业务特点和挑战。

“几个简单动作，播放控制尽在掌握！”相信这是很多用户在体验过AI隔空手势魅力后的一致感受。可如果手势识别不够准、响应即时性差，隔空手势操控播放可能就只剩下手势了。AI隔空手势不断优化体验的背后，代表着业界持续研究的两个课题：如何精准识别手势，以及如何对手势指令做出同时响应。近日，爱奇艺继PAD端之后正逐步在PC端上线AI隔空手势，这一次爱奇艺和英特尔两家公司通力合作，让隔空手势操控敏捷体验进一步得到了升级。爱奇艺进一步优化了手势识别AI模型并叠加英特尔®

随着云计算、大数据、AI等技术的不断发展，企业中各类系统中存储了大量的核心数据，已成为企业重要的生产资源和生存命脉，数据安全也因此成为了企业最核心且最突出的问题。在国家《数据安全法》正式实施的背景下，爱奇艺安全团队基于《GBT22239-2019信息安全技术网络安全等级保护基本要求》以及《中华人民共和国密码法》的相关标准与要求，推出了Cloud

高并发系统离不开Cache，通过采用更多的本地Cache来提升系统吞吐量和稳定性是必然的，这其中的最大难点就是解决分布式本地Cache数据的实时性和一致性问题，否则本地Cache就无法更普遍应用于频繁变更的数据上。没有最完美的方案，只有更合适的方案。本文将详细讲解爱奇艺TV后台分布式实时本地Cache实践方案，给大家解决高并发问题提供一个参考。01背景目前互联网系统大多是读多写少的系统，面对读多写少的系统，大家一定会拆分为读系统、写系统，提高系统稳定性和吞吐量，今天我们所讲的Cache主要是面向读的系统。爱奇艺拥有大量版权内容的Metadata，在不同的业务场景都需要将这些Metadata和相应的关联数据作为基础数据返回，为了提高业务迭代速度，降低系统耦合，我们将这些基础数据的组装环节拆分为独立的服务，该服务提供包括通用和个性化逻辑的封装，所有用到基础数据的地方调用此微服务。每条数据大约几KB到十几KB不等，且数量不断增长。该服务作为基础服务对各子业务服务。如何解决该服务对集中式Cache带来的高并发问题（高峰期支撑百万级QPS）：比如集中式Cache内网带宽损耗、Cache网络故障超时场景等问题。以下提供众多解决方案中的一个解决方案。02思路&方案首先对比一下本地Cache与集中Cache的优缺点：1.本地Cache其优点有：（1）热点缓存，每扩容一个实例就相当于扩容了一个热点数据库；（2）命中率高；（3）过期策略；（4）业务逻辑速度快，机器损耗低；（5）抗风险能力强。其缺点有：（1）一般是被动缓存，实时性差；（2）存储量有限，配备2GB~4GB，足矣满足当前大部分场景的热点数据。2.集中Cache其优点有：（1）方便实时更新Cache；（2）缓存一致性强。其缺点如下：（1）集群过大，依赖过重；（2）并发量高时，IO过重；（3）易受应用机器到缓存机器之间的网络抖动影响；（4）热点Key访问量过大时，容易将带宽跑满，需要多Cache集群来解决。对比如上优缺点，大部分人都会采用本地热点Cache，本地存储4GB一般都能满足常见的业务热点数据，但是本地Cache实时性差，如何解决实时性？如下为解决方案：3.解决方案通过统一的消息机制来触发本地Cache的实时更新，同时提供消息过滤机制，由业务方自行处理逻辑，这样可以实现本地Cache个性化更新方案。方案如下：4.方案说明（1）管理后台：管理使用该本地Cache的所有应用实例及缓存策略；（2）数据变更：数据变更源头；（3）消息总线：消息的集散中心；（4）业务Filter：业务方可以自行处理部分消息；（5）监控统计：采用爱奇艺统一的日志收集系统，可以用来统计分析热点数据，为其它热点方案提供数据支持，监控采用统一监控，监控各个实例的Cache命中等指标03扩展当单个集群本地Cache命中率低于可接受临界值（比如70%）时，内存受限无法扩大本地Cache存储，可拆分成轻逻辑数据分片集群，即可提高命中率。04效果总结（1）有效降低了集群雪崩的风险；（2）解决了高并发读的问题；（3）减少热点数据的网络穿透，降低集中式Cache的负担。也许你还想看走出回归测试困境，爱奇艺精准测试体系建设效率提升50%，移动端UI自助验收在爱奇艺的探索与实践爱奇艺移动端APP健壮性测试的设计与实践

01背景随着互联网公司的产品和业务越来越多样，利用数据来驱动业务决策成为必然，而AB实验正是以数据指标来判断产品功能和运营策略迭代效果的方法和工具，其可以在保证样本同时性和同质性基础上，对比两个或多个实验组在同一应用场景下的效果。以上边的实验为例，通常一个AB实验可以拆解出以下几个步骤：（1）找出优化指标：提升用户的转化率；（2）提出假设：改变前端交互的UI；（3）创建实验；（4）衡量实验效果：得出A组转化率为23%，B组用户转化率为11%；（5）继续优化或者结束实验：得出A组更优，上线A组策略。【注释】同时性：两个变体是同时投入使用的，而不是今天使用A变体，明天使用B变体，这样会有其他因素影响。同质性：两个变体对应的使用群体需要保证尽量一致。比如，想想一个极端场景：变体A里全是女性，变体B中全是男性，我们根本无法判断出来究竟是方案影响了最终效果还是性别。爱奇艺在日常业务中，有大量AB实验落地场景。具体包含以下几类：（1）算法类算法类AB实验广泛的应用在搜索、推荐、广告等场景。算法同学通过AB实验来验证每一个新的策略（例如召回，排序等）对业务的提升。（2）

8月7日下午，爱奇艺技术产品团队举办了第17期“i技术会”，本次技术会的主题是“智能化、精准化测试前沿探索”，本次沙龙与TesterHome社区联合举办。来自爱奇艺、美团、腾讯、转转的几位专家分别就各自的议题进行了分享，大家在交流群中也十分活跃，留下了众多问题。我们特此汇总，向各位嘉宾请教，现将回答整理如下，供大家交流。如果你错过了本次沙龙，可以直接戳阅读原文，观看直播回放，也可以关注公众号，在后台回复关键词“测试”，获得本次i技术会嘉宾分享PPT和完整的录播视频，先认真观看，再和本篇QA内容配合服用，效果更佳哦～《爱奇艺精准测试体系建设》苏慧

Android有提供inBitmap机制，来复用不再使用的Bitmap，但是，如何方便地收集不再使用的Bitmap，如何高效的存储管理收集的Bitmap，Android并没有提供系统的解决方案。

8月7日下午，爱奇艺技术产品团队举办了第17期“i技术会”，本次技术会的主题是“智能化、精准化测试前沿探索”，本次沙龙与TesterHome社区联合举办。其中，来自爱奇艺的技术专家苏慧为大家带来了“爱奇艺精准测试体系”建设的分享，讲述了爱奇艺精准测试实践过程中，为了走出回归测试困境、实现精细化测试能力建设进行的一系列技术攻坚，例如采用自研代码覆盖率工具，改变原生代码覆盖率工具实现方式，支持服务端多人并行测试以及微服务调用链串联，最终实现回归测试质量与效率双向提升。福利!!!

7月3日下午，爱奇艺技术产品团队举办了“i技术会”第16期技术沙龙，本次技术会的主题是“NLP与搜索”。我们邀请到了来自字节跳动、去哪儿和腾讯的技术专家，与爱奇艺技术产品团队共同分享与探讨NLP与搜索结合的魔力。其中，来自爱奇艺的技术专家张轩玮为大家带来了爱奇艺多语言台词机器翻译技术实践的分享。福利！关注公众号，在后台回复关键词“NLP”，就可以获得本次i技术会嘉宾分享完整PPT和录播视频。以下为“爱奇艺多语言台词机器翻译技术实践”分享精华内容，根据【i技术会】现场演讲整理而成。本次分享的第一部分是爱奇艺多语言台词机器翻译实践开展的相关背景，第二部分是爱奇艺针对多语言台词机器翻译模型的一些探索和优化，最后是该模型在爱奇艺的落地与应用情况。01爱奇艺多语言台词机器翻译实践的相关背景2019年6月，爱奇艺正式推出服务全球用户的产品iQIYI

在视频直播中，首帧渲染速度会直接影响用户体验。想象一下，你兴致勃勃进入了一个爱豆的直播间，进入直播间后迟迟不见直播画面，而是长时间停留在直播间背景图上，这是大多数用户都无法接受的体验。为了提高用户在爱奇艺直播和小视频平台奇秀app

短视频具有内容丰富、信息集中、用户粘性大的特点，如何提高短视频分发的效率和推荐精准度，有效提升消费时长、留存等关键业务指标，是推荐系统的核心能力和建模目标。本文主要分享在短视频推荐场景下，爱奇艺基础推荐团队在排序模型多目标优化方面的历史和进展。第一部分主要介绍多目标建模的业务背景，第二部分介绍爱奇艺在短视频推荐业务多目标建模方向尝试和实践的多种方案，最后是简单的总结和在多目标建模方向的规划。01背景在爱奇艺短视频推荐业务中，主要流量形态由两个部分组成：(1)

01背景让每一个用户获取到稳定、及时的页面体验，是前端工程师们一直以来努力的方向。作为一个拥有丰富内容资源的视频网站，爱奇艺官网主站需要频繁进行节目上线或者下线、各种活动配置等操作调整，对于页面SSR服务的可用性及稳定性，都有着极高的要求。在2019年之前，爱奇艺官网主站页面的SSR采用的是在CMS平台中书写Velocity模板，由Java编译，优点是渲染速度快，但缺点也非常明显：（1）在CMS平台中开发体验不好：没有传统IDE方便，不能配置快捷键、不能安装插件等等，导致开发效率低下。（2）前后端代码不同构：由于后端使用Velocity模板，而前端需要使用Vue，导致前后端代码不同构。（3）破坏Vue组件封装性：由于Java无法编译Vue组件，所有的Vue组件都需要用Slot的方式在CMS平台中书写以达到SEO和SSR的目的。基于以上所有原因，我们决定使用Node来进行SSR。因为我们的前端框架是Vue，因此我们选择了配套的Nuxt框架进行SSR。使用Nuxt进行SSR，难点并不在于如何使用Nuxt，而在于如何维护这个服务，保证其性能、稳定性等，因此，本文将不会介绍Nuxt的使用，其语法可以参考官网，这里将主要从性能、缓存、限流、灾备、日志等几个方面来介绍我们是如何保证Nuxt服务的可用性及稳定性的。02Nuxt

近日，全球最大的开源基金会Apache基金会的大数据开源社区Hadoop公布了最新一批Committer（核心贡献人），爱奇艺大数据团队的朱琦同学接受Apache社区邀请，正式成为了Hadoop

视频的保量和扶植对于视频平台而言是一种重要的分发策略。不同于普通的推荐算法，出于商业、画风等角度的考量，视频扶植往往要保证指定的视频物料有一定的曝光量，并尽可能地降低对推荐系统效果的负面影响。在本文中，我们主要介绍爱奇艺自研的基于改进的Budget

GPU，以实现在毫秒/秒级延时内完成例如视频、图片、语音、文本的深度学习模型推理请求；为了保证响应延时，请求通常单独进行，无法对请求做batch以提升计算效率，且不同请求间隔随机，会导致这些服务的

01前言随着互联网用户增长拐点的到来，竞争态势更多转变为博弈存量用户，做到极致的用户体验就成为其中关键。用户反馈作为用户对产品体验最直接的表达，是改善及衡量用户体验的重要输入，它具备海量、多样化的特征，业务团队可从中挖掘到不同维度的有效信息，进行体验的优化迭代：1)

Tensor，然后经过`categorical_column_with_vocabulary_list`转换，查找词表分别转成0和2，再经过`indicator_column`转换成One

4月10日下午，爱奇艺技术产品团队举办了“i技术会”线下技术沙龙，本次技术会的主题是“云原生落地探索与实践”，邀请快手、百度和字节跳动的技术专家，与爱奇艺技术产品团队共同分享与探讨云原生落地的实践经验。其中，来自爱奇艺的技术专家尚刘炎为大家带来了爱奇艺私有云Serverless实践的分享，本场分享一共有三个关键词：Serverless、私有云和落地实践。PS：关注公众号，在后台回复关键词“云原生”，就可以获得本次i技术会嘉宾分享PPT和录播视频。以下为“爱奇艺私有云Serverless实践”干货分享，根据【i技术会】现场演讲整理而成。爱奇艺私有云Serverless实践/爱奇艺基础架构部

01前言一款APP的发布以及新功能的迭代需要经过严格的质量保证，而崩溃性问题是影响APP稳定的头号问题。其中，因前端不兼容后端服务数据格式变更而引起的崩溃问题占有一定的比例。这类崩溃问题一般排查难度较大，且利用常规测试方法通常很难有效降低这种类型缺陷的比例。是否有更好的方式来提前预防数据变更导致的崩溃问题？本文将重点介绍爱奇艺技术产品团队打造的APP健壮性测试实践内容。02背景爱奇艺APP拥有丰富的视频资源，需要频繁进行节目上线或者下线、各种活动配置等操作调整。这些内容迭代主要是通过后台管理系统进行，然后下发到APP端并在UI层展示。在版本功能迭代过程中尽管有大量的、针对性的质量保证方法，但是服务端业务逻辑盘根错节，一些极少用到的功能配置可能在历经多次代码迭代后在最新版本APP中出现兼容问题，一些第三方依赖接口可能会因为格式的变化而引发前端UI不兼容甚至崩溃，这对于APP的健壮性、稳定性提出了很大的挑战。爱奇艺技术团队对线上历史问题进行总结、对行业内前沿技术进行探索，最终经过多次探讨后设计了一种APP健壮性测试方案。团队研发的基础网络库SDK对APP收到的服务端接口返回进行拦截，从网络层进行数据替换。团队根据历史问题的总结、日常经验的积累提炼出一系列数据组合，当APP进入需要测试的页面时，就会去拉取并进行“脏数据”填充，以便尽早发现因数据变更引发的崩溃问题。测试效果图：从图中可以看到页面中的文字被脏数据修改03技术实现从上图可以看到：1）策略配置是一个独立的Web化模块，APP内“脏数据”注入规则都由策略配置控制。2）APP内的基础网络库SDK模块是一个独立的功能模块，不会对其他功能模块有影响；并具有单独的开关控制，只有开关开启时才对后端返回的数据进行拦截替换。下面将对实现情况进行具体说明。一、WEB策略配置--可视化界面策略配置的前提是确认页面的哪些接口请求需要进行校验，通常一个页面有非常多的后端请求，每个请求都会带有很多不同类型的参数，对应的返回数据带了大量的KEY和VALUE，数据配置对测试结果尤其重要。丰富的高危“脏数据”才能极大的提升网络数据测试的效果，如果纯手工输入“脏数据“进行测试，人力成本较高，最终我们通过WEB可视化界面进行数据策略配置，大幅度减少用户对“脏数据”的设计成本，因此策略配置界面的原则是数据通配、操作简单、策略可复用。--策略示例图-1--策略示例图-2从策略示例图1、2可以看到，配置分为二部分：1）URL配置:

研究机构正式提出了低代码的定义，即利用很少或几乎不需要写代码就可以快速开发应用，并可以快速配置和部署的一种技术和工具。2017

4月10日下午，爱奇艺技术产品团队举办了“i技术会”线下技术沙龙，本次技术会的主题是“云原生落地探索与实践”，邀请快手、百度和字节跳动的技术专家，与爱奇艺技术产品团队共同分享与探讨云原生落地的实践经验。其中，来自爱奇艺的技术专家赵慰为大家带来了爱奇艺容器实践的分享，讲述了爱奇艺的容器应用场景和在容器网络、容器运行时方面的实践经验。PS：关注公众号，在后台回复关键词“云原生”，就可以获得本次技术会嘉宾分享PPT和录播视频。以下为“爱奇艺容器实践”干货分享，根据【i技术会】现场演讲整理而成。爱奇艺容器实践/分享嘉宾：爱奇艺技术专家赵慰本场分享的主要内容包括爱奇艺近年来在容器方面的实践经验和遇到过的问题，以及我们在选型和探索过程中的一些心路历程。

后台回复“招人01”可以获取具体招聘岗位jd！更多爱奇艺岗位信息点击“阅读原文”获取哦！也许你还想看如何提升链路目标一致性？爱奇艺短视频推荐之粗排模型优化历程TensorFlow

众所周知，爱奇艺拥有海量视频，在视频生产过程中产生的上千QPS的实时数据、T级别的数据存储。要支持这样的数据进行即席查询和多个大表的JOIN，是爱奇艺视频生产团队大数据应用的难点。具体来说有以下几点：1)实时性的要求，需要实时的解决方案。2)生产数据更新频繁，OLAP

爱奇艺、百度、快手、字节跳动技术大咖齐聚北京一起探讨云原生之道，云原生落地之器就在明天！现场名额已满不过别担心我们提供了全程线上直播赶紧戳👇阅读原文预约吧！借道云原生，企业能够对全栈的软件进行改进，不管是底层基础设施、平台、框架，还是中台，抑或是业务应用；在企业应用中，云原生已经无处不在。借此机会，我们邀请到来自爱奇艺、百度、快手、字节跳动的几位资深的工程师，明天下午1：30，同大家一起探讨云原生之道，云原生落地之器。嘉宾及议题点击阅读原文免费获取直播链接！名额有限，先到先得！直播预约链接👇https://live.iqiyi.com/s/1k3jjuo0rg3.html你也可以扫码👇进入分享群，第一时间获取演讲干货！群满可添加爱奇艺小助手微信：iqiyixiaozhushou备注“云原生”，拉你进群也许你还想看i技术会

Intelligence）技术，用于审核互联网上用户生产内容（UGC，User

随着人工智能的热度上升，图像识别这一细分领域也渐渐被人们所关注。在很多公司的业务中，有很多需要对图片进行识别的需求。为了帮助业务实现对这些图片、文档的识别和结构化，业界进行了一系列的实践和探索，最终确定了一些可行的方法，总结了在实践过程中可能遇到的问题和难点。为了更好地了解OCR技术在爱奇艺的应用实践，最近，InfoQ“大咖说”栏目邀请爱奇艺智能平台部助理研究员——Harlon

爱奇艺的技术产品团队

1.前言爱奇艺国际站（www.iq.com）提供了优质的视频给海外各国用户，自上线以来，现已支持几十个国际站点，并且在东南亚多个国家保证了海量用户高速观看体验。国际站业务的特点是用户在境外访问，后端服务器也是部署在国外。这样就面临着比较复杂的客观条件：每个国家的网络及安全政策都不太一样，各国用户的网络建设水平不一。国内互联网公司出海案例不多，爱奇艺国际站的建设也都是在摸索中前进。为给海外用户提供更好的使用体验，爱奇艺后端团队在这段时间做了不少性能优化的工作，我们也希望将这些探索经验留存下来，与同行沟通交流。在这篇文章中，我们将针对其中的亮点内容详细解析，包括但不限于：WEB性能全链路优化；特有的AB方案，横向数据对比，逐层递进；redis自有API实现的多实例本地缓存同步、缓存预热；业务上实现热剧秒级更新；自研缓存框架，方便接入。