20 天前 / Jack_Jiang
本文由微信客户端技术团队工程师“Jon”分享，原题“Windows 微信：消息数据库架构演进”，即时通讯网有较多修订。 1、引言 本文分享的是，微信客户端团队基于对微信用户日常使用场景和数据分析，通过分离重要和非重要数据、采用可靠的分库策略等，对微信 Windows 端 IM 本地数据库的架构进行的优化和改造，并最终得到一个具备良好实践效果的技术改造方案。
72 天前 / Scenic
SQLite 是一个被大家低估的数据库，但有些人认为它是一个不适合生产环境使用的玩具数据库。事实上，SQLite 是一个非常可靠的数据库，它可以处理 TB 级的数据，但它没有网络层。接下来，本文将与大家共同探讨 SQLite 在过去一年中最新的 SQL 功能。 SQLite “只是”一个库，它不是传统意义上的服务器。因此，在某些场合下，它确实不合适。但是，在相当多的其他场合，它却是最合适的选择。SQLite 号称是部署和使用最广泛的数据库引擎。我认为这很有可能，因为 SQLite 没有版权的限制。
89 天前 / 逗逗
一、背景 最近在研究过载保护，微信是一个国民级的应用，月活用户过 10 亿，而且经常过年过节消息量暴增，服务很容易出现过载，但微信的服务一直比较稳定，他们是怎么做的呢？ 本文以微信 2018 年发表于 Socc 会议上的文章，《Overload Control for Scaling Wechat Microservices》 为基础，介绍了微信大规模微服务的过载保护策略，其中很多方法很有借鉴意义。 下面是对这篇文章做的一些解读。
166 天前 / 开发者头条
拒绝焦虑，不妨从这份 Newsletter 开始！ 阿里技术副总裁贾扬清回应深夜逃离上海去美国：没有从阿里离职，中美往返也是正常差旅 4 月 14 日消息，阿里技术副总裁贾扬清在 facebook 上分享了自己在上海隔离以及乘国际航班回到美国的经历。据网传截图显示，贾扬清在 18 天的隔离之后，找到“Someone withconnection”获得了“a pass”，然后在凌晨四点，坐在一辆面包车的后座前往上海机场，最终搭上前往美国的航班。这篇文章引发热议，被外界传为贾扬清疫情深夜逃出上海，从浦东机场逃到了加州。
192 天前 / 开发者头条
来源：网络整理头条菌微信号：toutiaoio007，欢迎加我，交个朋友！ 2022 年“清朗”系列专项行动十大重点任务公布国家互联网信息办公室副主任盛荣华介绍，2022 年“清朗”系列专项行动具体包括 10 个方面重点任务：清朗·打击网络直播、短视频领域乱象”专项行动；“清朗·MCN 机构信息内容乱象整治”专项行动；“清朗·打击网络谣言”专项行动；“清朗·2022 年暑期未成年人网络环境整治”专项行动；“清朗·整治应用程序信息服务乱象”专项行动；“清朗·规范网络传播秩序”专项行动；“清朗·2022 年算法综合治理”专项行动；“清朗·2022 年春节网络环...
197 天前 / 逆锋起笔
关注不迷路来源 | IT 之家·编辑 |潇公子 近期微信迎来了 8.0.16 更新，在设置 -> 隐私页面，新增了“个人信息与权限”选项，点进该选项之后，可以进行系统权限管理、授权管理、个性化广告管理、个人信息浏览与导出。据 IT 之家网友 @LiGouHai 反馈，与微信有些不同的是，WeChat 显示的是支持导出个人数据，其中数据类型包括个人帐户数据、通讯录数据、朋友圈数据、收藏功能数据、位置与登录数据等。而国内版微信支持导出的是个人信息，包括头像、名字、微信号、性别、地区、个性签名、手机号、QQ 号、邮箱地址、我的地址、登录过的设备、微信版本等信息。
197 天前 / yaya
一、iOS 微信全文搜索技术的现状全文搜索是使用倒排索引进行搜索的一种搜索方式。倒排索引也称为反向索引，是指对输入的内容中的每个 Token 建立一个索引，索引中保存了这个 Token 在内容中的具体位置。全文搜索技术主要应用在对大量文本内容进行搜索的场景。 微信终端涉及到大量文本搜索的业务场景主要包括联系人、聊天记录、收藏的搜索。这些搜索功能从 2014 年上线至今，已经多年没有更新底层搜索技术，聊天记录使用的全文搜索引擎还是 SQLite FTS3，而现在已经有 SQLite FTS5，收藏首页的搜索还是使用简单的 Like 语句去匹配文本...
248 天前 / 小道安全
背景 无意间获取到一个病毒样本，并且伪装成微信客户端应用程序一模一样。通过火绒病毒查杀软件进行对样本查杀，确认该微信客户端应用程序样本是属于 Sality 病毒。下面就对该病毒样本，进行相对详细功能解析。 下图是样本属性 下图是火绒查杀情况 理论基础 Sality 病毒在国内最早要追溯到 2003 年，随着这么多年的发展，Sality 病毒已变得愈加顽固，它主要的恶意代码体可实现动态、持久、功能齐全的病毒行为。 Sality 病毒是一种复杂多变、多态化的感染型的病毒，它影响的系统主要是微软的 window 系统。
286 天前 / 冷星1024
大家好，我是 Peter，微信朋友圈都发过吧？它支持最多发 9 张图片，所以我们也称之为九宫格 要知道发 1~9 任意数量的图片时，这些图片的排列方式可能有所不同。大体有这四种排列情况： 情况一：只有一张图，完整展示整张图 1 张图情况二：2~3 张图的情况，无法完整展示每张图，则在第一排依次排开（一排最多 3 张） 2 张图 & 3 张图情况三：4 张图的情况，无法完整展示每张图，每排 2 张图，共 2 排 4 张图情况四：5~9 张图的情况跟情况二类似，也无法完整展示每张图，每排最多 3 张图，依次排开 5 张图其实就是对不同数量的图片做了一个排版的自适应...
287 天前 / 逗逗
全文总共包含 14个知识点和 1 个 LeetCode 代码 以下是面试被提问的问题： 自我介绍 + 项目介绍 数仓为什么要分层？ 数据仓库都分哪几层？ 简单介绍一下 Mapreduce 工作原理？ Hdfs 的读数据流程了解吗？ Hdfs 的写操作呢？ zookeeper 的选举过程 Spark 为什么比 MapReduce 快？ Spark 任务执行流程？ Spark 用过的解决数据倾斜的方案说一下？ Flink 的四大基石都有哪些？ watermark 的作用是啥？如何保证数据不丢失？ Flink 如何保证 Exactly Once 语义？ Flink 如何计算实时的 topN？ 写一个算法：删除排序链表中的重复元素_II Leetcode83 题 答案解析 ...
306 天前 / u128287
作者：微信 WeOLAP 团队 & 腾讯云数据仓库 Clickhouse 团队 微信作为一款国民级应用，已经覆盖了社交、支付、出行等人们生活的方方面面。海量多样化的业务形态，对数据分析提出了新的挑战。为了满足业务数据分析的需求，微信 WeOLAP 团队联手腾讯云，共建千台规模、数据 PB 级、批流一体的 ClickHouse 数据仓库，实现了 10 倍以上的性能提升。下文将由浅入深，为大家揭晓微信在 ClickHouse 实时数仓实践中积累的经验及方法。
323 天前 / 青年码农
目前小程序已在前端占了一席之地，最近公司项目上用的就是小程序开发，由于功能及页面不是很多，所以直接原生开发，毕竟坑可能会少点，在开发过程中，小程序自带导航栏和客户的设计稿导航栏排在一起，感觉很别扭，因此要求去掉微信的自带导航栏，微信提供了这方面的 api，接下来我们就实操。 这是小程序官方文档截图，可以看到导航栏样式支持两种，默认是带导航栏，另外一种是自定义导航栏 -custom，如果使用自定义导航栏，我们可以 全局配置 //app.json "window":{ "navigationStyle":"custom" } 单页面配置 //page.json { "navigationStyle":"custom" } ...
329 天前 / itfanr
作者：peterfan，腾讯 WXG 客户端开发工程师 背景基于跨平台考虑，微信终端很多基础组件使用 C++ 编写，随着业务越来越复杂，传统异步编程模型已经无法满足业务需要。Modern C++ 虽然一直在改进，但一直没有统一编程模型，为了提升开发效率，改善代码质量，我们自研了一套 C++ 协程框架 owl，用于为所有基础组件提供统一的编程模型。 owl 协程框架目前主要应用于 C++ 跨平台微信客户端内核（Alita），Alita 的业务逻辑部分全部用协程实现，相比传统异步编程模型，至少减少了 50% 代码量。
335 天前 / 随手记生活Gordon
熟悉我的人都知道，我们每周都会举办一次分布式系统话题的讨论（对活动感兴趣的同学可以参考这个网址：https://donggeitnote.com/2021/07/24/topic-introduction/，当然这个不是我们今天讨论的重点），这个讨论的活动安排会发布到各个微信群，这样感兴趣的同学就可以来参加了。在上周五因为我个人的失误，没有更新活动通知中的时间，于是就导致这个活动的消息需要重新发布，这其实给帮忙发布活动的同学带来了很大的困扰。虽然最后也解决了问题，但是过程并不是很开心。
341 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 0 写在前面 基于 Transformer 编码器 - 解码器结构的 DETR 达到了与 Faster R-CNN 类似的性能。受预训练 Transformer 在自然语言处理方面取得巨大成功的启发，作者提出了一种基于 random query patch detection 预训练代理任务的无监督预训练 DETR（UP-DETR）来用于目标检测。 该模型在预训练过程中，能够从原始图像中检测出查询 patch。在预训练任务中，作者主要解决了两个关键问题：多任务学习 和多查询定位 ：1)为了权衡代理任务中的分类和定位的重要性，作者冻结了 CNN 主干网络...