第三届中国Rust开发者大会 Rust在物理引擎研发中的应用 崔汉青 Motphys CEO Motphys 驱动虚拟世界的全部运动 体验 应用 基础应用： 内容生成工具、 交易市场等 基础硬件： 5G/6G、 半导体、 VR/AR等 基础软件： 渲染引擎、 动作物理引擎等 静态表现力 动态表现力 渲染技术 动作物理技术 动作技术 Motion 物理技术 Physics 保证所有目标平台计算结 果完全一致 具备分布式能力 – 通过横向扩展突破单 机物理算力的上限 Motphys 物理引擎的设计目标 Rust 的性能和 C/C++ 比肩，支持 SIMD 优 化，满足苛求性能的引擎研发需求； Rust 的零开销抽象甩掉了复杂设计的性能包袱 # 高性能 Rust 在不损耗性能的情况下，其优秀的语 法设计保证了语言的强大表达力：用更少 的代码写更多的功能 # 高表达力 # 安全

211交付速度 ——聊聊研发效能度量量那些事⼉儿 @张燎燎原 阿⾥里里巴巴⾼高级技术专家 张燎燎原 阿里巴巴高级技术专家，他是敏捷和精益方法的积极实 践者和推动者，具有十多年软件研发一线实践经验，经 历过消费电子、通信及互联网多个行业，长期从事研发 管理及研发教练工作，负责组织级大规模敏捷导入实施 和转型的辅导。译有《程序员度量》、《软件驱魔》等。 同时，他热衷编写代码和开源，涉及软件设计、测试驱 What’s Good Metrics 研发效能度量体系 R&D Efficiency Metrics 效能改进的愿景 目标 Vision Metrics 改进是系统工程 System improvement 没有度量量的管理理，就是… Content 好的度量是什么 What’s Good Metrics 研发效能度量体系 R&D Efficiency 指标 指标 指标 指标 本质问题 12L 9L 某品牌汽⻋车，每百公⾥里里95号汽 油油耗：城市道路路为12L，⾼高速 路路为9L。 选择⼀一辆汽⻋车，需要⽐比较各种汽 ⻋车的燃料料效率，同时需要考虑其 他的信息，譬如价格。 哪⼀一种汽⻋车最适合你？ https://www.efile.com/unusual-strange-funny-taxes-throughout-th

合并、解耦、清晰化 照搬行业实践不一定合适 层次简单化 缩减层次，效率优先 混合语言，效率低下 研发体系和流程 研发体系框架搭建 人解决一切 技术简单化 不要追求炫酷，简单实用即可，根据团队成员能力量体裁衣 先跑起来，然后找合适时间进行优化，合适的平衡 简单清晰，效率优先，能用一个人解决的事情，决不安排两个人 利用开源和成熟产品，不重复发明轮子，比如使用AWS等

闪送 UU跑腿 海内外掀起一波创业浪潮 美团配送系统：机器与海量骑手协作，服务于全国商家与用户 履约能力 实现平台对运单调度的实时把控，对运单与运力的供需匹配 运营效率 加强对配送骑手的管控能力 提升配送全业务的运营效率，降低成本 履约流程：下单 -> 派单 -> 接单 -> 取货 -> 送达… 业务团队：招聘、采购、物料、培训、薪酬、保险.... 运营团队：运力结构、经营分析、绩效考核 规模化阶段 快速起量 系统质量、研发效率问题凸显 化繁为简、分而治之、逐步演进 快速起量，系统质量、研发效率问题凸显 • 整体需要思考的关键问题 • 整体系统架构应该如何演化 • 履约系统与运营系统的边界在哪里 • 履约系统面临的问题 • 如何保证可用性 • 如何保证系统容量 • 如何提升计算能力 • 运营系统面临的问题 • 提升运营系统迭代效率 骑手网关 规模化阶段：核心领域细分 标准API 容灾 容灾 API管理 标准API APP运维 多链路 安全框架 管理工作台 HRM 移动办公 招募 IM 物料 薪资 培训 成长 快速起量，系统质量、研发效率问题凸显 合同 骑手网关 规模化阶段：核心领域细分 主数据平台 （核心模型） 账号权限 组织架构 核心数据模型 配送服务 配送运力 ⋯ 订单中心 （送什么） 品类 重量 支付状态

力的建设与演进 1328 算法 < 1 YOLOv6：又快又准的目标检测框架开源啦 作者：楚怡 凯衡 等 1. 概述 YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架 同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s Bounding Box Regression, https:// arxiv.org/abs/2205.12740 6. 作者简介 楚怡、凯衡、亦非、程孟、秦皓、一鸣、红亮、林园等，均来自美团基础研发平台 / 视觉智 能部。 算法 < 13 目标检测开源框架 YOLOv6 全面升级， 更快更准的 2.0 版本来啦 作者：楚怡 红亮 梦婕等 9 月 5 日，美团视觉智能部发布了 YOLOv6 Path 结构更具优势。 2. 针对不同网络，系统性地验证了各种最新策略 / 算法的优劣，综合精度和速 度，为每类网络选择合适的方案。同时将模型整体训练时间减少了 50%，极 大地提升了模型的训练效率。 3. 引入自蒸馏思想并设计了新的学习策略，大幅提升了 YOLOv6-M/L 的模型 精度。 算法 < 15 4. 通过训练时 Early Stop 强数据增强及推理时图像 Resize 优化策略，修复了

体现为以下两方面： 运营效率低 运营效率低 对于新的运营配置需求，研发同学需要开发对应的配置页面，然后转给运营同学进行配置的管理，最后运 营人员对资源进行配置上线，其流程如下： 对于每个运营配置需求都要经过需求评审、页面开发、配置管理、上线的流程。同时，对于配置页面的开 发，少则需要1到2天的开发工时，研发成本高。问题总结如下： 1. 研发成本高，每个需求要开发新的配置管理页面。 2. 研发周期长，运 研发周期长，运营效率低，从需求的提出到运营上线周期长。 3. 灵活性差，对不同的运营维度（城市、版本、时间等）都需要事先确定好，无法动态调整。 上线流程“粗糙” 上线流程“粗糙” 在早期，运营配置上线流程需要研发同学参与。产品提出运营配置需求，研发同学通过修改代码对配置进 行变更，然后通过代码上线进行发布。整体流程如下： 这种上线机制存在以下几个问题： 1. 配置上线过多依赖于代码的发布。 2. 服务层向下对底层数据进行操作；向上为接入层获取数据提供接入能力。其提供四个服务能力：运营后 台、开放平台、数据服务、APPKIT-SDK，如下表所列： 服务层 4.3 接入层 4.3 接入层 接入层主要为运营人员、业务研发提供接入能力。通过运营流程化为事前、事中、事后提供保障。一个运 营资源从制作到最后在C端展示，需要经过运营人员的投放、测试预览、审核及发布的中间流程。这里对 于一些敏感的运营资源，需要通过安全部

com 节省研发团队的每一分钟 Apifox（广州睿狐信息科技有限公司）成立于 2021 年，是一家专注于企业 API 研发管理工具及解决方案 的创新企业。围绕 API 全生命周期协同与管理需求， 提供 API 文档、API 调试、API Mock、API 自动化 测试等核心产品能力，致力于为全球研发团队提高 API 开发与协作效率，节省研发团队的每一分钟，助 力企业研发效能升级。 Postman 多协议⽀持 HTTP(REST) TCP Coming soon Coming soon WebSocket GraphQL 成员/权限管理 IDE 插件同步 应对 API 研发双模型，各有妙招 监控 导出文档集 API 调用 代码注释 API 调用 API 定义 撰写接口文档 监控 业务代码 接口调用 调试接口 分发文档 Mock 测试 分发文档 • 先编码，后写文档 • 快速交付 • 适合一次性或小型定制型项目 IDE 插件：注释自动生成文档 调试模式：边写代码边调试 一套定义，处处复用 Apifox：广受好评的 API 研发新体验 组件化引⽤，⼀处修改多处同步 ⾼度可视化，对新⼿友好 测试报告 多⼈实时协作 多分⽀并⾏编辑 ⼀个接⼝保存多个情景⽤例 ⽂档与调试⼀体化设计，零录⼊调试 API 设计：组件化定义，遵循

先思考⼏几个问题： 企业级开发中需要关注的有哪些点？ ⽽而开发⼈人员和团队技术负责⼈人，关注点⼀一样么？ 理理想的企业级 Web 开发的核⼼心要素 编程模型约束 丰富的扩展点 可维护性 研发效率 ⽇日志 安全 多进程管理理 错误处理理 故障排除体系 测试 本地开发⼯工具包 部署体系 跨语⾔言 RPC 分布式中间件 。。。 会话管理理 ⼀一个⼤大规模团队的基础框架 最重要的是需要遵循⼀一定的约束和约定。 应⽤用开发者 vs 团队架构师 应⽤用开发者 团队架构师 ▸ 帮业务做决定，提供最佳实践的同时，给业务⼀一定的⾃自由度。 ▸ 管⽣生还管养，整合开发，调试，测试和构建，⽀支撑研发的每⼀一个阶段。 ▸ 对开发者强约束提升研发效率。 ▸ 对于团队架构师，则提供灵活的定制能⼒力力。 团队开发规范 + ⼯工具链 [7/8] 再好的规范，不遵循，你也没辙。 基于 GitHub 的协作模式 ▸ 持续集成 → Code Review → Release ▸ RFC 提案：背景 / 遇到的问题 / 解决思路路 / ⽅方案概要 / 伪代码 ▸ 编写提案，是整理理思路路的过程，由此发起脑爆的效率⾼高，⽽而且是可追溯的。 ▸ 即使是当时没有参与讨论的开发者，事后也能通过 issue 了了解某个功能设计的前因后果。 ▸ CI 包括 Lint / 单测 / 覆盖率 / 安全 等检查，Code

服务及实验平台三大体系构成。在 AI 服务及实验平台中，模型训练平台 Poker 和 在线预估框架 Augur 是搜索 AI 化的核心组件，解决了模型从离线训练到在线服务的 一系列系统问题，极大地提升了整个搜索策略迭代效率、在线模型预估的性能以及排 序稳定性，并助力商户、外卖、内容等核心搜索场景业务指标的飞速提升。 算法 2 > 美团 2020 技术年货 首先，让我们看看在美团 App 内的一次完整的搜索行为主要涉及哪些技术模块。如 实施过程中我们团队的一些经验和思考。 2. 抽象过程：什么是模型预估 其实，模型预估的逻辑相对简单、清晰。但是如果要整个平台做得好用且高效，这就 需要框架系统和工具建设（一般是管理平台）两个层面的配合，需要兼顾需求、效率 与性能。 那么，什么是模型预估呢？如果忽略掉各种算法的细节，我们可以认为模型是一个函 数，有一批输入和输出，我们提供将要预估文档的相关信息输入模型，并根据输出的 值（即模型预估的值）对原有的文档进行排序或者其他处理。 框架思路只能解决“能用”的问题，平台则是为了“通用”与“好用”。一个优秀的 预估平台需要保证高性能，具备较为通用且接口丰富的核心预估框架，以及产品级别 的业务管理系统。为了能够真正地提升预估能力和业务迭代的效率，平台需要回答以 下几个问题： ● 如何解决特征和模型的高效迭代？ ● 如何解决批量预估的性能和资源问题？ ● 如何实现能力的快速复用并能够保障业务的安全？ 下面，我们将逐一给出答案。

以太坊Ethereum 新基建 • Linux 基 金 会 成 立 了 Hyperledger开源项目，IBM、 Intel、摩根大通等企业加入，开 始企业级区块链应用平台的研发 超级账本Hyperledger 趣链Hyperchain在同一时期开始研发 • 国家发改委正式将区块 链纳入“新基建”范畴， 区块链行业将迎来全新 的发展机遇 • 全球银行巨头组建成立R3 CEV 区块链联盟，致力于探索区块链 技术在金融行业的应用产品，自 Layer 轻客户端层 Edge Layer 轻节点层 Gateway Layer 核⼼技术 多类型节点分层部署模式 1 3 动态⾃发现⽹络转发模型 2 ⼤规模组⽹⾼效共识算法 1.提⾼数据处理效率 2.提升终端异构性能⼒ 3.提供实时计算与验证服务 4.解决数据真实性“第⼀公⾥” 问题 ⾯向海量节点⼤规模应⽤场景， ⽀持1000+节点的⽣产级联盟链⽹络， 可以实现数⼗万个多类型区块链⽹络节点分层部署 基于配置交易机制⽀持节点动态增删灵活扩展 l GPU硬件加速模型，⼤幅提升共识效率 ⽹络复杂度： 从O (n2) /O (n3) O (n) P R node1 node2 node3 node4 Propose Response l 流⽔线并发共识机制，共识效率显著提⾼ l ED25519聚合签名验签，效率快⼀倍 l Pacemaker机制保证系统活性 区块链平台关键技术-共识算法