美团外卖已经发展了五年，即时物流的探索也经历了3年多的时间，业务从零孵化到初具规模，整个过程中也积累了一些分布式高并发系统的建设经验。

美团NLP中心开始构建餐饮娱乐知识图谱——美团大脑。它充分挖掘关联各个场景数据，用AI技术让机器“阅读”用户评论数据，理解用户在菜品、价格、服务、环境等方面的喜好，构建人、店、商品、标签之间的知识关联，从而构建出一个“知识大脑”。

Java提供了种类丰富的锁，每种锁因其特性的不同，在适当的场景下能够展现出非常高的效率。本文旨在对锁相关源码、使用场景进行举例，为读者介绍主流锁的知识点，以及不同的锁的适用场景。

介绍强化学习在美团推荐排序中的应用，包括三个部分：多模型融合的MDP设计奠定了取得收益的基础；针对强化学习鲁棒性和样本利用效率较低的问题，改进DDPG模型使线上取得稳定收益；基于TensorFlow的轻量级实时DRL框架为快速迭代实验提供了保障。

移动端白屏优化是前端界面体验的一个重要优化方向，Web 前端诞生了 SSR 、CSR、预渲染等技术。在美团支付的前端技术体系里，通过预渲染提升网页首帧优化，从而优化了白屏问题，提升用户体验，并形成最佳实践。

本文主要分享了美团在容器技术上做的一些探索和实践，内容主要涵盖美团容器云在Linux Kernel、Docker和Kubernetes层面做的一些优化工作，以及美团内部推动容器化进程的一些思考。

本文主要介绍如何通过 Category 特性来实现优雅的组件间通信方案，并分享美团平台对于 Category 用法的管控与实践。

成长没有什么秘笈，就是一点点去突破自己的边界就好。对技术同学来说，我们应该要拓宽技术视野，并且保持不断的学习心态。

入侵检测是每一个大型互联网企业都要面对的难题。价值越高的公司，面临入侵的威胁越大，一旦发生在数据化的互联网公司身上，其后果也不堪设想。

CAT（Central Application Tracking），是基于Java开发的分布式实时监控系统。CAT目前在美团点评的产品定位是应用层的统一监控组件，在中间件（RPC、数据库、缓存、MQ等）框架中得到广泛应用，为各业务线提供系统的性能指标、健康状况、实时告警等。

Swift具有快速、灵活、安全的特性。通过编译器的优化使得执行速度更快，占用空间更小。本文将介绍Swift编译器在各阶段如何优化代码以及方法是如何分配的，在此基础上，引申出如何利用这些优化特性，选择正确的机制来提高程序性能。 文末扩展了Swift在优化后出现的一些非预期的“Bug”。

CAT是一个开源的实时监控系统，它侧重于Java应用的监控，目前每天实时处理大约100TB数据。为美团业务线提供丰富的监控报表和告警。

作为人工智能时代最重要的知识表示方式之一，知识图谱能够打破不同场景下的数据隔离，为搜索、推荐、问答、解释与决策等应用提供基础支撑。

由于 iOS 系统自身的设定，导航栏的转场效果受到诸多因素的限制。除此之外，大型应用中的路由系统也需要导航栏的转场更加灵活、稳定和方便，这些要求都提升了导航栏相关组件的开发难度，本文将介绍美团点评针对此问题的解决方案以及最佳实践。

深度学习作为AI时代的核心技术，已经被广泛应用于多种场景。本文将介绍美团在实际工程中，如何设计和实践深度学习相关的NLU线上系统和语音识别训练系统。

Netty是互联网通信领域无可争议的王者，但是一旦使用方式不对，就会带来灾难。这篇文章，我们经历了一个使用Netty的WebSocket框架（netty-socketio）的 “捉虫（Bug）之旅”，排查思路有一定的通用性，希望对你有所启发。

本文整理了常见实时数据组件的性能特点和适用场景，介绍了美团如何通过 Flink 引擎构建实时数据仓库，从而提供高效、稳健的实时数据服务。

Logan基础日志库主要解决了日志模块普遍存在的效率、安全性、丢失日志等问题。

前端是引发企业安全问题的高危据点。我们将发表前端安全系列文章，讲解常见的前端安全问题。本文讲解CSRF的攻防原理，并为前端人员提供CSRF防护建议。

本文主要介绍在生产环境下，如何使用TensorFlow Serving部署深度学习预估服务；同时为了满足线上性能要求，我们对TensorFlow底层原理以及性能优化做了进一步的讨论，最终实现了高性能的要求。