从 06 年 jQuery 发布，前端物料就开始以各种 jQuery 插件的形式不断涌现，直到今天我们仍然可以在 github 上看到很多 jQuery 物料插件，他们当中的设计思路在今天流行的这些前端组件库里仍然可以看到很多影子。

对于开发人员来说，单元测试一定不会陌生，但在各种原因下会被忽视，尤其是在我接触到的项目中，提测阶段发现各种各样的问题，我觉得有必要聊一下单元测试。为了写而写的单元测试没什么价值，但一个好的单元测试带来的收益是非常客观的。问题是怎么去写好单元测试？怎么去驱动写好单元测试？

一 引言盒马业务有如下几个特点：线上线下一体化、仓储配送一体化、超市餐饮一体化、经营作业一体化、多业态与平台化。在以上的种种原因，生鲜及物流体验是盒马的特点，但仓储配送一体化作业中，如何能更高效的提升测试效率也是盒马质量团队的重点探索。二 背景及待解决问题介绍1 盒马自动化体系发展新挑战在盒马，前期业务在狂奔，自动化基础较薄弱，近三年来，经过盒马人的不断突破，已经具备了一定的自动化体系，因为盒马业

内容框架：背景介绍如何使用 DLF数据湖实操演示一、背景介绍什么是数据湖数据湖：以一定规则形式存储各种类型的数据结构化数据（ Orc 、Parquet ）半结构化数据 ( Json 、Xml )非结构化数据（图像 、视频）为什么需要数据湖1、数据规模进一步扩大大数据存储需要治理数据治理需要厘清数据依赖关系（血缘）用户需要明确大数据整体成本(TCO)2、数据来源多样化事务数据（MySQL, SqlS

1.简介（1）概述性能测试 PTS（Performance Testing Service）是具备强大的分布式压测能力的 SaaS 压测平台，可模拟海量用户的真实业务场景，全方位验证业务站点的性能、容量和稳定性。PTS 目标是将性能压测本身的工作持续简化，使用户可以将更多的精力回归到关注业务和性能问题本身。在 PTS 平台上，用户可以用较低的人力和资源成本，构造出最接近真实业务场景的复杂交互式流量

今天以 Apache Hudi 为主，分享一下数据湖格式上实现 CDC 的一些思考和注意点，以及一些流式 streaming 通用的优化点，和 Hudi CDC 的后续规划。

数据中台的组构建是数据中台成功的关键因素，并不是我们购买了某一款中台产品或者做了一个相关咨询就能达成中台的目标。数据中台架构中又包含数据仓库的构建，涉及的组织面更大、涉及的工作范围更大，即便我们仍然使用数据仓库的标准来衡量，我们现在的数据中台项目大多还都处在打基础这个范围内。

作为金融级可靠的业务消息方案，RocketMQ 从创建之初就一直专注于业务集成领域的异步通信能力构建。本篇将继续业务消息集成的场景，从功能原理、应用案例、最佳实践以及实战等角度介绍 RocketMQ 的顺序消息功能。

本文将会介绍今年是如何在去年基础上进行实时数仓高可用架构升级，并成功大规模落地双11。

eslint是构建在AST Parser基础上的规则扫描器，缺省情况下使用espree作为AST解析器。rules写好对于AST事件的回调，linter处理源代码之后会根据相应的事件来回调rules中的处理函数。另外，在进入细节之前，请思考一下：eslint的边界在哪里？哪些功能是通过eslint写规则可以做到的，哪些是用eslint无法做到的？