导读：Flink从1.9.0开始提供与Hive集成的功能，随着几个版本的迭代，在最新的Flink1.11中，与Hive集成的功能进一步深化，并且开始尝试将流计算场景与Hive进行整合。本文主要分享在Flink1.11中对接Hive的新特性，以及如何利用Flink对Hive数仓进行实时化改造，从而实现批流

一、背景在日常开发中，我们经常会有发布需求，而且还会遇到各种环境，比如：线上环境（Online），模拟环境（Staging），开发环境（Dev）等。最简单的就是手动构建、上传服务器，但这种方式太过于繁琐，使用持续集成可以完美地解决这个问题，推荐了解一下Jenkins(https://www.oschina.net/action/GoToLi

前言在微服务架构中，一次请求往往涉及到多个模块，多个中间件，多台机器的相互协作才能完成。这一系列调用请求中，有些是串行的，有些是并行的，那么如何确定这个请求背后调用了哪些应用，哪些模块，哪些节点及调用的先后顺序？如何定位每个模块的性能问题？本文将为你揭晓答案。本文将会从以下几个方面来阐述分布式追踪系统原理及作用S

点击上方“测试开发技术”，选择“加为星标”优质文章，第一时间送达！!(https://oscimg.oschina.net/oscnet/0632949843ba0ae7b811657d415618df413.jpg)在当今互联网环境下，需求变更越来越快，交付周期却越来越短，怎么判断一个系统是否测试充分？产品质量满

1背景数据服务与数据分析场景是数据团队在数据应用上两个大的方向，行业内大家有可能会遇到下面的问题：1.1数据服务烟囱式开发模式：每来一个需求开发一个数据服务，数据服务无法复用，难以平台化，技术上无法积累服务维护难度大：当开发了大量数据服务后，后期维护是大问

一、前言我们经常听到研发人员和测试人员抱怨：“测试环境怎么又不能用了！”、“测试环境现在部署的是master包！”、“测试环境数据又被人改了？”、“测试环境怎么部署的这么慢！”、“测试环境里的公共服务，你用的时候我只能等着？”、“测试环境挂了，我自动化脚本

本文将带领大家从日常的三层架构出发，精炼推导出我们自己的应用架构，并且将这个应用架构实现为MavenArchetype，最后使用我们Archetype创建一个简单的CMS项目作为本文的落地案例。

今天想聊一下分库分表，因为对于快速增长的业务来说，这个是无法回避的一环。之前我在做商城相关的SAAS系统，商品池是一个存储瓶颈，商品池数量会基于租户增长和运营变得指数级增长，短短几个月就能涨到几千万的数据，而运营半年后就可能过亿。而对于订单这种数据，也会跟着业务的成长，也会变得愈发巨大。

本篇文章主要介绍在实际的开发过程当中，如何使用GPT帮助开发，优化流程，恰逢今年京东20周年庆，文末会介绍如何与618大促实际的业务相结合，来提升应用价值。全是干货，且本文所有代码和脚本都是利用GPT生成的，请放心食用。