11月8日，2022 vivo开发者大会正式开幕。此次大会以“MORE，近你所想”为主题，共设有1个主会场及9个分会场。其中，在互联网技术-最佳技术实践专场中，来自vivo的工程师们分享了wepy-chameleon编译器、后羿低代码平台、实时计算平台等6项成果，与开发者们共同探讨前沿技术实践。

 

前端创新实践，自研编译器助力小程序架构升级

 

在早期的小程序开发中，wepy框架能够很好的解决模块化、组件化等工程化问题，但是随着时代的发展和演进，社区逐渐沉淀出以 uniapp 为代表的 Vue 跨端体系和以Taro为代表的React跨端体系，wepy目前的社区活跃度比较低。基于当前的业务诉求，vivo自研推出wepy-chameleon编译器，可以一键将wepy框架转换为uniapp框架。

 

vivo互联网用户运营前端专家 万安文

 

vivo互联网用户运营前端专家万安文分享了wepy-chameleon编译器思路和实现，包括单文件组件编译转换核心设计、整体编译系统流水线设计、Parser解析器架构的设计与实现以及Transform转换器的架构设计与实现。在编译器的实现过程中，vivo团队也遇到过一些挑战，比如uniapp中的template string和Scope Style的适配问题。

 

据万安文介绍，后续编译器将覆盖更多的wepy项目及场景，团队也将继续深挖业务中可以通过编译提效的空间，用技术推动业务的快速升级。

 

用低代码平台提效，解放开发生产力

 

低代码是一种可视化的应用开发方法，可以用较少的代码、以较快的速度来交付应用程序，随着前端新技术的出现及云原生时代的到来，低代码的优势愈发显现。分会场上，vivo专家分享了针对后台toB系统建设以及游戏中心toC端native界面搭建的两款低代码平台。

 

后羿低代码平台是一款在线可视化开发平台，能够支撑运营后台业务的高效高质量落地。该平台采用了前后端分离的技术方案，更符合开发思维，在实现方式上具有灵活性较高、拓展性较好、可集成度较高等优点，在架构上也具有分层明确、低码分离实现等优势，能够满足不同群体更加复杂的业务诉求。

 

vivo互联网高级前端工程师 王宁

 

除技术方案外，vivo互联网高级前端工程师王宁还分享了自研高性能渲染引擎、可视化配置方案以及千亿级内容投放等提效秘诀。针对低代码与传统开发如何共存的问题，王宁表示，低代码与传统开发并不冲突。一方面，平台在不断丰富场景模型以提高拓展能力和配置效率，另一方面，平台在架构上兼容传统的定制化开发，二者优势互补，全面提效。

 

vivo游戏中心是vivo游戏核心的流量入口，然而在互联网流量见顶和频繁发版的背景下，游戏中心的首页存在一些不足，概括来说有两点：缺少灵活多样且能动态调整的组件化能力，缺少可视化快速搭建页面的能力。针对这些痛点，vivo互联网游戏团队推出了游戏中心低代码平台，通过组件化设计，满足不同用户的需求。

 

vivo互联网架构师 陈文洋

 

vivo互联网架构师陈文洋从标准组件打造、数据引入和页面组装三个方面详细介绍了平台的搭建过程。该平台使得原先的研发流程发生了变化，能做到新增或修改组件无需发版，大大提升了开发效率，缩短了项目周期。

 

打造稳定易用、安全高效的实时计算平台，深度挖掘数据价值

 

2022年，vivo互联网在网用户总数达到2.8亿，多款互联网应用的日活超过了千万甚至突破了1亿，为了向用户提供优质的内容和服务，需要对海量数据进行实时处理，同时，为了向广告主提供更加优质的广告服务，也需要提升商业化能力。然而，庞大的业务规模和业务增速给vivo的实时计算团队带来了非常大的挑战。

 

对此，据vivo互联网大数据平台计算方向负责人陈涛介绍，vivo在2019年下半年就启动了实时计算平台的建设，2020年关注在稳定性建设，初步上线了SQL能力，2021年引入了Flink 1.13版本并启动了容器化建设，2022年主要关注在效率提升，包括流批一体、任务诊断等，到目前为止，平台已初步具备了一些能力。

 

vivo互联网大数据平台计算方向负责人 陈涛

 

据了解，平台是vivo基于Apache Flink计算引擎自研的覆盖实时流数据接入、开发、部署、运维和运营全流程的一站式数据建设与治理平台，支撑着实时数仓、实时智能推荐、商业化实时广告、实时安全、实时监控等五大业务中台。

 

分支路径图调度框架落地，助力项目迭代提速

 

vivo效果广告推荐系统是一套实时的AI在线预估服务，每天承载了百亿次的广告投放请求，支持了vivo的效果广告收入，在可用性、可扩展性、健壮性等方面具有非常高的要求。其中，schedule是系统的核心模块，负责业务逻辑调度，上下游依赖特别多。schedule在调度其他模块时采用异步调度，异步调度管理方法则是有向无环图，然而有向无环图即使是目前使用最广泛的方法但也并不完美，作为一种全路径图调度框架，有向无环图已经难以适用系统不断增长的复杂度。

 

为了安全开发和提升迭代效率，新的调度方法被迫切的创建出来，那就是支持分支路径的图调度框架。它的原理是，在原有的图调度框架中，添加两处功能，一是加入了分支节点，二是对于图中节点的触发支持“与激活”和“或激活”。

 

vivo互联网效果广告AI架构师 周保建

 

vivo互联网效果广告AI架构师周保建用调度流程图展示了分支路径调度框架在vivo效果广告推荐系统中的落地过程。使用分支路径调度框架改造后，图中添加了判断节点，具体路径的走向由判断逻辑控制，系统可扩展性得到提升，系统熵增减轻。

 

当图与实时在线系统融合在一起的时候，也显现出了更多的是提升了空间，比如，图的整体超时、异常管理，节点超时、异常管理以及复杂图结构的自动化简。周保健表示，vivo团队后续将针对这些问题做进一步的优化升级。

 

不断实践探索异构混排，为广告主和用户提供更优服务

 

混排，就是需要在保障用户体验前提下，通过对不同队列中的异构内容进行合理混合，实现收益最优，更好的服务广告主和用户。混排的核心挑战主要有三点：不同队列item建模目标不同，难以直接对比；候选队列常受到大量产品规则约束；由于业务限制，混排时往往不能修改候选队列的序，需要实现保序混排。

 

vivo互联网高级算法工程师沈技毅分享了vivo信息流和商店场景中的混排实践。对于信息流场景，混排侧主要解决的问题是内容队列与广告队列的混排问题。这一场景下，vivo混排经历了三次迭代，分别是固定位混排、Qlearning混排以及深度位置型混排，整体思路是希望在Qlearning阶段通过简单的强化学习方案累积样本，快速探索收益，后续升级为深度学习方案。这带来3个好处：与上游打分解耦，大大提高了混排稳定性；深度网络，可容纳信息量大；能够考虑页面间item相互作用。

 

vivo互联网高级算法工程师 沈技毅

 

商店场景中，混排的核心问题是实现广告队列与游戏队列的混排，整体迭代包含了固定位混排、pid保量、带约束混排、混排精细化分流4个阶段。在当前阶段，平台会根据分流模块判断请求质量，并针对性的设置混排模型。具体到重排模型上，采用生成式模型替代数值型模型，在实验流量上收益对比原模型更为明显，且不受上游打分影响，更为稳定。

 

在之前的探索实践中，vivo已经取得了一些成果，为技术人员带来了更高效的开发体验，为用户带来了更优质的产品体验。但业务需求和技术工具是在不断变化发展的，未来，vivo也一定不会松懈，持续探索技术，迭代产品工具，不断为用户创造惊喜，为行业带来革新。