在大学时就听室友说他舅舅拿到了高级架构师的资质，是 IT 行业比较难拿的证书。当时只知道这个资质很牛逼。这两年公司倡导员工通过软件专业技术资格考试考取相关的资质， 比如信息系统项目管理师，系统分析师，系统架构设计师。正因为如此，才有了去年（2020年）报考系统架构设计师这事，一方面本身的职业规划就是架构师的方向， 另一方面也是想以考代学。随着今年成绩和分数线的相继公布，侥幸低分通过，所以写下这篇考后复盘，也算是对去年下半年的努力做个交代。

基于内容的召回在推荐系统中是比较常见的召回策略，常见有基于用户或物品的标签召回或者基于用户的年龄，地域等召回，一般该策略的实现是基于开源软件 Elasticseach 实现的。虽然召回的结果都比较合理，但是召回的新颖度，惊喜度等都比较低。比如通过标签“刘德华”进行召回，基本上召回的都是包含刘德华字眼的物品，不太可能召回出“黎明”，“张学友”等其他四大天王的物品。近年随着万物皆可 Embedding，特别是 word2vec，item2vec, graph2vec 等技术的成功应用，通过物品向量召回物品向量的方法也成为推荐系统中比较常用的召回策略。本文着重讲述通过开源软件 Vearch 来搭建一个向量搜索服务，并成功实现以图搜图的功能。

在移动互联网的应用中，经常需要根据用户的位置信息等做一些用户侧信息的统计分析。而要拿到用户的位置信息，一般有两个方法： GPS 定位的信息和用户 IP 地址。由于每个手机都不一定会打开 GPS，而且有时并不太需要太精确的位置（到城市这个级别即可），所以根据 IP 地址入手来分析用户位置是个不错的选择。 要做到这个功能得需要一个 IP 和地理位置的映射关系库，并依赖这个库启动一个 IP 转地理位置的服务。本文从需求入手，结合 Github 上拥有 8.4k 星的 ip2region 来分析映射关系库的设计以及 IP 如何快速转换成地理位置。

相关推荐是一种常见的推荐场景，比如资讯流推荐中详情页下方的推荐列表（基于物品的相关推荐），微信看一看（基于用户的相关推荐）等。 在这个场景中必然绕不开一个算法：协同过滤算法。

SSH 是每一台电脑的标准配置，Linux 就不必说了，连 windows 也从 2018 年开始自带 OpenSSH 了。 它主要的用途是登陆到远程电脑中执行命令，在云开发的时代，它是每个程序每天都要用到的工具。本文将简单介绍一下它的原理， 基本用法以及端口转发和动态转发等高阶用法。