我们的技术栈
数据驱动的App Store成功的支柱
探索我们工具背后的热情个体和支持它的技术。
AppTweak帮助公司收集和分析App Store和Google Play上他们的应用和游戏性能的数据。
为此，我们：
- 通过ETL管道每天收集GB级的数据。
- 在各种数据库中存储和组织这些数据。
- 构建算法和模型，为我们的客户生成相关预测和洞察。
- 通过API调用使这些数据和洞察可用。
- 利用这些 API 调用打造直观且易用的可视化效果。
我们通过运行在Kubernetes上的docker容器部署这些工作者和服务。这使我们在技术上保持中立，并允许我们为每个服务使用最佳的库和语言；我们喜欢Ruby并尽可能多地使用它，但我们也不怕尝试新事物！
认识Alex，AppTweak的首席技术官
认识各个小组
AppTweak的开发和数据科学团队分为9个小组。一个小组是一个跨功能团队，对AppTweak工具的特定领域拥有完全的所有权和自主权。
可见性小组
为应用和游戏发行商提供可操作的洞察，以监控和改善他们的应用在应用商店中的可见性。
潜在客户生成小组
增加AppTweak网站的流量，并鼓励潜在客户开始免费试用。
客户生命周期小组
确保AppTweak工具的顺畅导航，并努力实现用户激活和保留。
分析小组
帮助用户衡量他们的应用在各个市场的应用商店中的表现，并与其他应用进行比较。
转化小组
为应用和游戏发行商提供必要的工具，以优化他们的应用在应用商店中的转化率。
DeSy 小组
提供工具和流程，帮助其他小组巩固我们所有数字产品的用户界面一致性。
API 小组
增强AppTweak API以扩大其客户基础并发展战略伙伴关系。
QAWAII小组
改进AppTweak的基础设施和工具，并在各小组之间提供支持和分享知识。
数据科学小组
通过提供数据驱动的算法和分析来支持其他小组的增长。
搜索广告小组
为应用和游戏发行商提供可操作的洞察，以监控和改善他们的应用在应用商店中的可见性。
加入一个小组
您是否能够将 AppTweak 提高到一个新的水平？
AppTweak帮助公司收集和分析App Store和Google Play上他们的应用和游戏性能的数据。
我们的工作方式
每个小组决定自己的组织方式，但一般来说，每个小组都会进行为期两周的冲刺，并遵循以下惯例：
- 站会：每天或每周多次，取决于小组。
- 冲刺计划和回顾会议，用于开始和结束每个冲刺。
- 演示日：每月一次，小组向整个AppTweak团队展示即将推出或最近发布的功能。
- 调试：每周四处理错误。
我们使用的技术
先进的技术使我们的开发人员和数据科学家能够提高自己的技能，以最有效的方式开发我们的工具。
- 基于React/Redux/Redux-sagas的单页应用程序，使用TypeScript编写，采用标准工具（Webpack、Babel、ES6、ESLint和Prettier）。
- 前端消费基于Ruby on Rails构建的REST API。
- 使用concourse和Docker镜像的强大CI/CD管道。
- 内部设计系统，提供可在整个工具中使用的UI组件和指南。
- SAAS产品是一个Ruby on Rails 应用程序，提供React单页应用程序。
- 爬虫和抓取器从SQS队列获取任务，并将数据存储在MySQL、Redshift、MongoDB、PgSQL和Elasticsearch数据库的混合中。它们使用Ruby编程语言构建（不使用Rails）。
- JSON REST API也使用轻量级框架Grape用Ruby构建。
- 代码部署：使用concourse作为CI/CD管道，构建部署在AWS上托管的Kubernetes集群上的Docker镜像。
- 我们使用 Prometheus 和 Grafana 来监控一切，以高效的方式可视化时间序列和指标。
- 我们大多数的机器学习模型都是用 Fastai/Pytorch 或 Scikit-Learn 构建的。
- Prophet 通常在帮助我们理解时间序列方面做得很好。
- 使用 Pandas 和 Numpy 进行数据分析和探索。
- 驱动我们算法的大部分 数据 存储在 MySQL 数据库或 MongoDB 中。
- 我们使用 Flask 构建的 JSON REST API 来封装我们的算法。
- 我们使用 Docker 镜像在 AWS 托管的 Kubernetes 集群上部署。
您是否能够将 AppTweak 提高到一个新的水平？
我们的技术挑战
我们的技术团队由熟练、有才华和敬业的个人组成。在这里，我们概述了他们在 AppTweak. 进行技术项目工作时面临的一些基本挑战
后端
- 我们必须构建、维护和开发每天执行数百万次 HTTP 查询的爬虫。
- 我们依赖的 数据 来源可能会在没有任何警告的情况下发生变化，这意味着我们必须随时准备进行快速修复。
- 我们处理大量的 数据，这需要非常小心以保证性能。
- 我们监控许多活动部件，并确保它们始终正常运行。
前端
- 我们的整个前端层已经现代化，现在使用 ReactJS 和 Redux 以及 Redux-Saga 来处理状态和 数据 加载。由于主要 应用程序 现在完全使用 React，我们希望通过迁移到微前端架构来改进我们的前端架构。
- 应用程序 的某些部分（如我们的关键词表）必须显示成千上万的 数据，因此我们始终需要考虑性能优化。
- 应用程序 通过每周发布不断演进。我们的挑战之一是保持高质量的前端标准。
数据科学
- 我们的项目涵盖了机器学习领域的重要部分：表格 数据、聚类、自然语言处理、图像分析、时间序列分析等。我们的挑战是为这些领域找到、理解并正确使用最有前景的技术。
- 我们的一些算法使用 >500M 数据 点进行训练，这需要优化收敛和内存管理。
- 我们有时在 GPU 上训练我们的模型，需要优化所有与之相关的 CUDA 魔法。
- 我们构建和维护 REST API 来提供我们算法的预测，确保满足软件的速度要求。
