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。
- Build algorithms and models that generate relevant predictions and insights for our clients.
- Make these data and insights available through API calls.
- 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。
ASO情报小组
他们为应用和游戏发行商提供可执行的 insights，以监控和提高其应用在应用商店中的可见度和转化率。
搜索广告小组
他们为 UA 经理提供一个可执行的平台，用于创建、监控和优化其 Apple Ads 活动。
孵化器小组
他们构建和扩展我们的其他产品线，如 Market Intelligence、应用评论管理器和 Reporting Studio。该小组还负责早期创新和我们的 API 解决方案。
DeSy 小组
他们开发整个平台的设计系统和 GUI 库。
客户生命周期小组
他们负责平台用户从首次接触到产品采用的全程体验 – 包括入门引导、付费墙、激活、扩展等更多内容。
DevEx 小组
他们负责在 AppTweak 创造卓越的开发体验
数据科学小组
他们通过提供数据驱动的算法和分析来支持其他小组的成长。
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、ClickHouse、MongoDB、PgSQL、Typesense 和 Elasticsearch 数据库的组合中。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。
您选择的编码助手（copilot/zed/cursor/…）
以编程方式访问主要的 LLM 提供商（如 OpenAI、Anthropic）进行探索和交付
来与我们一起构建 AI 代理系统！
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。
