系统优化与进阶之道——大规模复杂场景下的技术创新实录

在本期汇总的六篇访谈文章中,可以看到FreeWheel在数据分析系统、数据仓库建设、视频流量自动预测、系统全面微服务化、运维团队探索实践AIOps等几大维度的创新激情。
用户头像
作者: InfoQ 中文站
下载此书
系统优化与进阶之道——大规模复杂场景下的技术创新实录

卷首语:骨子里的创新基因

业务量的迅猛扩大、高并发问题与场景的递增、实时处理与分析要求的提升,对大型互联网公司的技术架构和系统会提出不同程度的挑战。

针对视频广告投放、监测、预测、增值等一系列复杂的业务场景,FreeWheel 也同样会面临如何建立跨区域高可用的数据处理系统、如何打造更高效的数据分析或查询引擎、如何基于十余年的经验积累实现业务系统的微服务化等。

在这些挑战面前,FreeWheel 或是将挑战化为机遇,基于自身特殊的场景需求自研一套更加高效、匹配的系统,又或是在前人的“基石”上淌出一条新路,通过改造的主要方式,搭建一支更加高可用的平台。但无论是哪种尝试,实践背后必定影射着其基因、其思考问题的方式、其成长的路径。

2018 年的一年时间里,InfoQ 对 FreeWheel 进行了数次专访,与十余位一线开发人员、架构师或技术团队管理者进行了深度访谈。对其如何深入实践系统或架构的迭代、技术选型背后的背景及原因、开发到部署过程中面临的各项挑战及对应的解决方案……都做了系列性的拷问与阐述。

在本期汇总的六篇访谈文章中,可以看到 FreeWheel 在数据分析系统、数据仓库建设、视频流量自动预测、系统全面微服务化、运维团队探索实践 AIOps 等几大维度的创新激情。InfoQ 期望能以这样的脉络,全面呈现 FreeWheel 的技术实践思路、系统优化方法。

虽然这本册子做不到让每个人在阅读后重塑与刷新思维体系,但每轮技术迭代背后,一定能让你身临其境地感知到 FreeWheel 骨子里的创新基因。做到这,就够了。

目录

全球 6 大数据中心,日均 10 亿日志场景下的高可用实践

如何打造一流的查询引擎,构建优秀的数据仓库?

日均亿次广告投放的 FreeWheel 如何实践机器学习?

FreeWheel 业务系统微服务化过程经验分享

转向 AIOps 之前,你应该做好哪些准备?

免费下载此书(PDF)

评论

发布