红帽白皮书新鲜出炉!点击获取,让你的云战略更胜一筹! 了解详情
写点什么

基于 AWS 的量化交易业务架构总览

  • 2019-11-22
  • 本文字数:8877 字

    阅读完需:约 29 分钟

基于 AWS 的量化交易业务架构总览
## 背景介绍


在数字金融体系中,许多客户都充分利用AWS快速、稳定的全球基础设施构建他们的业务,优化访问、分析和决策的效率,提高业务扩展的弹性,完善业务运行的稳定性。同时在高频交易场景中,无论是行情数据同步、预测分析还是决策下单,速度都是至关重要的因素。本文总结了一些量化交易场景下可以借鉴的最佳实践,帮助您更好的使用AWS服务。


## 选择延迟最低的部署位置
AWS的基础设施遍布全球,为客户的业务部署提供了丰富的选择空间。到目前为止,AWS在全球 22 个地理区域(Region)内运营着 69 个可用区(Availability Zone),每个可用区内包含多个数据中心,这些数据中心、可用区和 AWS 区域之间都通过高可用、低延迟的私有网络基础设施进行互连,使得所有AWS资源之间的访问快速、稳定。借助AWS全球资源和网络,量化交易架构可以快速部署、稳定运行,获得最低的访问延迟,并实现灵活的迁移和扩展。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws1.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws1.jpg)
对于高频交易来说,访问延迟决定着交易的结果是否能达到预期。如果您要访问部署在AWS上的金融服务,使用AWS意味着请求会通过AWS骨干网络到达您要访问的客户端,与请求在Internet中传输相比延迟更低、稳定性更高;如果服务部署在与客户端所在区域相同的区域,那么延迟会更低,同一区域内资源互访的延迟只有几毫秒;为了提高可用性,每个区域的不同可用区相隔一定距离(100公里以内),互相之间完全隔离,如果您将AWS资源与请求对端的资源部署在同一可用区,请求发生在同一可用区内,延迟将降到最低。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws2.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws2.jpg)
图示:使用AWS之外的资源访问AWS上部署的服务时,需要经过复杂的网络环境,可能产生较多延迟。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws3.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws3.jpg)
图示:使用AWS资源访问AWS上部署的服务时,通过AWS全球骨干网高速通信,网络环境好、延迟低。


我做了一个延迟测试,用于直观展现不同的部署位置对访问延迟的影响,当然最终还是以您的实际业务访问情况为准,这个测试结果作为参考。以金融服务部署在AWS东京区域为例,当服务部署在东京以外的其他地理位置时,例如美国东部,访问的平均延迟是148.199ms(测试使用AWS N.Virginia区域,使用ping测试,链路经过优化,实际如果不在AWS做部署,网络质量会更不稳定,延迟也可能更高);如果您的服务部署在金融服务所在的区域(东京区域)但不同可用区,访问的平均延迟分别是2.801ms和2.059ms,可以看到延迟大幅度降低;如果您的服务进一步部署在金融服务所在的可用区,访问的平均延迟是0.587ms,有进一步的提升;如果再结合private link通过内网直接访问,在安全性提高的同时,延迟还可以表现的更好。


## 使用PrivateLink进一步提升安全性并降低成本
对于访问安全性要求高的团队,在与API服务提供商(如交易所)协商后,可以使用AWS PrivateLink提高访问的安全性。AWS PrivateLink 可以在 VPC、AWS 服务和本地应用程序之间通过 Amazon 网络安全地提供私有连接。您的客户端服务提供商可以将他们的应用程序配置为AWS PrivateLink支持的服务,之后您可以使用VPC endpoint,在他们的服务和您的VPC之间创建连接,这样您的请求就会通过私有网络更安全、更迅速地到达目标服务。AWS PrivateLink的工作方式如下图。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws4.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws4.jpg)
那么如何使用PrivateLink呢?接下来向您介绍PrivateLink的使用步骤。
### 1. API服务提供方:创建终端节点服务
首先对于API服务的提供方(如交易所),需要基于网络负载均衡器创建终端节点服务。由于PrivateLink提供的是私有链接,网络负载均衡器也建议使用面向内部的模式。打开AWS控制台,选择VPC服务,在左边栏中选择终端节点服务(Endpoint Services),点击【创建终端节点服务】按钮,进入终端节点服务的创建页面。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws5.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws5.jpg)
选择之前创建好的网络负载均衡器,点击【创建服务】按钮,很快终端节点服务就创建好了。


### 2. API服务提供方:授予连接权限
创建好的终端节点服务默认情况下只有本账户可以申请建立连接,在API服务提供方给服务使用方的账户赋予权限之后,相应使用方才能申请建立连接。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws6.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws6.jpg)
在控制台中选择上一步创建的终端节点服务,点击【白名单委托人】标签,然后点击【将委托人添加到白名单中】按钮,在新页面的ARN框中填写API服务使用方提供的IAM用户ARN,格式为arn:aws:iam::AWS_ACCOUNT_ID:IAM_USER,其中的AWS_ACCOUNT_ID为服务使用方的aws账户ID,IAM_USER为服务使用方用于配置的IAM用户名称。填写完成后,点击【添加到白名单委托人中】按钮,完成添加,之后API使用方就可以搜索到这个终端节点服务。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws7.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws7.jpg)
之后将【服务名称】发送给API服务使用方,服务使用方(交易团队)就可以使用服务名称申请私有连接。


### 3. API服务使用方:创建终端节点
然后对于服务使用方,打开AWS控制台,选择VPC服务,在左边栏中选择终端节点(Endpoint),点击【创建终端节点】按钮,进入终端节点的创建页面。在服务类别中选择【按名称查找服务】,输入从服务提供方获取到的服务名称com.amazonaws.vpce.REGION.xxxxxx,点击验证,会弹出VPC和安全组的选项。选择相应服务器所在的VPC及子网,选择一个开放相应端口的安全组,点击【创建终端节点】按钮完成创建。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws8.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws8.jpg)
刚刚创建完成时,终端节点的状态显示为【待接受】,是因为大部分终端节点服务会设置需要服务提供方允许才能连接。此时联系服务提供方,让他们在终端节点服务中找到相应的申请,接受连接请求。在终端节点的详细信息中,会有多个DNS名称,分别是统一DNS名称和每个子网对应的特定DNS名称,复制第一个DNS名称,用于之后的连接。


### 4. API服务提供方:接受连接申请
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws9.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws9.jpg)
此时,API服务提供方在终端节点服务页面的【终端节点连接】选项卡下,可以看到使用方提出的终端节点连接请求。点击【操作】按钮,再点击【接受终端节点连接请求】,即可开始自动创建连接。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws10.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws10.jpg)


### 5. API服务使用方:连接创建完成
从API服务提供方处确认接受请求后,终端节点的状态会变为【待处理】,此时会自动在VPC中创建相应的网络接口(ENI),几分钟后网络接口创建完成,终端节点的状态会变为【可用】,此时私有连接就创建完成了。


[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws11.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws11.jpg) [](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws12.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws12.jpg)
现在可以测试一下创建好的私有连接了,登录服务使用方(交易服务器生产环境)的VPC中的一台EC2设备,访问之前复制的终端节点DNS名称,能看到相应的结果,代表终端节点服务已经正常使用。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws13.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws13.jpg)
基于上述考虑,降低AWS云上访问延迟的最佳实践是通过网络测试,找出访问延迟最低的区域与可用区,然后在这个可用区中部署您的业务系统。为了将访问延迟降到最低,您可以将行情同步、决策、自动下单在内的整个系统部署在该可用区内,保证全部业务间访问在最近可用区内完成。同时,您可以通过Private Link获取更安全、迅速的内网访问。


## 降低决策过程的延迟
在对外访问延迟尽可能降低之后,进一步优化的空间就在于自动化决策的延迟。决策延迟的降低在架构层面体现在三个细节:公有子网部署、集中同一可用区部署、使用置放群组。
AWS的网络基础服务VPC(Virtual Private Cloud)提供云上的虚拟私有网络,EC2、RDS、ElastiCache等服务都部署在VPC中,它们可以通过VPC的组件——互联网网关(Internet Gateway)来与互联网通信。每一个VPC属于一个区域,其中可以划分子网,每个子网属于一个可用区,您可以在子网中启动AWS资源。_(每个子网都可以绑定路由表并设置路由规则,如果路由规则中0.0.0.0/0指向Internet网关,那么这个子网就是公有子网,子网内的EC2在有公有IP的情况下可以和互联网资源直接互访;如果没有直接指向Internet网关的路由,那么这个子网就是私有子网,但同样可以通过NAT Gateway这个功能向外访问,从而提高网络层面的安全性。_) 同一VPC内的各个子网之间是可以互相访问的,您可以根据业务模块的不同,将需要更高安全性的EC2(如决策服务器)放在私有子网中,与其他实例内部通信,通过NAT Gateway发起向外的请求;而将需要更低延迟的EC2(如行情同步、下单服务器)放在公有子网中,直接通过Internet网关向外发起请求,使访问更便捷。
为了提高可用性,很多场景的最佳实践是跨可用区部署(如负载均衡器Elastic Load Balancer,自动扩展AutoScaling,托管关系型数据库RDS,托管内存数据库ElastiCache等),防止单可用区故障对服务产生影响;但在高频交易的场景下,跨可用区部署可能会增加访问延迟,那么使用单可用区部署来提高访问速度是一种适当的策略。例如ElastiCache的Redis集群模式部署,选择多个可用区会提高可用性,但同时也可能增加访问延迟;使用单可用区做集群部署,并且将访问Redis集群的EC2也部署在相同的可用区内,这样损失了一部分可用性,但优化了决策速度。
当然,很多时候为了尽可能降低延迟,会使用单节点部署的方式,进一步减少各个服务模块(行情同步、决策、下单)之间的延迟,速度和可用性之间是一种您需要进行的权衡。那么在单可用区部署甚至单节点部署之后,如何尽可能保证服务的可用性呢?
有以下几个方面:
1. 对于EC2实例,定期做AMI镜像,并将镜像复制到备用Region中,从而在单节点故障时能在同可用区、其他可用区甚至其他区域快速启动相同的EC2实例,恢复服务。2. 对于RDS数据库,在自动快照的基础上做手动快照(在重要节点,如代码版本更新等),并将快照复制到备用Region中,从而在故障时快速恢复服务。3. 对于ElastiCache,定期做备份,并将备份复制到备用Region中,从而在缓存集群故障时能快速恢复服务。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws14.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws14.jpg)
在业务系统有多台服务器的情况下,选择EC2置放群组可以进一步降低服务器之间的访问延迟。在集群类置放群组模式下,服务器会部署在同一可用区中尽可能近的位置,集群内任意一台服务器都可以以最小时延/最高带宽与该置放群组内的所有其他节点进行通信。要使用集群置放群组,可以在创建EC2的第三步【配置实例详细信息】的时候进行设置,选择添加到新的置放群组并命名,选择模式为cluster;之后的实例就可以放在创建好的置放群组中,从而降低这些实例之间的通信延迟。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws15.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws15.jpg)


## 节约模型训练与预测时间
如果您的量化交易逻辑涉及到机器学习的分析和预测,那么节约模型预测的时间也会是整个量化交易过程中的重要一环。除了尽可能优化预测逻辑之外,节点部署上同样建议使用单可用区部署,并使用置放群组使得EC2之间的通信延迟尽可能低。在使用机器学习算法,如常用的RNN、LSTM、GRU、Reinforcement Learning等训练模型的过程中,Amazon Deep Learning AMI与AWS的机器学习平台Amazon SageMaker可以帮助您进一步缩短模型训练与预测的时间。
Deep Learning AMI 配备了TensorFlow、PyTorch、Apache MXNet、Caffe、Caffe2、Microsoft Cognitive Toolkit (CNTK)、Chainer、Theano、Keras、Gluon 和 Torch等常见的机器学习框架,并预装了CUDA、cuDNN GPU加速框架。Deep Learning AMI 在EC2 C5 实例上使用 Intel Advanced Vector Extensions(AVX 指令集)构建计算优化型 TensorFlow,以提高向量和浮点运算的性能,并可利用 Intel Math Kernel Library for Deep Neural Networks (MKL-DNN)性能增强库。在 c5.18xlarge 实例上,使用TensorFlow 1.12 通过合成 ImageNet 数据集训练 [](https://github.com/tensorflow/benchmarks/tree/master/scripts/tf_cnn_benchmarks)的速度比在普通 TensorFlow 1.12二进制文件上训练的速度要快 13 倍。同时,AWS P3实例在云级别数百个 GPU 的操作中可以实现近线性扩展效率。
Amazon Sagemaker是全托管的机器学习平台,实现数据收集、处理、建模、训练、部署全流程解决方案;Amazon SageMaker 支持多种算法与深度学习框架,包括完全托管的Reinforcement Learning算法,并支持Bayesian optimization等多种超参优化算法。在模型训练完成后,SageMaker 可以轻松在生产环境中一键式部署您的模型,以便您可以开始针对实时或批量数据的预测。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws16.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws16.jpg)
如上图所示,您的原始数据可以汇聚到S3构建的数据湖中,在使用SageMaker时,快速启动一台轻量级的笔记本实例(如T2.medium,以很低的成本完成整个流程的管理和控制),打开Jupitar Lab,在其中选择您喜欢的框架(常用框架已经预置在笔记本实例中),然后轻松开始数据的预处理和模型训练等工作,节约安装框架、调试的时间。
[](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws17.png)](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/overview-of-quantitative-transaction-business-architecture-on-aws17.jpg)
在完成数据的预处理之后,您只需通过几行代码,调用API使用SageMaker内置的算法,赋予相应的超参数即可开始模型训练。在调用API时会指定训练任务使用的实例类型(如P3这样的GPU实例,或C5这样的CPU优化型实例等),之后SageMaker会自动完成启动实例、执行训练任务、获取模型、关闭实例的整个过程,这些计算资源只在使用过程中付费,从而既提高了任务部署的效率,也降低了计算资源的浪费,节约了成本。如果内置的算法(线性学习、XG-Boost、因式分解机、图像分类、Sequence2Sequence、K-Means等17种)不能满足您的需求,您还可以通过MarketPlace查找和使用其他公司贡献的算法;或者将自己的算法或模型打包上传到Docker容器中,从而直接在SageMaker中使用。
训练好的模型会存储在SageMaker管理的S3中,您可以使用控制台或Python命令(只需点击或者几行代码,设置实例类型等信息)的方式轻松完成模型的部署,部署之后的模型会以HTTPS的方式等待调用。如果在模型验证的过程中需要统计信息,SageMaker节点支持蓝绿部署,方便您快速的重新部署和验证。
从框架预置、数据处理到模型训练、部署、验证,SageMaker提供的流程中都帮助您完成了很多自动化的工作,从而使整个机器学习的过程更加敏捷和轻松;同时即起即用的方式不但缩减了整个过程的时间,也减少浪费、降低了成本。很多客户通过使用SageMaker大幅节约了模型训练与预测的时间,如Coinbase和NFL,从而高效地将原先需要几个月完成的工作在几天内完成。
除了使用SagaMaker管理整个机器学习流程,提高整体环节效率之外,在GPU上还有可以提升的空间。通过Amazon G4 实例,搭载NVIDIA最新的T4 GPU,并针对需要使用基础GPU软件库的机器学习应用进行了优化,可以在提高机器学习效率的同时降低成本。而借助 Amazon Elastic Inference,您可以将低成本 GPU 驱动的加速附加到 Amazon EC2 和 Amazon SageMaker 实例,更进一步降低深度学习的推理成本。


## 小结
综上所述,使用AWS部署量化交易架构的最佳实践包括选择延迟最低的区域与可用区、单可用区部署并使用置放群组降低通信时延、使用Deep Learning AMI 或 SagaMaker节约模型训练与预测时间等。在此基础之上,您可以优化代码,使得判断与处理的用时更少,尽可能减少从交易信号出现到完成交易指令整个流程的时间,在瞬息万变的市场中赢得先机。


## 参考资料
1. AWS全球基础设施:[](https://amazonaws-china.com/cn/about-aws/global-infrastructure)2. AWS VPC 与 Subnet:https://docs.aws.amazon.com/zh_cn/vpc/latest/userguide/VPC_Subnets.html3. AWS 终端节点服务使用文档:https://docs.aws.amazon.com/zh_cn/vpc/latest/userguide/endpoint-service.html4. AWS 终端节点使用文档:https://docs.aws.amazon.com/zh_cn/vpc/latest/userguide/vpc-endpoints.html5. EC2置放群组:https://docs.aws.amazon.com/AWSEC2/latest/WindowsGuide/placement-groups.html6. Deep Learning AMI:https://docs.amazonaws.cn/en_us/dlami/latest/devguide/what-is-dlami.html7. Amazon Sagemaker:[](https://amazonaws-china.com/cn/sagemaker/)8. Amazon G4实例介绍:[](https://amazonaws-china.com/cn/ec2/instance-types/g4/)9. Amazon Elastic Inference介绍:[](https://amazonaws-china.com/cn/machine-learning/elastic-inference/)


## 本篇作者
<footer> ![](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/Author/siyuanli.jpg)
### [](https://amazonaws-china.com/cn/blogs/china/tag/%E6%9D%8E%E6%80%9D%E6%BA%90/)
AWS解决方案架构师,负责基于 AWS 的云计算方案的咨询与架构设计,同时致力于 AWS 云服务知识体系的传播与普及。在网络、软件开发等领域有实践经验,加入AWS 之前曾任软件开发工程师、Scrum master、项目经理等角色,PMI认证PMP。目前关注游戏、高性能计算等领域。</footer>
<footer> ![](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/Author/anbei.jpg)
### [](https://amazonaws-china.com/cn/blogs/china/tag/%E8%B5%B5%E5%AE%89%E8%93%93/)
AWS解决方案架构师,负责基于AWS云平台的解决方案咨询和设计,尤其在大数据分析与建模领域有着丰富的实践经验。</footer>
<footer> ![](https://s3.cn-north-1.amazonaws.com.cn/awschinablog/Author/yuanyea.jpg)
### [](https://amazonaws-china.com/cn/blogs/china/tag/%E5%8E%9F%E9%87%8E/)
AWS资深客户经理,负责区块链行业。</footer>
复制代码


TAGS:


原野


,


李思源


,


深度学习


,


赵安蓓


,


量化交易


,


高频交易


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/overview-of-quantitative-transaction-business-architecture-on-aws/


2019-11-22 08:00799

评论

发布
暂无评论
发现更多内容

MASA Stack 1.0 发布会讲稿——趋势篇

MASA技术团队

.net 云原生 dapr blazor MASA

解析机器学习中的数据漂移问题

Baihai IDP

人工智能 机器学习 AI 机器学习模型 企业号 2 月 PK 榜

一文梳理 Code Review 方法论与实践总结

阿里巴巴中间件

阿里云 云原生 Code Review

web前端培训班口碑比较好有哪些

小谷哥

百丈竿头,勠力同心丨九科信息CEO万正勇专访《数字助力赋能产业发展》在央视【中央新影-老故事】频道播出

九科Ninetech

打卡智能中国(一):看守隧道的老人

脑极体

隧道 智能中国

AR Engine毫秒级平面检测,带来更准确的呈现效果

HMS Core

HMS Core

盘点2022:开源热度居高,技术思考与经验分享是开发者的最爱

阿里巴巴中间件

阿里云 中间件

互联网医疗领域月度观察——互联网医院可线上开具新冠处方,互联网首诊“破冰”

易观分析

疫情 互联网医疗

快速上手python的简单web框架flask

程序那些事

Python flask Web Web框架 程序那些事

一张图看懂CodeArts TestPlan 5大特性,带你玩转测试服务

华为云PaaS服务小智

Apipost全局变量和环境变量的使用

popo223344

测试 测试工具 测试开发

大数据编程培训课程怎么选择

小谷哥

大数据开发技术如何选择培训机构

小谷哥

科技呵护女性健康,中国航天携手倍舒特成立“中国航天女性呵护研发中心”

科技大数据

2023年,你需要了解Zebec生态的几个开年利好

西柚子

java培训技术学习对学历有什么要求

小谷哥

写给go开发者的gRPC教程-通信模式

凉凉的知识库

golang 微服务 gRPC 服务治理

JVM 如何获取当前容器的资源限制?

阿里巴巴中间件

Java 阿里云 云原生 中间件

大数据在互联网时代的意义!

镭速

面试必问:说一下 Java 虚拟机的内存布局?

王磊

java面试

微众银行 TiDB HTAP 和自动化运维实践

PingCAP

TiDB 自动化运维

数据库日常实操优质文章分享(含Oracle、MySQL等) | 2023年1月刊

墨天轮

数据库 oracle postgresql MySQL 运维 故障处理

Spring Cloud Alibaba 在 Proxyless Mesh 上的探索

阿里巴巴中间件

阿里云 S而vice Mesh Spring Cloud Aliababa

TiDB 中标杭州银行核心系统数据库项目

编程猫

参加大数据开发培训机构怎么样

小谷哥

从理论到实践:MySQL性能优化和高可用架构,一次讲清

做梦都在改BUG

Java MySQL 数据库 性能优化

推进媒体深度融合:腾讯与上海文广集团达成战略合作,腾讯云、SMT成立联合实验室

科技热闻

亚马逊云科技核心服务之计算服务(Part1:Amazon EC2 星巴克为什么横向排队)

亚马逊云科技 (Amazon Web Services)

云原生 亚马逊云科技 Builder 专栏

建设经营指标体系,国央企需要什么样的指标平台?

Kyligence

指标中台

小红书2023春节消费报告解读:大众消费意愿集中释放,表达和分享成为新经济消费诉求

易观分析

春节 小红书 消费

基于 AWS 的量化交易业务架构总览_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章