

 写点什么

批量建站系统

收录了批量建站系统频道下的 50 篇内容

想了解阿里巴巴的云化架构看这篇就够了

阿里巴巴9年双11经历下来，交易额增长了280倍、交易峰值增长800多倍、系统数呈现爆发式增长。系统数据突飞猛进，用户还能一次次如丝般顺滑的秒杀毫无违和，这背后，是阿里技术团队经历数年时间的系统打磨，技术架构优化而呈现出来的结果。今年，天猫双11以1682亿的成交额再破记录，令人惊奇的是，其双11大促IT成本的增长相较于去年足足减少的一半，而这一切，都源于阿里巴巴云化架构的战略。

作者 : 江柳

2017-12-26

6064

京东 618：三大系统防作弊，挑战直面用户的困难

京东的前端业务系统发展到今天，已经基本覆盖了京东交易环节的全流程。而今年的618，除了流量上的考验，还增加了大量个性化数据、动态定价等诸多京东智能卖场所提出的新要求。那么，京东的前端是如何应对的呢？用到了哪些工具和技术呢？

作者 : 韩婷

2016-06-17

2610

大规模流量下的云边端一体化流量调度体系

火山引擎边缘云流量治理团队负责人刘学关于边缘云“云边端一体化流量调度体系”的介绍

作者 : 火山引擎

01-23

京东基于 Spark 的风控系统架构实践和技术细节

京东618大促之际，我们来看看京东如何用大数据技术应对机器注册账号、恶意下单等问题！

作者 : 张帅陈诚孟勐

2016-08-28

31996

从建设到治理，从系统到团队，谈高可用架构之道

何为高可用架构，如何高可用架构，一百家互联网企业可能摸索出数千种探索道路并给出数万种答案，但符合自身企业技术环境发展的答案可能有且只有一种，如何从海量实践中提炼出值得借鉴学习的高可用架构之道，相信是不少一线技术管理者需要深思熟虑的问题。

作者 : 李东辉

2016-10-18

2152

Google 理论背书与百度实践加持：百度 Palo 数据库宣布开源

大数据离不开数据存储，数据库作为大数据业务核心，在整个基础软件栈中是非常重要的一环，正因为如此，业界追求更优的大数据存储引擎和查询引擎的脚步从未停止。目前业界已有的大数据存储、查询引擎有Druid、Kylin、Impala等开源数据库，还有如EMC Greenplum、HP Vertica、AWS Redshift等商用数据库。今年8月10日刚刚开源的百度Palo项目又是一个什么样的数据库引擎呢？它与现有的这些数据库引擎相比有何不同之处？它的性能表现如何？

作者 : 蔡芳芳

2017-09-20

2850

Windows Azure 案例分析: 选择虚拟机或云服务？

Windows Azure提供了三种计算模式（虚拟机、云服务和网站），允许客户快速的构建、部署和管理云端应用程序。本文旨在对如何选择虚拟机和云服务给出一些建议和指导。

作者 : 王枫

2013-06-27

4489

苏宁 11.11 ：苏宁大数据离线任务开发调度平台实践

在数据仓库的建立过程中，核心技术是抽取、转换、装载（ETL），它为数据仓库提供及时、高质而准确的数据。

桑强

2018-11-05

4792

安全有效地输出价值：大数据是这个游戏的名字

本文主要介绍了如何将Hadoop和大数据生态圈的各部分重要组件有机地联系在一起去创建一个能够支撑批处理、交互式和实时分析工作的大数据平台系统。其中，我们重点尝试从计算框架、 NoSQL 数据库以及大数据平台安全这三方面分析了在不同的应用场景中相应的技术选型以及需要考虑到的权衡点，希望让大家对如何建立一个完整可用的安全大数据平台能有一个直观的认识。

作者 : 江金陵

2016-03-20

1341

Chris Fregly 的 PANCAKE STACK 研讨会及数据流水线

InfoQ采访了Chris Fregly，他最近组织了有4000多人参加的高级Spark和TensorFlow聚会，主题是关于PANCAKE STACK研讨会、Spark和为机器学习构建数据流水线等。

作者 : Dylan Raithel 译者: 足下

2016-11-30

755

大规模集群上的多业务线环境部署

本文由ArchSummit大会演讲整理而来。演讲嘉宾是奇虎360高级系统工程师王浩宇。奇虎360公司是业务驱动型，业务线众多、差异大、迭代周期快，Web平台部为业务线提供虚拟机、数据库、负载均衡等基础设施资源。运维要帮助公司的业务线兄弟解决很多问题后，产品才能上线，比如：如何帮助业务线快速部署运行环境？业务集群如何快速扩容？集群服务器如何快速切换环境？如何支持业务团队自主定制和操控集群环境。这些都得益于自主设计、开发的一些管理工具和系统，本文与大家分享在这方面的经验。

作者 : 王浩宇

2016-03-07

2818

百度大规模战略性混部系统演进

将在线服务和离线任务混合混部到相同物理资源上，通过资源隔离、调度等控制手段 , 充分使用资源，同时保证服务的稳定性，我们称这样的技术为“混部”。百度从 2012 年就开始尝试进入混部技术领域，研发并推广了代理计算（BVC/IDLE）系统，大规模重构后演进成为一套通用的在离线混部系统（千寻）。目前公司混部的整体技术迈向成熟，并在大搜索、Feed、凤巢等机器上实现了规模化运用。本文整理自百度基础架构部资深研发工程师张慕华在 QCon 全球软件开发大会（北京站）2019 上的演讲，他主要介绍了百度在在离线混部系统架构的演进和实践。

作者 : 张慕华

2019-08-05

3607