Uber上市背后的技术力量
十年颠覆，Uber终于成功上市，这被认为是继Facebook、阿里巴巴之后最具价值的科技公司IPO之一，也是今年上市的硅谷“独角兽”中的一员。十年时间，Uber从亏损40亿到营收百亿美元，业务从美国到遍布五大洲，月活从0到9100万人次，支撑其快速成长背后的技术力量值得探寻。在过去10年，InfoQ对Uber的技术实力进行了全方位报道，以下挑选了部分精彩内容，以飨读者。
Uber 技术栈全解析之上篇：基础
这是解析 Uber 技术栈两篇文章的上篇，本文讨论 Uber 技术栈较底层的部分。
Uber 技术栈全解析之下篇：边界与上层
这是解析 Uber 技术栈两篇文章的下篇，本文讨论 Uber 技术栈与乘客和司机相关的部分。
Uber 的底层存储从 Postgres 换成 MySQL 之后
最近，Uber 软件工程师 Evan Klitzke 写了一篇文章介绍系统的底层存储由 Postgres 换成 MySQL 的原因。HackerNews 上的用户给了许多点评。
Uber 令人惊讶的大数据使用方式
Uber 是一款提供出租车预定服务的手机应用，自 2009 年在旧金山推出以来取得了巨大的成功。Uber 立足于大数据，其整个商业模型就是以大数据众包原则为基础。他们有一个巨大的司机数据库，其中包含了他们提供服务的城市中的司机信息。当乘客有搭乘请求时，它可以立即匹配出最合适的司机。Bernard Marr 是一名全球公认的大数据专家。近日，他撰文介绍了大数据在 Uber 的两个重要应用峰时定价和评价系统。
Uber：100 PB 大数据平台演化简史
Uber 的工程团队撰写一篇文章，介绍了他们的大数据平台如何从传统的基于关系型数据库的 ETL 作业演变为基于 Hadoop 和 Spark 的平台。可扩展的摄取模型、标准传输格式和用于增量更新的自定义库是这个平台的关键组件。
Uber 开源 TensorFlow 框架工具箱 Ludwig，无需编码即可进行深度学习开发
日前，网约车服务商 Uber 开源并发布了它们开发的 Ludwig，这是一款基于 Google TensorFlow 框架上的开源工具箱。藉由 Ludwig，用户无需再编写任何代码即可进行深度学习的开发，AI 前线为读者们翻译了由 Uber AI 工程师们撰写的这篇文章，希望有所启示。
Uber 开源 Fusion.js：一个基于插件架构的通用 Web 框架
Uber 的 Web 平台团队开发了 Fusion.js，一个开源的 Web 框架，用于简化 Web 开发，并构建出高性能的轻量级 Web 应用程序。
Uber 开源 Marmaray：基于 Hadoop 的通用数据摄取和分散框架
Marmaray 由我们的 Hadoop 平台团队设计和开发，是一个建立在 Hadoop 生态系统之上的基于插件的框架。用户可以新增插件以便从任何来源摄取数据，并利用 Apache Spark 将数据分散到接收器上。Marmaray 这个名字源于土耳其的一条连接欧洲和亚洲的隧道，在 Uber 内部，我们将 Marmaray 设想为根据客户偏好将数据从任何来源连接到任何接收器的管道。
优步发布开源服务 Kraken：一款 P2P Docker 容器仓库
优步发布了 Kraken，这是一个开源的点对点（P2P）Docker 容器仓库。Kraken 旨在为大规模系统提供 Docker 镜像服务，解决跨区域支持、性能瓶颈和混合云环境所面临的挑战。
Uber 大数据程序库 Hudi，正式进入 Apache 软件基金会
Hudi 于 2016 年以“Hoodie”为代号开发，旨在解决 Uber 大数据生态系统中需要插入更新及增量消费原语的摄取管道和 ETL 管道的低效问题。
京公网安备 11010502039052号 | 产品资质
