双十一

关注
收录了双十一频道下的 64 篇内容
  • 全部
  • 文章
  • 视频
  • 电子书
优酷直播消息平台建设和双 11 猫晚高可用实践 | InfoQ公开课
优酷直播消息平台建设和双 11 猫晚高可用实践 | InfoQ 公开课

消息平台在直播场景中承载着播控业务(开停播、智能档)、互动业务(聊天、打赏、红包雨),并广泛应用于直播内容对齐场景,是直播内容生产和消费的重要一环。

从单个系统到云翼一体化支撑,京东云DevOps推进中的一波三折
从单个系统到云翼一体化支撑,京东云 DevOps 推进中的一波三折

本次采访嘉宾:京东云 DevOps 团队负责人 郑永宽云提供商进行了深度研究,他们分别是(按照拼音字母顺序):AWS、阿里云、百度云、华为云、京东云、腾讯云和微软。

1分36秒,100亿,支付宝技术双11答卷:没有不可能(下)
1 分 36 秒,100 亿,支付宝技术双 11 答卷:没有不可能(下)

2013 年双 11 的另一个特殊之处是,支付宝的备战室里多出来一幅关老爷的挂画。挂画是郑洋飞“请”来的,不过“拜关公”作为支付宝技术团队的一项传统,早在他入职之前就由来已久。

1分36秒,100亿,支付宝技术双11答卷:没有不可能(上)
1 分 36 秒,100 亿,支付宝技术双 11 答卷:没有不可能(上)

2019 年双 11 来了。1 分 36 秒 100 亿,5 分 25 秒超过 300 亿,12 分 49 秒超 500 亿……如果没有双 11,中国的互联网技术要发展到今天的水平,或许要再多花 20 年。

11年天猫双11对支付宝技术有什么意义?
11 年天猫双 11 对支付宝技术有什么意义?

刚刚过去的双十一全天交易额 2684 亿,再创新高,支付宝自研分布式数据库 OceanBase 每秒处理峰值达到 6100 万次,再次展示世界级数字金融运算能力。

阿里港股上市获批,11月25日当周开始交易,部分集资额或将投入AI技术研发
阿里港股上市获批,11 月 25 日当周开始交易,部分集资额或将投入 AI 技术研发

InfoQ 11 月 13 日消息,据香港《南华早报》引述知情人士消息,香港证券交易所上市委员会已批准阿里巴巴的 IPO 申请。

双11核心系统100%上云,阿里CTO行癫分享实录整理
双 11 核心系统 100% 上云,阿里 CTO 行癫分享实录整理

两个月前,阿里巴巴就将核心系统 100% 上云。

用双十一的故事串起碎片的网络协议(下)
用双十一的故事串起碎片的网络协议(下)

通过十个过程讲解下单中用到的网络协议,你是否对这个过程了如指掌了呢?

阿里巴巴双十一千万级实时监控系统技术揭秘
阿里巴巴双十一千万级实时监控系统技术揭秘

本文主要介绍 TSDB 覆盖的业务场景以及面临的挑战。

用双十一的故事串起碎片的网络协议(上)
用双十一的故事串起碎片的网络协议(上)

你知道双十一下单中会用到哪些网络协议吗?

菜鸟智慧新物流核心技术全解析
菜鸟智慧新物流核心技术全解析

2018 年天猫双 11 全球狂欢节物流订单总数定格 10.42 亿单,再次刷新历史记录。如何让 AI 技术在传统物流领域发挥必要的价值?柔性自动化将为电商物流带来怎样的变革?自动化仓储系统的技术和应用的算法又是什么?带着对这些问题的解答,菜鸟网络研究员徐盈辉、资深技术专家朱礼君、裘民民、许俊开始了这场布道。

2018双十一苏宁20+篇技术干货全整理
2018 双十一苏宁 20+ 篇技术干货全整理

这次双十一,InfoQ 中文站和苏宁联合策划了双十一系列文章,一共二十余篇,从云计算、大数据、运维、测试到客户端、物联网,从不同角度梳理苏宁在过去一年里为大促所做的技术准备。

AI立功了!天猫双十一2135亿收官,再创新高
AI 立功了!天猫双十一 2135 亿收官,再创新高

从人工智能到数据中心冷却、机器学习和区块链,阿里巴巴借助前沿新技术再次打破纪录,比去年“双十一”多卖了 453 亿元。周日,阿里巴巴宣布“双十一”24 小时内,天猫商品交易总量(GMV)突破 2135 亿元人民币(308 亿美元)!这个数字,远超美国三大购物节的销售额总和。

苏宁11.11:苏宁双十一大促保障经验
苏宁 11.11:苏宁双十一大促保障经验

本文主要包括苏宁中台核心业务面临的挑战、保障工作的项目化运作、几个核心能力建设的经验。

天猫双十一这十年:从“人肉云计算”到“脉冲计算”经历了什么
天猫双十一这十年:从“人肉云计算”到“脉冲计算”经历了什么

2018 年天猫双十一购物狂欢节已正式落下帷幕,最终成交额定格在 2135 亿元,再次刷新历史记录。今年是天猫双十一的第十年,也是 InfoQ 报导双十一大促背后技术力量的第五年。今年天猫双十一背后,又有哪些技术力量的支撑呢?

苏宁11.11:一种基于神经网络的智能商品税分类系统
苏宁 11.11:一种基于神经网络的智能商品税分类系统

本文的思路主要是根据商品名称分词后生成的词向量,基于神经网络学习一个文本分类模型,在此基础上构建一个智能商品税分类系统。

苏宁11.11:苏宁易购订单搜索系统架构及实现
苏宁 11.11:苏宁易购订单搜索系统架构及实现

随着苏宁易购平台规模的飞速发展,平台的订单量呈现指数级的增长,存储容量已达 TB 级,订单量更是到了万亿级别,尤其在双 11 大促流量洪峰的场景下,面临两个挑战。

苏宁11.11:如何基于异步化打造会员任务平台?
苏宁 11.11:如何基于异步化打造会员任务平台?

即将到来的”双十一”流量高峰, 可以预见会使得超过现有的任务系统的 TPS 的峰值, 从而导致任务系统在”双十一”的场景下很容易触碰到性能瓶颈,影响用户体验;因此需要对苏宁任务平台的核心功能做性能优化, 提升实时性复杂业务逻辑场景下的性能, 以便于应对任务平台的流量暴涨以及双十一流量高峰。

架构师双十一特刊:电商大促技术探秘 架构师双十一特刊:电商大促技术探秘
架构师双十一特刊:电商大促技术探秘

今年是 InfoQ 双十一专题内容策划的第四年,读屏时代带来了很多新的挑战,如何将好内容以更好的形式呈现给更多的读者,是我们近来一直在思考的问题。今年我们尝试将技术内容转换为语音并推出了极客时间 APP,思考和创新不会止步于此,希望来年双十一专题能以更棒的内容形式与大家再见面。

京东 11·11:撬动数据中心的支点——京东阿基米德

今年 11.11,京东数据中心操作系统(JDOS)阿基米德已经全面接管了应用资源调度。每日调度百万台容器实例运转,每日为离线计算提供了多达 3000 万核·小时的计算资源,SLA 履约率达到 98.3%。在保证业务的正常运行下,集群的平均资源利用率提升 3 倍。仅在 11.11 备战期间,通过资源调度节省数亿元服务器采购成本。本文对京东阿基米德项目的架构和核心技术进行分享,希望能为业界提供一些参考。

腾讯云 11·11:千亿订单背后的安全“暗战”

每年的电商大促,就像是一次次的系统检阅仪式,接受着来自用户、同行以及老板的审视。而在一次次订单量记录刷新,成交额飙出新高的同时,平台架构也在面临巨大的挑战,如页面打不开、服务不可用、优惠券被薅、网络被攻击、支付延迟等都有可能发生。那么针对这些问题,腾讯云是如何助力其电商客户解决?本文将从海量并发、安全性、用户体验几个方面,深入讲解腾讯云电商平台最佳实践方案。

有赞 11·11:全链路压测方案设计与实施详解

电商大促如何用更少的预算完成指定当前业务规模的流量高峰,是技术的永恒主题。有赞在今年 11.11 之前完成了全链路压测方案,并把它用于大促的扩容和容量验证。虽然是初试牛刀,但该方案在提升+验证集群处理能力方面的确发挥了价值。

蘑菇街 11·11:图像算法在电商大促中的应用浅析

电商平台为用户带来价值的关键是保障商品丰富、价格合理、服务可靠,由此带来的挑战包括:如何提高商品管理的效率,以及如何改善用户体验。在众多的技术和产品方案中,图像算法作为一项重要能力,运用于电商场景中,支持上述业务问题的改善。本文将详细介绍蘑菇街如何结合实际业务场景,玩转图像搜索技术和图像标签技术。

苏宁 11·11:从 0 到 1,苏宁 API 网关的演进之路

丰富的 API 服务,可以让电商、供应商、软件服务商等更好地协作,让业务处理变得高效、便捷。如何从 0 打造一个高性能、高可用的 AIP 服务?苏宁又是如何将其拿来应对大促亿级流量的?这篇文章可以给你启发。

当当 11·11:高可用移动入口与搜索新架构实践

2017 年,当当较为全面地更新了其系统,一年一度的电商大促,正是考验其系统能力的时候。文章从应用限流、链路监控、APM、移动端网关和搜索系统几个模块,为读者分享了当当更新系统所做的点点滴滴。

国美 11·11:大促场景下的国美智能推荐系统演进之路

随着业务场景的展开和大数据的积累,国美的推荐架构和机器学习算法也持续地升级和迭代。本文将详细介绍 2016 年以来,由 11.11 大促驱动的国美个性化推荐系统核心技术的演进历程。

蘑菇街 11·11:在微信小程序做大促,技术如何支撑?

据腾讯旗下的企鹅智酷发布的数据以及腾讯财报公布的数据,微信生态内月活跃用户数据已经超过 9 亿,在获取用户成本日益高涨的情况下,微信内的用户数据无疑是一个巨大的宝库,因此蘑菇街也一直在关注着如何更好地获取微信内的用户流量。今年,蘑菇街在微信小程序内开辟了大促第二战场。想知道蘑菇街如何玩转微信小程序,且看来自 InfoQ 第一时间的细节剖析。

    领域驱动设计用语溯源
    领域驱动设计用语溯源

    潘加宇 | UMLChina 首席专家

    立即下载
    从十到千,响应团队规模的敏捷与 DevOps 实践

    冯斌 | ONES 联合创始人&CTO

    立即下载
    AutoML 在推荐系统排序模型的探索与应用(下)

    张俊林 | 新浪微博 机器学习团队 AI Lab 负责人

    立即下载