已有4人关注此标签
国内云网络首家！阿里云网络产品论文入选世界级顶会SIGCOMM
作者: 阿里云智能-云州
1884人浏览
国内云网络首家！阿里云网络产品论文入选世界级顶会SIGCOMM 5月，阿里云网络的” VTrace: Automatic Diagnostic System for Persistent Packet Loss in Cloud-Scale Overlay Network”论文入选SIGCOMM — 国际通信网络领域的顶尖会议，是国内历年来唯一一篇云网络方向的入选论文，历年入选率只有10%，阿里云网络洛神平台的技术实力得到了全球网络业界的认可。
好程序员大数据培训分享Redis与Kafka的区别
作者: 好程序员
102人浏览
好程序员大数据培训分享Redis与Kafka的区别，Kafka与Redis PUB/SUB之间较大的区别在于Kafka是一个完整的系统，而Redis PUB/SUB只是一个套件(utility)——没有冒犯Redis的意思，毕竟它的主要功能并不是PUB/SUB。
搭建websocket消息推送服务，必须要考虑的几个问题
作者: GoEasy消息推送
116人浏览
近年各行业对websocket的需求越来越大，对websocket的要求也越来越高。从早期对websocket的应用仅限于少部分功能和IM等特殊场景，逐步发展为追求支持高并发，百万、千万级每秒通讯的高可用websocket服务。本文将为你讲解搭建websocket消息推送服务必须要考虑的几个问题。
对于直播源码我们该怎样选择？
作者: 布谷科技
187人浏览
目前直播行业几乎普遍到各个行业中，比如一些比较常见的带货直播，吃播直播，玩乐直播等。不过开发一个新的、定制的直播室APP开发设计费时费力，而且通常企业的源代码都是打包的，所以原始生态开源系统的直播系统源代码是较佳选择。
在SLS中开启时序指标的智能巡检
作者: 悟冥
640人浏览
一、为何还要做时序监控？ 之前写过一系列的文章去介绍系统监控和业务监控的重要性，特别是在云平台环境中。云环境中的指标很多，Linux系统指标就有上百个，这些指标合理的取值很难准确的知道，且跟VM上运行的服务的类型是有很大的关系的，因此指标的多样性和指标之间复杂的关系让用户很难确定，当有任何小问题都会在不同维度的指标中只产生异常的表现，那么我们如何能利用算法的能力，最大限度的提升自动化的能力，让算法帮助我们监控这些指标，并将监控得到的告警通过一类类似”人脑“组件，提供给我们更准确的信息，方便运维人员进行快速发现问题并进行诊断。
【热点】探探的微服务架构
作者: flowerwaiter
395人浏览
最近在很多场合都听到探探这样一款App：云栖大会、微服务案例分享、脱口秀大会等等，老司机们一定知道我在说啥，作为国内版的Tinder，它在系统设计上还是借鉴了许多老大哥的想法。 探探的功能可以简单概述为四个部分：用户配置文件管理、个性化推荐匹配、配对服务和实时消息服务。
【热点】谷歌的数据埋点技术与框架
作者: flowerwaiter
313人浏览
当一个行业中有一家企业开始开发手机应用，就会带动一批企业跟风。就像上汽开始做车享家，带动了长城的哈弗商城、东风的车巴巴等一批自营平台。自四大国有银行做手机App了，各种城商行、农商行、股份银行都开始开发移动端应用。
【热点】Kafka与传统中间件（MQ,ETL,ESB）的比较
作者: flowerwaiter
521人浏览
自从Linkin开源Kafka之后，它似乎成了可以叫嚣所有传统消息中间件产品的行业新宠。事实上他也确实成为了大规模消息、微服务解耦以及可靠轻量流处理的业界标准解决方案。 我们知道在传统企业的数据汇聚层，往往会涉及到四到五种产品或者是开源的框架并且支持高可用和横向扩展。
【视点】混合型事务处理
作者: flowerwaiter
399人浏览
在线事务处理一般可分为在线交易事务处理（OLTP）和在线分析事务处理（OLAP），也有叫联机交易处理和联机分析处理。而混合型事务处理（HTAP）则融合了上述两种事务类型，即一个系统同时很好的满足OLTP和OLAP的需求。
【观察】常用的流式框架（二）-- Spark与Flink
作者: flowerwaiter
415人浏览
Spark由加州大学伯克利分校于2009年开发，第二年开源，2014年成为Apache顶级项目。作为MapReduce的继任者，Spark可以提供高水准API（如RDD--可恢复分布式数据集；Dstream--离散无序的RDD），其社区在2015年就有超过1000名贡献者，知名的用户包括亚马逊、eBay、雅虎、IBM、百度等。
【观察】常用的流式框架（一）-- Storm与Samza
作者: flowerwaiter
403人浏览
相较数据处理的两大阵营，批量处理（Batch）和流式处理（Stream）：批量处理比较经济，且只对全量数据进行处理；但数据延时较大，因为只有跑批之后数据才提供给应用系统。 流式处理延时小，但由于24小时运作，因此不许有宕机时间，并且由于只处理增量数据，所以难免会遗漏部分数据的处理。
