阿里巴巴

以下是应用 Python 封装关键词搜寻阿里巴巴商品列表数据的步骤：应用 requests 库向阿里巴巴搜寻接口发送 HTTP 申请，能够应用 GET 或 POST 办法，申请参数中应蕴含搜寻关键词、每页展现数量、以后页码等信息。解析返回的 response 中的 HTML 页面或 JSON 格局数据，提取须要的商品信息，如商品题目、价格、评估人数等。应用 pandas 库将提取的商品信息保留到数据框中，以不便后续解决和剖析。能够应用 matplotlib 或其余可视化工具展现商品信息的一些统计特色，如价格散布、销售量趋势等。 以下是应用 Python 封装接口获取阿里巴巴商品列表数据的示例代码： alibaba.item_search - 关键词搜寻阿里巴巴商品列表数据  1.申请形式：HTTP  POST GET 2.申请链接：http://c0b.cc/R4rbK23.申请参数（复制Taobaoapi2014): 申请参数：q=shoe&start_price=&end_price=&page=&cat=&discount_only=&sort=&page_size=&seller_info=&nick=&ppath=参数阐明：q:搜寻关键字cat:分类IDstart_price:开始价格end_price:完结价格sort:排序[bid,_bid,bid2,_bid2,_sale,_credit,kc]  (bid:总价,bid2:商品价格,sale:销量,credit信用,加_前缀为从大到小排序)page:4.申请示例，反对高并发（CURL、PHP 、PHPsdk 、Java 、C# 、Python...）

2022年8月24日，淘宝造物节全新亮相！为了摸索下一代互联网沉迷式购物体验，本次造物节除了在线下广交会展馆打造一个两万平⽶全景式的“将来营地”以外，线上首次上线可万人同时在线的虚构互动空间“3D疯狂城-造物节虚构营地”。在3D虚构营地里，用户可能以轻量级的形式体验高清的游戏质感，并以虚构人物形象退出到“3D人货场”的世界，与玩家互动，与3D商品互动，满足新一代生产群体爱玩、爱造的诉求，以翻新的技术带来全新的生产体验。 上面咱们一起看看3D直播虚构营地的体验&技术亮点： 轻量级裸眼3D“实景游戏”已经你喜爱一款3D游戏，客户端下载好几个G，想玩新游戏时却不得不卸载，真是太占内存了！在造物节的虚构营地，你疾速加载出一款裸眼3D、可互动、可直播，甚至还能买买买的高清画面“游戏”，而且你的淘宝App“一点都没变大”，手机加载速度“嗖嗖的”~ 技术亮点：云端老本的挑战传统的在挪动端做3D游戏利用的开发，往往须要在端测集成几十上百 M 的游戏引擎，还须要下载几个G的素材资源，这在淘宝app 内目前是不事实的。采纳云渲染的形式能够很好的解决这一问题，借助云端弱小的GPU实现高清简单的场景渲染，用户无需下载大型的资源文件，也不须要装置任何内容，惟一须要的就是播放实时渲染的媒体流。 但这里带来的最大的问题就是云渲染机器的老本问题。为了升高云渲染机器的老本， 咱们除了在云渲染方面，做好模型减面、dp 合并、贴图优化、升高视频素材分辨率等性能优化策略。还在机器调度上， 联合业务场景做了分时段动静扩缩容策略，最大水平进步机器的利用率。 3D人与3D商品首次在3D虚拟世界相遇已经在“淘宝人生”里穿衣装扮的3D用户，第一次“走”出小家，来到了造物节的直播3D虚构营地。在这里，你能够自在跳动、点燃篝火，还能够查看3D商品，观看卖家直播，与玩家互动交换。3D人、3D商品、3D环境联合在一起，给你沉迷式的微妙营地探险体验。 技术亮点：人货场的搭建与互动人与人的交互。淘宝人生里的3D人物，搁置到3D虚拟世界里来，首先须要肯定的资产转换和渲染老本。用户在营地里跑动，波及到用户地位的实时同步。对于用户实时漫游，咱们采纳帧同步的技术，依照固定频率去更新用户地位信息， 现实状况下，用户是不会感觉到卡顿的， 然而不可避免网络拥塞引起帧间抖动，相邻两次地位同步的工夫超过肯定距离，则会引起跳变。为了补救这种有余， 咱们在人物渲染的时候采纳了静止弥补的算法，简略说就是通过算法模仿让用户地位挪动过渡的更加平滑。同时在互动数据的同步方面，采纳了AOI 网格算法， 解决多人同屏数据同步的问题。 这样，3D人物在虚拟世界里随便跑动都会比拟晦涩顺滑。 人与商品的交互。用户想要在虚构场景下自在查看3D商品的细节并不容易，咱们有两种计划能够抉择：一种是挪动端渲染，一种是云端渲染。挪动端渲染在淘宝内也有绝对成熟的解决方案，遗憾的是挪动端的渲染引擎和云端渲染引擎并不是一套， 所以同一个商品模型并不能通用， 同时还要思考模型动静下载， 减面优化等问题，为了避开这些劣势，咱们还是抉择了云端渲染的计划，通过动静切换相机视角，实时响应用户端的交互指令，以达到旋转、缩放观看3D商品的体验。  1080P分辨率酷炫高清画质已经你在手机App里尝试页面小游戏，糊得如同马赛克，跑跑跳跳还掉帧。造物节全新3D虚构营地，画质高清、成果晦涩，舞台灯光还能动静追踪到身为“明星”的你~ 技术亮点：云端渲染的内容制作与实时传输在云端，咱们采纳空幻引擎做实时画面的渲染， 并且联合动静运镜、动静舞台灯光、人物多视角、粒子成果等技术让画面看起来更加酷炫，用户互动感更强。 为了把高清的画面传输到用户的手机上，咱们须要综合思考画质，卡顿，延时的均衡， 借助大淘宝和阿里云共建的GRTN传输网络，以及自研的编解码算法，能够最大水平保障画质的清晰。 交互式虚构画面不卡顿已经你在淘宝主播直播间，倒数“3、2、1、开抢！”感触到了超低提早秒杀的爽感。但屏幕外的你，却无奈通过交互间接干涉直播间主播的口头。在3D虚构营地的你，一边跳舞一边打招呼，还能够点击商家的3D商品，观看喜爱的主播解说，实实在在做到了“与商家、主播同框交换”。 技术亮点：全链路超低提早不同于互不烦扰的画面传输，在交互式下实现超低提早的晦涩体验，咱们须要在百毫秒内实现用户指令的上行、 实时画面的渲染、并将渲染好的画面返回到用户手机端。首先，这外面要综合思考用户的机器、网络、接入点状况，来动静抉择离用户最近的推流节点，从而调整云端的推流策略（包含清晰度，编码方式的抉择）。其次，在传输过程中，还需采纳实时带宽反馈、FEC 、动静buffer 等弱网控制策略来反抗网络的抖动， 从而使整个链路延时达到正当的地位，最终实现在虚拟世界的交互中，保障晦涩的交互体验。 结语此次造物节3D虚构营地，是淘宝虚构互动空间“3D疯狂城”系列的首次上线尝试。下一步，咱们将会联合云端实时渲染， XR/CG技术实现虚拟化场景定制， 撑持更大规模的用户实时互动，为消费者带来更沉迷式互动体验。

简介： 本文将给大家介绍下 ZooKeeper 的最佳实际场景，归为了 3 类，别离是：微服务畛域，代表的集成产品是 Dubbo/SpringCloud；大数据畛域，代表的集成产品是 Flink/Hbase/Hadoop/Kafka；自研的分布式系统，包含大家本人公司外部的分布式系统，对分布式协调有需要，如分布式锁。作者：草谷 Apache ZooKeeper 在阿里巴巴经验了开源自用、深度优化、反哺社区、开发企业版服务云上客户的演进过程，为了厘清本文脉络，咱们对演进过程中提到的要害名词做以下定义。 Apache ZooKeeper：提供分布式协调服务如分布式锁、分布式队列等，还可用于注册配置核心的能力。TaoKeepeer：基于 ZooKeeper 做了深度革新，于2008年服务于淘宝。MSE：阿里云的一个面向业界支流开源微服务生态的一站式微服务平台。ZooKeeper 企业服务：MSE 的子产品，提供开源加强的云上服务，分为根底版和专业版两种。 ZooKeeper 在阿里巴巴的服务状态演进历程 早在 2008 年，阿里巴巴基于 ZooKeeper 的开源实现和淘宝的电商业务，设计 Taokeeper 这款分布式协调软件，彼时恰逢淘宝启动服务化革新，那时候，也诞生了各类分布式中间件，例如 HSF/ConfigServer/VIPServer 等。 10 年后的 2019 年，阿里巴巴施行全站上云战斗，所有的产品都须要降级到私有云架构，MSE 就是在那个时候诞生的，上线后便兼容了支流的 ZooKeeper 版本。 增加图片正文，不超过 140 字（可选） 编辑 切换为居中增加图片正文，不超过 140 字（可选） 整个过程经验了以下 3 个阶段： 第一个阶段：08 年的 1.0 版本，次要反对团体有分布式协调需要的利用，那时候所有的业务都是混着用，有 1000 多个利用，最终大略手动运维着 150+个共享集群。随着工夫的推移，业务都在做微服务拆分，共享集群的容量爆炸式增长，这样带来的问题就是：业务混部，爆炸半径大，稳定性存在着很大的危险；日常的运维，例如机器置换等，牵一发而动全身，如果配置出问题，影响所有业务。 第二个阶段：为了解决阶段一的问题，咱们将 ZooKeeper 演进到 2.0 版本。那时候耿直容器化刚刚衰亡，在认真钻研过容器化的革新计划后，咱们在性能和运维可能同时满足要求的状况下，进行了大量的革新，业务进行拆分、集群迁徙、按最小稳固单元去运维一个集群，这样咱们终于能够睡个安稳觉了，拆分完后，依靠于 K8s 的规模化运维能力，这些问题都失去了很好的解决，由此实现了独享模式集群、资源隔离，SLA 失去了晋升，能达到 99.9%。 第三个阶段：上云提供公共云服务，也就演进到了 3.0。这个版本重点打造了开源加强，例如，基于 Dragonwell 进行构建、JVM 参数调优、集成了 Prometheus、部署状态多 AZ 强制均匀打散、反对动静配置 、平滑扩缩容等革新，在性能、免运维、可观测、高可用和平安等方面做了诸多晋升，SLA 可能达到 99.95%。 ...

本文开始前，问大家一个问题，你感觉一份业务代码，尤其是互联网业务代码，都有哪些特点？ 我能想到的有这几点： 互联网业务迭代快，工期紧，导致代码构造凌乱，简直没有代码正文和文档。互联网人员变动频繁，很容易接手他人的老我的项目，新人基本没工夫吃透代码构造，紧迫的工期又只能让屎山越堆越大。多人一起开发，每个人的编码习惯不同，工具类代码各用个的，业务命名也常常抵触，影响效率。大部分团队简直没有工夫做代码重构，任由代码腐烂。每当咱们新启动一个代码仓库，都是信念满满，构造整洁。然而工夫越往后，代码就变得糜烂不堪，技术债权越来越宏大。 这种状况有解决方案吗？也是有的： 小组内定期做代码重构，解决技术债权。组内设计欠缺的利用架构，让代码的腐烂来得慢一些。（当然很难做到齐全不腐烂）设计尽量简略，让不同层级的开发都能疾速看懂并上手开发，而不是在一堆简单的没人看懂的代码上堆更多的屎山。而COLA，咱们明天的配角，就是为了提供一个可落地的业务代码构造标准，让你的代码腐烂的尽可能慢一些，让团队的开发效率尽可能快一些。 COLA是什么COLA是由阿里大佬张建飞所提出的一种业务代码架构的最佳实际，并且曾经在阿里云脚手架代码生成器中作为一个可选项，可见其曾经领有了肯定影响力。 COLA 是 Clean Object-Oriented and Layered Architecture的缩写，代表“整洁面向对象分层架构”。 在COLA 4.0，也就是目前最新的版本中，作者将COLA拆分为COLA架构（Archetype）和COLA组件（Components）两个局部： COLA架构：COLA利用的代码模板。COLA组件：提供一些十分有用的通用组件，这些组件能够帮忙咱们晋升研发效率。两者互不烦扰，能够独立应用。 COLA整体架构首先次要谈谈COLA架构，COLA的官网博文中是这么介绍的： 在平时咱们的业务开发中，大部分的零碎都须要： 接管request，响应response；做业务逻辑解决，像校验参数，状态流转，业务计算等等；和内部零碎有联动，像数据库，微服务，搜索引擎等；正是有这样的共性存在，才会有很多普适的架构思维呈现，比方分层架构、六边形架构、洋葱圈架构、整洁架构（Clean Architecture）、DDD架构等等。 这些利用架构思维尽管很好，但咱们很多同学还是“不讲Co德，明确了很多情理，可还是过不好这毕生”。问题就在于不足实际和领导。COLA的意义就在于，他不仅是思维，还提供了可落地的实际。应该是为数不多的利用架构层面的开源软件。 COLA提供了一整套代码架构，拿来即用。 其中蕴含了很多架构设计思维，包含探讨度很高的畛域驱动设计DDD等。 留神：每个人对于架构设计都有着本人的了解。所以对于COLA的架构，本篇文章也仅仅只是我本人对于COLA的浅显了解，大家能够批评对待。 COLA分层架构先来看两张官网介绍图 其次，还有一个官网的表格，介绍了COLA中每个层的命名和含意： 档次包名性能必选Adapter层web解决页面申请的Controller否Adapter层wireless解决无线端的适配否Adapter层wap解决wap端的适配否App层executor解决request，包含command和query是App层consumer解决内部message否App层scheduler解决定时工作否Domain层model畛域模型否Domain层ability畛域能力，包含DomainService否Domain层gateway畛域网关，解耦利器是Infra层gatewayimpl网关实现是Infra层mapperibatis数据库映射否Infra层config配置信息否Client SDKapi服务对外透出的API是Client SDKdto服务对外的DTO是这两张图和一个表格曾经把整个COLA架构的绝大部分内容展示给了大家，然而一下子这么多信息量可能很难消化。 既然整个示例架构我的项目是一个Maven父子构造，那咱们就从父模块一个个好好过一遍。 首先父模块的pom.xml蕴含了如下子模块： <modules> <module>demo-web-client</module> <module>demo-web-adapter</module> <module>demo-web-app</module> <module>demo-web-domain</module> <module>demo-web-infrastructure</module> <module>start</module></modules>start层该模块作为整个利用的启动模块（通常是一个SpringBoot利用），只承当启动我的项目和全局相干配置项的寄存职责。代码目录如下： 将启动独立进去，益处是清晰简洁，也能让新人一眼就看出如何运行我的项目，以及我的项目的一些根底依赖。 adapter层接下来咱们依照之前架构图从上到下的程序，一个个看。 首先是demo-web-adapter模块，这名字是不是很陈腐？但其实，能够了解为平时咱们用的controller层（对于Web利用来说），换汤不换药。 在COLA官网博客中，也能找到如下的形容： Controller这个名字次要是来自于MVC，因为是MVC，所以自带了Web利用的烙印。然而，随着mobile的衰亡，当初很少有利用仅仅只反对Web端，通常的标配是Web，Mobile，WAP三端都要反对。 cilent层有了咱们说的“controller”层，接下来有的小伙伴必定就会想，是不是service层啦。 是，也不是。 传统的Web利用中，齐全能够只有一个service层给controller层调用，然而作为一个业务利用，除非你真的只是个前端页面的有情吐数据机器，否则很大可能性你的利用会有很多其余上下游调用方，并且你须要提供接口给他们。 这时候你给他们的不应该是一个Web接口，应该是RPC调用的服务层接口，至于起因不是本文的重点，具体就不开展了。 所以在COLA中，你的adapter层，调用了client层，client层中就是你服务接口的定义。 从上图中能够看到，client包里有： api文件夹：寄存服务接口定义dto文件夹：寄存传输实体留神，这里只是服务接口定义，而不是服务层的具体实现，所以在adapter层中，调用的其实是client层的接口： @RestControllerpublic class CustomerController { @Autowired private CustomerServiceI customerService; @GetMapping(value = "/customer") public MultiResponse<CustomerDTO> listCustomerByName(@RequestParam(required = false) String name){ CustomerListByNameQry customerListByNameQry = new CustomerListByNameQry(); customerListByNameQry.setName(name); return customerService.listByName(customerListByNameQry); }}而最终接口的具体实现逻辑放到了app层。 ...

简介：阿里巴巴云原生大数据运维平台 SREWorks，积淀了团队近10年通过外部业务锻炼的 SRE 工程实际，明天正式对外开源，秉承“数据化、智能化”运维思维，帮忙运维行业更多的从业者采纳“数智”思维做好高效运维。 作者 | 晟白起源 | 阿里技术公众号 随着行业一直倒退，大数据&AI也逐步出现云原生化的趋势。简单的业务场景及其背地波及到的不同技术方向的开源和自研，使得产品运维面临技术复杂度高、规模大、场景多等挑战。 阿里巴巴云原生大数据运维平台 SREWorks，积淀了团队近10年通过外部业务锻炼的 SRE 工程实际，明天正式对外开源，秉承“数据化、智能化”运维思维，帮忙运维行业更多的从业者采纳“数智”思维做好高效运维。 一 SREWorks 是什么？谷歌在2003年提出了一种岗位叫做 SRE (Site Reliability Engineer，站点可靠性工程师)，它是软件工程师和系统管理员的联合，器重运维人员的开发能力，要求运维日常琐事在50%以内，另外50%精力开发自动化工具缩小人力需要。 SREWorks 作为阿里云大数据SRE团队对SRE理念的工程实际，专一于以利用为核心的一站式“云原生”、“数智化”运维 SaaS 治理套件，提供企业应用&资源管理及运维开发两大外围能力，帮忙企业实现云原生利用&资源的交付运维。 阿里云大数据 SRE 团队人造凑近大数据和AI，对大数据&AI技术十分相熟，且具备随取随用的大数据&AI算力资源，始终致力践行“数据化”、“智能化”的运维理念，行业里的 DataOps（数据化运维）最早由该团队提出。SREWorks 中有一套端到端的 DataOps 闭环工程化实际，包含规范的运维数仓、数据运维平台、经营核心等。 随着云原生时代大趋势的到来，阿里云大数据 SRE 团队将SREWorks运维平台开源，心愿为运维工程师们提供开箱即用的运维平台。 二 SREWorks 有什么劣势？回归到运维畛域的需要，无论下层产品和业务状态怎么变动，运维实质上解决的还是“品质、老本、效率、平安”相干需要。SREWorks 用一个运维 SaaS 利用界面来撑持上述需要，同时以“数智”思维为内核驱动 SaaS 能力，具体包含交付、监测、治理、管制、经营、服务六局部。 1 体系化运维平台分层架构 从“品质、老本、效率、平安”四个维度登程看运维实质相干工作，运维除了要搭平台、建标准、做规范，还要用主动理念晋升效率，用数据驱动测试/开发/运维，用智能伎俩提前发现/预测危险问题等。这些能够看成是方法论。如何能从实践疾速取得一套体系化、工程化、产品化的能力实际，去撑持满足上述四个维度的需要，就是 SREWorks 所思考的问题。 阿里云大数据 SRE 团队利用分层思维构筑了 SREWorks 平台产品体系，借鉴经典 SPI（SaaS/PaaS/IaaS）三层划分思路，SREWorks 由“运维 SaaS 利用场景层、运维 PaaS 中台服务层、运维 IaaS 接入层”三局部形成。 SREWorks 中还融入了运维标准、标准化思维，利用产品承载自动化流程、数据驱动、智能内核的方法论。从代码到线上业务服务的整个过程，运维或多或少地参加了其中一些工作，因而，围绕利用的生命周期，在SaaS场景层划分了“交付、监测、治理、管制、经营、服务”六大区。如下图所示，每块内容里都有代表性的外围性能。 SREWorks 中对立以利用形象来形容业务零碎，在开发人员将研发实现的利用制品交付上线后，就会对线上利用实例生命周期进行监测、治理、管制。SREWorks所领有的运维数据能力会提供增值化的经营、服务，为有须要的人员提供便捷的视图、治理能力等。 ...

作者：仔仁、墨封、光南 序言ASI：Alibaba Serverless infrastructure，阿里巴巴针对云原生利用设计的对立基础设施。ASI 基于阿里云公共云容器服务 ACK之上，撑持团体利用云原生化和云产品的 Serverless 化的基础设施平台。 2021 年天猫双十一，对于 ASI 来说又是难忘的一年，往年咱们又实现了很多“第一次”： 第一次全面对立调度：电商、搜寻、odps 离线和蚂蚁业务全面上 ASI 对立调度架构，整个业务核数达到了惊人的数千万核。第一次将搜寻业务“无感知”平滑迁徙到 ASI：近千万核的业务，业务无感的搬到 ASI（然而咱们却经验了很多个不眠之夜）。ASI 场景的 K8s 单集群规模超过万台节点，数百万核，超过 K8s 社区的 5000 台规模，一直优化大规模集群的性能和稳定性。中间件服务第一次用云产品架构反对团体业务：中间件基于 ASI 公共云架构，将中间件服务平滑迁徙到云上，用云产品架构反对团体业务，实现“三位一体”。ASI 在大规模生产利用的锻炼下，不仅积淀了十分多的 K8s 稳定性运维能力，更是在反对 serverless 场景下孵化了很多创新能力。如果运维过 K8s（特地是运维大规模集群）的同学肯定会有很深的感触：把 K8s 用起来很容易，想要用好 K8s 真心不容易。ASI 在应用 K8s 调度体系架构晚期成长阶段，也经验过屡次血的教训，过程中咱们继续成长、学习和成熟。例如： 一次失常的 Kubernetes 大版本升级流程，在降级 Kubelet 时把一个集群近千台业务 POD 全副重建；一次线上非标操作，将大批量的 vipserver 服务全副删除，幸好中间件有推空爱护，才没有对业务造成灾难性影响；节点证书过期，因为节点自愈组件故障状况误判，并且风控/流控规定判断也有误，导致自愈组件误将一个集群 300+ 节点上的业务全副驱赶；以上列举的各种故障场景，即便是业余 K8s 团队都无奈避雷，如果是对 K8s 理解很少的用户，必定更无奈预防和躲避危险。所以，给所有正在应用 K8s 服务，或者想要用 K8s 服务的用户一个中肯倡议：不要想着本人就能运维好 K8s 集群，外面有多少坑你真的设想不到，业余的人做业余的事，让业余产品和 SRE 团队来实现运维。在这里，我也是强烈建议用户应用阿里云容器服务 ACK，因为咱们在阿里巴巴大规模场景下积淀能力加强、自动化运维和能力都会反哺到 ACK 中，帮忙更好的保护用户的 K8s 集群。 ASI 能运维好这么多宏大 K8s 集群，肯定得有“两把刷子”。明天我会给大家具体介绍 ASI 在为阿里团体构建云原生基础设施，和反对阿里云云产品 Serverless 化方面，咱们的运维体系和稳定性工程能力。 ...

简介：第一期《数智进化论》带你走进阿里园区的“网红”格子间——视频会议吧，理解它是如何晋升办公空间利用率，解决会议室资源供应有余的问题。 会议室是企业员工进行创意、探讨、决策的重要合作场合。传统会议室数量无限、大小绝对固定，理论应用中往往会呈现高频次的小型会议占用大会议室的状况，导致会议室资源利用率低，无奈满足日益增多的会议需要。 与此同时，传统会议室施工革新，施工周期长、革新老本绝对较高，并且难以真正解决会议室资源短缺的痛点。 有没有既不必劳师动众地革新，又能提供会议空间利用率，满足多样化会议需要的方法？ 阿里巴巴企业智能事业部带来了可灵便部署的小型会议空间解决方案——视频会 视频会议吧是一款满足小型私密会议需要、可在室内灵便部署的、可开视频会议的数字化会议空间产品，具备玲珑灵便、舒服好用、隔音成果佳、音视频会议成果清晰、可精准记录空间应用数据等特点。满足线上面试谈判、短平快的沟通需要。 （不同型号的视频会议吧，实用于不同办公场景） 目前在阿里巴巴数十个园区，双人版与四人版视频会议吧已投入使用。据数据统计，视频会议吧在工作期间的使用率放弃在90%左右，单位工夫内视频会议吧散会次数相当于一般会议室散会次数的3.8倍，无效解决会议室有余等难题。 上面就来一起看看，这个“其貌不扬”的小小格子间为什么如此受欢迎。 隔音超30分贝 静享会空间 在凋谢的办公场合中，营造宁静的办公空间，防止被环境乐音所烦扰，可无效进步员工办公效率。视频会议吧的舱室内采纳宽频响应物料非凡处理工艺，排汇40%面积的沉闷反射声，隔音成果超30分贝，给高频次的小型会议带来舒服的静音环境。 每分钟1次换气 让空间更舒畅 关闭窄小的空间，对舒适度的要求较高，温度、CO浓度中的任何一项没有做好，也会影响大家对于会议吧的使用率，通过一系列的试验测试和迭代优化后，找到了最佳的空气舒适度调节计划，空间外部换气频次可达到1分钟/次，这种环境下的体验舒适性更高，同学们也更违心在这样的空间里高效沟通合作。 如需长期拉一个音视频会议，不仅须要多款硬件和软件的连贯配合，还须要在不同的会议室进行布局，如果呈现问题也很难锁定是哪个环节，最终导致会议不能顺利进行。 视频会议吧集麦克风、投屏、扬声器于一体，内置4K高清摄像，通过会控终端的简略操作即可开启音视频会议，让同学们实现疾速进入会议议程中，远端搭档也能尽在眼前。同时辞别企业员工的差旅奔走，缩小差旅老本的收入。 为了保障视频会议吧的使用率，实现空间数字化的经营和治理。通过红外感应及算法优化，能够精确地判断出视频会议吧是否在应用中，并将信息实时更新显示在会议吧的条形显示屏，同时同步线上会议室预约零碎，让更多的同学能够及时发现处于闲暇状态的会议吧并能马上利用起来。 对于企业来说，视频会议吧最大的特点还在于其本身的“模块化”设计，可依据企业现有办公空间条件，灵便部署在各个地位，不会过多占据办公空间，又能无效缓解会议室供给有余的问题。 并且模块化意味着组装灵便、运输不便。最快一天即可实现一台视频会议吧的装置。同时视频会议吧主体构造采纳航空级铝合金和玻璃，应用的95%资料可循环利用。 视频会议吧满足会议、办公、洽谈、休闲等多个办公场景应用，作为阿里巴巴企业智能对数字化空间一次尝试，解开传统空间程式化的“镣铐”，用更舒服、更智能、更高效的会空间扭转办公形式。 《数智进化论》是阿里巴巴企业智能全新推出的栏目，在这里咱们将分享阿里巴巴对于企业数字化经营与治理的产品实际、解决方案及前沿技术。欢送大家交换探讨，推动企业数智化转型。 原文链接本文为阿里云原创内容，未经容许不得转载。

简介： 数字化转型是信息技术与产业的联合。须要转型的不仅仅是各个传统的产业，也蕴含信息产业自身，如互联网公司。DevOps 是数字化转型的重要组成部分，DevOps 的体系和实际也必须服务于数字化转型的需要，这是互联网和传统产业公司的独特挑战和使命。 编者按：本文源自阿里云云效团队出品的《阿里巴巴DevOps实际指南》或返回：https://developer.aliyun.com/topic/devops，下载完整版电子书，理解阿里十年DevOps实践经验。 数字化时代，技术已成为产业倒退的外围，技术的交付速度和品质，间接关系业务的倒退和翻新。大部分企业在布局数字化转型策略时，都会把 DevOps 作为重要一环。 DevOps 的施行必须服务于数字化转型的指标。在施行 DevOps 时，咱们首先要了解数字化转型对它的冀望和要求。 数字化转型：从信息化到数字化数字化正在深刻扭转各个产业。就影响的广度和深度，毫无疑问数字化是一次技术反动。 《技术反动与金融资本》一书回顾了工业革命以来的 5 次技术反动的历程，总结了其中的共性。每一次技术反动大抵都能够分为三个期间：导入期、转折期和开展期。数字化反动也是如此： 导入期（1971-2000）：信息化阶段，互联网从无到有数字化反动的导入期开始于 1971 年。 第一台集体计算机和第一个微处理器都诞生在 1971 年。而此前，1969 年 ARPANET 诞生，成为起初互联网的原型；1968 年 NATO 第一次软件工程会议，标记着软件工程诞生。 微处理器、PC、互联网、软件工程，数字化的根底技术元素就绪。其后 30 年是数字化反动的导入期，互联网从无到有，让寰球范畴内信息获取、流传和解决都有了若干数量级的进步。 转折期（2000-2016）：基础设施就绪，技术和治理范式筹备技术改革不可能欲速不达，它须要基础设施的全面降级，以及行业认知的深层次转变。而这往往会让技术改革遭逢高潮， 2000 年的互联网泡沫，标记着数字化反动进入了转折期。 转折期影响的是业务倒退，但技术倒退自身并没停滞。这期间包含云、大数据、AI 和 IoT 等大力发展，奠定了数字化的基础设施。数字化理念也一直深入，并开始在各个行业收获。 明天业界公认转折期曾经完结。对中国 2016 是一个标志性的年份，那一年中国的互联网网民超过 7 亿，互联网人口首次过半，再也不可能翻番了。信息产业不可能再单纯依附互联网人口红利来维持增长。数字反动必须向纵深倒退，与各个产业联合。 开展期（2016-至今）：数字化阶段，互联网从有到“无”明天，数字化反动正处于其开展期，它的要害标记是：数字化转型成为各个产业共识。人们关怀的不是要不要数字化，而是数字化如何与具体的产业联合。 2016 年是中国产业数字化转型的元年，正如马云在 2016 乌镇的互联网大会上所说，过来 30 年互联网从无到有，将来 30 年互联网从有到“无”，这里的无指的是无处不在，互联网产业和传统产业的界线正在隐没。 总结数字化反动曾经走过的历程，咱们正在从信息化向数字化转变。信息化和数字化有什么不同？ 信息化面向的是信息及互联网产业，包含企业内的信息部门。它关注的对象是信息，解决信息互联互通的问题。它最终目标是晋升信息获取、存储、解决和传递的效率。就这一指标而言，信息化做得十分杰出。 数字化面向的是全社会的所有产业，关注的对象是具体的业务，深刻具体的业务流程；解决的问题是如何精准、实时地响应用户需要。而最终目标是，同时实现最佳的客户体验，和最高的经营效率。 如上图所示，绝对信息化，数字化的要求要高许多——广度更广、深度更深、问题更简单、而指标也更高。这对 IT 技术当然也提出了更高的要求。 从信息化到数字化，DevOps 必须以反对业务麻利为指标数字化改革的后果也必须体现在业务上。数字化要做的是赋能业务，带来用户体验和运作效率的同步晋升。 在规模化生产时代，体验（尤其是个性化的体验）与经营效率原本就是一对矛盾。咱们以就义个性化需要体验为代价，带来规模化和标准化的效率。 数字化将有机会为彻底化解体验和效率的矛盾，精准和实时的响应多样化的用户需要，同时还要进步组织的运作效率，实现最佳体验和最高效率的对立。咱们把这样的能力称为业务麻利。 业务麻利要求组织全方位的转变，比方构建产业的全量、多维度和实时的数据采集和解决体系；建设合乎数字化时代快速反应的组织构造等；实现线上和线下业务的的交融；IT 交付、运行能力的降级等。 数字化转型，是一个零碎的改革，DevOps 是数字化转型的一个重要组成部分。数字化时代，更多的业务翻新和倒退，通过数字化技术能力落地。IT 技术交付和运行的效率，成为决定数字化转型成败的要害，而DevOps 要解决的问题正在于此。 ...

背景在很多行业，比方商品采集、登载、数据分析行业都须要用到相干的商品接口，然而官网个别又没有凋谢这些接口，怎么办？ 解决方案js逆向爬虫倒是很简略，然而基本扛不住大量调用，不稳固，目前支流的计划都是逆向APP获取数据，然而这个不是个别人又能力去做的，加上淘系变动频繁，防爬越来越严，技术难度和老本也越来越大，不倡议尝试。没有能力的也能够找第三方api提供商 参考示例{ "code": 200, "msg": "success", "data": { "item_id": 650280103038, "title": "多功能硅胶洗碗刷不易沾油抹布 双面硅胶清洁刷 厨房刷锅洗碗家用", "category_id": "1039274", "root_category_id": "201547901", "currency": "CNY", "product_props": [ { "name": "产品类别", "value": "锅碟碗刷" }, { "name": "是否进口", "value": "否" }, { "name": "品牌", "value": "其余" }, { "name": "货号", "value": "硅胶洗碗刷" }, { "name": "材质", "value": "其余" }, { "name": "产地", "value": "浙江" }, { "name": "贸易属性", "value": "内贸" }, { "name": "包装", "value": "OPP袋" }, { "name": "价格段", "value": "5元以内" }, { "name": "产品上市工夫", "value": "2014年夏" }, { "name": "专利", "value": "否" }, { "name": "只数", "value": "1" }, { "name": "是否跨境进口专供货源", "value": "否" }, { "name": "编码", "value": "HUYOU49" } ], "main_imgs": [ "https://cbu01.alicdn.com/img/ibank/O1CN01rF21CX2BYoEdRjHaS_!!2211376138351-0-cib.jpg", "https://cbu01.alicdn.com/img/ibank/O1CN01A40OHp2BYoEeboHqi_!!2211376138351-0-cib.jpg", "https://cbu01.alicdn.com/img/ibank/O1CN01fqu23R2BYoEbohtfk_!!2211376138351-0-cib.jpg", "https://cbu01.alicdn.com/img/ibank/O1CN01CGGHzo2BYoET7fmpI_!!2211376138351-0-cib.jpg", "https://cbu01.alicdn.com/img/ibank/O1CN01HB4DSL2BYoEh2Canb_!!2211376138351-0-cib.jpg" ], "video_url": "", "sale_count": "5969", "shop_info": { "shop_name": "义乌市域风电子商务商行", "seller_id": null }, "sku_price_scale": "￥1.00", "sku_price_scale_original": "￥3.00", "sku_price_range": { "begin_num": null, "stock": "49771", "sku_param": { "skuPriceType": "rangePrice", "skuRangePrices": [ { "beginAmount": "3", "price": "1.00", "startAmount": "3" } ] } }, "sku_props": [], "skus": [ { "skuid": "0", "sale_price": "1.00", "stock": "49771", "props_ids": "", "props_names": "" } ] }}

一、前言5G到来后用户的网络速度逐步进步，同时用户对直播提早等播放体验的要求也越来越高，在此背景下，优酷技术团队联合业内支流的直播技术架构提出了两种基于HLS（HTTP Live Streaming）的低提早直播计划（Low Latency HLS），并且正式利用到了优酷直播业务。 业内以后支流直播低延时计划优缺点比照如下： 1、RTMP（Real-Time Messaging Protocol） 长处： 1）专门为流媒体开发的协定，对FLASH的反对较好； 2）提早较低，个别在1-3秒； 毛病： 1）基于TCP（Transmission Control Protocol）传输，应用非公共端口（1935），可能会被防火墙拦挡； 2）RTMP是Adobe的公有协定，有些设施无奈间接播放，可能须要借助于第三方模块； 2、HTTP-FLV（Hypertext Transfer Protocol- Flash Video） 长处： 1）基于80端口，能够比拟好的穿透防火墙； 2）可通过302跳转灵便调度和负载平衡； 3）反对HTTPS（HyperText Transfer Protocol Secure）加密传输，并可兼容多端； 毛病： 1）因为它的传输个性，会让流媒体资源缓存在本地客户端，在保密性方面不够好； 2）切换清晰度须要切换播放器实例，所以无奈实现平滑切换，切换的过程中可能呈现画面断层（画面停在某一帧、黑屏加载等），在网络抖动显著的状况下体验会更差； 3、HLS（HTTP Live Streaming） 长处： 1）支流平台对HLS的反对水平比拟高，利用范畴较广； 2）基于80端口，可防止防火墙拦挡； 3）反对平滑切换清晰度； 4）CDN对协定的反对比拟好； 毛病： 1）提早较高，个别在10秒以上； 2）间接通过减小GOP（Group of pictures）的形式升高延时时容易减少码率； 4、RTP（Real-time Transport Protocol） 长处： 1）实时性较好，个别提早在1秒以内； 2）基于UDP（User Datagram Protocol），传输效率较高； 毛病： 1）罕用于视频会议等，拓展性个别。PGC（Professionally-generated Content）、OGC（Occupationally-generated Content）直播利用较少； 2）对高码率的反对较差，个别为了流畅性会就义码率； 通过比拟上述直播计划的优缺点，能够看出HLS协定最适宜直播场景。海内厂商对HLS的认可度也很高，苹果也始终在大力推广基于传统HLS的低提早直播计划，因而，优酷技术团队抉择了LHLS计划。 二、为什么会有提早想搞清提早的前因后果，须要剖析HLS的文件构造： 简略来说，HLS蕴含两局部，m3u8文件（playlist）和承载具体媒体内容 的文件（ts、cmaf、fmp4等），客户端依据m3u8的批示下载媒体内容并定时刷新m3u8文件取得最新内容列表。 以下是一个蕴含多种码率的master playlist（如果没有多个码率，这个m3u8 playlist能够没有）： 以下是其中一个playlist的m3u8内容（如果只有一个码率，能够只提供这个m3u8）： 以上呈现的tag形容如下，还有很多tag，具体能够参考RFC： ...

原文转载自「刘悦的技术博客」https://v3u.cn/a_id_198 最近的事件大家都知道了，公元2021年7月27日，阿里P7高管涉嫌团结客户对其女性上司进行不法人身侵害，28日受害人报警，随后8月2日受害人向其下级各个主管顺次反馈，均无后果。公元2021年8月8日凌晨，阿里首席执行官逍遥子(张勇)在阿里内网发帖进行回应，六字以敝之：震惊、愤慨、惭愧。 十天，整整十天之后，阿里高层才对此事予以器重，请诸位设想一下，一个弱女子，在蒙受上级领导不法侵害之后，在下级主管的狐群狗党，官官相护，不作为之后。整整十天，她经验了怎么的失望和苦楚？ 切实是伤心惨目，尤非生人所忍闻也，阿里诸位高管既要做官，又要讨钱，而特地又要以“阿里巴巴”之身份标榜其清廉不苟之态度。令人作呕！ 作为已经的阿里人，切实是甚叹世风之腐化，人心之卑污，与之绝对，更感其受益女生之不可得矣。 严复学生在《救亡决论》中阐述道，“华风之弊，八字尽之。始于作伪，终于无耻。”这八字，说得刺耳，却也切中时弊，今时今日，阿里外部高管无不始于作伪，终于无耻，却又有何颜面谈价值观，谈输入？ 曾几何时，阿里作为国内技术当先的“大厂”，是有数年轻人为之向往的“圣地”，而当初，所谓“大厂”、所谓“圣地”，却是腥臊恶臭，藏污纳垢之所；无耻卑劣，狗苟蝇营之地！ 对于受益女生，我想说的是，生存是冷酷的，社会是残暴的，然而二者都给与勇气和乐观作为他们冷酷的弥补，否则就没有人能保持的住了，勇气和乐观，它们好像是生存的首要任务，你以前素来没有失去过这些任务，那么当初，也不应该失去。 怯懦，或者说的更精确一些，无所畏惧，那是锤炼的后果，任何人要是自称素来不知畏惧，那是扯谎，不然，她就是傻瓜，然而通过一个有信心的口头，她就不会思考哪些造成畏惧的理由，从而集中全副精力博得胜利。 这位怯懦的女生，她不会，也不应该是一个人在战斗，当初须要有人站进去，和她站在一起，浴血奋战、顽强拼搏，并且踏上一条惨无人道的自我牺牲之路，作为前阿里人，工号114089，谨代表所有无产阶级劳动人民，现严斥阿里团体： 1、通报具体的受害者上报流程，每个阶段的负责人以及他们的尽职状况。 2、目前的反馈、监管流程，为什么会在此次事件中生效。 3、必须制订新的反非法侵害标准，以及如何监管。 4、对于阿里当初低俗文化的反思和解决方案。 对于阿里首席执行官逍遥子学生，我想说的是，学生可曾晓得人世上并没有这样一道矮墙，骑着而又两脚踏地，左右稳当，所以即便结结巴巴，也还是将本人的魂灵枭首通衢，挂出了原想极力瞒哄的丑态。丑态，我倒说还没有什么丢人，丑态还蒙着公正的皮，那才叫人作呕！ 所有凶恶的阿里人，所有的年轻人，从你们的眼中，我看到了同样占据我心田的恐怖，兴许有一天咱们会丢失勇气，土崩瓦解，各自为战。但不是明天！或者有一刻咱们会向资本抬头，摈弃良心，出卖人格， 但绝不是明天! 明天，咱们要团结！咱们要奋战！为了这片美妙土地上咱们所领有和珍视的所有。 最初，以一首诗作为本文的结尾，将其送给所有将要和行将踏入社会的年老人们，请置信，这个世界是美妙的，值得咱们为之奋斗： 号血千秋壮国光，几同马革裹疆场，从今纔识书生价，胜却峨冠坐庙堂！原文转载自「刘悦的技术博客」 https://v3u.cn/a_id_198

简介： 过来一年，阿里巴巴在 Service Mesh 的摸索路线上仍旧扎实前行，这种动摇并非只因深信 Service Mesh 将来肯定是云计算根底技术的要害组成部分，还因须要借这一技术趋势去偿还过来所积攒下来的技术债（“技术债”并非贬义词，是技术倒退的固有产物），基于当下的技术思潮和最佳实际面向未来做出技术的新价值和新体验。 作者 | 李云（至简）起源 | 阿里巴巴云原生公众号 过来一年，阿里巴巴在 Service Mesh 的摸索路线上仍旧扎实前行，这种动摇并非只因深信 Service Mesh 将来肯定是云计算根底技术的要害组成部分，还因须要借这一技术趋势去偿还过来所积攒下来的技术债（“技术债”并非贬义词，是技术倒退的固有产物），基于当下的技术思潮和最佳实际面向未来做出技术的新价值和新体验。 每当咱们深刻摸索和实际一项新技术时，大多情景下会步入一段“无聊”期间，期间每天面对的并非技术之新如何诠释，而是如何先解决好技术债所带来的羁绊，以及求实地给业务发明新价值和新体验，通过携手业务共赢的形式推动新技术落地。本文总结了过来一年 Service Mesh 在阿里巴巴的建设成绩和播种的洞察。 兑现增量业务价值是倒退之本Serivce Mesh 作为一种平台型的新根底技术，倒退过程中肯定回避不了兑现（增量）价值这个关键问题。从技术的角度，很容易了解将框架思维下 SDK 中的易变内容下沉到 Service Mesh 中的 Sidecar 后，将促成中间件技术以业务无感的模式疾速演进和降级，以平台化和体系化的思维代替过来“山头林立”的框架思维去进一步摸索分布式应用构架问题的更优解，背地的价值并不容易被挑战。 从业务的角度，驳回新技术的要害是能解决当下的什么痛点、是否带来机器老本的显著升高、是否让稳定性有显著的晋升、运维和研发效率有否变得更高，这些收益被总称为业务价值——业务视角下所看到的收益。倒退 Service Mesh 很重要的一点是必须回归兑现（增量）业务价值，围绕一直兑现业务价值去欠缺新技术，否则很难继续拿到阶段性的成绩。对于从事 Service Mesh 这类新技术建设的团队来说，继续播种阶段性成绩对于维持团队士气致关重要，建设者会因为业务价值足够而能领会到“被须要”的感觉，进一步强化对本人工作价值的认可。 过来一年，咱们经验了从“先做大规模落再兑现业务价值”到“先兑现业务价值再做大规模”的倒退策略调整。在做大规模为先的阶段，落地 Service Mesh 被挑战的次要问题有三个：其一，增量业务价值有余，只是将 Java SDK 中已有的能力挪进了 Service Mesh；其二，资源开销不可漠视；其三，技术成熟度不够，没能让人看到工具化落地的问题定位与排错伎俩。当的确不能答复好这三个问题时，推动 Service Mesh 在外围利用上的大规模落地就变得十分艰难，即使有公司层面由上至下的助推也收效甚微。最终，不得不将倒退策略调整为兑现价值为先。 在兑现价值的路线上，恰好某些业务团队也从一开始挑战下面三个问题变成了积极思考如何借 Service Mesh 化这次机会让所在事业部的业务流量治理能力做一次重大降级。思路的转变很快让业务团队锚定了业务痛点，与 Service Mesh 共创出了新的解决方案，最终两个团队的单干关系从甲乙方变成了你中有我、我中有你的战友关系，大家一起抱团共赢。 回顾过去一年的经验，能失去的启发是： 无论什么新技术，先做出增量业务价值能力更好地落地推广。再先进的技术在没有兑现增量价值之前都只是个愿景，但愿景并不那么容易让人买单，技术落地仍然要尊重市场规律。此外，新技术的成熟须要工夫这是自然规律，技术成熟的过程中如果没有兑现增量业务价值，则没有业务甘心只成为纯正的小白鼠。根底技术的倒退不能只依附根底技术团队的力量，业务团队以踊跃的心态参加寻求解决业务痛点将成为强劲的新技术“催熟剂”。根底技术团队并没有业务体感，而业务团队的全情投入就能很好地补救这一短板，两者联结所造成的化学反应就能带来共赢的场面，单干关系也将升华至“战友级”。根底技术团队须要特地器重与业务团队单干，防止步入闭门造车的境况。 无侵入计划是要害伎俩但并非终态 在技术进化的过程中，咱们心愿尽可能做到兑现价值之时业务没有任何的革新老本，这一点能很好地了解为何 Istio 推出至今采纳了 iptables 做流量劫持。阿里巴巴在摸索的过程中深知无侵入计划的价值，早在外部落地时采纳的也是无侵入计划，过来一年更进了一步让无侵入计划反对流量透传性能。 ...

简介： 随着微服务的风行，利用更加轻量和高效，然而带来的窘境是线上问题排查越来越简单艰难。传统的 Java 排查问题，须要重启利用再进行调试，然而重启利用之后现场会失落，问题难以复现。起源 | 阿里巴巴云原生公众号 Arthas Star 冲破 2.5 万啦1.png 开源地址：_h_ttps://github.com/alibaba/arthas文档：https://arthas.aliyun.com/doc/随着微服务的风行，利用更加轻量和高效，然而带来的窘境是线上问题排查越来越简单艰难。传统的 Java 排查问题，须要重启利用再进行调试，然而重启利用之后现场会失落，问题难以复现。 因而自 2018 年 9 月，阿里巴巴开源了久经考验，深受开发者青睐的利用诊断利器 Arthas。 Arthas 通过翻新的字节码织入技术，能够在利用无需重启时，查看调用上下文，高效排查问题；联合火焰图，能够间接定位热点，发现性能瓶颈；通过字节码替换，实现在线热更新代码；同时反对黑屏化和白屏化诊断，能够连贯诊断大规模的集群。 在 2020 年 5 月时，咱们做了 Arthas Star 破 2 万的回顾： 精益求精 | 开源利用诊断利器 Arthas GitHub Star 冲破两万冬去春又来，转眼间一年过来了，Arthas 的 Star 数冲破 2.5 万了～ 上面来回顾 Arthas 去年的一些数据和工作。 Arthas 过来一年的数据 Arthas Github Star 数冲破 2.5W2.pngArthas Github Contributors 数Arthas 的开源贡献者人数从 85 增长到 119，非常感谢他们的工作：3.png Arthas 注销公司数从 117 增长到 151 家过来一年，Arthas 在工商银行、中原银行、朴朴科技、贝壳找房、斗鱼等生产场景落地，欢送更多用户注销：https://github.com/alibaba/ar...工商银行打造在线诊断平台的摸索与实际 Arthas 在线教程学习人次：133,996，学习时长：51798小时人均体验时长 23 分钟以上。4.png ...

简介： 有着两个校区的合肥师范学院从属试验小学，目前共有2541名学生和146名老师。多校区治理，意味着须要应答师生、家长的泛滥需要，对于校园治理和后勤服务的要求十分高。面对这样的校情，该校校长彭正认为开启校园“智慧治理”迫不及待，借力“宜搭”不懂代码的他们构建了“智慧校园生态圈”。 “智慧校园”建设着眼于将来校园IT布局，无论是教学、科研，还是决策、治理，都能够将业务在线化，更加人性化地服务于全体师生家长，建设真正意义的“智慧校园生态圈”。但在构建智慧校园时，学校也会面临着教育行业用户数量宏大、局校互联、家校协同等难点。 阿里巴巴自研的云钉低代码利用构建平台-钉钉宜搭推出的宜搭教育版，即是针对性解决校园智慧建设的难点，帮忙学校传疾速搭建各类场景下的教育利用，为智慧校园建设降本提效。 学校事务多，治理扩散 图注：合肥师范学院从属试验小学 有着两个校区的合肥师范学院从属试验小学，目前共有2541名学生和146名老师。多校区治理，意味着须要应答师生、家长的泛滥需要，对于校园治理和后勤服务的要求十分高。 过来，依靠于纸质表格的治理流程，校方、老师在日常事务中，须要付出大量的工夫和精力。让该校信息学科老师贾婷婷印象粗浅的是，老师们每学期要手写填写超过100页的老师手册，而面对近150本老师手册一一进行查看汇总上报，也是行政管理人员沉甸甸的累赘。 图注：该校传统的纸质版手册 面对这样的校情，该校校长彭正认为开启校园“智慧治理”迫不及待。往年2月初，彭正着手启动合肥师范学院从属试验小学的智慧校园建设工作。 宜搭助力智慧校园建设2021年1月钉钉发布会上，钉钉推出了低代码利用开发平台宜搭，提出面向超过1700万企业组织、4亿用户，凋谢低代码（0代码）开发的能力。 其中，针对教育局和学校场景的宜搭教育版，可用于搭建教育局外部、机关与学校之间的各类业务协同场景，正可利用在智慧校园建设中，引起了校长彭正的分外关注。 在合肥，彭正校长能够说是“智慧校园”建设的领跑者。早前，他在负责合肥市芙蓉小学校长时，就对智慧校园建设开始了长达5年的摸索。 这期间，他发现许多相干利用体验简单、开发成本和学习老本昂扬，只得把智慧校园的各个场景扩散在不同的平台和产品上实现，而这些平台、产品非常不稳固，无奈满足智慧校园治理的长期需要。 彭正十分看重钉钉宜搭的技术实力和疾速响应的服务能力，他理解到，宜搭教育版基于云钉一体化的理念，非软件专业人士都能够通过可视化拖拽的形式、一键公布到PC和手机端，简便、高效地实现各类业务场景的数字化。 因而，不懂代码的他信心尝试用宜搭教育版来构建心目中现实的智慧校园。 履新后，彭正率领合师院附小的信息化建设团队，仅用4天工夫搭建了囊括师生、家长、行政管理人员、第三方服务企业在内的钉钉组织架构。除了宜搭教育版提供的原生利用之外，彭正率领团队人员在1个月里陆续开发了50多个智慧校园利用。过来携带厚厚手册的老师们，很快感触到了“无纸一身轻”的便当。在宜搭教育版的助力下，学校通过数据处理剖析，实现了对教学、科研、治理服务的智能化降级。 当初，老师们在钉钉上就能实现老师档案、期初打算、教研听课、公开课开设、教研流动、业务学习、学生问题、试卷剖析、参赛和培训申请、家访记录、期末总结、班主任手册、延聘专家、调代课、销假等等一系列信息记录、流程审批工作。 图注：无纸化“老师手册”替换过来厚厚的纸质手册 此外，以前须要通过纸质表格层层审批核定，波及财务手续的洽购申请、物品领用、报销、报修等工作，当初统统汇总在钉钉上实现。 图注：后勤服务功能模块 同样在钉钉上，家长们能即时取得孩子的到校信息，与老师便捷沟通，还能间接交付午餐费等代收费到学校账户，让孩子和班主任们都省去了经手钱款带来的麻烦。“咱们的流程核查、数据汇总、上报都变得更加便当了。”贾婷婷示意，权责清晰、痛点缩小，是学校建设智慧校园带来的实实在在的益处。同时，扩散在不同平台的利用，都能在宜搭教育版平台上整合。彭正感叹：“十分不便，处理事务不必再关上满屏的利用。” 过来，许多细分需要在第三方平台的开发成本昂扬，但在宜搭教育版，学校还能依据本身的理念和指标，设置个性化的利用场景。比方师生用餐这个性能，除了为师生展现每周菜谱，还面向师生凋谢“午餐问题”的用餐反馈渠道。 图注：每周菜谱上传模块 图注：午餐问题用餐反馈渠道 这些利用串联起了老师、学生、家长的需要，让师生治理、后勤服务都能流畅运行起来，“就像血脉，买通了主脉和支脉，就能够失常呼吸”，彭正示意，在使用方便、运行高效之外，数据买通也让合师院附小“智慧校园”建设有了更多的自由发挥空间。下一步，他还将通过宜搭教育版持续摸索学生行规一体化评估零碎。 便捷建设如何实现？秉承了钉钉的服务响应速度，宜搭教育版的学习老本也大幅降落。刚开始，学校用几个小时甚至数十个小时能力搭建一个利用，后续通过宜搭团队和钉钉工作人员的继续赋能，工夫降到了1个小时、30分钟，直至最初，学校最快实现了10分钟搭建一个利用的速度。 宜搭作为低代码利用开发平台，通过在线化、智能化的形式，实现对业务的全生命周期治理。借助宜搭高度配置化的表单能力，建设了集体之间、零碎之间、数据之间的连贯，整合了扩散的治理资源。宜搭弱小的接口能力为零碎预留了接入其余智能化提效工具的入口，让企业和机构能够疾速搭建出符合实际业务需要的个性化利用，通过数字化转型获取新的增长能源、进步管理效率。 为了冲破教育行业数字化治理的困局，宜搭教育版实现了低成本满足共性需要、连贯各个系统并在线经营、适应云+互联网技术倒退等指标，可能更好地帮忙学校打造网络协同、数据智能的将来教育组织。 宜搭教育版与合师院附小独特摸索的智慧校园之路，整合了校园治理资源、畅通了基于教学、后勤的业务流程，让个性化业务高效上云，并通过钉钉便捷地连贯所有端口，全流程通过低代码形式落地，打造了便捷建设智慧校园的标杆。 “赋予不同的角色不同的权限，依照咱们设定好的规章制度高效、便捷治理。”彭正十分期待通过宜搭，助力合师院附小打造当地品牌名校的过程。原文链接本文为阿里云原创内容，未经容许不得转载。

SegmentFault 思否音讯，今日，中国国家市场监管总局依法对阿里巴巴团体控股有限公司在中国境内网络批发平台服务市场施行"二选一"垄断行为作出行政处罚，并处以罚金182.28亿元人民币。 这是我国对于垄断商业行为有史以来最为严格的处罚，超过了2015年对美国高通公司垄断行为处以的9.75亿美元（63.9亿人民币）罚款。 阿里巴巴回应称：对国家市场监管总局的处罚决定恳切承受，坚定遵从。阿里团体将强化依法经营，进一步增强合规体系。 事件通过2020年12月，市场监管总局根据《反垄断法》对阿里巴巴团体控股有限公司（以下简称阿里巴巴团体）在中国境内网络批发平台服务市场滥用市场摆布位置行为立案考察。 经查，阿里巴巴团体在中国境内网络批发平台服务市场具备摆布位置。自2015年以来，阿里巴巴团体滥用该市场摆布位置，对平台内商家提出“二选一”要求，禁止平台内商家在其余竞争性平台开店或加入促销流动，并借助市场力量、平台规定和数据、算法等技术手段，采取多种奖惩措施保障“二选一”要求执行，维持、加强本身市场力量，获取不正当竞争劣势。 考察表明，阿里巴巴团体施行“二选一”行为排除、限度了中国境内网络批发平台服务市场的竞争，障碍了商品服务和资源因素自在流通，影响了平台经济翻新倒退，侵害了平台内商家的合法权益，侵害了消费者利益，形成《反垄断法》第十七条第一款第（四）项禁止“没有正当理由，限定交易绝对人只能与其进行交易”的滥用市场摆布位置行为。 依据《反垄断法》第四十七条、第四十九条规定，综合思考阿里巴巴团体违法行为的性质、水平和持续时间等因素，2021年4月10日，市场监管总局依法作出行政处罚决定，责令阿里巴巴团体进行违法行为，并处以其2019年中国境内销售额4557.12亿元4%的罚款，计182.28亿元。 同时，依照《行政处罚法》保持处罚与教育相结合的准则，向阿里巴巴团体收回《行政指导书》，要求其围绕严格落实平台企业主体责任、增强内控合规治理、保护公平竞争、爱护平台内商家和消费者合法权益等方面进行全面整改，并间断三年向市场监管总局提交自查合规报告。 阿里巴巴的回应阿里巴巴发声明回应被处罚182.28亿元称，对国家市场监管总局的处罚决定恳切承受，坚定遵从。阿里团体将强化依法经营，进一步增强合规体系。 《市场监管总局依法对阿里巴巴团体控股有限公司在中国境内网络批发平台服务市场施行"二选一"垄断行为作出行政处罚》http://www.samr.gov.cn/xw/zj/...

简介： 近日阿里巴巴开源了其云原生容器镜像减速技术，其推出的overlaybd镜像格局，相比于传统的分层tar包文件格式，实现了基于网络的按需读取，从而使得容器能够疾速启动。 近日阿里巴巴开源了其云原生容器镜像减速技术（https://github.com/alibaba/accelerated-container-image），其推出的overlaybd镜像格局，相比于传统的分层tar包文件格式，实现了基于网络的按需读取，从而使得容器能够疾速启动。 该技术计划本来是阿里云外部DADI我的项目的一部分， DADI是Data Accelerator for Disaggregated Infrastructure的缩写，旨在为计算存储拆散架构提供各种可能的数据拜访减速技术。镜像减速是DADI架构在容器及云原生畛域的一次突破性尝试，该技术自2019年投产以来，已在线上部署了大量机器，累计启动容器次数超过10亿，反对了阿里巴巴团体及阿里云的多个业务线，极大进步了利用的公布和扩容效率。2020年，团队在国内顶级会议发表了论文 "DADI: Block-Level Image Service for Agile and Elastic Application Deployment. USENIX ATC'20"[[1]](https://www.usenix.org/confer... 背景简介随着Kubernetes和云原生的大暴发，容器在企业外部的大规模利用曾经越来越宽泛。部署启动快是容器的外围劣势之一，这个启动快是指本地镜像实例化的工夫十分短，即“热启动”工夫短。然而对于“冷启动”，即在本地无镜像的状况下，须要先从Registry下载镜像能力创立容器。业务的镜像通过长期保护和更新，无论是镜像层数还是整体大小都会达到一个较大的量级，比方可能达到数百MB或者几个GB。因而生产环境中，容器的冷启动往往耗时数分钟，并且随规模扩大会导致Registry因集群内网络拥挤而无奈疾速地下载镜像。 例如，在之前某年的双十一流动中，阿里外部一个利用因为容量有余触发紧急扩容，但因并发量过大，整体扩容耗时较长，这期间对局部用户的应用体验造成了影响。而到了2019年，随着DADI的部署上线，新镜像格局的容器在“镜像拉取+容器启动”上消耗的总工夫比一般容器缩短了5倍，且p99长尾工夫更是比后者快了17倍。 如何解决存储在远端的镜像数据，这是解决容器冷启动慢这个问题的外围点。历史上业界对这一问题做出的尝试有：应用块存储或者NAS保留容器镜像，实现按需读取；应用基于网络的散发技术（如p2p），将镜像从多个源头下载、或者提前预热到主机上，避免出现网络单点瓶颈。近年来，针对新镜像格局的探讨也逐步被提上议题，依据Harter等人的钻研[[2]](https://www.usenix.org/confer... Read技术的镜像，曾经成为默认的潮流风向。Google提出的stargz[[3]](https://github.com/containerd... tar.gz，顾名思义，能够有选择地从存档中搜查并提取特定的文件，无需扫描或者解压整个镜像。stargz旨在进步镜像拉取的性能，其提早拉取技术（lazy-pull）不会拉取整个镜像文件，实现了按需读取。为了进一步提高运行时效率，stargz又推出了一个containerd的snapshotter插件，在存储层面对I/O做了进一步优化。 在容器的生命周期中，镜像就绪后须要挂载（mount），而分层镜像挂载的核心技术便是overlayfs，它以一种重叠的模式将上层的多个layer文件合并，并向上暴露出一个对立的只读文件系统。类比上文提到的块存储和NAS，个别能够通过快照的模式进行分层重叠，而跟stargz绑定的CRFS，也能够看做是overlayfs的另一种实现。 新镜像格局DADI没有间接应用overlayfs，或者说，它只是借鉴了overlayfs和晚期联结文件系统（union filesystem）的思维，但提出了一种全新的基于块设施的分层重叠技术，称之为overlaybd，它为容器镜像提供了一系列基于块的合并数据视图。overlaybd的实现非常简略，因而很多之前想做而不能做的事都能够成为事实；而实现一个齐全POSIX兼容的文件系统接口则充斥挑战，并可能存在bug，这点从各个支流文件系统的倒退历史上就能够看出。 除了简略以外，overlaybd比照overlayfs的其余长处有： 防止多层镜像导致的性能降落，如overlayfs模式下大文件的更新会触发跨层援用复制，零碎必须先将文件复制到可写层；或者创立硬链接速度很慢等问题能够不便地采集block级别的I/O模式，进行录制以及重放，从而预取数据，进一步减速启动用户的文件系统和宿主机OS能够灵便抉择，如反对Windows NTFS能够应用无效的编解码器进行在线解压缩能够下沉到云中的分布式存储（如EBS）中，镜像系统盘能够跟数据盘应用同一套存储计划overlaybd具备人造的可写层反对（RW），只读挂载甚至能够成为历史overlaybd原理为了了解overlaybd的原理，首先须要理解容器镜像的分层机制。容器镜像由多个增量layer文件组成，在应用时进行叠加，这样在镜像散发时只须要对layer文件进行散发。每一层本质上都是与上一层的差别（包含文件的增加，批改或删除）的压缩包。容器引擎能够通过其storage driver，依照约定的形式将差别叠加起来，而后以Read-Only的模式挂载到指定目录，该目录即称为lower_dir；而以Read/Write模式挂载的可写层，挂载目录则个别称为upper_dir。 请留神，overlaybd自身没有文件的概念，它只是将镜像形象为虚构块设施，并在其上装载惯例的文件系统。当用户利用读取数据时，该读取申请首先由惯例的文件系统解决，将申请转换为虚构块设施的一次或屡次读取。这些读取申请会被转发到用户态的接管程序，即overlaybd的运行时载体，最初转换为对一个或多个layer的随机读取。 与传统镜像一样，overlaybd在外部依然保留着layer分层的构造，但每层的内容都是文件系统变更差别对应的一系列data block。overlaybd向上提供了一个合并视图，对layer的叠加规定很简略，即对于任意一个data block，总是应用最初的变更，在layer中未产生变更的块均视为全零块；向下又提供了将一系列data block导出成一个layer文件的性能，该文件高密度非稠密、且可索引。因而，对块设施某个间断LBA范畴进行读操作，可能蕴含了本来属于多层的小块数据段，咱们将这些小块数据段称为segment。从segment的属性中找到层号，便可能持续映射到对这层的layer文件的读取上来。传统的容器镜像能够将它的layer文件保留在Registry或者对象存储上，那么overlaybd镜像天然也能够。 为了更好的兼容性，overlaybd在layer文件的最外层，包装了一层tar文件的头和尾，这样伪装成一个tar文件。因为 tar外部仅一个文件，不影响按需读取。目前无论是docker、containerd或者buildkit，对镜像的下载或上传默认都有untar和tar的流程，不侵入代码是无奈超越的，所以减少tar假装有利于兼容性和流程的对立，例如在镜像转换、构建、或者全量下载应用时，都无需批改代码，只需提供插件即可。 整体架构 DADI整体架构如图，以下别离介绍各个组件 containerd snapshottercontainerd自1.4版起，开始初步反对一些启动近程镜像的性能，并且k8s曾经明确将放弃Docker作为运行时的反对。所以DADI开源版本抉择优先反对containerd生态，之后再反对Docker。 snapshotter的外围性能是实现形象的服务接口，用于容器rootfs的挂载和卸载等操作。它的设计代替了在Docker 晚期版本称之为graphdriver的模块，使得存储驱动更加简化，同时兼容了块设施快照与overlayfs。 DADI提供的overlaybd-snapshotter一方面能让容器引擎反对新的overlaybd格局的镜像，行将虚构块设施挂载到对应的目录，另一方面也兼容传统OCI tar格局镜像，让用户持续以overlayfs运行一般容器。 iSCSI targetiSCSI是一种被广泛支持的近程块设施协定，稳固成熟性能高，遇到故障可复原。overlaybd模块作为iSCSI协定的后端存储，即便程序意外crash，从新拉起即可复原。而基于文件系统的镜像减速计划，例如stargz，则无奈复原。 iSCSI target是overlaybd的运行时载体。在本我的项目中，咱们实现了两种target模块：第一种是基于开源我的项目tgt[[4]](http://stgt.sourceforge.net/)... store机制，能够将代码编译成动态链接库以便运行时加载；第二种是基于Linux内核的LIO SCSI target（又称为TCMU）[[5]](https://developer.aliyun.com/... ZFileZFile是咱们提供的一种反对在线解压的数据压缩格局。它将源文件按固定大小的block size切分，各数据块进行独自压缩，同时保护一个jump table，记录了各数据块在ZFile中的物理偏移地位。如需从ZFile中读数据，只有查找索引找到对应地位，并仅解压缩相干的data block即可。 ZFile反对各种无效的压缩算法，包含lz4，zstd等，它解压速度极快，开销低，能够无效节俭存储空间和数据传输量。试验数据表明，按需解压近程的ZFile数据，性能高于加载非压缩数据，这是因为传输节俭的工夫，大于解压的额定开销。 overlaybd反对将layer文件导出成ZFile格局。 cache正如上文所说，layer文件保留在Registry上，容器对块设施的读I/O会映射到对Registry的申请上（这里利用到了Registry对HTTP Partial Content的反对）。然而因为cache机制的存在，这种情景不会始终存在。cache会在容器启动后的一段时间后主动开始下载layer文件，并长久化到本地文件系统。如果cache命中，则读I/O就不会再发给Registry，而是读本地。 行业当先3月25日，权威咨询机构Forrester公布2021年第一季度FaaS平台（Function-As-A-Service Platforms）评估报告，阿里云凭借产品能力寰球第一的劣势怀才不遇，在八个评测维度中拿到最高分，成为比肩亚马逊AWS的寰球FaaS领导者。这也是首次有国内科技公司进入FaaS领导者象限。 家喻户晓，容器是FaaS平台的承载根底，而容器启动速度更是决定了整个平台的性能与响应提早。DADI助力阿里云函数计算产品，大幅度缩短容器启动工夫50%~80%[[6]](http://linux-iscsi.org)，带来... 总结瞻望阿里巴巴开源的DADI容器减速我的项目以及其推出的overlaybd镜像格局，有助于应答新时代下容器对疾速启动的需要。项目组将来将协同社区一起，放慢对接支流工具链，积极参与新镜像格局规范制订，指标是让overlaybd成为OCI近程镜像格局的规范之一。 ...

作者 | 侯志起源|阿里巴巴云原生公众号 看一看日历这个不同寻常的 2020 年，马上就要完结了。这一年，有幸参加阿里巴巴组织 ASoC 流动，有一段让我难忘的不平庸经验。这一年，却已能够称为是国内开源实习倒退历程中不平庸的一年。 参加的起因初心Beginner's mind 唯有守得住初心，能力日益精进。   我先来说说 Seata 这个我的项目的 idea 是怎么来的。始终就有参加开源我的项目的打算，一个事物的衰亡必然或大或小引发肯定的问题，微服务就是这样，分布式事务概念泛化的同时，也带来了一个技术问题，微服务架构下分布式数据一致性该如何保障？这几年涌现出不少分布式事务框架，比方 ByteTCC、TCC-transaction、EasyTransaction 以及最近很火爆的 Seata。想要破解邪恶，就必须靠近它，甚至成为它。我是去年 8 月份从 GitHub 开始关注 Seata 我的项目的，初步相熟后，我感觉它的设计理念十分好，并对它产生了浓重的趣味，那个时候就萌生了我要成为这个我的项目的贡献者。偶尔的机会看到 Seata issue，发现了 ASoC 这个流动。 参加的过程有期待，更美妙Expect better 在参加流动之前我就先从官网文档开始理解过 Seata ，并依据本人的理解，做了一些简略的梳理。看 Seata 源码，持续深入研究，更多的是关注于 SqlParser 模块，在这个过程中，我发现 SqlParser 模块是用 Druid 实现，（Druid 不过多介绍），且 Seata 对于 SqlParser 局部解析性能受限于 Druid，为了不便用户应用，Seata 更加灵便应用数据库语言解析, 有必要扩大一种新的 SqlParser 计划。因为之前有理解过 Antlr，感觉其更加灵便、拓展性更强、档次清晰更易保护。例如 Hive 和 Spark 应用 Antlr 生成词法语法解析器，Twitter 应用 Antlr 来解析用户输出的查问内容，Oracle 把 Antlr 的性能内嵌在 SQL 开发 IDE 中，NetBeans IDE 应用 Antlr 解析 C ++ 语言，也有公司应用 Antlr 来从文件中抽取信息等等... ...

起源|阿里巴巴云原生公众号 复制链接到浏览器实现下载或分享：https://developer.aliyun.com/topic/download?id=1055 11 月 11 日零点零分 26 秒，天猫 双11 的订单创立峰值就达到 58.3 万笔/秒，阿里云又一次扛住寰球最大规模流量洪峰。与此前不同的是，继去年天猫 双11 外围零碎上云后，阿里巴巴基于数字原生商业操作系统，实现了全面云原生化，底层技术升级带来了磅礴能源和极致效力。 现在，企业上云曾经成为一种必然趋势。与此同时，作为诞生于云计算时代的新技术理念，云原生让企业用云的形式产生着从“上云”到“云上”的转化。速度下载《云原生大规模利用落地指南》，从技术体系降级、到技术能力冲破、再到双11云原生实际，看最全面的阿里巴巴 双11 云原生技术实践经验。 独家下载《云原生大规模利用落地指南》 《云原生大规模利用落地指南》一书目录 举荐嘉宾寄语 “2020 年 双11 的主题是「云原生」，是在「云上」实现外围零碎全面云原生化的的第一年。咱们看到，云的定义在一直变动，它成为了商业畛域数字化的底座和根底，不再单指传统云计算了，而是将将来的方向指向云原生。某种程度上，恰好是因为云原生，咱们能力从过来的解放中解放出来。不迈出这一步，咱们的综合能力很维迎来下一次冲破。” “云原生让企业用云的形式产生着从‘上云’到‘云上’的转化。通过云原生，企业能够最大化应用云的能力，聚焦于本身业务倒退，开发者也能够基于云原生的技术和产品，晋升开发效率，并将精力更多地聚焦于业务逻辑的实现。云原生正在成为新基建落地的重要抓手。只有提前拥抱基础设施，才不会被时代淘汰。” “云原生曾经成为云计算的再降级，通过重塑整个软件生命周期，成为开释云价值的最短门路，减速企业数字化翻新。咱们将往年在阿里巴巴 双11 外围零碎全面云原生化过程中积攒的教训积淀成为这本电子书，心愿帮忙更多企业和研发人员去更好地做新技术的尝试、迭代和落地。” 精彩领先看阿里云原生中间件首次实现自研、开源、商用“三位一体”，技术飞轮效应浮现阿里云在摸索中始终存在的苦恼，是外部的自研体系、商业化的产品技术与开源的我的项目，三方的技术路线始终没有机会融为一体。然而，就在往年阿里云提出了“三位一体”理念，行将“自研技术”、“开源我的项目”、“商业产品”造成对立的技术体系，最大化技术的价值。>>点击查看更多 以 Kubernetes 为代表的容器技术，已成为云计算的新界面能够说，以 Kubernetes 为代表的容器技术正成为云计算新界面。容器提供了利用散发和交付规范，将利用与底层运行环境进行解耦。Kubernetes 作为资源调度和编排的规范，屏蔽底层架构差异性，帮忙利用平滑运行在不同基础设施上。CNCF Kubernetes 的一致性认证，进一步确保不同云厂商 Kubernetes 实现的兼容性，这也让更多的企业违心采纳容器技术来构建云时代的利用基础设施。>>点击查看更多 Serverless 如何落地？揭秘阿里外围业务大规模落地实现2020 年，新冠肺炎疫情催化数字化生存形式渐成常态。在企业踊跃进行数字化转型、全面晋升效率的明天，简直无人否定背负“降本增效”使命诞生的 Serverless 行将成为云时代新的计算范式。>>点击查看更多 更多精彩内容，下载电子书即可取得。

作者 | 孙健波（天元）起源|阿里巴巴云原生公众号 上个月，KubeVela 正式公布了， 作为一款简略易用且高度可扩大的利用治理平台与外围引擎，能够说是宽广平台工程师用来构建本人的云原生 PaaS 的神兵利器。 那么本文就以一个理论的例子，解说一下如何在 20 分钟内，为你基于 KubeVela 的 PaaS “上线“一个新能力。 在正式开始本文档的教程之前，请确保你本地曾经正确装置了 KubeVela 及其依赖的 K8s 环境。 KubeVela 扩大的根本构造KubeVela 的根本架构如图所示： 简略来说，KubeVela 通过增加 Workload Type 和 Trait 来为用户扩大能力，平台的服务提供方通过 Definition 文件注册和扩大，向上通过 Appfile 透出扩大的性能。官网文档中也别离给出了根本的编写流程，其中 2 个是 Workload 的扩大例子，一个是 Trait 的扩大例子： OpenFaaS 为例的 Workload Type 扩大云资源 RDS 为例的 Workload Type 扩大KubeWatch 为例的 Trait 扩大咱们以一个内置的 WorkloadDefinition 为例来介绍一下 Definition 文件的根本构造： apiVersion: core.oam.dev/v1alpha2kind: WorkloadDefinitionmetadata: name: webservice annotations: definition.oam.dev/description: "`Webservice` is a workload type to describe long-running, scalable, containerized services that have a stable network endpoint to receive external network traffic from customers. If workload type is skipped for any service defined in Appfile, it will be defaulted to `Web Service` type."spec: definitionRef: name: deployments.apps extension: template: | output: { apiVersion: "apps/v1" kind: "Deployment" spec: { selector: matchLabels: { "app.oam.dev/component": context.name } template: { metadata: labels: { "app.oam.dev/component": context.name } spec: { containers: [{ name: context.name image: parameter.image if parameter["cmd"] != _|_ { command: parameter.cmd } if parameter["env"] != _|_ { env: parameter.env } if context["config"] != _|_ { env: context.config } ports: [{ containerPort: parameter.port }] if parameter["cpu"] != _|_ { resources: { limits: cpu: parameter.cpu requests: cpu: parameter.cpu }} }] }}} } parameter: { // +usage=Which image would you like to use for your service // +short=i image: string // +usage=Commands to run in the container cmd?: [...string] // +usage=Which port do you want customer traffic sent to // +short=p port: *80 | int // +usage=Define arguments by using environment variables env?: [...{ // +usage=Environment variable name name: string // +usage=The value of the environment variable value?: string // +usage=Specifies a source the value of this var should come from valueFrom?: { // +usage=Selects a key of a secret in the pod's namespace secretKeyRef: { // +usage=The name of the secret in the pod's namespace to select from name: string // +usage=The key of the secret to select from. Must be a valid secret key key: string } } }] // +usage=Number of CPU units for the service, like `0.5` (0.5 CPU core), `1` (1 CPU core) cpu?: string }乍一看挺长的，如同很简单，然而不要焦急，其实细看之下它分为两局部： ...

作者 | 孙健波（天元）起源|阿里巴巴云原生公众号 上个月，KubeVela 正式公布了， 作为一款简略易用且高度可扩大的利用治理平台与外围引擎，能够说是宽广平台工程师用来构建本人的云原生 PaaS 的神兵利器。 那么本文就以一个理论的例子，解说一下如何在 20 分钟内，为你基于 KubeVela 的 PaaS “上线“一个新能力。 在正式开始本文档的教程之前，请确保你本地曾经正确装置了 KubeVela 及其依赖的 K8s 环境。 KubeVela 扩大的根本构造KubeVela 的根本架构如图所示： 简略来说，KubeVela 通过增加 Workload Type 和 Trait 来为用户扩大能力，平台的服务提供方通过 Definition 文件注册和扩大，向上通过 Appfile 透出扩大的性能。官网文档中也别离给出了根本的编写流程，其中 2 个是 Workload 的扩大例子，一个是 Trait 的扩大例子： OpenFaaS 为例的 Workload Type 扩大云资源 RDS 为例的 Workload Type 扩大KubeWatch 为例的 Trait 扩大咱们以一个内置的 WorkloadDefinition 为例来介绍一下 Definition 文件的根本构造： apiVersion: core.oam.dev/v1alpha2kind: WorkloadDefinitionmetadata: name: webservice annotations: definition.oam.dev/description: "`Webservice` is a workload type to describe long-running, scalable, containerized services that have a stable network endpoint to receive external network traffic from customers. If workload type is skipped for any service defined in Appfile, it will be defaulted to `Web Service` type."spec: definitionRef: name: deployments.apps extension: template: | output: { apiVersion: "apps/v1" kind: "Deployment" spec: { selector: matchLabels: { "app.oam.dev/component": context.name } template: { metadata: labels: { "app.oam.dev/component": context.name } spec: { containers: [{ name: context.name image: parameter.image if parameter["cmd"] != _|_ { command: parameter.cmd } if parameter["env"] != _|_ { env: parameter.env } if context["config"] != _|_ { env: context.config } ports: [{ containerPort: parameter.port }] if parameter["cpu"] != _|_ { resources: { limits: cpu: parameter.cpu requests: cpu: parameter.cpu }} }] }}} } parameter: { // +usage=Which image would you like to use for your service // +short=i image: string // +usage=Commands to run in the container cmd?: [...string] // +usage=Which port do you want customer traffic sent to // +short=p port: *80 | int // +usage=Define arguments by using environment variables env?: [...{ // +usage=Environment variable name name: string // +usage=The value of the environment variable value?: string // +usage=Specifies a source the value of this var should come from valueFrom?: { // +usage=Selects a key of a secret in the pod's namespace secretKeyRef: { // +usage=The name of the secret in the pod's namespace to select from name: string // +usage=The key of the secret to select from. Must be a valid secret key key: string } } }] // +usage=Number of CPU units for the service, like `0.5` (0.5 CPU core), `1` (1 CPU core) cpu?: string }乍一看挺长的，如同很简单，然而不要焦急，其实细看之下它分为两局部： ...

作者 | 黄涛、汪萌海起源|阿里巴巴云原生公众号 作为更进一步的云计算状态，云原生正在成为云时代的技术新规范，通过重塑整个软件生命周期，成为开释云价值的最短门路。 在企业外部，将云原生基础架构作为企业外部的对立架构已成为大势所趋。与此同时，也必然带来了由各种根底平台整合带来的兼容性问题，特地是规模越大、历史积淀越多的企业，这种“技术债权”体现得越显著。 本文分享的教训来自于阿里巴巴过来数年来在混合调度方面积攒的生产实践积攒，具备很强的生产实用价值。内容由浅入门，逐步深刻到调度器底细，讲述在大规模容器调度场景下，阿里巴巴针对云原生利用设计的对立基础设施 ASI（Alibaba Serverless infrastructure）调度器如何治理阿里巴巴如此简单、忙碌的资源调度工作；并尝试通过一些具体的案例让您得以充沛了解，置信会为有相似问题的读者关上设计思路，并提供落地借鉴。通过本文，置信您将系统地了解阿里巴巴简单工作场景下的资源混合调度。 调度器总览ASI 在阿里团体外部引领着容器全面上云的施行，承当了包含阿里团体外部轻量级容器架构演进、运维体系云原生化等职责，并进一步减速促成了新兴的技术包含 Mesh、Serverless、Faas 等在阿里团体内的落地；撑持了包含淘宝、天猫、优酷、高德、饿了么、UC、考拉等简直所有经济体外部业务、阿里云云产品泛滥场景及生态。 ASI 的外围基于 Kubernetes，并提供残缺的云原生技术栈反对。现在的 ASI 也已胜利实现与阿里云容器服务 ACK（Alibaba Cloud Container Service for Kubernetes）的会师；而 ACK 既保留了云上的各种能力，也能胜利应答阿里团体简单的业务环境。 ASI 调度器是 ASI 云原生的外围组件之一。在 ASI 云原生的倒退历程中，调度器的作用至关重要。最直观的认知是：阿里巴巴规模宏大的在线电商交易容器，例如购物车、订单、淘宝详情等，每一台容器的散布，包含容器编排、单机计算资源、内存资源，均由调度器调配和调度；特地是在 双11 零点峰值场景下，多数容器编排谬误都有可能给业务带来致命影响，调度器需负责把控峰值时每一台容器计算的品质，其重要性可想而知。 ASI 调度器起源于 2015 年在线电商交易容器调度，这一年最早的调度器仅涵盖在线交易 T4（阿里晚期基于LXC和Linux Kernel定制的容器技术）和 Alidocker 场景，出世即责任重大，并在 2015 年扛住 双11 流量峰值中发挥作用。 ASI 调度器的演进之路也随同着云原生倒退的全过程。它经验了最晚期的在线交易容器调度器、Sigma 调度器、Cerebulum 调度器、ASI 调度器；到现在咱们正在建设的下一代调度器 Unified-Scheduler，它将进一步排汇并交融过来数年阿里巴巴 ODPS（伏羲）、Hippo 搜寻、在线调度在各个领域的先进经验。各阶段的调度解读如下图： 在 ASI 调度器的演进过程中有十分多的挑战须要解决，次要体现在： 调度器调度的工作品种丰盛多样，有海量的在线长生命周期容器和 POD 实例、Batch 工作、泛滥状态的 BestEffort 工作等不同 SLO 等级的工作；有计算型、存储型、网络型、异构型等泛滥不同资源类型的工作，不同工作的诉求和场景又千差万别。调度之上的宿主资源各异。调度治理着阿里团体外部数量宏大的宿主资源，包含泛滥机型的存量非云物理机、云上神龙、ECS、异构机型如 GPU/FPGA 等。调度器服务场景宽泛。例如：最典型的泛交易场景；最简单的中间件场景；Faas/Serverless/Mesh/Job 等泛滥新兴计算场景；饿了么、考拉、神马等新兴生态场景；公共云上随同着多租平安隔离的调度诉求；还有寰球范畴内都十分具备挑战性的 ODPS（伏羲）、Hippo、蚂蚁、ASI 对立调度场景。在基础设施层的职责泛滥。调度器局部承当着基础设施机型定义、计算存储网络资源整合、收敛硬件状态、透明化基础设施等泛滥职责。对于阿里云原生具体的倒退历程，有趣味的同学能够通过《一个扭转世界的“箱子”》这篇文章来理解。上面，咱们重点来分享 ASI 调度器是如何治理着阿里如此宏大规模、如此简单忙碌的计算资源调度工作。 ...

自往年 6 月以来，印度针对中国企业的限度行动层出不穷，公布了对 TikTok、微信、微博等一系列中国利用的禁令。依据印度政府周二公布的一项命令，印度再禁了 43 种利用，其中少数来自中国。 据理解，这次被禁的程序中包含阿里卖家、寰球速卖通等。截至目前，被印度政府禁止的中国利用总数曾经达到了 220 个。印度电子和信息技术部称：“禁止这些利用是因为这些程序有损于印度的主权和残缺，扰乱了印度的国家平安和公共秩序。” 6 月 30 日，印度政府发表禁止 59 个中国应用程序，其中包含 TikTok、UC 浏览器、微博、微信等支流利用。随后，又在 9 月份将禁令扩充到了 118 个应用程序，百度、支付宝等被列入其中。 随着印度政府周二颁发的新一轮禁令，被禁止的中国利用总数曾经达到了 220 个。被阻止拜访的挪动应用程序包含阿里卖家（AliSuppliers）、千牛工作台（Alibaba Workbench）、寰球速卖通（AliExpress）和Alipay Cashier等。 以下为本轮禁令中蕴含的所有应用程序：

你想要的是一款不限速、不打搅、够平安、易于合作的网盘？这些需要都会被满足，但这样还不够，咱们要让你的每一次应用都充斥惊喜和愉悦。近几年，网盘大战逐步消停，一家又一家网盘发表进行服务，现在国内网盘服务根本只剩某度网盘一家独大了。并且某度网盘因为限速、擅自开启激励打算等问题也始终饱受诟病。然而某度网盘后期依附大容量大空间，积攒了大量的资源与用户，也使得咱们当初也不得不持续应用某度网盘。 在这种情况下，阿里巴巴发表推出 Teambition 网盘让我眼前一亮。 它所宣传的这四大劣势也正是咱们所须要的。关注了良久，最终终于在SegmentFault专场招募中取得了内测资格，并取得了金色徽章。 废话不多说了，咱们间接进入正题吧。 应用感触1.不限速上传和下载根本没啥问题，根本可能跑满带宽。 2.洁净从他这网盘界面来说，还是十分洁净简洁的，没有广告没有弹窗，更没有“超级会员高价抢”的链接。 3.平安在它的平安设置中能够开启两步验证，能够大大提高账户的安全性。此外，Teambition 网盘采纳与天猫双11雷同技术架构，确保用户的信息相对平安。 4.不便我分享链接给他人，他人免登录间接下载。//TODO因为近几日分享性能保护，等保护完结后补图 视频预览能够依据鼠标地位进行抓取缩略图，十分不便。除视频外，还反对pdf、ppt等几十种文件格式的在线实时预览。 值得一提的是，在登录界面和设置界面都有服务器切换的按钮，能够不便国内外人士可能稳固的应用服务。 5.容量大Teambition 网盘为用户提供了2T的存储空间，直逼某度网盘。 谈谈有余Teambition 网盘属于企业向，偏差于工作，临时没有离线下载、主动同步、主动备份等性能的布局，我感觉缺失这一些性能兴许会劝退局部用户。此外，客户端的话，目前挪动端是MVP版本（最简化可履行产品版本），临时不反对文件上传，文件下载也是调用内部浏览器，综合体验不如web端好。不过好消息是，程序员小哥哥正在快马加鞭正式版Teambition 网盘客户端呢，大家刮目相待吧。 此外，错过SegmentFault专场招募的仍然能够通过公测预约哦！预约链接：阿里巴巴旗下 Teambition 网盘公测预约表

上传/下载被限速，充值会员套路满满，你还在为近程文件共享而苦恼吗？ 有没有一款不限速、不打搅、够平安、易于合作的网盘？ 据悉，自阿里 Teambition 网盘横空出世以来，已收到海量用户内测申请，全网爆火。 想提前体验不限速？SegmentFault 思否联结阿里 Teambition 团队，推出网盘试用与评测流动。 SegmentFault 思否作为开发者独家合作伙伴，社区用户享有领先内测机会！ 全网爆火的 Teambition 网盘，500个限量内测名额，赶快申请吧！ 流动工夫申请工夫：即日起 -10.10发放工夫：2020.10.11，符合条件的开发者将通过邮件收到内测码 报名条件SegmentFault 思否社区的开发者在 Teambition 网盘官网填写过内测申请表的优先日常工作常常应用网盘类产品的优先Bug 容忍度高，违心提产品倡议的优先喜爱在社区/社交媒体分享产品体验的优先流动流程第一步：点击 “内测申请”，报名并提交内测申请第二步：期待信息筛选，2020.10.11 将陆续发送内测码邮件第三步：通过内测邀请邮件中的二维码扫描退出社群，与产品研发团队交换试用体验 第四步：取得内测资格后，同时能够参加有奖测评征文，欢送在 SegmentFault 社区分享你的测评感触

阿里巴巴团体董事会主席兼首席执行官张勇在2020年度阿里巴巴寰球投资者大会上示意，数字化是微小的历史倒退时机，阿里巴巴在其中正处于最佳地位。在内需、云计算大数据和全球化三大增长引擎中，蕴含着将来三到五年内11大策略时机。 张勇说，中国的生产力量是阿里巴巴向前倒退的根本能源和保障。截至6月底，阿里巴巴团体和蚂蚁团体年度中国用户数量为10.7亿，这使阿里巴巴能够更好地组织供应和商业翻新，满足人们当初和将来的需要。阿里巴巴的云是被从新定义的云，技术和商业的联合将为企业、行业、产业发明实实在在的价值，这是数十年一遇的时机。同时，阿里巴巴也置信寰球消费者生存在独特的数字化环境之中，对全球化的方向坚韧不拔。 围绕这三大畛域，11个策略时机至关重要： 进一步倒退数字用户；不断扩大用户在阿里巴巴数字经济体内的消费品类，减少生产总额；利用对消费者的洞察，不断扩大新供应，进而进行供应侧革新；利用数字技术对线上/线下零售业态进行数字化翻新或者革新；将支付宝从数字领取进口（digital check out）降级为数字生存入口（digital check in）；阿里巴巴商业操作系统帮忙消费品企业实现端到端数字化经营；物流全产业链的因素数字化及智能化经营；所有企业都要上云，代替原有IT基础设施；企业全面走向云上协同办公；在批发、金融、公共服务、交通、医疗等若干行业造成云+大数据+智能利用；阿里数字生态走向寰球市场。 “咱们始终说‘天马行空，好高鹜远’，咱们有很多畅想，路就在咱们脚下。”张勇说，“咱们肯定会保持一贯的传统，把一个一个十年、二十年的幻想，通过十年、二十年甚至更长时间的致力变成事实。” 疫情给世界造成了空前的挑战，也为企业、市场、社区之间的单干和倒退带来了新的思考。张勇一贯是数字化动摇的倡导者。他再次强调，数字化是不确定性中最大的确定性，正在粗浅扭转人们生存、工作、学习和企业经营的形式。而使命、能力、翻新和组织，是阿里巴巴把握这一时代时机的信念所在。 现在数字化是“让天下没有难做的生意”的标准答案，阿里巴巴踊跃帮忙各行各业拥抱数字化是使命驱动的必然。同时，包含数字商业、金融科技、智慧物流、地理信息、云计算在内的数字化基础设施，是阿里巴巴担当数字经济时代的引领者的保障。继续翻新是阿里巴巴的DNA，为此，阿里巴巴既能保持为将来孵化，也能放弃高质量经营。阿里巴巴数字经济体独特的文化和价值观，则是抓住机遇的根本保障。这让不同背景、性情、专长的阿里人走到一起产生化学反应，不仅跑得快，而且走得好。张勇说：“咱们思考所有策略时机的出发点和归宿，都是如何更好地去践行咱们的使命，服务好咱们的客户，通过翻新带来全新的客户价值。这一点依然会贯通在咱们抓住历史时机的将来征程当中。”

作者：郭一璞 对撞派 出品 | 公众号 ai7gua 2003年8月，杭州。 席卷全国的非典疫情，刚开始趋于平稳，一位三年跳槽五次的会计专科生，正急匆匆返回曾被全员隔离的阿里巴巴。 有个神秘新部门的面试行将开始。而且是这个小伙子始终幻想的程序员岗。 赶到约定地点后，他发现居然真是一座小区，而且保安还不让进，于是只好西装革履地跑了3公里路，找到一部固定电话尝试分割面试官。 电话那头得悉来意后，喊了一声：“奶——奶——，有人来面试！” 待他大汗淋漓地再跑回小区后才看清，进去接他的这位“奶奶”，居然是个年轻人。 接连的蹊跷遭逢，让他狐疑本人上当受骗。只有多年之后回头看，才晓得这是他毕生幻想与财产故事的开始。 这个小区，是马云的湖畔花园； 这个阿里新开的部门，是淘宝网； 小伙子将来要做的产品，是支付宝； 他，就是现在的蚂蚁团体CTO，倪行军。 三年5次跳槽进入阿里倪行军，花名苗人凤，取自金庸小说《雪山飞狐》中的一位大侠。 不过，在他还不叫苗人凤的时候，命运却经验了间断的挫折。 1997年，20岁的他考入了浙江财经学院。 当初这所学校曾经改名叫浙江财经大学，但在过后，它还是一所专科学校。倪行军读的业余是会计信息化，和计算机能沾上边。 从浙江财经学院毕业的那年，web互联网才衰亡不久，过后倪行军就曾经看上了电商这个畛域。 在毕业论文里，倪行军专门以阿里巴巴为钻研对象，写了一篇8000多字的论文《网络经济下会计信息失真问题》。 会计毕竟是和商业自身密切相关的业余，再加上倪行军自己也自学了编程，因而这次钻研让他对电商和阿里有了深刻理解，跨专业去做程序员，成了他为本人布局的人生方向。 既然要去做程序员，那就先去开发软件的公司，他毕业的第一家公司是用友软件。 进用友之前，倪行军认为来了IT公司就能够学技术，但待了三个月之后，他发现不对劲： 本人始终在做销售和策动的工作，并没有做技术，齐全不合乎本人的职业规划。 于是，3个月实习期一过，他就裸辞了。 没有工作教训，但曾经不是应届生，倪行军的路登时很难走了。 好在，经同学举荐，他去了五粮液团体华北区，尽管心田并不想，但还是来到杭州奔赴北京。 但五粮液的工作仍然不是IT技术相干的，走了很多中央，做了很多调研，写了很多报告之后，倪行军越来越迷茫了：我明明要做程序员的，怎么变成了做调研报告的？ 所以，在五粮液工作半年之后他又裸辞了，回到了杭州。 第三份工作，倪行军终于如愿以偿能够做程序员了。这家公司叫天地网络，是帮企业做网站的。 巧的是，这家公司和阿里都在华星大厦，天地网络在10楼，阿里就在9楼。 天地网络的这份工作，终于满足了倪行军学技术的欲望。一开始，他只会C语言，但在天地网络期间，倪行军自学了其余编程语言，让本人成为了一名实力弱小的开发者。 南都的一篇报道，记录了倪行军过后的感触：“我那时候独身，住的离公司也近，所以上班当前个别都会在公司干点活或者上上网，有时候早晨11点来到，发现阿里所在的9楼仍旧是灯火通明。我看着那灯光很好奇，而后会莫名其妙地感觉那就是一种守业的激情和生机，感觉那就是我渴望的环境和文化。” 他喜爱阿里的气氛，也渴望守业。在此期间，他确实给楼下的阿里投过简历，但最终，冒险的性情让他还是抉择了守业。 这便是倪行军的第四份工作，他和共事凑了点钱，合伙守业。 他创建的这家公司做成了一点to G的业务，接了一些政府的小订单，但始终没有大的成就。“起初发现要真的把公司运行起来太难了。第二年，咱们几个人凑的钱就烧光了。” 守业没有胜利。在换了第五份工作——杭州市的一家医药企业之后，2003年，倪行军生命中第三次遇上阿里。 这一年的8月份，倪行军在报纸的中缝处看到了阿里的招聘广告，便投了简历。 简历过了，但HR打来电话后，却“忽悠”他去淘宝。 过后，阿里巴巴最外围的业务还是B2B交易平台，淘宝离起初的全民剁手平台还有相当长一段时间。 倪行军懵逼地问HR：“淘宝是什么？” HR解释说，淘宝是阿里的一个部门，于是倪行军便许可了。 之后，便产生了结尾那一幕，倪行军穿得西装革履的去湖畔花园面试。 而这次冒着“上当受骗”危险的面试，让更多人对他的称说从倪行军，变成了花名“苗人凤”，大家称之为“老苗”，工号1788。 此处，倒有一个乏味的插曲。 起花名的时候，倪行军并不相熟金庸小说，原本筹备起个“宋兵甲”或者“宋兵乙”这样路人的名字，但却被老板否决了。 共事给他找了一张金庸小说的人物关系图，并给出了倡议：肯定要找谱系头部的名字，或者谱系独立的名字，千万不要找谱系靠后的，不然见了名字靠前的人，还得管人叫爹妈。 于是，“打遍天下无敌手”的苗人凤，就入了倪行军法眼。 做成支付宝，成为“裸奔第一人”晚期的互联网总是充斥了不体面。 在湖畔花园里，倪行军晚期的工作中也确实有一些不够体面的事件。 在界面的《马云的湖畔花园16幢1单元202室》一文中就记录了倪行军写网页劫持代码的故事。 他的网页劫持代码，让用户只有鼠标点一下，就会蹦出十多个淘宝网的广告。 这种不友善的推广确实让初生的淘宝网扩充了知名度。有一天，倪行军和一位敌人聊到本人在淘宝网工作。一听到淘宝的名字，敌人就示意本人晓得这个网站。倪行军正庆幸本人的公司终于有了点知名度的时候，对方说了一句难堪的话：“刚评的，十大流氓软件之首。” 不过好在，倪行军的外围工作不止体面得多，更影响微小，甚至说是中国商业史的里程碑都不为过。 2003-2004年那段时间的淘宝，购物非常复杂，想给远方的商家打钱买货色，只能通过简单的步骤线下汇款；而卖家出于不信赖，也只能等收到钱之后再发货。总之，这种付款形式和起初的电子领取几乎是天壤之别，整个交易的周期都被拉的很长。 于是淘宝网外部就在开发一个“担保交易”的产品，也就是淘宝平台先拿着买家的货款，确认收货后再把钱给到卖家，起初这就是赫赫有名的支付宝。 支付宝最后只有一个雏形，每天的交易笔数只有个位数，甚至没有退款性能，最后的开发者茅十八去读MBA了，而倪行军因为有会计专业背景接手了这个我的项目。过后，他是支付宝惟一的一名开发者。 ...

研发的将来在哪里 互联网+ 倒退到明天，大家对互联网业务的倒退模型越来越相熟，麻利开发，流量经营，模式复制。在整个翻新闭环当中，技术起着至关重要的作用： 帮忙商业翻新从 Idea 变成实在的线上服务帮忙保障线上服务流量极速增长仍能提供服务帮忙胜利的商业实现模式的复制所有的技术人都在为此而致力，就像奥林匹克精力那样，以 “更高更快更强” 为指标，一直优化工程实际办法。然而，这条路一路走过去的艰苦也只有技术人才懂： 组建研发体系何其艰难，麻雀虽小，五脏要全，如何疾速实现研发团队的建设，研发基础设施的建设，是挡住商业化翻新的第一道坎；用户流量每增长一百万，对技术架构都是微小的挑战，零碎什么时候会解体是技术人每天都要思考的问题；业务在国内取得成功后，想要在寰球范畴同步推出，每减少一个服务节点，零碎架构都得从头再搭建一次，不同的国家地区还不肯定可能保障，重大制约商业化脚步；*云原生利用研发的最初一公里魔咒 随着云原生 Serverless 的概念在国内悄悄升起，许多技术人仿佛从中看到了心愿，许多 IT 架构师曾经把它作为指标技术架构之一。Serverless 的跨代劣势对有技术敏感的架构师来说是技术倒退的红利，个别都在继续关注它的倒退。 然而在这两年间，随着整个研发生态接触到 Serverless 的内容也越来越多，尝试也越来越多。在许多的实际中，越来越多的公司、企业开始陷入一种迷思： Serverless是不是就是FaaS？是不是只能用在一些 “计算工作” 场景？是不是只能在小程序等一些很小众的研发场景能力用呢？公司原来那么多不同语言开发的存量利用是不是齐全用不上？是不是只有像阿里巴巴这种体量的公司能力玩的转？所有如同又回到了原点，在上述的问题没有解决之前，企业集成或利用 Serverless 架构的构想停在了业务落地的 “最初一公里”。说好的云原生是云计算的将来呢？说好的云原生能够扭转开发者的世界呢？要晓得，没有规模，就不是云计算！没有规模，就无奈产生无奈计算的价值！如果一个好的概念始终无奈走进普罗公众，那它可能只能被公众束之高阁，敬而远之。 回顾初心，技术是为了更好的商业翻新 如果有一种办法，可能让开发者专一在商业应用逻辑的开发自身；可能让商业化利用不必放心流量的增长而解体；可能让寰球的服务保持一致；可能让每一个商业利用随着流量的变动而动静调整资源的用量。那它肯定是最靠近现实状态的：让每一个商业翻新都变的简略，让每一个灵感都变成可能！ 明天，咱们通过云栖大会，十分兴奋的向寰球的开发者们传递一个信息，具备规模化落地的真正的云原生Serverless 利用研发时代曾经到来，全面拥抱云原生利用研发的拐点曾经到来！无论是大中小微公司，无论什么业务场景，无论什么开发语言，无论是既有的存量利用还是新利用，无论多大用户流量，无论寰球服务有多少节点，都能够借助阿里云云开发平台提供的 Serverless 架构服务轻松落地。 在阿里云云开发平台，您能够在无需重构的状况，将已有的NodeJS利用、Java利用、Python利用、PHP利用等，轻松平滑地迁徙部署到云原生Serverless架构，从此辞别资源节约，辞别不靠谱的人肉流量估算人肉扩容的日子！您也能够将资源最大化地利用在本人的业务翻新上，从此不再须要为团队协同环境的搭建、团队研发测试环境的搭建、利用高并发架构的搭建费时费力费钱！ 阿里云云开发平台所提供的全云端Serverless研发架构服务，帮忙企业和合作伙伴进行更好的商业翻新。 只有更偏心的翻新环境能力让创新者全力比拼创意 阿里云云开发平台（https://workbench.aliyun.com ）给开发者和研发团队提供了齐全基于「云+浏览器」就能实现日常利用开发工作的环境，它的设计理念是使每天的利用研发生命周期也成为企业团队大协同中的一环。云开发平台集成了阿里巴巴诸多自研自用的开发能力和开发工具，籍由弱小的阿里研发生态，为开发者提供更大的协同研发可能。 通过以下阿里巴巴自研自用服务，阿里云云开发平台让所有的研发团队不管大小，不管初创小微团队还是行业龙头企业，都可能享受到阿里巴巴这种体量规模的在线利用研发协同能力，让团队不受工夫、空间、和规模的限度，让所有的翻新守业都能基于一个更偏心和凋谢的技术环境轻松启动！ 在线团队：与阿里云云效企业组织互通，创立后即可应用阿里云云效提供的所有在线协同能力；提供4种团队角色，齐全映射本地研发团队权限设计，帮忙您轻松实现团队上云；在线CloudIDE环境：基于阿里巴巴前端委员会共建的 CloudIDE，与阿里巴巴外部应用的是同一套，在此基础上，意味着您同时也能够享受到阿里巴巴外部的插件生态，比方图片智能生成代码插件服务 ImgCook；在线代码托管服务：阿里云自研代码托管服务 Codeup，企业级代码治理平台，提供代码托管、代码评审、代码扫描、品质检测等性能，全方位爱护企业代码资产，帮忙企业实现平安、稳固、高效的研发治理，撑持百万级代码库和数万工程师合作，反对规范 git 操作，帮忙您更不便的实现本地与云端代码同步治理；在线部署流水线服务：阿里云自研部署流水线服务 Flow，从代码到交付上线仅需5分钟，企业级、自动化的研发交付流水线， 提供灵便易用的继续集成、继续验证、 继续公布性能，帮忙企业高质量、高效率的交付业务；「我的项目」「工作」合作：「我的项目」是合作的根本单元，相当于钉钉或者微信的一个群。你的「我的项目」能够是一次大型会议，一个客户我的项目，或者一个流动；你也能够为所在我的项目创立一个我的项目，用于追踪日常工作；进入我的项目后，「工作」看板把左右事项公开通明的出现进去，让大家看见「谁」、在「何时」、要「做什么」，随时都能够把握工作进度。工作是驱动云效我的项目的最小操作单位。一个个工作，让停顿公开通明，让沟通行之有效；知识库：知识库是一个为企业提供常识治理的服务，通过独立的知识库空间，结构化地组织在线合作文档，实现企业常识的积攒和积淀，促成常识的高度复用和流通*只有更弱小的 Serverless 架构服务能力让商业无忧成长 为了帮忙用户提供一个无缝应用阿里云服务的环境，阿里云云开发平台会跟阿里云的诸多云产品进行集成，随时为用户的应用做好筹备。您能够在云开发平台创立基于各种场景解决方案的利用，并为每个利用选用不同的云服务。 云开发平台将云原生 Serverless 畛域实际最多的服务，如函数计算、利用引擎、容器服务，联合利用研发部署生命周期所需的能力，设计提供了三套规范 Serverless 架构服务，满足不同场景的利用研发部署需要，利用部署上线，流量顶峰主动扩容，流量升高主动开释资源，再也不怕宕机。 函数计算型Serverless架构服务，这是一种羽量级Serverless利用架构服务，计算服务按申请量付费，对初创团队十分敌对，这种 IT 架构适宜短期疾速实现的业务场景，比方促销流动，以及新业务试错场景；Serverless利用引擎型架构服务，这是一种轻量级Serverless利用架构服务，计算服务按资源用量付费，对存量中小规模利用更加适宜，这种架构模式，能够基于 MSE 微服务引擎，反对服务注册，服务发现机制，联合阿里云上各种中间件服务产品，能轻松构建一个简单的零碎架构。这种架构模式适宜业务成熟定型，流量稳固的业务场景，也能够把业已成熟 IT 集成架构积淀成云开发平台的公司级解决方案，让新业务在这个基础架构上麻利迭代；Serverless容器型架构服务，这是一种专业级Serverless利用架构服务，计算服务按资源用量付费，规模化复杂度高的巨型利用首选；*只有更少的束缚能力让研发团队轻松实现业务降级 研发团队思考的更多的问题是如何从现有 IT 架构演进到 Serverless 计算架构之中。云开发平台构建了这一演进门路，充沛尊重用户以后研发体系，反对在现有体系中集成 Serverless 构建部署性能。演进蕴含两个层面，一个是存量利用的迁徙，一个是新建 Serverless 利用和以后存量利用的互联互通能力。 ...

简介： 自建实时数仓到底难在哪里？实时数仓应该怎么建？阿里巴巴搜寻团队告诉您答案 作者：张照亮（士恒）阿里巴巴搜寻事业部高级技术专家 业务背景======== 阿里巴巴电商搜寻举荐实时数据仓库承载了阿里巴巴团体淘宝、淘宝特价版、饿了么等多个电商业务的实时数仓场景，提供了包含实时大屏、实时报表、实时算法训练、实时A/B试验看板等多种数据利用反对。 数据的价值咱们认为数据处于阿里巴巴搜寻举荐的大脑地位，这体现在算法迭代、产品经营和老板决策等多个方面。那么数据是怎么在搜寻举荐业务场景中流转的呢？首先是信息采集，用户在应用手机淘宝的搜寻和举荐性能时，会触发到服务端上的埋点信息；接下来会通过离线和实时的ETL加工，再装载到产品引擎外面；而后咱们会基于引擎来构建剖析零碎，帮忙算法、产品做剖析决策；造成一次决策之后，会有一些新的内容上线，用户能够看到算法模型产出的一些业务状态；这样就产生了一轮新的数据采集、加工、装载和剖析的过程。这样一来就能够利用数据造成一个残缺的业务链路，其中每个环节都十分重要。 搜寻举荐典型场景实时数据在电商搜寻举荐中有多种不同的利用场景，如实时剖析、算法利用和精细化人群经营等。 1）实时剖析和算法利用场景 在实时剖析和算法利用场景中，咱们利用实时数据仓库搭建剖析报表、实时大屏、训练算法模型以及打造其余类型的数据产品。实时数据的需要搜寻举荐场景下次要有以下特点： 数据量大：单日PB级存储单表总条数：_千亿+_QPS高：峰值写入RPS 6500W+峰值查问QPS：_200+_数据灵活性要求高，剖析场景多样化，固定条件高频剖析、非固定条件多维查问2）精细化人群经营场景 在电商经营中，常常会有针对不同人群采纳不同经营策略的需要。传统形式应用离线数据对人群进行流动投放，但个别须要到第二天能力看到前一日的流动经营成果。为了更高效地观测、晋升经营成果，实时的人群投放、人群画像成为必不可少的需要。 实时数仓将会把实时数据以实时大屏、实时报表的模式，为流动经营提供实时的人群行为成果数据，如不同地区、不同年龄段人群的实时UV、实时成交额等。此外，还须要将实时数据与离线数据进行关联比照计算，提供实时的环比、同比数据。 2.典型实时数仓诉求综合以上背景，在实时数仓建设的过程中，咱们总结了以下几类典型的实时数仓诉求： 分组横截面例如分行业指标展现，通常是在SQL中用group by进行查问； 多维过滤场景过滤、用户过滤、商品过滤、商家过滤等，通常应用array字段进行属性值的过滤； 聚合基于明细数据聚合计算实时指标，如SUM、COUNT_DISTINCT计算等； A/B Test通过解析日志埋点中的分桶字段，计算测试桶与基准桶之间的实时Gap数据； 指定Key在排查问题或观测外围商家指标时，常常须要指定商家ID、商品ID查问实时指标，须要基于明细实时表中的id字段过滤后进行聚合计算； 流批一体因为实时数仓仅保留最近2天的数据，在面对计算同比、环比等需要时，就须要读取离线数据与实时数据进行关联计算，这样产品/经营在看下层报表展示时就能直观看到往年实时数据和去年同期的比照体现。 实时数仓架构========== 基于上诉典型实时数仓诉求，咱们形象出了如下图所示的典型实时数仓架构。 实时采集的业务日志通过实时计算Flink荡涤过滤，将后果写到OLAP引擎外面，OLAP引擎既要反对多维的交互式查问、还要反对KV查问和流批一体查问，来满足咱们各种各样的业务诉求，同时OLAP引擎还须要对接下层构建的各种业务利用，提供在线服务。 基于这个典型的实时架构，上面则是咱们搜寻举荐场景下的实时架构演进过程。 1）实时数仓架构 1.0版首先是实时数仓架构1.0版，如下图所示，这个版本次要是由3个板块组成： 数据采集 在数据采集层，咱们将上游实时采集的数据分为用户行为日志和商品维表、商家维表、用户维表等，为什么会有维表呢？因为每个业务在埋点时不会将所有信息全副埋在日志外面，如果所有信息都由用户行为日志承载，灵活性将会特地差，所以维表在业务上负责信息扩大的角色。 采集的用户行为日志将会实时写入实时计算Flink，用户维表、商品维表等维表数据对立归档至MaxCompute中，在初步计算后将会通过数据同步工具（DataX）同步至批处理引擎中。 数据处理 在数据处理层中，流解决局部，由Flink对实时写入的用户行为日志数据做初步解决，具体的解决包含数据解析、荡涤、过滤、关联维表等。 批处理局部，为了在数据查问和服务中依据属性查问、筛选数据，须要在Flink作业中将用户的实时行为和维表做关联计算，这就须要批处理零碎可能反对高QPS查问，过后搜寻业务的单表QPS最高达6500万，通过多方调研，抉择了HBase作为维表的批处理引擎。 Flink作业中基于用户ID、商品ID、商家ID等关联HBase维表中的属性数据，输入一张蕴含多个维度列的实时宽表，再输入到OLAP引擎。为了简化Flink实时作业，升高实时计算的压力，咱们没有在Flink中应用窗口函数做指标的聚合工作，只是对实时日志简略过滤、关联后间接输明细数据到上游，这就要求上游引擎须要提既要反对KV查问、OLAP多维交互式查问，还要反对流批一体查问。 数据查问和服务 在第一版架构中咱们应用的是Lightning引擎来承载Flink输入的实时明细数据，并基于Lightning实现查问流批一体，再对下层利用提供对立的实时数据查问服务。 然而Lightning的局限性也是非常明显的：第一是查问形式是非SQL类型不够敌对，若是写SQL须要二次封装。第二是Lightning采纳的是公共集群，多用户资源不隔离，当须要查问大量数据时，容易呈现性能稳定和资源排队等问题，使得查问耗时较久，在理论业务场景应用中有肯定的限度。 2）实时数仓架构 2.0版基于Lightning的限度，咱们心愿能找到一款代替产品，它的能力要在Lightning之上，撑持OLAP的交互式查问以及高QPS的维表校验查问。于是在2.0版的实时数仓架构中，咱们开始接入Hologres。 最开始，咱们只是用Hologres代替Lightning提供KV、OLAP查问能力，解决了Lightning所带来的局限性。这样的架构看起来很好，但因为还须要通过HBase存储维表，随着数据量的增长，数据导入至HBase的工夫也越长，实际上节约了大量资源，并且随着线上服务实时性要求减少，HBase的弊病也越来越显著。 而Hologres的外围能力之一是减速离线数据，尤其是针对MaxCompute的数据，在底层与其资源买通，能减速查问。所以咱们就萌发了将Hologres代替HBase的想法，以Hologres为对立的存储，数据也无需再导入导出，保障了一份数据一份存储。 于是，最终的实时数仓架构2.0版如下： 数据处理阶段间接将用户维表、商品维表、商家维表以行存模式存储到Hologres中，以此代替Hbase存储。Flink中的作业能够间接读取Hologres的维表，与行为日志进行关联。 在数据查问和服务阶段，咱们将Flink解决输入的实时明细数据对立存储至Hologres，由Hologres提供高并发的数据实时写入和实时查问。 基于Hologres的最佳实际=================== 实时数仓2.0版本因为Hologres的接入，既精简了架构，节约了资源，也真正实现了流批一体。这个架构也始终应用至今，上面是Hologres基于此架构在搜寻举荐具体多个业务场景中的最佳实际。 1）行存最佳实际Hologres反对行存和列存两种存储模式，行存对于key-value查问场景比拟敌对，适宜基于primary key的点查和 scan，能够将行存模式的表看作是一张相似于Hbase的表，用不同的表存储不同实体的维度信息。在Flink实时作业中能够高效地从Hologres行存表中读取维表数据，与实时流中的实体进行关联。 2）列存最佳实际Hologres中默认表的存储模式是列存，列存对于OLAP场景较为敌对，适宜各种简单查问。 基于Hologres的列存模式，咱们搭建了搜寻、举荐业务的实时数据查问看板，在实时看板上能够反对数十个不同维度的实时筛选过滤。在最高峰值每秒写入条数（RPS）超过500万的同时依然能够秒级查问多个维度筛选下的聚合指标后果。同时Hologres表反对设置表数据TTL的属性，个别咱们将一张实时表的生命周期设置为48小时，超过48小时的数据会被主动删除，在实时看板中反对用户对最近两天内的实时数据进行查问，防止了不必要的资源节约。 3）流批一体最佳实际Hologres不仅反对基于实时明细的数据的即席剖析查问，也反对间接减速查问MaxCompute离线表，因而咱们利用这一个性，实现流批一体的查问（实时离线联邦剖析）。 在天猫大促流动中，咱们利用Hologres的联邦剖析能力搭建了外围商家的指标完成率、去年同期比照看板，为经营算法决策提供了无效的数据撑持。 其中指标完成率看板开发借助实时离线联邦剖析变得更为简略，即通过Hologres实时查问大促当天的指标，并用实时表的当天指标除以离线表中设定的指标指标，从而让经营可能看到实时更新的外围商家当天指标的实现状况。 去年同期比照实时看板的计算逻辑也是相似的，能够在SQL中将实时表与去年的离线表JOIN后进行要害指标的同比计算。 所有的计算都能够在Hologres中实现，通过SQL表白计算逻辑即可，无需额定的数据开发工作，一份数据一套代码，升高开发运维难度，真正实现流批一体。 4）高并发实时Update在一些场景下，咱们不仅须要向OLAP引擎实时增量写入数据，还须要对写入的数据进行更新操作（update）。 例如，在订单成交归因时，Flink实时作业会将订单提交数据流与进度点击数据流进行双流JOIN，并且在还须要取订单提交前的最初一次点击事件进行关联。当有多条点击事件先后达到时，咱们就须要更新订单归因明细数据，此时须要利用Hologres的update反对，通过数据的主键更新原有数据，保障成交归因的数据准确性。在实践中Hologres的update写入峰值能达50W，满足业务高并发实时更新需要。 将来瞻望======== ...

技术编辑：宗恩丨发自 思否编辑部 SegmentFault 思否报道丨公众号：SegmentFault 8月20日晚，阿里巴巴团体公布了2021财年第一季度业绩。据财报显示，阿里巴巴团体总营收达1537.5亿元，上年同期为1149.2亿元，营收同比增长34%。净利润为394.7亿元。 具体到各分部，第一季度，阿里巴巴外围商业营收1333.18亿元，同比增长34%，占总营收的87%；云计算支出同比增长59％至123.45亿元，次要是因为公共云和混合云业务的支出奉献减少；数字媒体和娱乐业务收入为69.94亿元，较2019年同期的64.26亿元增长9％，次要是因为来自在线游戏和会员订阅的支出减少，但局部被客户治理支出的缩小所对消；翻新打算及其他支出为10.94亿元，较2019年同期的人民币11.67亿元缩小6％。 通过财报咱们发现阿里云成为了阿里巴巴的一大外围新引擎，比照最近5年数据，在2016上半年时阿里云营收为23.09亿元，到2020年的245.62亿元，五年间增长超过10倍。 “中国云市场处于初期的倒退阶段，市场规模曾经达150亿-200亿美元，曾经是美国市场的8倍之多。而且中国其余行业上云的速度一直放慢，包含金融服务业和针对于消费者的零售业。”张勇以及蔡崇信在阿里巴巴2021财年Q1季度分析师电话会议上均示意，“深信所有的产业所有的部门都会上云，在近期和中期都置信会看到阿里云快速增长。” 张勇还示意：「基于可继续倒退的思考，决定进行UCWeb及其他翻新业务在印度的服务，预计不会对阿里团体的财务状况形成重大影响。咱们正亲密关注美国政府对中国企业的政策变动，跟踪评估这些变动对阿里可能产生的影响，并相应采取新的合规措施。」 6月29日，印度电子信息技术部发表出于“平安”思考，禁止59款中国利用，UC浏览器、Vmate，TikTok、微信、微博等热门利用都在封禁名单中。 依据寰球出名的网络流量监测机构StatCounter公布数据所示，UC浏览器已占据寰球市场份额的17.42%(挪动浏览器月度PV份额)，全面超过苹果safari成为了寰球第二大浏览器。有印度媒体报道称，UC浏览器在印度的使用率仅次于谷歌。印度是UC浏览器的次要市场，UC浏览器在寰球领有4.3亿多用户，其中印度就领有1.3亿多用户。 数据内容起源：2021财年第一季度阿里巴巴团体财报

技术编辑：徐九丨发自 思否编辑部 7 月 8 日上午消息，据新浪科技报道，阿里云 IoT、天猫精灵联合成立 AIoT 创新中心，将整合阿里巴巴包括达摩院在内的技术能力，赋能 AIoT 行业。阿里巴巴集团副总裁库伟担任 AIoT 创新中心负责人。 据透露，该创新中心将设立三大创新实验室、一个质量监控中心，同时启动城市和产业带的实验基地规划。其中，杭州将成为首个示范试点城市，慈溪、嵊州的家电产业带成为首批规划基地。 此前，天猫精灵曾宣布在今年投入 100 亿，建立 AIoT 及内容生态。库伟表示，创新中心的成立将帮助中小家电制造企业更低成本实现智能化升级，成为全行业的“加速器”，并面向未来 5G 和 AIoT 时代进行产品研发和技术探索。

技术编辑：宗恩丨发自 SiFou Office SegmentFault 思否报道丨公众号：SegmentFault 近几年国内大厂的高级别员工成了人们眼中羡慕的对象，BAT 三家尤甚。一提到阿里 P8 大家心中的印象就是年薪百万的高学历 Team Leader，这些人往往不仅能力极强还拥有不错的家庭背景，如果从应届生进入阿里要在 6 到 10 年才有可能达到这个层级，其中不知淘汰了多少人。 互联网上流传着阿里 P 路线（专业人才路线）薪资的构成： 阿里薪资结构一般是 12+1+3=16 薪，年终奖为 0-6 个月薪资，其中大约 90% 人可拿到相当于 3 个月薪水的年终奖。工作满 2 年级别晋升到 P6 之后会有股票。随着阿里集团的股价的水涨船高，这部分也是不容小觑的。总体而言，阿里 P8 级别的员工年入 170W 的这个数字是基本可信的。 怎么样你看过之后是不是心中也满满的羡慕呢？不过也有一些新闻让人对这些「P8」们大跌眼镜，近日就有网友爆料，一名上海交大毕业的博士，定级 P8 入职阿里三个月后，以招聘的名义招生活助理，许诺给妹子正式编制，并开出每月 1.6 万元包养费用。妹子拒绝后让闺蜜试探了一波，P8 竟然问妹子有没有被包养的经历? 现在这位阿里 P8 没有收获到「私人助理」，却收获到了网友和阿里内网员工的口水，从尚未确认的消息得知他也已经被阿里开除。 以下为 P8 和妹子的对话： P8 是何人经过一番查找，小编终于找到这名 P8 的个人信息，他就是 2017年毕业于上海交大的李博士，仅仅工作三年，就已经跳槽五家公司，先后就职于欢聚时代、YY语音、虎牙、B站和阿里。 在知网上还可以看到这位 P8 李博士的博士论文被下载了94次。 内网的回应 可以看到这位 P8 在阿里内网大火了一把，值得注意的是他不仅违背了道德，更触犯了法律底线。试图通过公司员工编制资源谋取私利，利用公司资源为自己筹划公司做主播和猎头业务，这两项「罪名」可能会让其接受法律的制裁。 最后值得一提的是微博在这次事件中再一次让网友们失望，有众多网友发现#阿里P8招聘私人助理#的热搜被删了，有网友表示阿里的公关真是厉害，微博也真是不长记性。 ...