业界新闻

11896

业界新闻

11897

业界新闻

11898

业界新闻

11899

看“软硬兼施”的负载均衡如何突破性能瓶颈

比特网

面对网络应用业务量及用户量的增加,面对庞大的数据流量及集中性的访问,面临网络堵塞和服务超载的严峻问题在所难逃。为了能够为用户提供持续、不间断的应用服务,带来更好前端应用体验,不仅需要拥有处理大量并发访问服务能力的服务器,负载均衡技术也是加强处理能力、提高系统容错性的一大法宝。负载均衡遭遇业务新挑战仅仅一个新浪微博,就有超过5亿的用户。访问量早就成为了天文数字。为改善使用体验、提升网络性能,新浪于2004年左右在国内*早使用负载均衡设备NetScaler,2007年新浪与F5公司达成全方位战略合作。但是,随着新浪微博等新兴应用的推出商业设备的性价比和供货时间长无法满足业务的快速部署。而且当微博等线上业务出现访问异常或故障时,单纯依靠成本高昂的专业负载均衡设备提供的CPU、内存、连接数等统计信息,并不足以让工程师掌握服务器及应用状态,不能满足现代互联网发展对低成本、大并发的要求。像新浪这样一个24小时运转的互联网企业,面对在没有专门运维时间、停机升级时间的情况下,如何能够突破负载均衡器的性能瓶颈,保证网络流量处理能力,保障数据传输的可靠性、实时性,成为新浪在业务发展过程中迫切需要解决的问题

业界新闻

11900

拒绝千人一面优酷土豆为你推荐

论坛

有人将抱着平板在沙发上看《来自星星的你》描述为惬意的生活缩影;将对着电脑通过视频学习一道美味菜肴的制作过程被定义为潮妈技能;将端着手机在地铁观看苹果发布会定义为极客行为。的确,互联网时代到来了,通过视频网站在线浏览、分享新闻、电影、电视剧等已成为每个人的生活中不可或缺的一部分。展现在小小屏幕上的是丰富多彩的栏目,而藏在它背后的,却是一个个不得停歇的数据中心。呈现丰富的内容并非一件易事,见你所爱,更是难上加难。传统大数据也为难的“为我推荐”如何提高寻找视频内容的效率,准确的为用户推荐他们喜欢的视频,避免推荐重复视频虽然看起来只是视频行业的小课题。这不仅需要海量用户数据,更重要是通过底层技术实现对这些海量数据的分析与挖掘。作为中国网络视频行业领军企业之一,优酷土豆很早就看到了大数据技术对公司业务发展的价值,并通过分析用户的行为爱好、对视频的题材偏好以及视频播放历史,增加了“为我推荐”模块,使网站的视频推荐更加个性化、智能化。为了更好的实现个性化视频推荐,2009年,优酷土豆开始使用Hadoop大数据平台来进行数据的分析及挖掘。起初整个平台平台只有十多个节点,而到2012年集群节点已经达到1

业界新闻

11901