# Wolfram | Alpha 建筑
> 原文: [http://highscalability.com/blog/2009/5/15/wolframalpha-architecture.html](http://highscalability.com/blog/2009/5/15/wolframalpha-architecture.html)
### 使世界的知识可计算
<cite>今天的 Wolfram | Alpha 是一项雄心勃勃的长期项目的第一步,该项目旨在使任何人都可以立即计算所有系统知识。 输入问题或计算,Wolfram | Alpha 使用其内置算法和不断增长的数据收集来计算答案。</cite>
### 答案引擎与搜索引擎
当 [Wolfram | Alpha](http://www.wolframalpha.com/) 今天晚些时候发布时,它将成为**互联网上计算量最大的网站之一**。 [Wolfram | Alpha 计算知识引擎](http://innowave.blogspot.com/2009/03/wolfram-alpha-computational-knowledge.html)是一个“答案引擎”,能够产生各种问题的答案,例如
* 法国的国内生产总值是多少?
* David Ortiz 出生时的天气是斯普林菲尔德
* 33 克黄金
* 低密度脂蛋白(LDL)与 150 岁男性吸烟者的血清钾 150 的对比
* 男性预期寿命 40 岁芬兰
* 高中教师工资中位数
Wolfram | Alpha 在数学,统计,物理学,工程学,天文学,化学,生命科学,地质学,商业和金融等不同领域均表现出色,正如 Steven Wolfram 在其[简介截屏视频](http://www.wolframalpha.com/screencast/introducingwolframalpha.html)中所展示的。
### 统计资料
* 推出约 10,000 个 CPU 内核
* 10+万亿条数据
* 50,000 多种算法
* 每天可处理约 1.75 亿个查询
* 5 百万行符号 Mathematica 代码
### 推动可计算知识的计算机
无法确切知道期望的流量,尤其是在发射后的最初阶段,但是 Wolfram | Alpha 小组正在努力将合理的容量放到位。
正如 Stephen 在[中所写,Wolfram | Alpha 博客](http://blog.wolframalpha.com/2009/05/12/the-computers-powering-computable-knowledge/) Alpha 将在 5 个分布式托管设备中运行。 他们在发射当天在这些设施中收集了哪些计算能力? <cite>两台超级计算机,仅约 10,000 个处理器核心,数百 TB 的磁盘,大量带宽,以及似乎足够的空调供撒哈拉沙漠地区举办滑雪胜地。</cite>
他们的发布合作伙伴之一 [R Systems](http://www.rsystemsinc.com/) 创建了世界第 44 大超级计算机(根据 2008 年 6 月的 TOP500 排行榜-在[最新的 Top500 中排名第 66 位) 列表](http://www.top500.org/list/2008/11/100))。 他们称其为 [R Smarr](http://www.top500.org/system/9506) 。 它将在发布日运行 Wolfram | Alpha! 使用 Dell DCS CS23-SH,QC HT 2.8 GHz 计算机,4608 内核,65536 GB RAM 和 Infiniband 互连,R Smarr 的总 Rmax 最大为 39580 GFlops。
戴尔是另一个推出合作伙伴,其数据中心充满了四板,双处理器,四核 Harpertown 服务器。 <cite>这加起来是什么? **每天能够处理 1.75 亿个查询(可能产生 10 亿个查询)**-每月超过 50 亿个查询(包括约 300 亿次计算)。</cite>
### Wolfram | Alpha 的发射
观看 Wolfram | Alpha 系统的在线实时直播[](http://www.wolfram.com/broadcast/wolframalpha/)
* 5 月 15 日,星期五,太平洋标准时间下午 7 点开始
### 新型科学的第一个杀手级应用
Wolfram | Alpha 背后的天才是 Stephen Wolfram。 他以其雄心勃勃的项目而闻名: *Mathematica* 和*一种新型科学(NKS)*。
2009 年 5 月 14 日是他的著作[一种新型科学](http://www.amazon.com/gp/product/1579550088?ie=UTF8&tag=innoblog-20&linkCode=as2&camp=1789&creative=9325&creativeASIN=1579550088) ![](https://img.kancloud.cn/ba/ae/baae77a879c2a3c0713f77c3e87eeca3_1x1.png)出版 7 周年。 斯蒂芬解释说[是他的博客文章](http://blog.wolfram.com/2009/05/14/7-years-of-nksand-its-first-killer-app/):<cite>但是对我来说,今年最大的变化是 Wolfram | Alpha 的出现。 我相信 Wolfram | Alpha 将成为 NKS 的第一个杀手级应用。</cite>
### 状态
<cite>建造 21 世纪前十年的 Wolfram | Alpha 应该是可行的。 然而,还有更多。</cite>
<cite>到目前为止,Wolfram | Alpha 包含 10+万亿条数据,50,000 +种算法和模型,以及 1000 多个域的语言能力。 用 Mathematica 构建,这本身是 Wolfram Research 20 多年发展的结果,Wolfram | Alpha 的核心代码库现在超过了 500 万行符号 Mathematica 代码。 Wolfram | Alpha 运行在超级计算机类的计算集群上,广泛使用了最新一代的 Web 和并行计算技术,包括 [webMathematica](http://wolfram.com/products/webmathematica/) 和 [gridMathematica](http://wolfram.com/products/gridmathematica/) 。</cite>
### *Mathematica* 如何使 Wolfram | Alpha 成为可能?
<cite>Wolfram | Alpha 是一项重要的软件工程开发,旨在使任何人都可以立即计算所有系统知识。 它完全由 Mathematica 开发和部署-实际上,Mathematica 独特地使 Wolfram | Alpha 成为可能。 这就是为什么。</cite>
* 计算知识与智能
* 高性能企业部署
* 一种一致的架构
* 智能方法选择
* 动态报告生成
* 数据库连接
* 内置可计算数据
* 高级编程语言
* 高效的文本处理和语言分析
* 广泛的自动化可视化功能
* 自动导入
* 开发环境
### 信息来源
* [Wolfram | Alpha](http://www.wolframalpha.com/)
* [关于 Wolfram | Alpha](http://www.wolframalpha.com/about.html)
* [Wolfram | Alpha 博客](http://blog.wolframalpha.com/)
* [Wolfram | Alpha 截屏简介](http://www.wolframalpha.com/screencast/introducingwolframalpha.html)
* [一种新型科学](http://www.amazon.com/gp/product/1579550088?ie=UTF8&tag=innoblog-20&linkCode=as2&camp=1789&creative=9325&creativeASIN=1579550088) ![](https://img.kancloud.cn/ba/ae/baae77a879c2a3c0713f77c3e87eeca3_1x1.png)
* [Wolfram Research](http://wolfram.com/) -Mathematica
* [Mathematica 如何使 Wolfram | Alpha 成为可能?](http://www.wolfram.com/products/mathematica/madepossible/wolframalpha.html)
[](http://www.wolfram.com/products/mathematica/madepossible/wolframalpha.html)
* [](http://www.wolfram.com/products/mathematica/madepossible/wolframalpha.html)[Wolfram | Alpha 中的计算引擎背后的秘密](http://blog.wolframalpha.com/2009/05/01/the-secret-behind-the-computational-engine-in-wolframalpha/)
* 预计将在发布后提供更多信息。敬请期待!
恭喜,斯蒂芬!
有趣的辩论: [http://seekingalpha.com/article/124787-wolfram-alpha-google-killer-or-google-acquisition-target“](<a rel=) > Wolfram Alpha:Google Killer 或 Google Acquisition Target ?
在当今的服务器设计中,10,000 个内核并不多。 令人惊讶的是,他们从使用 fbdimms 的 dell 中选择了 harpertown 平台。 圣克莱门特本来会更好。 我还想知道,鉴于性能方面的优势,为什么不选择 nehalems。
总计约有 1200 台服务器,每个服务器有 8 个 penryn 核心。 那大约是 30 个服务器机架,可能仅花费 300 万美元。 如今,商品服务器非常便宜。 让我们看看您可以从中获得多少性能。
谢谢极客。 走超级计算机路线非常有趣。 有钱真好!
听起来像 HAL9000:
<cite>很抱歉,戴夫(Dave),我不能这样做...</cite>
Wolfram | Alpha 暂时超出了其当前的最大测试负载。
看起来 10000 核暂时还不够:-)
NKS 可在此处在线获得: [http://www.wolframscience.com/nksonline/toc.html](http://www.wolframscience.com/nksonline/toc.html)
第 1 章新型科学的基础 1
第 2 章关键实验 23
第 3 章简单程序的世界 51
第 4 章基于数字的系统 115
第 5 章二维及其他 169
第 6 章从随机性开始 223
第 7 章程序和自然机制 297
第 8 章对日常系统的影响 363
第 9 章基本物理学 433
第 10 章感知和分析过程 547
第 11 章计算概念 637
第 12 章计算对等原理 715
博客样本:在美国东海岸的凌晨 3 点,从 geoIP 数据的样本中我们可以看出,有很多人在使用 Wolfram | Alpha 醒着。 这是地图上 5 秒的示例:
[http://blog.wolframalpha.com/2009/05/18/do-wolframalpha-users-ever-go-to-sleep/](http://blog.wolframalpha.com/2009/05/18/do-wolframalpha-users-ever-go-to-sleep/)
截至目前,Wolfram | Alpha 每秒可提供 124 个查询。
您知道 Wolfram Alpha 架构的软件组件吗? 它纯粹基于 Mathematica 吗? 他们是否使用开源软件,例如 apache,mysql,memcached,hadoop 或 highscalability.com 上讨论的其他软件?
[http://www.infoq.com/news/2009/05/Wolfram-Alpha](http://www.infoq.com/news/2009/05/Wolfram-Alpha)
通过 [http://www19.wolframalpha.com/faqs.html 可以部分解决 Wolfram | Alpha 体系结构中有关开源软件的问题。“](<a rel=) >常见问题解答:
<cite>Wolfram | Alpha 使用什么网络技术?</cite>
<cite>其服务器技术基于访问 WebMathematica 服务器群集的 Apache Web 服务器。 在客户端,它使用 AJAX(JavaScript)。</cite>
这是新的云市场的开始吗:计算即服务? Wolfram Alpha +开发人员 API:一个不错的组合!
[http://web2.sys-con.com/node/970448“](<a rel=) > Wolfram | Alpha 的计算即服务
[http://blog.wolframalpha.com/2009/05/26/the-first-week-of-wolframalpha-thank-you/“](<a rel=) > Wolfram | Alpha 的第一周:谢谢 !:
距我们将 Wolfram | Alpha 正式发布到世界各地已经一周了;
真是很棒的第一周;
接近 1 亿个查询。很多赞美
但对我而言,最 引人注目的是有多少人希望帮助 Wolfram | Alpha 成功
使世界的知识可计算是一项艰巨的任务
很高兴看到我们在这样做方面提供的所有帮助。 我们一直在努力构建一个框架,但是要实现可计算知识的全部承诺,我们需要大量的投入和支持
而且值得注意的是,在短短的一周内,Wolfram 周围已经出现了一个整个社区 | Alpha,拥有我们自己的社区站点和许多独立站点
我们收到了很多人的反馈,实际上,在过去 7 天里,我们获得了不少 将 55,000 条反馈消息发布到网站。
建议。 鼓励。 更正。 显而易见的事情。 令人难以置信的事物。
从某种程度上讲,它是压倒性的。 但这也是非常有用的。
...
来自 W | A 博客:一日打造罗马
如果您一直在关注 Wolfram | Alpha 的发布,那么您可能听说过,两个超级计算机级系统是幕后工作的重要组成部分。 其中之一是 R Smarr 系统,属于我们在 R Systems 的好朋友,在 [http://www.youtube.com/watch?hl=zh_CN & v = umEKJrlbw9s“](<a rel=) 中进行了介绍 >这部影片。另一部是我们自定义的 Dell 系统,在 [http://www.youtube.com/watch?v=qUFmqshsnXU“](<a rel=) > Rack'n'Roll 视频中突出显示。 在这两者之间,我们每秒可以处理大约 1800 个查询(qps)。 许多人问我们如何将所有这些基础架构整合在一起。
在博客上查看详细信息。
- LiveJournal 体系结构
- mixi.jp 体系结构
- 友谊建筑
- FeedBurner 体系结构
- GoogleTalk 架构
- ThemBid 架构
- 使用 Amazon 服务以 100 美元的价格构建无限可扩展的基础架构
- TypePad 建筑
- 维基媒体架构
- Joost 网络架构
- 亚马逊建筑
- Fotolog 扩展成功的秘诀
- 普恩斯的教训-早期
- 论文:Wikipedia 的站点内部,配置,代码示例和管理问题
- 扩大早期创业规模
- Feedblendr 架构-使用 EC2 进行扩展
- Slashdot Architecture-互联网的老人如何学会扩展
- Flickr 架构
- Tailrank 架构-了解如何在整个徽标范围内跟踪模因
- Ruby on Rails 如何在 550k 网页浏览中幸存
- Mailinator 架构
- Rackspace 现在如何使用 MapReduce 和 Hadoop 查询 TB 的数据
- Yandex 架构
- YouTube 架构
- Skype 计划 PostgreSQL 扩展到 10 亿用户
- 易趣建筑
- FaceStat 的祸根与智慧赢得了胜利
- Flickr 的联合会:每天进行数十亿次查询
- EVE 在线架构
- Notify.me 体系结构-同步性
- Google 架构
- 第二人生架构-网格
- MySpace 体系结构
- 扩展 Digg 和其他 Web 应用程序
- Digg 建筑
- 在 Amazon EC2 中部署大规模基础架构的六个经验教训
- Wolfram | Alpha 建筑
- 为什么 Facebook,Digg 和 Twitter 很难扩展?
- 全球范围扩展的 10 个 eBay 秘密
- BuddyPoke 如何使用 Google App Engine 在 Facebook 上扩展
- 《 FarmVille》如何扩展以每月收获 7500 万玩家
- Twitter 计划分析 1000 亿条推文
- MySpace 如何与 100 万个并发用户一起测试其实时站点
- FarmVille 如何扩展-后续
- Justin.tv 的实时视频广播架构
- 策略:缓存 404 在服务器时间上节省了洋葱 66%
- Poppen.de 建筑
- MocoSpace Architecture-一个月有 30 亿个移动页面浏览量
- Sify.com 体系结构-每秒 3900 个请求的门户
- 每月将 Reddit 打造为 2.7 亿页面浏览量时汲取的 7 个教训
- Playfish 的社交游戏架构-每月有 5000 万用户并且不断增长
- 扩展 BBC iPlayer 的 6 种策略
- Facebook 的新实时消息系统:HBase 每月可存储 135 亿条消息
- Pinboard.in Architecture-付费玩以保持系统小巧
- BankSimple 迷你架构-使用下一代工具链
- Riak 的 Bitcask-用于快速键/值数据的日志结构哈希表
- Mollom 体系结构-每秒以 100 个请求杀死超过 3.73 亿个垃圾邮件
- Wordnik-MongoDB 和 Scala 上每天有 1000 万个 API 请求
- Node.js 成为堆栈的一部分了吗? SimpleGeo 说是的。
- 堆栈溢出体系结构更新-现在每月有 9500 万页面浏览量
- Medialets 体系结构-击败艰巨的移动设备数据
- Facebook 的新实时分析系统:HBase 每天处理 200 亿个事件
- Microsoft Stack 是否杀死了 MySpace?
- Viddler Architecture-每天嵌入 700 万个和 1500 Req / Sec 高峰
- Facebook:用于扩展数十亿条消息的示例规范架构
- Evernote Architecture-每天有 900 万用户和 1.5 亿个请求
- TripAdvisor 的短
- TripAdvisor 架构-4,000 万访客,200M 动态页面浏览,30TB 数据
- ATMCash 利用虚拟化实现安全性-不变性和还原
- Google+是使用您也可以使用的工具构建的:闭包,Java Servlet,JavaScript,BigTable,Colossus,快速周转
- 新的文物建筑-每天收集 20 亿多个指标
- Peecho Architecture-鞋带上的可扩展性
- 标记式架构-扩展到 1 亿用户,1000 台服务器和 50 亿个页面视图
- 论文:Akamai 网络-70 个国家/地区的 61,000 台服务器,1,000 个网络
- 策略:在 S3 或 GitHub 上运行可扩展,可用且廉价的静态站点
- Pud 是反堆栈-Windows,CFML,Dropbox,Xeround,JungleDisk,ELB
- 用于扩展 Turntable.fm 和 Labmeeting 的数百万用户的 17 种技术
- StackExchange 体系结构更新-平稳运行,Amazon 4x 更昂贵
- DataSift 体系结构:每秒进行 120,000 条推文的实时数据挖掘
- Instagram 架构:1400 万用户,1 TB 的照片,数百个实例,数十种技术
- PlentyOfFish 更新-每月 60 亿次浏览量和 320 亿张图片
- Etsy Saga:从筒仓到开心到一个月的浏览量达到数十亿
- 数据范围项目-6PB 存储,500GBytes / sec 顺序 IO,20M IOPS,130TFlops
- 99designs 的设计-数以千万计的综合浏览量
- Tumblr Architecture-150 亿页面浏览量一个月,比 Twitter 更难扩展
- Berkeley DB 体系结构-NoSQL 很酷之前的 NoSQL
- Pixable Architecture-每天对 2000 万张照片进行爬网,分析和排名
- LinkedIn:使用 Databus 创建低延迟更改数据捕获系统
- 在 30 分钟内进行 7 年的 YouTube 可扩展性课程
- YouPorn-每天定位 2 亿次观看
- Instagram 架构更新:Instagram 有何新功能?
- 搜索技术剖析:blekko 的 NoSQL 数据库
- Pinterest 体系结构更新-1800 万访问者,增长 10 倍,拥有 12 名员工,410 TB 数据
- 搜索技术剖析:使用组合器爬行
- iDoneThis-从头开始扩展基于电子邮件的应用程序
- StubHub 体系结构:全球最大的票务市场背后的惊人复杂性
- FictionPress:在网络上发布 600 万本小说
- Cinchcast 体系结构-每天产生 1,500 小时的音频
- 棱柱架构-使用社交网络上的机器学习来弄清您应该在网络上阅读的内容
- 棱镜更新:基于文档和用户的机器学习
- Zoosk-实时通信背后的工程
- WordPress.com 使用 NGINX 服务 70,000 req / sec 和超过 15 Gbit / sec 的流量
- 史诗般的 TripAdvisor 更新:为什么不在云上运行? 盛大的实验
- UltraDNS 如何处理数十万个区域和数千万条记录
- 更简单,更便宜,更快:Playtomic 从.NET 迁移到 Node 和 Heroku
- Spanner-关于程序员使用 NoSQL 规模的 SQL 语义构建应用程序
- BigData 使用 Erlang,C 和 Lisp 对抗移动数据海啸
- 分析数十亿笔信用卡交易并在云中提供低延迟的见解
- MongoDB 和 GridFS 用于内部和内部数据中心数据复制
- 每天处理 1 亿个像素-少量竞争会导致大规模问题
- DuckDuckGo 体系结构-每天进行 100 万次深度搜索并不断增长
- SongPop 在 GAE 上可扩展至 100 万活跃用户,表明 PaaS 未通过
- Iron.io 从 Ruby 迁移到 Go:减少了 28 台服务器并避免了巨大的 Clusterf ** ks
- 可汗学院支票簿每月在 GAE 上扩展至 600 万用户
- 在破坏之前先检查自己-鳄梨的建筑演进的 5 个早期阶段
- 缩放 Pinterest-两年内每月从 0 到十亿的页面浏览量
- Facebook 的网络秘密
- 神话:埃里克·布鲁尔(Eric Brewer)谈银行为什么不是碱-可用性就是收入
- 一千万个并发连接的秘密-内核是问题,而不是解决方案
- GOV.UK-不是你父亲的书库
- 缩放邮箱-在 6 周内从 0 到 100 万用户,每天 1 亿条消息
- 在 Yelp 上利用云计算-每月访问量为 1.02 亿,评论量为 3900 万
- 每台服务器将 PHP 扩展到 30,000 个并发用户的 5 条 Rockin'Tips
- Twitter 的架构用于在 5 秒内处理 1.5 亿活跃用户,300K QPS,22 MB / S Firehose 以及发送推文
- Salesforce Architecture-他们每天如何处理 13 亿笔交易
- 扩大流量的设计决策
- ESPN 的架构规模-每秒以 100,000 Duh Nuh Nuhs 运行
- 如何制作无限可扩展的关系数据库管理系统(RDBMS)
- Bazaarvoice 的架构每月发展到 500M 唯一用户
- HipChat 如何使用 ElasticSearch 和 Redis 存储和索引数十亿条消息
- NYTimes 架构:无头,无主控,无单点故障
- 接下来的大型声音如何使用 Hadoop 数据版本控制系统跟踪万亿首歌曲的播放,喜欢和更多内容
- Google 如何备份 Internet 和数十亿字节的其他数据
- 从 HackerEarth 用 Apache 扩展 Python 和 Django 的 13 个简单技巧
- AOL.com 体系结构如何发展到 99.999%的可用性,每天 800 万的访问者和每秒 200,000 个请求
- Facebook 以 190 亿美元的价格收购了 WhatsApp 体系结构
- 使用 AWS,Scala,Akka,Play,MongoDB 和 Elasticsearch 构建社交音乐服务
- 大,小,热还是冷-条带,Tapad,Etsy 和 Square 的健壮数据管道示例
- WhatsApp 如何每秒吸引近 5 亿用户,11,000 内核和 7,000 万条消息
- Disqus 如何以每秒 165K 的消息和小于 0.2 秒的延迟进行实时处理
- 关于 Disqus 的更新:它仍然是实时的,但是 Go 摧毁了 Python
- 关于 Wayback 机器如何在银河系中存储比明星更多的页面的简短说明
- 在 PagerDuty 迁移到 EC2 中的 XtraDB 群集
- 扩展世界杯-Gambify 如何与 2 人组成的团队一起运行大型移动投注应用程序
- 一点点:建立一个可处理每月 60 亿次点击的分布式系统的经验教训
- StackOverflow 更新:一个月有 5.6 亿次网页浏览,25 台服务器,而这一切都与性能有关
- Tumblr:哈希处理每秒 23,000 个博客请求的方式
- 使用 HAProxy,PHP,Redis 和 MySQL 处理 10 亿个请求的简便方法来构建成长型启动架构
- MixRadio 体系结构-兼顾各种服务
- Twitter 如何使用 Redis 进行扩展-105TB RAM,39MM QPS,10,000 多个实例
- 正确处理事情:通过即时重放查看集中式系统与分散式系统
- Instagram 提高了其应用程序的性能。 这是如何做。
- Clay.io 如何使用 AWS,Docker,HAProxy 和 Lots 建立其 10 倍架构
- 英雄联盟如何将聊天扩大到 7000 万玩家-需要很多小兵。
- Wix 的 Nifty Architecture 技巧-大规模构建发布平台
- Aeron:我们真的需要另一个消息传递系统吗?
- 机器:惠普基于忆阻器的新型数据中心规模计算机-一切仍在变化
- AWS 的惊人规模及其对云的未来意味着什么
- Vinted 体系结构:每天部署数百次,以保持繁忙的门户稳定
- 将 Kim Kardashian 扩展到 1 亿个页面
- HappyPancake:建立简单可扩展基金会的回顾
- 阿尔及利亚分布式搜索网络的体系结构
- AppLovin:通过每天处理 300 亿个请求向全球移动消费者进行营销
- Swiftype 如何以及为何从 EC2 迁移到真实硬件
- 我们如何扩展 VividCortex 的后端系统
- Appknox 架构-从 AWS 切换到 Google Cloud
- 阿尔及利亚通往全球 API 的愤怒之路
- 阿尔及利亚通往全球 API 步骤的愤怒之路第 2 部分
- 为社交产品设计后端
- 阿尔及利亚通往全球 API 第 3 部分的愤怒之路
- Google 如何创造只有他们才能创造的惊人的数据中心网络
- Autodesk 如何在 Mesos 上实施可扩展事件
- 构建全球分布式,关键任务应用程序:Trenches 部分的经验教训 1
- 构建全球分布式,关键任务应用程序:Trenches 第 2 部分的经验教训
- 需要物联网吗? 这是美国一家主要公用事业公司从 550 万米以上收集电力数据的方式
- Uber 如何扩展其实时市场平台
- 优步变得非常规:使用司机电话作为备份数据中心
- 在不到五分钟的时间里,Facebook 如何告诉您的朋友您在灾难中很安全
- Zappos 的网站与 Amazon 集成后冻结了两年
- 为在现代时代构建可扩展的有状态服务提供依据
- 细分:使用 Docker,ECS 和 Terraform 重建基础架构
- 十年 IT 失败的五个教训
- Shopify 如何扩展以处理来自 Kanye West 和 Superbowl 的 Flash 销售
- 整个 Netflix 堆栈的 360 度视图
- Wistia 如何每小时处理数百万个请求并处理丰富的视频分析
- Google 和 eBay 关于构建微服务生态系统的深刻教训
- 无服务器启动-服务器崩溃!
- 在 Amazon AWS 上扩展至 1100 万以上用户的入门指南
- 为 David Guetta 建立无限可扩展的在线录制活动
- Tinder:最大的推荐引擎之一如何决定您接下来会看到谁?
- 如何使用微服务建立财产管理系统集成
- Egnyte 体系结构:构建和扩展多 PB 分布式系统的经验教训
- Zapier 如何自动化数十亿个工作流自动化任务的旅程
- Jeff Dean 在 Google 进行大规模深度学习
- 如今 Etsy 的架构是什么样的?
- 我们如何在 Mail.Ru Cloud 中实现视频播放器
- Twitter 如何每秒处理 3,000 张图像
- 每天可处理数百万个请求的图像优化技术
- Facebook 如何向 80 万同时观看者直播
- Google 如何针对行星级基础设施进行行星级工程设计?
- 为 Mail.Ru Group 的电子邮件服务实施反垃圾邮件的猫捉老鼠的故事,以及 Tarantool 与此相关的内容
- The Dollar Shave Club Architecture Unilever 以 10 亿美元的价格被收购
- Uber 如何使用 Mesos 和 Cassandra 跨多个数据中心每秒管理一百万个写入
- 从将 Uber 扩展到 2000 名工程师,1000 个服务和 8000 个 Git 存储库获得的经验教训
- QuickBooks 平台
- 美国大选期间城市飞艇如何扩展到 25 亿个通知
- Probot 的体系结构-我的 Slack 和 Messenger Bot 用于回答问题
- AdStage 从 Heroku 迁移到 AWS
- 为何将 Morningstar 迁移到云端:降低 97%的成本
- ButterCMS 体系结构:关键任务 API 每月可处理数百万个请求
- Netflix:按下 Play 会发生什么?
- ipdata 如何以每月 150 美元的价格为来自 10 个无限扩展的全球端点的 2500 万个 API 调用提供服务
- 每天为 1000 亿个事件赋予意义-Teads 的 Analytics(分析)管道
- Auth0 体系结构:在多个云提供商和地区中运行
- 从裸机到 Kubernetes
- Egnyte Architecture:构建和扩展多 PB 内容平台的经验教训
- 缩放原理
- TripleLift 如何建立 Adtech 数据管道每天处理数十亿个事件
- Tinder:最大的推荐引擎之一如何决定您接下来会看到谁?
- 如何使用微服务建立财产管理系统集成
- Egnyte 体系结构:构建和扩展多 PB 分布式系统的经验教训
- Zapier 如何自动化数十亿个工作流自动化任务的旅程
- Jeff Dean 在 Google 进行大规模深度学习
- 如今 Etsy 的架构是什么样的?
- 我们如何在 Mail.Ru Cloud 中实现视频播放器
- Twitter 如何每秒处理 3,000 张图像
- 每天可处理数百万个请求的图像优化技术
- Facebook 如何向 80 万同时观看者直播
- Google 如何针对行星级基础设施进行行星级工程设计?
- 为 Mail.Ru Group 的电子邮件服务实施反垃圾邮件的猫捉老鼠的故事,以及 Tarantool 与此相关的内容
- The Dollar Shave Club Architecture Unilever 以 10 亿美元的价格被收购
- Uber 如何使用 Mesos 和 Cassandra 跨多个数据中心每秒管理一百万个写入
- 从将 Uber 扩展到 2000 名工程师,1000 个服务和 8000 个 Git 存储库获得的经验教训
- QuickBooks 平台
- 美国大选期间城市飞艇如何扩展到 25 亿条通知
- Probot 的体系结构-我的 Slack 和 Messenger Bot 用于回答问题
- AdStage 从 Heroku 迁移到 AWS
- 为何将 Morningstar 迁移到云端:降低 97%的成本
- ButterCMS 体系结构:关键任务 API 每月可处理数百万个请求
- Netflix:按下 Play 会发生什么?
- ipdata 如何以每月 150 美元的价格为来自 10 个无限扩展的全球端点的 2500 万个 API 调用提供服务
- 每天为 1000 亿个事件赋予意义-Teads 的 Analytics(分析)管道
- Auth0 体系结构:在多个云提供商和地区中运行
- 从裸机到 Kubernetes
- Egnyte Architecture:构建和扩展多 PB 内容平台的经验教训