# Pinboard.in Architecture-付费玩以保持系统小巧
> 原文: [http://highscalability.com/blog/2010/12/29/pinboardin-architecture-pay-to-play-to-keep-a-system-small.html](http://highscalability.com/blog/2010/12/29/pinboardin-architecture-pay-to-play-to-keep-a-system-small.html)
![](https://img.kancloud.cn/38/e5/38e5eeb19af75aafc4de8bf785549f5c_125x174.png)
如何在保持成功的同时保持足够小的系统规模,以使简单的向上扩展策略成为首选架构? 例如, [StackOverflow](http://highscalability.com/blog/2009/8/5/stack-overflow-architecture.html) 可以坚持使用自己喜欢的工具链,因为他们天生就对自己的增长速度抱有刹车:世界上只有这么多的程序员。 如果这对您不起作用,请考虑以下另一种自然制动策略:**收取服务费用**。 [Paul Houle](http://twitter.com/#!/simonstl/statuses/25587487132880897) 很好地总结为:*通过构建小规模盈利的服务来避免扩展问题*。
[Pinboard.in 的联合创始人 Maciej Ceglowski 在](http://pinboard.in/)中接受了 Leo Laporte 和 Amber MacArthur 关于他们的[的采访时提出了这一有趣的观点,我之前没有适当考虑过。 HTG3] [受电子邮件保护]](http://twit.tv/natn182) 显示。
插板式纸机是一种精简的,付钱的书签机,可以及时替代快要淘汰的 Delicious。 作为一个自称是反社会书签网站,它*强调社交化*的速度。 Maciej 认为 Pinboard 是个人档案,您可以在其中永久保存所阅读内容的历史记录。 当 Delicious 的灭亡宣布时,如果 Pinboard 曾经是免费站点,那么他们会立即倒闭,但是成为付费站点有助于拉平他们的增长曲线。
过去经常与朋友共享链接的书签站点,但 Twitter 大部分已经接管了该角色。 但是,Twitter 只展示您的推特历史的一小部分而臭名昭著。 您真正想要的是一台大型服务器,它从可能在何处添加书签的地方都吸收了书签,而这正是 Pinboard 的作用。
对于 Pinboard 来说,有几点特别令我感到震惊:
* 它使用基于 MySQL,向上扩展,PHP,Perl 和无框架的传统风格简单体系结构。
* 它要求支付服务费用以支付费用并保持用户群的可管理性。
* 它根据用户数量收费以支付费用。
* 他们缓慢地构建了站点,并希望使其保持小巧,快速,可靠,因为这是一种更好的运行方式。
**网站**: [Pinboard.in](http://pinboard.in/)
## 资料来源
* [技术基础](http://pinboard.in/blog/63/)
* [[受电子邮件保护]](http://twit.tv/natn182) 采访
* 个人电邮
[](http://pinboard.in/blog/63/)
## 统计资料
* 1,630 万个书签
* 5200 万个标签
* 940 万个网址
* 989 GB 存档内容
* 自 2010 年 7 月 8 日以来,累计停机时间不到 1 小时。
## 平台
* 的 MySQL
* 的 PHP
* 佩尔
* 的 Ubuntu
* 装甲运兵车
* 狮身人面像
* Cron 职位
* S3
## 硬件
* 机器 1:64 GB,运行数据库主服务器,存储用户档案并运行搜索
* 机器 2:32 GB,运行故障转移主机,抓取各种外部提要,执行后台任务
* 机器 3:16 GB,Web 服务器和数据库从属
## 建筑
* 数据库的副本保留在所有三台计算机上。
* 该网站在 16GB 计算机上运行。 数据库完全适合 RAM,页面加载时间提高了 10 倍或更多。
* 主-主架构,带有一个额外的读取从属。 所有写入均指向一个 DB,其中包括书签,用户和标签表。
* 第二个主机运行:
* 汇总计算,例如全局链接计数和每用户统计信息。
* 使用 mysqldump 的每晚数据库备份。 备份以压缩格式存储到 S3。
* Perl 脚本运行后台任务:
* 下载外部提要,为启用了存档功能的用户缓存页面,处理传入的电子邮件,生成标签云以及运行备份。
* 选择 Perl 是因为现有的技能和 CPAN 中可用的大型支持库。
* 诸如大多数流行书签之类的功能是由通常在每晚运行的 cron 作业生成的,但是当负载过高时将其关闭。
* PHP 用于生成 HTML 页面:
* 不使用模板引擎。 没有使用框架。
* APC 用于缓存 PHP 文件。
* 不使用其他缓存。
* [Sphinx](http://www.sphinxsearch.com/) 用于搜索引擎和全局标签页。
## 得到教训
* **咒语。** Pinboard 的目标是:快速,可靠和简洁。 他们认为这些是可以赢得并留住客户的素质。 当出现问题时,例如大规模增长,他们总是优先考虑,以便保持这些系统质量。 例如,他们的首要任务是防止数据丢失,这决定了更改其服务器体系结构。 因此,从概念上讲,该站点在增长的时期内是令人困惑的……如果站点可以快速可靠地保存链接,则可以。
* **从开头**开始作为付费网站。 成为付费网站的好处是您不会急于吸引新用户,因此可以保持小规模。 当 Delicious 的灭亡宣布时,如果他们本来可以成为免费站点,那么它们将立即被关闭,但是成为付费站点有助于平稳增长。
* **根据用户数量收费**。 Pinboard 具有独特的定价方案,旨在比具有免费帐户的服务更好地扩展。 价格基于当前用户数。 随着用户数量的增加,价格也随之上涨。 人们为使用的资源付费。 这与 Amazon 或 Google App Engine 的付款模式相似,但有很大的不同。 这是一次性费用。 每年只需多花$ 25,就可以缓存和搜索所有书签。
* **使用无聊和淡入淡出的技术。** 这些有助于确保站点永远不会丢失数据并且非常快。
* **经验法则**:如果您乐于尝试某些事物,那么它可能不属于生产领域。
* **使切换尽可能简单**。 Pinboard 通过自动导入和导出到 Delicious 并支持 Delicious API 来消除采用异议。
* **保持小巧** **更有趣**。 当您可以提供个人客户支持并直接与用户互动时,您会拥有更好的时光。
* **比较基于每 GB RAM 或存储空间的机器成本**。 Pinboard 最初是在 Slicehost 和 Linode 上运行的,但是当以每 GB RAM 或存储的美元成本表示的费用要高得多而又没有任何可抵消的收益时,他们便转向了另一种服务。
* **在负载**下关闭功能。 例如,如果您需要其他地方的性能,请关闭搜索。
* **中到大型站点是最昂贵的**。 小型站点的运行成本相对较低,但是在增长曲线的某个时刻,每个新用户的边际成本都会增加。 由于必须将数据拆分到多台计算机上并且必须购买和管理这些计算机,因此成本更高。 有一个扩展成本。 一旦您接触到数百万的用户,它就会再次变得便宜。 从小型站点到中型站点的第一步是痛苦且昂贵的。
* **在您自己的产品**上做主。 根据您所相信的人,Delicious 在 Yahoo 的不断裁员中受到了伤害,但真正的问题是 Delicious 团队不是决策者。 新功能优先于可靠性,稳定性和创新性。 当命运掌握在他人手中时,您的工作时间或辛苦时间都没有关系。
* **Small 并不总是有效**。 新用户席卷了[,增加了超过 700 万个书签,超过了服务整个生命周期中收集的书签,并且该网站的流量是正常流量的 100 倍以上。 结果,正常的后台任务(如搜索,归档和轮询外部提要)被暂停。 弹性的策略来处理像这样的尖峰负载并不都是坏事。](http://pinboard.in/blog/156/)
* **查看异常页面加载时间,而不是中值页面加载时间来判断您的服务质量**。 即使大多数页面加载时间都可以接受,页面加载可能需要花费几秒钟的时间才能接受。
* **使用功能可快速构建**。 Pinboard 快速建立的部分原因是,社交和发现功能因说``去别的地方''而被推迟了。 其他站点将使您可以与朋友共享链接并发现新的有趣内容,但是没有其他站点像个人存档那样运作,这就是 Pinboard 的利基市场。
* **通过机器**隔离服务。 当 Web 服务器与其他服务共享计算机时,Web 服务器可能会受到打击。 另一个例子是,每天搜索索引器在进行完整索引重建时都会与 MySQL 争夺内存。
## 相关文章
* [Erick Schonfeld 将 Pin 大小的竞争对手 Pinboard](http://techcrunch.com/2010/12/29/delicious-exodus-pinboard/) 做成“美味的出埃及记”。 *该服务最初没有处理大量请求(高峰时每分钟处理数百个请求),但该数目增加了约十倍,达到每分钟 2500 个请求。*
* [关于 Pinboard](http://a.wholelottanothing.org/2010/12/quick-thoughts-on-pinboard.html) 的快速思考,作者:Matt Haughey
* [回到基础:Ditch Delicious,使用 Pinboard](http://techcrunch.com/2009/07/06/back-to-basics-ditch-delicious-use-pinboard/) ,作者:Michael Arrington
* [为什么 Pinboard.in 是我最喜欢的书签服务](http://www.messagingnews.com/onmessage/ben-gross/why-pinboardin-is-my-favorite-bookmarking-service)?
* [del.icio.us,谢谢:插板,欢迎](http://redmonk.com/sogrady/2010/03/05/del-icio-us-pinboard/),作者:Stephen O'Grady
为什么我不仅可以创建 Google 电子表格和表单,还可以在浏览器栏中创建该表单的书签。
您可以随时随地从私人 Google 电子表格中获取个人书签。
您可以轻松地扩展表单/电子表格以在不同选项卡中存储“任务”,“密码”等。
我缺少一个细节。 使用了什么网络服务器? Apache,nginx 或 lighttpd?
作为用户已近一年了,可以肯定地说,Pinboard 是一项出色服务的典范,对它的功能极为有用,并且创始人在产品和技术方面都拥有正确的愿景。
从扩展的角度来看,如果您知道如何使用 mysql,那么 mysql 可以很好地进行扩展,而在扩展它的那天,流量将足够高,可以雇用聪明的人来专注于扩展部分。 否则,服务固有存在错误。
这三台服务器支持多少总用户和峰值并发用户?
安迪,您可以在这里尝试:http://techcrunch.com/2010/12/29/delicious-exodus-pinboard/
我不明白:“随着用户数量的增加,价格也随之上升”,这没有任何意义。
您拥有的用户越多,就越能充分利用基础架构,那么每位用户的成本就会下降,因此您应该能够以相同的功能级别提供更便宜的服务。 您应该利用他们所谓的“规模经济”,并能够提供更好的价格。
这没有商业意义。
- 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