# ATMCash 利用虚拟化实现安全性-不变性和还原
> 原文: [http://highscalability.com/blog/2011/7/11/atmcash-exploits-virtualization-for-security-immutability-an.html](http://highscalability.com/blog/2011/7/11/atmcash-exploits-virtualization-for-security-immutability-an.html)
*这是 ATMCash 技术负责人 [Ran Grushkowsky](/cdn-cgi/l/email-protection#6210030c052203160f0103110a4c010d0f) 的来宾帖子。*
虚拟化和基于云的系统在业界非常受欢迎。 但是,大多数金融公司偏离了这些解决方案。 在 ATMCash,我们采用虚拟化的原因并非出于可扩展性的通常原因,而是出于通常错过的安全性价值。
在本文中,我将介绍虚拟化利用中安全性增值的概念,以及为什么人们应该考虑为这些用例部署小型云。
## 虚拟机如何帮助减轻风险?
我敢肯定,您中的大多数人都听说过金融行业中最近发生的[黑客攻击。 金融公司一直在不断地进行黑客攻击,因此安全性至关重要。 系统部署中最大的风险之一是堆栈组件之一的损坏。 定期的系统修补程序和维护修复了已知的漏洞利用和问题,但是,有时可能为时已晚,并且该组件已被破坏。 如果系统已经在将补丁程序应用于现有系统的自然环境中遭到破坏,则有时补丁程序可能来得太迟,并且已经注入了特洛伊木马或某种恶意代码(如最近的案例所示) 。 虚拟机提供了一个伟大的隐藏宝藏:**不变性和还原映像**。](http://www.latimes.com/business/la-fi-citibank-hack-20110609,0,2504101.story)
## ATMCash 如何将这些功能用于堆栈中的安全性的示例:
我们的堆栈包含三个主要组件:前端,后端和数据库。
我们的机器正在运行 VMWare vSphere。 我们已经决定为前端组件安装 4gb / ram 64gb / SSD 服务器。 具有 16gb / ram 的更强大的服务器(用于我们的后端组件)以及具有用户 ID 分片和复制功能的专用 MySQL 数据库服务器。 我们的虚拟机正在运行 CentOS 的修改版本。 我们学会了以相对快速的修补周期和易于修改的配置来喜欢 CentOS。
前端和后端是随每个版本更改的静态组件,而数据库是唯一随时更改的动态组件。 我们利用静态特征来增强我们的安全性,并消除感染后被感染的系统受到修补的风险。
我们拥有尚未部署的每个系统组件的最新映像,但是会不断对其进行修补和更新以反映最新的安全风险。 然后,我们将对该映像进行任何软件更新,并用新更新和修补的映像替换运行中的映像。 通过安装负载平衡器,我们在整个过程中不会停机。 我们通过关闭一台计算机来逐一替换虚拟机,而负载平衡器将流量引向运行中的计算机,并重复该过程,直到所有虚拟机都被替换为止。 交换图像的过程通常每个过程少于 30 秒。 VMWare vSphere 具有一些强大的功能,这些功能使动态替换映像变得非常容易。 这是一个相对较快的重新部署过程。
## 我们如何使用不变性来提高安全性的示例:
在 ATMCash,我们的客户服务和呼叫中心在内部进行处理。 我们还将客户的安全和隐私视为最高优先事项。 为了进一步保护客户,我们开发了自己的 CSR(客户服务代表)系统,该系统利用了各种安全级别。 其中之一是虚拟机的不变性功能。 每个 CSR 工作站都在运行一个主 VM 映像的副本,该副本是不变的(无法修改,并且在每次重新引导后将被重置)。
以这种方式部署工作站可提供至关重要的安全级别,以保护我们的系统免受可能进入工作站的恶意代码的侵害。 如今,病毒和恶意脚本以各种方式传播。 从电子邮件附件到 Word 文档,它们无处不在。 如果您认为制定一项政策来指示员工不要从可移动驱动器中加载个人文档,或者甚至限制对社交网络的 Web 访问将消除这种风险,那么事实证明您是错误的。 您应始终假定恶意脚本会找到通往您工作站的路径,并且您的防病毒软件很可能不会检测到它。 使用每次重新启动都会重新启动的不可变映像,不仅提供了更高的安全性,而且还提供了应用补丁程序和在整个系统范围内更新(仅更新一个映像)的能力。
## 为什么 ATMCash 有自己的私有云而不使用现有的基础架构:
我们得到了很多问题,答案很简单。 我们从事货币业务,我们需要特别注意客户的信息。 这是真的; 部署自己的小型云的成本比利用任何现有基础架构要高得多,但是安全性的附加价值是无价的。
此外,借助戴尔和其他零件制造商提供的财务计划,如果您将付款分散到各处,则您只需支付云服务的费用即可。 价格比较:使用 Rackspace 拥有 10 台 4gb 和 200gb 上/下的 Linux 服务器,每月将花费$ 1804。 在您自己的微型云上使用戴尔服务器配置可比较的服务器,服务器硬件的费用为每月 105 美元,网络配件的费用为每月 400 美元,VMWare 许可的费用为 600 美元/月,数据中心费用可能有所不同,但大约为 400 美元/月。
最重要的是,您必须维护设置,并且任何可伸缩性都需要购买和设置更多节点。 $ 1505 /月,之前员工维持固定成本的费用略高,但是,特别是在安全方面所享有的收益不容错过。
## 发生停机时如何处理对帐问题?
处理金融交易时,不能选择停机。 因此,虚拟化非常重要,而负载均衡器对于任何虚拟化环境都至关重要。 我们设计的系统具有极高的冗余性。 堆栈的每个部分都被复制并旨在处理停机时间。 我们在本地数据中心级别使用物理负载均衡器设备(也执行 SSL 握手)在 DNS 级别使用负载均衡器。 一旦一个组件发生故障,负载均衡器将自动将流量定向到其克隆节点。
我们使用批处理更新执行大量数据处理,在此我们将重要更新作为增量更新,小的增量更新进行提交,从而无需更新整个数据集。 您只需更新所需的小更改。 例如,提款或大量资金需要立即在整个系统中进行更新以反映余额,但是,交易历史记录的优先级较低。 当在 ATM 级别上发生负载时,请求正在通过我们的系统,以确保交易有效。
交易获得批准后,我们将对前端数据库执行增量更新以反映该交易。 然后,我们将触发不同的过程,以警告客户该交易,更新其界面并执行安全性速度检查(检查以确保我们的客户卡的安全性不会被盗)。
当大多数数据作为批处理时,系统将处理关键更新,例如增量更新。 批处理更新的本质是海量数据与增量更新的完整汇总,增量更新仅包含已修改的数据。 为确保整个系统中数据的完整性并允许更快的更新,我们将增量更新用于流水线更新和批处理更新,其中还包括更多对数据完整性检查而言不重要的数据。 迄今为止,由于批量更新不会阻塞系统,因此我们可以安全地使用增量更新来扩展规模,而不会影响系统的稳定性或性能。
## 总结一下:
如果安全性是您业务中不可或缺的一部分,就像 ATMCash 处的业务一样,那么您应该利用虚拟机的附加安全性功能。 您将学习到它所提供的灵活性以及您的版本始终是“无恶意软件”的,让您高枕无忧。
关于公司: [ATMCash.com](http://atmcash.com/) 成立于 2005 年,是全球支付平台和在线汇款服务,服务于 150 多个国家/地区。 使用预付费借记卡代替了传统的基于第三方代理的模型和银行电汇。 没有银行帐户的接收者可以从全球超过 150 万台 ATM 机中提取资金。 [ATMCash.com](http://atmcash.com/) 通过为客户提供更多控制,省心和省钱的方式,改变了人们转移资金和向自由职业者付款的方式。
[](http://payment.atmcash.com/)
Centos 和 VMWare 的安全性? 请查看最近十年影响 VMWare 的漏洞列表,并且不要忘记研究 CentOS 开发人员社区的规模和内部流程。
将结果与其他虚拟化系统和其他 Linux 发行版进行比较。 请。
嘿,巨魔,你为什么不以那种傲慢,模棱两可的态度停下来,并谈谈具体细节。 显示影响 ESXi4.1 的单个报告的未修补 VMWare 漏洞
与 CentOS / RedHat / Scientific / OEL 相同。
非常有趣,谢谢!
花旗银行《洛杉矶时报》的故事链接已断开。 他们可能将链接更改为此 http://www.latimes.com/business/la-fi-citigroup-hacking-20110617,0,1445324.story
- 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