# The Dollar Shave Club Architecture Unilever 以 10 亿美元的价格被收购
> 原文: [http://highscalability.com/blog/2016/9/13/the-dollar-shave-club-architecture-unilever-bought-for-1-bil.html](http://highscalability.com/blog/2016/9/13/the-dollar-shave-club-architecture-unilever-bought-for-1-bil.html)
![](https://img.kancloud.cn/af/d5/afd5390c0ab1589e1c5b6027a7338732_207x285.png)
*这是 [Jason Bosco](https://www.linkedin.com/in/jasonbosco) , [Dollar Shave Club [ HTG12 的核心平台&基础架构工程总监,介绍其电子商务技术的基础架构。](https://www.dollarshaveclub.com/)*
Dollar Shave Club 拥有 300 万以上的会员,今年的收入将超过 2 亿美元。 尽管大多数人都熟悉该公司的市场营销,但是自成立以来短短几年内的巨大增长主要归功于其 45 名工程师的团队。
Dollar Shave Club 工程学的数字:
## 核心统计信息
* 超级碗广告的投放没有停机时间:1
* 每月流量带宽:9 TB
* 通过 Arm 处理的订单:3800 万张订单
* 发现的错误总数:4,566
* 自动化测试成绩:312,000
* 通过语音发送的电子邮件:1.95 亿封电子邮件
* 处理并存储在海马中的 Analytics(分析)数据点:5.34 亿
* 海马中的数据集大小:1.5TB
* 当前已部署的应用程序/服务:22
* 服务器数量:325
## 技术堆栈
* 前端框架的 Ember
* 主要在后端上使用 Ruby on Rails
* 满足高吞吐量后台处理需求的 Node.js(例如:在语音中)
* 用于基础结构软件的 Golang
* 用于基础架构的 Python &数据科学
* 用于 1 个内部应用程序的 Elixir
* 用于测试自动化的 Ruby
* 适用于本机 iOS 应用程序的 Swift 和 Objective C
## 基础结构
* 完全托管在 AWS 上
* Ubuntu & CoreOS
* 用于配置管理的&地形
* 过渡到基于 Docker 的部署
* Jenkins 用于部署协调
* Nginx &清漆
* 快速交付应用程序
* 摘要汇总日志
* 用于安全监视的 CloudPassage
* HashiCorp 的保险柜,用于秘密存储&设置
## 数据存储
* 主要是 MySQL 托管在 RDS 上
* 托管在 Elasticache 上的 Memcached 用于缓存
* 自托管 Redis 服务器主要用于排队
* 有点 Kinesis,用于处理来自尖峰流量的订单
* Amazon Redshift 用于数据仓库
## 消息传递&排队
* Resque 和 Sidekiq 用于异步作业处理&消息传递
* 用于消息传递的 RabbitMQ
* Kafka 用于流处理
## 分析&商业智能
* 扫雪机&用于网络/移动分析的 Adobe Analytics
* AWS Elastic MapReduce
* 将 FlyData 从 MySQL 转换为 ETL 数据到 Redshift
* 托管 Spark Databricks
* Looker 作为 BI 前端
* 用于报告的近实时数据可用性
## 监控
* 岗哨哨兵&用于异常跟踪的 Crashlytics
* 用于自定义应用程序指标的 DataDog &指标聚合
* SysDig 用于基础结构度量&监视
* 用于应用程序性能监视的 NewRelic
* Site24x7,用于可用性监视
* PagerDuty,用于通话提醒
## 质量检查和测试自动化
* CircleCI 用于运行单元测试
* Jenkins + TestUnit + Selenium + SauceLabs 用于基于浏览器的自动化测试
* Jenkins + TestUnit +硒+ SauceLabs 用于大脑自动测试
* 用于 API 功能测试的 Jenkins + TestUnit
* Jenkins + TestUnit + Appium + SauceLabs 用于原生 Android 自动化测试
* Jenkins + TestUnit + Appium + SauceLabs 用于本地 iOS 自动化测试
* Jenkins + TestUnit + Selenium + SauceLabs +用于 BI 测试自动化的代理服务器
* 用于压力,浸泡,负载和性能测试的 SOASTA + Regex 脚本。
## 工程工作流程
* 跨团队交流的松弛
* Trello,用于任务跟踪
* 具有自定义插件的 Hubot 作为我们的聊天机器人
* Github 作为我们的代码存储库
* ReviewNinja 与 Github Status API 集成,用于代码审核
* 连续部署-通常每天进行多次部署
* 转向持续交付
* 用于功能开发的即时沙盒环境
* 目前,使用 Jenkins 的单按钮推送部署正在朝着持续交付的方向发展
* 运行 docker 容器的游民箱= >为新工程师提供的功能齐全的开发环境,第一天
## 架构
* 事件驱动的架构
* 从单一架构转变为通过公共消息总线进行交互的“中型”服务
* CDN 边缘上基于 VCL 的边缘路由,就像其他任何应用程序一样部署。
* Web 和移动前端与 API 层进行对话
* API 层与服务进行对话,聚合数据并为客户端设置格式
* 服务与数据存储和消息总线进行对话
* 预定任务作为一项主任务运行,并在 resque / sidekiq 中分解为较小的任务
* 技术组件包括用于客户服务(Brain),市场营销自动化平台(Voice),履行系统(Arm),订阅计费系统(Baby Boy)和我们的数据基础结构(Hippocampus)的内部工具。
## 小组
* 45 位顶尖的企业家和高技能的工程师在加利福尼亚总部玛丽娜·德尔·雷伊工作
* 工程师与产品经理,设计师,UX 和利益相关者一起参与称为小分队的跨职能团队,以提供端到端功能。
* 团队根据域被垂直划分为前端,后端和质量检查& IT。
* 前端团队拥有 DSC.com &内部工具的 Web UI 和我们的 iOS & Android 应用。
* 后端团队拥有 DSC.com &内部工具,内部服务(计费和履行),数据平台&基础结构的 Web 后端。
* 质量检查团队拥有所有数字产品的测试和自动化基础架构。
* IT 团队拥有办公室& Warehouse IT。
* 工程师每年参加一次公司赞助的会议。
* 工程师可以购买所需数量的书籍/学习资源。
* 所有人的站立式办公桌。 目前可提供一张跑步机作为飞行员。
* 每周的工程团队午餐。
* Tech Belly 每隔一周举行一次活动,工程师们在午餐时间就技术主题进行演讲。
* 鼓励工程师尝试最前沿的技术,并通过提案请求(RFC)创建提案。
* 鼓励工程师在有意义的地方开源工具和库。
* 每位工程师都会获得标准版的 15 英寸 Mac Book Pro,27 英寸 Mac Display 和 24 英寸显示器。
* 一台 3D 打印机可用于打印道具和更多 3D 打印机。
## 获得的经验教训
* 当您要扩展的组件由简单的小型服务组成时,扩展将变得更加容易。
* 文档&知识共享对于快速成长的团队至关重要。
* 培养良好的测试套件对于快速发展的系统至关重要。
* Redis 使用一种近似的 LRU 算法,因此如果您对缓存有明确的 LRU 要求,则不适合使用
* 网络性能至关重要,尤其是在移动设备上-每毫秒都会使我们损失收入
* 可用性&用户体验对于内部工具也很重要:高效的工具=生产力更高的团队
[关于 HackerNews](https://news.ycombinator.com/item?id=12490369)
您为什么决定自己托管 Redis? 我假设您将在 ElastiCache 上运行 Redis(使用复制组以提高可用性)。 此外,为什么还要在 Elasticache 上托管 memcached?
似乎是一个非常标准的现代堆栈。 很高兴为他们工作! 真正的问题是,他们向联合利华公司技术堡垒的过渡将是什么样子。
我想我的问题是,为什么您需要 45 名工程师才能完成基本上是一个带有订阅选项的小型目录?
文档首次出现很重要。 您使用什么基础设施和流程来保持其相关性?
为什么这家公司需要运行这么复杂的系统? 并不是实时地有成千上万个请求的技术公司。 似乎是一种听起来过于酷炫的过度设计的解决方案。 也许他们在做一些我看不到的大而复杂的事情。 所以我很好奇。
- 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