# 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)
### 使世界的知識可計算
<cite>今天的 Wolfram | Alpha 是一項雄心勃勃的長期項目的第一步,該項目旨在使任何人都可以立即計算所有系統知識。 輸入問題或計算,Wolfram | Alpha 使用其內置算法和不斷增長的數據收集來計算答案。</cite>
### 答案引擎與搜索引擎
當 [Wolfram | Alpha](http://www.wolframalpha.com/) 今天晚些時候發布時,它將成為**互聯網上計算量最大的網站之一**。 [Wolfram | Alpha 計算知識引擎](http://innowave.blogspot.com/2009/03/wolfram-alpha-computational-knowledge.html)是一個“答案引擎”,能夠產生各種問題的答案,例如
* 法國的國內生產總值是多少?
* David Ortiz 出生時的天氣是斯普林菲爾德
* 33 克黃金
* 低密度脂蛋白(LDL)與 150 歲男性吸煙者的血清鉀 150 的對比
* 男性預期壽命 40 歲芬蘭
* 高中教師工資中位數
Wolfram | Alpha 在數學,統計,物理學,工程學,天文學,化學,生命科學,地質學,商業和金融等不同領域均表現出色,正如 Steven Wolfram 在其[簡介截屏視頻](http://www.wolframalpha.com/screencast/introducingwolframalpha.html)中所展示的。
### 統計資料
* 推出約 10,000 個 CPU 內核
* 10+萬億條數據
* 50,000 多種算法
* 每天可處理約 1.75 億個查詢
* 5 百萬行符號 Mathematica 代碼
### 推動可計算知識的計算機
無法確切知道期望的流量,尤其是在發射后的最初階段,但是 Wolfram | Alpha 小組正在努力將合理的容量放到位。
正如 Stephen 在[中所寫,Wolfram | Alpha 博客](http://blog.wolframalpha.com/2009/05/12/the-computers-powering-computable-knowledge/) Alpha 將在 5 個分布式托管設備中運行。 他們在發射當天在這些設施中收集了哪些計算能力? <cite>兩臺超級計算機,僅約 10,000 個處理器核心,數百 TB 的磁盤,大量帶寬,以及似乎足夠的空調供撒哈拉沙漠地區舉辦滑雪勝地。</cite>
他們的發布合作伙伴之一 [R Systems](http://www.rsystemsinc.com/) 創建了世界第 44 大超級計算機(根據 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))。 他們稱其為 [R Smarr](http://www.top500.org/system/9506) 。 它將在發布日運行 Wolfram | Alpha! 使用 Dell DCS CS23-SH,QC HT 2.8 GHz 計算機,4608 內核,65536 GB RAM 和 Infiniband 互連,R Smarr 的總 Rmax 最大為 39580 GFlops。
戴爾是另一個推出合作伙伴,其數據中心充滿了四板,雙處理器,四核 Harpertown 服務器。 <cite>這加起來是什么? **每天能夠處理 1.75 億個查詢(可能產生 10 億個查詢)**-每月超過 50 億個查詢(包括約 300 億次計算)。</cite>
### Wolfram | Alpha 的發射
觀看 Wolfram | Alpha 系統的在線實時直播[](http://www.wolfram.com/broadcast/wolframalpha/)
* 5 月 15 日,星期五,太平洋標準時間下午 7 點開始
### 新型科學的第一個殺手級應用
Wolfram | Alpha 背后的天才是 Stephen Wolfram。 他以其雄心勃勃的項目而聞名: *Mathematica* 和*一種新型科學(NKS)*。
2009 年 5 月 14 日是他的著作[一種新型科學](http://www.amazon.com/gp/product/1579550088?ie=UTF8&tag=innoblog-20&linkCode=as2&camp=1789&creative=9325&creativeASIN=1579550088) 出版 7 周年。 斯蒂芬解釋說[是他的博客文章](http://blog.wolfram.com/2009/05/14/7-years-of-nksand-its-first-killer-app/):<cite>但是對我來說,今年最大的變化是 Wolfram | Alpha 的出現。 我相信 Wolfram | Alpha 將成為 NKS 的第一個殺手級應用。</cite>
### 狀態
<cite>建造 21 世紀前十年的 Wolfram | Alpha 應該是可行的。 然而,還有更多。</cite>
<cite>到目前為止,Wolfram | Alpha 包含 10+萬億條數據,50,000 +種算法和模型,以及 1000 多個域的語言能力。 用 Mathematica 構建,這本身是 Wolfram Research 20 多年發展的結果,Wolfram | Alpha 的核心代碼庫現在超過了 500 萬行符號 Mathematica 代碼。 Wolfram | Alpha 運行在超級計算機類的計算集群上,廣泛使用了最新一代的 Web 和并行計算技術,包括 [webMathematica](http://wolfram.com/products/webmathematica/) 和 [gridMathematica](http://wolfram.com/products/gridmathematica/) 。</cite>
### *Mathematica* 如何使 Wolfram | Alpha 成為可能?
<cite>Wolfram | Alpha 是一項重要的軟件工程開發,旨在使任何人都可以立即計算所有系統知識。 它完全由 Mathematica 開發和部署-實際上,Mathematica 獨特地使 Wolfram | Alpha 成為可能。 這就是為什么。</cite>
* 計算知識與智能
* 高性能企業部署
* 一種一致的架構
* 智能方法選擇
* 動態報告生成
* 數據庫連接
* 內置可計算數據
* 高級編程語言
* 高效的文本處理和語言分析
* 廣泛的自動化可視化功能
* 自動導入
* 開發環境
### 信息來源
* [Wolfram | Alpha](http://www.wolframalpha.com/)
* [關于 Wolfram | Alpha](http://www.wolframalpha.com/about.html)
* [Wolfram | Alpha 博客](http://blog.wolframalpha.com/)
* [Wolfram | Alpha 截屏簡介](http://www.wolframalpha.com/screencast/introducingwolframalpha.html)
* [一種新型科學](http://www.amazon.com/gp/product/1579550088?ie=UTF8&tag=innoblog-20&linkCode=as2&camp=1789&creative=9325&creativeASIN=1579550088) 
* [Wolfram Research](http://wolfram.com/) -Mathematica
* [Mathematica 如何使 Wolfram | Alpha 成為可能?](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 中的計算引擎背后的秘密](http://blog.wolframalpha.com/2009/05/01/the-secret-behind-the-computational-engine-in-wolframalpha/)
* 預計將在發布后提供更多信息。敬請期待!
恭喜,斯蒂芬!
有趣的辯論: [http://seekingalpha.com/article/124787-wolfram-alpha-google-killer-or-google-acquisition-target“](<a rel=) > Wolfram Alpha:Google Killer 或 Google Acquisition Target ?
在當今的服務器設計中,10,000 個內核并不多。 令人驚訝的是,他們從使用 fbdimms 的 dell 中選擇了 harpertown 平臺。 圣克萊門特本來會更好。 我還想知道,鑒于性能方面的優勢,為什么不選擇 nehalems。
總計約有 1200 臺服務器,每個服務器有 8 個 penryn 核心。 那大約是 30 個服務器機架,可能僅花費 300 萬美元。 如今,商品服務器非常便宜。 讓我們看看您可以從中獲得多少性能。
謝謝極客。 走超級計算機路線非常有趣。 有錢真好!
聽起來像 HAL9000:
<cite>很抱歉,戴夫(Dave),我不能這樣做...</cite>
Wolfram | Alpha 暫時超出了其當前的最大測試負載。
看起來 10000 核暫時還不夠:-)
NKS 可在此處在線獲得: [http://www.wolframscience.com/nksonline/toc.html](http://www.wolframscience.com/nksonline/toc.html)
第 1 章新型科學的基礎 1
第 2 章關鍵實驗 23
第 3 章簡單程序的世界 51
第 4 章基于數字的系統 115
第 5 章二維及其他 169
第 6 章從隨機性開始 223
第 7 章程序和自然機制 297
第 8 章對日常系統的影響 363
第 9 章基本物理學 433
第 10 章感知和分析過程 547
第 11 章計算概念 637
第 12 章計算對等原理 715
博客樣本:在美國東海岸的凌晨 3 點,從 geoIP 數據的樣本中我們可以看出,有很多人在使用 Wolfram | Alpha 醒著。 這是地圖上 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 個查詢。
您知道 Wolfram Alpha 架構的軟件組件嗎? 它純粹基于 Mathematica 嗎? 他們是否使用開源軟件,例如 apache,mysql,memcached,hadoop 或 highscalability.com 上討論的其他軟件?
[http://www.infoq.com/news/2009/05/Wolfram-Alpha](http://www.infoq.com/news/2009/05/Wolfram-Alpha)
通過 [http://www19.wolframalpha.com/faqs.html 可以部分解決 Wolfram | Alpha 體系結構中有關開源軟件的問題。“](<a rel=) >常見問題解答:
<cite>Wolfram | Alpha 使用什么網絡技術?</cite>
<cite>其服務器技術基于訪問 WebMathematica 服務器群集的 Apache Web 服務器。 在客戶端,它使用 AJAX(JavaScript)。</cite>
這是新的云市場??的開始嗎:計算即服務? Wolfram Alpha +開發人員 API:一個不錯的組合!
[http://web2.sys-con.com/node/970448“](<a rel=) > Wolfram | Alpha 的計算即服務
[http://blog.wolframalpha.com/2009/05/26/the-first-week-of-wolframalpha-thank-you/“](<a rel=) > Wolfram | Alpha 的第一周:謝謝 !:
距我們將 Wolfram | Alpha 正式發布到世界各地已經一周了;
真是很棒的第一周;
接近 1 億個查詢。很多贊美
但對我而言,最 引人注目的是有多少人希望幫助 Wolfram | Alpha 成功
使世界的知識可計算是一項艱巨的任務
很高興看到我們在這樣做方面提供的所有幫助。 我們一直在努力構建一個框架,但是要實現可計算知識的全部承諾,我們需要大量的投入和支持
而且值得注意的是,在短短的一周內,Wolfram 周圍已經出現了一個整個社區 | Alpha,擁有我們自己的社區站點和許多獨立站點
我們收到了很多人的反饋,實際上,在過去 7 天里,我們獲得了不少 將 55,000 條反饋消息發布到網站。
建議。 鼓勵。 更正。 顯而易見的事情。 令人難以置信的事物。
從某種程度上講,它是壓倒性的。 但這也是非常有用的。
...
來自 W | A 博客:一日打造羅馬
如果您一直在關注 Wolfram | Alpha 的發布,那么您可能聽說過,兩個超級計算機級系統是幕后工作的重要組成部分。 其中之一是 R Smarr 系統,屬于我們在 R Systems 的好朋友,在 [http://www.youtube.com/watch?hl=zh_CN & v = umEKJrlbw9s“](<a rel=) 中進行了介紹 >這部影片。另一部是我們自定義的 Dell 系統,在 [http://www.youtube.com/watch?v=qUFmqshsnXU“](<a rel=) > Rack'n'Roll 視頻中突出顯示。 在這兩者之間,我們每秒可以處理大約 1800 個查詢(qps)。 許多人問我們如何將所有這些基礎架構整合在一起。
在博客上查看詳細信息。
- LiveJournal 體系結構
- mixi.jp 體系結構
- 友誼建筑
- FeedBurner 體系結構
- GoogleTalk 架構
- ThemBid 架構
- 使用 Amazon 服務以 100 美元的價格構建無限可擴展的基礎架構
- TypePad 建筑
- 維基媒體架構
- Joost 網絡架構
- 亞馬遜建筑
- Fotolog 擴展成功的秘訣
- 普恩斯的教訓-早期
- 論文:Wikipedia 的站點內部,配置,代碼示例和管理問題
- 擴大早期創業規模
- Feedblendr 架構-使用 EC2 進行擴展
- Slashdot Architecture-互聯網的老人如何學會擴展
- Flickr 架構
- Tailrank 架構-了解如何在整個徽標范圍內跟蹤模因
- Ruby on Rails 如何在 550k 網頁瀏覽中幸存
- Mailinator 架構
- Rackspace 現在如何使用 MapReduce 和 Hadoop 查詢 TB 的數據
- Yandex 架構
- YouTube 架構
- Skype 計劃 PostgreSQL 擴展到 10 億用戶
- 易趣建筑
- FaceStat 的禍根與智慧贏得了勝利
- Flickr 的聯合會:每天進行數十億次查詢
- EVE 在線架構
- Notify.me 體系結構-同步性
- Google 架構
- 第二人生架構-網格
- MySpace 體系結構
- 擴展 Digg 和其他 Web 應用程序
- Digg 建筑
- 在 Amazon EC2 中部署大規模基礎架構的六個經驗教訓
- Wolfram | Alpha 建筑
- 為什么 Facebook,Digg 和 Twitter 很難擴展?
- 全球范圍擴展的 10 個 eBay 秘密
- BuddyPoke 如何使用 Google App Engine 在 Facebook 上擴展
- 《 FarmVille》如何擴展以每月收獲 7500 萬玩家
- Twitter 計劃分析 1000 億條推文
- MySpace 如何與 100 萬個并發用戶一起測試其實時站點
- FarmVille 如何擴展-后續
- Justin.tv 的實時視頻廣播架構
- 策略:緩存 404 在服務器時間上節省了洋蔥 66%
- Poppen.de 建筑
- MocoSpace Architecture-一個月有 30 億個移動頁面瀏覽量
- Sify.com 體系結構-每秒 3900 個請求的門戶
- 每月將 Reddit 打造為 2.7 億頁面瀏覽量時汲取的 7 個教訓
- Playfish 的社交游戲架構-每月有 5000 萬用戶并且不斷增長
- 擴展 BBC iPlayer 的 6 種策略
- Facebook 的新實時消息系統:HBase 每月可存儲 135 億條消息
- Pinboard.in Architecture-付費玩以保持系統小巧
- BankSimple 迷你架構-使用下一代工具鏈
- Riak 的 Bitcask-用于快速鍵/值數據的日志結構哈希表
- Mollom 體系結構-每秒以 100 個請求殺死超過 3.73 億個垃圾郵件
- Wordnik-MongoDB 和 Scala 上每天有 1000 萬個 API 請求
- Node.js 成為堆棧的一部分了嗎? SimpleGeo 說是的。
- 堆棧溢出體系結構更新-現在每月有 9500 萬頁面瀏覽量
- Medialets 體系結構-擊敗艱巨的移動設備數據
- Facebook 的新實時分析系統:HBase 每天處理 200 億個事件
- Microsoft Stack 是否殺死了 MySpace?
- Viddler Architecture-每天嵌入 700 萬個和 1500 Req / Sec 高峰
- Facebook:用于擴展數十億條消息的示例規范架構
- Evernote Architecture-每天有 900 萬用戶和 1.5 億個請求
- TripAdvisor 的短
- TripAdvisor 架構-4,000 萬訪客,200M 動態頁面瀏覽,30TB 數據
- ATMCash 利用虛擬化實現安全性-不變性和還原
- Google+是使用您也可以使用的工具構建的:閉包,Java Servlet,JavaScript,BigTable,Colossus,快速周轉
- 新的文物建筑-每天收集 20 億多個指標
- Peecho Architecture-鞋帶上的可擴展性
- 標記式架構-擴展到 1 億用戶,1000 臺服務器和 50 億個頁面視圖
- 論文:Akamai 網絡-70 個國家/地區的 61,000 臺服務器,1,000 個網絡
- 策略:在 S3 或 GitHub 上運行可擴展,可用且廉價的靜態站點
- Pud 是反堆棧-Windows,CFML,Dropbox,Xeround,JungleDisk,ELB
- 用于擴展 Turntable.fm 和 Labmeeting 的數百萬用戶的 17 種技術
- StackExchange 體系結構更新-平穩運行,Amazon 4x 更昂貴
- DataSift 體系結構:每秒進行 120,000 條推文的實時數據挖掘
- Instagram 架構:1400 萬用戶,1 TB 的照片,數百個實例,數十種技術
- PlentyOfFish 更新-每月 60 億次瀏覽量和 320 億張圖片
- Etsy Saga:從筒倉到開心到一個月的瀏覽量達到數十億
- 數據范圍項目-6PB 存儲,500GBytes / sec 順序 IO,20M IOPS,130TFlops
- 99designs 的設計-數以千萬計的綜合瀏覽量
- Tumblr Architecture-150 億頁面瀏覽量一個月,比 Twitter 更難擴展
- Berkeley DB 體系結構-NoSQL 很酷之前的 NoSQL
- Pixable Architecture-每天對 2000 萬張照片進行爬網,分析和排名
- LinkedIn:使用 Databus 創建低延遲更改數據捕獲系統
- 在 30 分鐘內進行 7 年的 YouTube 可擴展性課程
- YouPorn-每天定位 2 億次觀看
- Instagram 架構更新:Instagram 有何新功能?
- 搜索技術剖析:blekko 的 NoSQL 數據庫
- Pinterest 體系結構更新-1800 萬訪問者,增長 10 倍,擁有 12 名員工,410 TB 數據
- 搜索技術剖析:使用組合器爬行
- iDoneThis-從頭開始擴展基于電子郵件的應用程序
- StubHub 體系結構:全球最大的票務市場背后的驚人復雜性
- FictionPress:在網絡上發布 600 萬本小說
- Cinchcast 體系結構-每天產生 1,500 小時的音頻
- 棱柱架構-使用社交網絡上的機器學習來弄清您應該在網絡上閱讀的內容
- 棱鏡更新:基于文檔和用戶的機器學習
- Zoosk-實時通信背后的工程
- WordPress.com 使用 NGINX 服務 70,000 req / sec 和超過 15 Gbit / sec 的流量
- 史詩般的 TripAdvisor 更新:為什么不在云上運行? 盛大的實驗
- UltraDNS 如何處理數十萬個區域和數千萬條記錄
- 更簡單,更便宜,更快:Playtomic 從.NET 遷移到 Node 和 Heroku
- Spanner-關于程序員使用 NoSQL 規模的 SQL 語義構建應用程序
- BigData 使用 Erlang,C 和 Lisp 對抗移動數據海嘯
- 分析數十億筆信用卡交易并在云中提供低延遲的見解
- MongoDB 和 GridFS 用于內部和內部數據中心數據復制
- 每天處理 1 億個像素-少量競爭會導致大規模問題
- DuckDuckGo 體系結構-每天進行 100 萬次深度搜索并不斷增長
- SongPop 在 GAE 上可擴展至 100 萬活躍用戶,表明 PaaS 未通過
- Iron.io 從 Ruby 遷移到 Go:減少了 28 臺服務器并避免了巨大的 Clusterf ** ks
- 可汗學院支票簿每月在 GAE 上擴展至 600 萬用戶
- 在破壞之前先檢查自己-鱷梨的建筑演進的 5 個早期階段
- 縮放 Pinterest-兩年內每月從 0 到十億的頁面瀏覽量
- Facebook 的網絡秘密
- 神話:埃里克·布魯爾(Eric Brewer)談銀行為什么不是堿-可用性就是收入
- 一千萬個并發連接的秘密-內核是問題,而不是解決方案
- GOV.UK-不是你父親的書庫
- 縮放郵箱-在 6 周內從 0 到 100 萬用戶,每天 1 億條消息
- 在 Yelp 上利用云計算-每月訪問量為 1.02 億,評論量為 3900 萬
- 每臺服務器將 PHP 擴展到 30,000 個并發用戶的 5 條 Rockin'Tips
- Twitter 的架構用于在 5 秒內處理 1.5 億活躍用戶,300K QPS,22 MB / S Firehose 以及發送推文
- Salesforce Architecture-他們每天如何處理 13 億筆交易
- 擴大流量的設計決策
- ESPN 的架構規模-每秒以 100,000 Duh Nuh Nuhs 運行
- 如何制作無限可擴展的關系數據庫管理系統(RDBMS)
- Bazaarvoice 的架構每月發展到 500M 唯一用戶
- HipChat 如何使用 ElasticSearch 和 Redis 存儲和索引數十億條消息
- NYTimes 架構:無頭,無主控,無單點故障
- 接下來的大型聲音如何使用 Hadoop 數據版本控制系統跟蹤萬億首歌曲的播放,喜歡和更多內容
- Google 如何備份 Internet 和數十億字節的其他數據
- 從 HackerEarth 用 Apache 擴展 Python 和 Django 的 13 個簡單技巧
- AOL.com 體系結構如何發展到 99.999%的可用性,每天 800 萬的訪問者和每秒 200,000 個請求
- Facebook 以 190 億美元的價格收購了 WhatsApp 體系結構
- 使用 AWS,Scala,Akka,Play,MongoDB 和 Elasticsearch 構建社交音樂服務
- 大,小,熱還是冷-條帶,Tapad,Etsy 和 Square 的健壯數據管道示例
- WhatsApp 如何每秒吸引近 5 億用戶,11,000 內核和 7,000 萬條消息
- Disqus 如何以每秒 165K 的消息和小于 0.2 秒的延遲進行實時處理
- 關于 Disqus 的更新:它仍然是實時的,但是 Go 摧毀了 Python
- 關于 Wayback 機器如何在銀河系中存儲比明星更多的頁面的簡短說明
- 在 PagerDuty 遷移到 EC2 中的 XtraDB 群集
- 擴展世界杯-Gambify 如何與 2 人組成的團隊一起運行大型移動投注應用程序
- 一點點:建立一個可處理每月 60 億次點擊的分布式系統的經驗教訓
- StackOverflow 更新:一個月有 5.6 億次網頁瀏覽,25 臺服務器,而這一切都與性能有關
- Tumblr:哈希處理每秒 23,000 個博客請求的方式
- 使用 HAProxy,PHP,Redis 和 MySQL 處理 10 億個請求的簡便方法來構建成長型啟動架構
- MixRadio 體系結構-兼顧各種服務
- Twitter 如何使用 Redis 進行擴展-105TB RAM,39MM QPS,10,000 多個實例
- 正確處理事情:通過即時重放查看集中式系統與分散式系統
- Instagram 提高了其應用程序的性能。 這是如何做。
- Clay.io 如何使用 AWS,Docker,HAProxy 和 Lots 建立其 10 倍架構
- 英雄聯盟如何將聊天擴大到 7000 萬玩家-需要很多小兵。
- Wix 的 Nifty Architecture 技巧-大規模構建發布平臺
- Aeron:我們真的需要另一個消息傳遞系統嗎?
- 機器:惠普基于憶阻器的新型數據中心規模計算機-一切仍在變化
- AWS 的驚人規模及其對云的未來意味著什么
- Vinted 體系結構:每天部署數百次,以保持繁忙的門戶穩定
- 將 Kim Kardashian 擴展到 1 億個頁面
- HappyPancake:建立簡單可擴展基金會的回顧
- 阿爾及利亞分布式搜索網絡的體系結構
- AppLovin:通過每天處理 300 億個請求向全球移動消費者進行營銷
- Swiftype 如何以及為何從 EC2 遷移到真實硬件
- 我們如何擴展 VividCortex 的后端系統
- Appknox 架構-從 AWS 切換到 Google Cloud
- 阿爾及利亞通往全球 API 的憤怒之路
- 阿爾及利亞通往全球 API 步驟的憤怒之路第 2 部分
- 為社交產品設計后端
- 阿爾及利亞通往全球 API 第 3 部分的憤怒之路
- Google 如何創造只有他們才能創造的驚人的數據中心網絡
- Autodesk 如何在 Mesos 上實施可擴展事件
- 構建全球分布式,關鍵任務應用程序:Trenches 部分的經驗教訓 1
- 構建全球分布式,關鍵任務應用程序:Trenches 第 2 部分的經驗教訓
- 需要物聯網嗎? 這是美國一家主要公用事業公司從 550 萬米以上收集電力數據的方式
- Uber 如何擴展其實時市場平臺
- 優步變得非常規:使用司機電話作為備份數據中心
- 在不到五分鐘的時間里,Facebook 如何告訴您的朋友您在災難中很安全
- Zappos 的網站與 Amazon 集成后凍結了兩年
- 為在現代時代構建可擴展的有狀態服務提供依據
- 細分:使用 Docker,ECS 和 Terraform 重建基礎架構
- 十年 IT 失敗的五個教訓
- Shopify 如何擴展以處理來自 Kanye West 和 Superbowl 的 Flash 銷售
- 整個 Netflix 堆棧的 360 度視圖
- Wistia 如何每小時處理數百萬個請求并處理豐富的視頻分析
- Google 和 eBay 關于構建微服務生態系統的深刻教訓
- 無服務器啟動-服務器崩潰!
- 在 Amazon AWS 上擴展至 1100 萬以上用戶的入門指南
- 為 David Guetta 建立無限可擴展的在線錄制活動
- Tinder:最大的推薦引擎之一如何決定您接下來會看到誰?
- 如何使用微服務建立財產管理系統集成
- Egnyte 體系結構:構建和擴展多 PB 分布式系統的經驗教訓
- Zapier 如何自動化數十億個工作流自動化任務的旅程
- Jeff Dean 在 Google 進行大規模深度學習
- 如今 Etsy 的架構是什么樣的?
- 我們如何在 Mail.Ru Cloud 中實現視頻播放器
- Twitter 如何每秒處理 3,000 張圖像
- 每天可處理數百萬個請求的圖像優化技術
- Facebook 如何向 80 萬同時觀看者直播
- Google 如何針對行星級基礎設施進行行星級工程設計?
- 為 Mail.Ru Group 的電子郵件服務實施反垃圾郵件的貓捉老鼠的故事,以及 Tarantool 與此相關的內容
- The Dollar Shave Club Architecture Unilever 以 10 億美元的價格被收購
- Uber 如何使用 Mesos 和 Cassandra 跨多個數據中心每秒管理一百萬個寫入
- 從將 Uber 擴展到 2000 名工程師,1000 個服務和 8000 個 Git 存儲庫獲得的經驗教訓
- QuickBooks 平臺
- 美國大選期間城市飛艇如何擴展到 25 億個通知
- Probot 的體系結構-我的 Slack 和 Messenger Bot 用于回答問題
- AdStage 從 Heroku 遷移到 AWS
- 為何將 Morningstar 遷移到云端:降低 97%的成本
- ButterCMS 體系結構:關鍵任務 API 每月可處理數百萬個請求
- Netflix:按下 Play 會發生什么?
- ipdata 如何以每月 150 美元的價格為來自 10 個無限擴展的全球端點的 2500 萬個 API 調用提供服務
- 每天為 1000 億個事件賦予意義-Teads 的 Analytics(分析)管道
- Auth0 體系結構:在多個云提供商和地區中運行
- 從裸機到 Kubernetes
- Egnyte Architecture:構建和擴展多 PB 內容平臺的經驗教訓
- 縮放原理
- TripleLift 如何建立 Adtech 數據管道每天處理數十億個事件
- Tinder:最大的推薦引擎之一如何決定您接下來會看到誰?
- 如何使用微服務建立財產管理系統集成
- Egnyte 體系結構:構建和擴展多 PB 分布式系統的經驗教訓
- Zapier 如何自動化數十億個工作流自動化任務的旅程
- Jeff Dean 在 Google 進行大規模深度學習
- 如今 Etsy 的架構是什么樣的?
- 我們如何在 Mail.Ru Cloud 中實現視頻播放器
- Twitter 如何每秒處理 3,000 張圖像
- 每天可處理數百萬個請求的圖像優化技術
- Facebook 如何向 80 萬同時觀看者直播
- Google 如何針對行星級基礎設施進行行星級工程設計?
- 為 Mail.Ru Group 的電子郵件服務實施反垃圾郵件的貓捉老鼠的故事,以及 Tarantool 與此相關的內容
- The Dollar Shave Club Architecture Unilever 以 10 億美元的價格被收購
- Uber 如何使用 Mesos 和 Cassandra 跨多個數據中心每秒管理一百萬個寫入
- 從將 Uber 擴展到 2000 名工程師,1000 個服務和 8000 個 Git 存儲庫獲得的經驗教訓
- QuickBooks 平臺
- 美國大選期間城市飛艇如何擴展到 25 億條通知
- Probot 的體系結構-我的 Slack 和 Messenger Bot 用于回答問題
- AdStage 從 Heroku 遷移到 AWS
- 為何將 Morningstar 遷移到云端:降低 97%的成本
- ButterCMS 體系結構:關鍵任務 API 每月可處理數百萬個請求
- Netflix:按下 Play 會發生什么?
- ipdata 如何以每月 150 美元的價格為來自 10 個無限擴展的全球端點的 2500 萬個 API 調用提供服務
- 每天為 1000 億個事件賦予意義-Teads 的 Analytics(分析)管道
- Auth0 體系結構:在多個云提供商和地區中運行
- 從裸機到 Kubernetes
- Egnyte Architecture:構建和擴展多 PB 內容平臺的經驗教訓