# ATMCash 利用虛擬化實現安全性-不變性和還原
> 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)
*這是 ATMCash 技術負責人 [Ran Grushkowsky](/cdn-cgi/l/email-protection#6210030c052203160f0103110a4c010d0f) 的來賓帖子。*
虛擬化和基于云的系統在業界非常受歡迎。 但是,大多數金融公司偏離了這些解決方案。 在 ATMCash,我們采用虛擬化的原因并非出于可擴展性的通常原因,而是出于通常錯過的安全性價值。
在本文中,我將介紹虛擬化利用中安全性增值的概念,以及為什么人們應該考慮為這些用例部署小型云。
## 虛擬機如何幫助減輕風險?
我敢肯定,您中的大多數人都聽說過金融行業中最近發生的[黑客攻擊。 金融公司一直在不斷地進行黑客攻擊,因此安全性至關重要。 系統部署中最大的風險之一是堆棧組件之一的損壞。 定期的系統修補程序和維護修復了已知的漏洞利用和問題,但是,有時可能為時已晚,并且該組件已被破壞。 如果系統已經在將補丁程序應用于現有系統的自然環境中遭到破壞,則有時補丁程序可能來得太遲,并且已經注入了特洛伊木馬或某種惡意代碼(如最近的案例所示) 。 虛擬機提供了一個偉大的隱藏寶藏:**不變性和還原映像**。](http://www.latimes.com/business/la-fi-citibank-hack-20110609,0,2504101.story)
## ATMCash 如何將這些功能用于堆棧中的安全性的示例:
我們的堆棧包含三個主要組件:前端,后端和數據庫。
我們的機器正在運行 VMWare vSphere。 我們已經決定為前端組件安裝 4gb / ram 64gb / SSD 服務器。 具有 16gb / ram 的更強大的服務器(用于我們的后端組件)以及具有用戶 ID 分片和復制功能的專用 MySQL 數據庫服務器。 我們的虛擬機正在運行 CentOS 的修改版本。 我們學會了以相對快速的修補周期和易于修改的配置來喜歡 CentOS。
前端和后端是隨每個版本更改的靜態組件,而數據庫是唯一隨時更改的動態組件。 我們利用靜態特征來增強我們的安全性,并消除感染后被感染的系統受到修補的風險。
我們擁有尚未部署的每個系統組件的最新映像,但是會不斷對其進行修補和更新以反映最新的安全風險。 然后,我們將對該映像進行任何軟件更新,并用新更新和修補的映像替換運行中的映像。 通過安裝負載平衡器,我們在整個過程中不會停機。 我們通過關閉一臺計算機來逐一替換虛擬機,而負載平衡器將流量引向運行中的計算機,并重復該過程,直到所有虛擬機都被替換為止。 交換圖像的過程通常每個過程少于 30 秒。 VMWare vSphere 具有一些強大的功能,這些功能使動態替換映像變得非常容易。 這是一個相對較快的重新部署過程。
## 我們如何使用不變性來提高安全性的示例:
在 ATMCash,我們的客戶服務和呼叫中心在內部進行處理。 我們還將客戶的安全和隱私視為最高優先事項。 為了進一步保護客戶,我們開發了自己的 CSR(客戶服務代表)系統,該系統利用了各種安全級別。 其中之一是虛擬機的不變性功能。 每個 CSR 工作站都在運行一個主 VM 映像的副本,該副本是不變的(無法修改,并且在每次重新引導后將被重置)。
以這種方式部署工作站可提供至關重要的安全級別,以保護我們的系統免受可能進入工作站的惡意代碼的侵害。 如今,病毒和惡意腳本以各種方式傳播。 從電子郵件附件到 Word 文檔,它們無處不在。 如果您認為制定一項政策來指示員工不要從可移動驅動器中加載個人文檔,或者甚至限制對社交網絡的 Web 訪問將消除這種風險,那么事實證明您是錯誤的。 您應始終假定惡意腳本會找到通往您工作站的路徑,并且您的防病毒軟件很可能不會檢測到它。 使用每次重新啟動都會重新啟動的不可變映像,不僅提供了更高的安全性,而且還提供了應用補丁程序和在整個系統范圍內更新(僅更新一個映像)的能力。
## 為什么 ATMCash 有自己的私有云而不使用現有的基礎架構:
我們得到了很多問題,答案很簡單。 我們從事貨幣業務,我們需要特別注意客戶的信息。 這是真的; 部署自己的小型云的成本比利用任何現有基礎架構要高得多,但是安全性的附加價值是無價的。
此外,借助戴爾和其他零件制造商提供的財務計劃,如果您將付款分散到各處,則您只需支付云服務的費用即可。 價格比較:使用 Rackspace 擁有 10 臺 4gb 和 200gb 上/下的 Linux 服務器,每月將花費$ 1804。 在您自己的微型云上使用戴爾服務器配置可比較的服務器,服務器硬件的費用為每月 105 美元,網絡配件的費用為每月 400 美元,VMWare 許可的費用為 600 美元/月,數據中心費用可能有所不同,但大約為 400 美元/月。
最重要的是,您必須維護設置,并且任何可伸縮性都需要購買和設置更多節點。 $ 1505 /月,之前員工維持固定成本的費用略高,但是,特別是在安全方面所享有的收益不容錯過。
## 發生停機時如何處理對帳問題?
處理金融交易時,不能選擇停機。 因此,虛擬化非常重要,而負載均衡器對于任何虛擬化環境都至關重要。 我們設計的系統具有極高的冗余性。 堆棧的每個部分都被復制并旨在處理停機時間。 我們在本地數據中心級別使用物理負載均衡器設備(也執行 SSL 握手)在 DNS 級別使用負載均衡器。 一旦一個組件發生故障,負載均衡器將自動將流量定向到其克隆節點。
我們使用批處理更新執行大量數據處理,在此我們將重要更新作為增量更新,小的增量更新進行提交,從而無需更新整個數據集。 您只需更新所需的小更改。 例如,提款或大量資金需要立即在整個系統中進行更新以反映余額,但是,交易歷史記錄的優先級較低。 當在 ATM 級別上發生負載時,請求正在通過我們的系統,以確保交易有效。
交易獲得批準后,我們??將對前端數據庫執行增量更新以反映該交易。 然后,我們將觸發不同的過程,以警告客戶該交易,更新其界面并執行安全性速度檢查(檢查以確保我們的客戶卡的安全性不會被盜)。
當大多數數據作為批處理時,系統將處理關鍵更新,例如增量更新。 批處理更新的本質是海量數據與增量更新的完整匯總,增量更新僅包含已修改的數據。 為確保整個系統中數據的完整性并允許更快的更新,我們將增量更新用于流水線更新和批處理更新,其中還包括更多對數據完整性檢查而言不重要的數據。 迄今為止,由于批量更新不會阻塞系統,因此我們可以安全地使用增量更新來擴展規模,而不會影響系統的穩定性或性能。
## 總結一下:
如果安全性是您業務中不可或缺的一部分,就像 ATMCash 處的業務一樣,那么您應該利用虛擬機的附加安全性功能。 您將學習到它所提供的靈活性以及您的版本始終是“無惡意軟件”的,讓您高枕無憂。
關于公司: [ATMCash.com](http://atmcash.com/) 成立于 2005 年,是全球支付平臺和在線匯款服務,服務于 150 多個國家/地區。 使用預付費借記卡代替了傳統的基于第三方代理的模型和銀行電匯。 沒有銀行帳戶的接收者可以從全球超過 150 萬臺 ATM 機中提取資金。 [ATMCash.com](http://atmcash.com/) 通過為客戶提供更多控制,省心和省錢的方式,改變了人們轉移資金和向自由職業者付款的方式。
[](http://payment.atmcash.com/)
Centos 和 VMWare 的安全性? 請查看最近十年影響 VMWare 的漏洞列表,并且不要忘記研究 CentOS 開發人員社區的規模和內部流程。
將結果與其他虛擬化系統和其他 Linux 發行版進行比較。 請。
嘿,巨魔,你為什么不以那種傲慢,模棱兩可的態度停下來,并談談具體細節。 顯示影響 ESXi4.1 的單個報告的未修補 VMWare 漏洞
與 CentOS / RedHat / Scientific / OEL 相同。
非常有趣,謝謝!
花旗銀行《洛杉磯時報》的故事鏈接已斷開。 他們可能將鏈接更改為此 http://www.latimes.com/business/la-fi-citigroup-hacking-20110617,0,1445324.story
- 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