# The Dollar Shave Club Architecture Unilever 以 10 億美元的價格被收購
> 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)

*這是 [Jason Bosco](https://www.linkedin.com/in/jasonbosco) , [Dollar Shave Club [ HTG12 的核心平臺&基礎架構工程總監,介紹其電子商務技術的基礎架構。](https://www.dollarshaveclub.com/)*
Dollar Shave Club 擁有 300 萬以上的會員,今年的收入將超過 2 億美元。 盡管大多數人都熟悉該公司的市場營銷,但是自成立以來短短幾年內的巨大增長主要歸功于其 45 名工程師的團隊。
Dollar Shave Club 工程學的數字:
## 核心統計信息
* 超級碗廣告的投放沒有停機時間:1
* 每月流量帶寬:9 TB
* 通過 Arm 處理的訂單:3800 萬張訂單
* 發現的錯誤總數:4,566
* 自動化測試成績:312,000
* 通過語音發送的電子郵件:1.95 億封電子郵件
* 處理并存儲在海馬中的 Analytics(分析)數據點:5.34 億
* 海馬中的數據集大小:1.5TB
* 當前已部署的應用程序/服務:22
* 服務器數量:325
## 技術堆棧
* 前端框架的 Ember
* 主要在后端上使用 Ruby on Rails
* 用于高吞吐量后臺處理需求的 Node.js(例如:在語音中)
* 用于基礎結構軟件的 Golang
* 用于基礎架構的 Python &數據科學
* 用于 1 個內部應用程序的 Elixir
* 用于測試自動化的 Ruby
* 適用于本機 iOS 應用程序的 Swift 和 Objective C
## 基礎結構
* 完全托管在 AWS 上
* Ubuntu & CoreOS
* 用于配置管理的&地形
* 過渡到基于 Docker 的部署
* Jenkins 用于部署協調
* Nginx &清漆
* 快速交付應用程序
* 摘要匯總日志
* 用于安全監視的 CloudPassage
* HashiCorp 的保管箱,用于秘密存儲&設置
## 數據存儲
* 主要是 MySQL 托管在 RDS 上
* 托管在 Elasticache 上的 Memcached 用于緩存
* 自托管 Redis 服務器主要用于排隊
* 有點 Kinesis,用于處理來自尖峰流量的訂單
* Amazon Redshift 用于數據倉庫
## 消息傳遞&排隊
* Resque 和 Sidekiq 用于異步作業處理&消息傳遞
* 用于消息傳遞的 RabbitMQ
* Kafka 用于流處理
## 分析&商業智能
* 掃雪機&用于網絡/移動分析的 Adobe Analytics
* AWS Elastic MapReduce
* 將 FlyData 從 MySQL 轉換為 ETL 數據到 Redshift
* 托管 Spark Databricks
* Looker 作為 BI 前端
* 用于報告的近實時數據可用性
## 監控
* Rollbar,哨兵&用于異常跟蹤的 Crashlytics
* 用于自定義應用程序指標的 DataDog &指標聚合
* SysDig 用于基礎結構度量&監視
* 用于應用程序性能監視的 NewRelic
* Site24x7,用于可用性監視
* PagerDuty,用于通話提醒
## 質量檢查和測試自動化
* CircleCI 用于運行單元測試
* Jenkins + TestUnit + Selenium + SauceLabs 用于基于瀏覽器的自動化測試
* Jenkins + TestUnit +硒+ SauceLabs 用于大腦自動測試
* 用于 API 功能測試的 Jenkins + TestUnit
* Jenkins + TestUnit + Appium + SauceLabs 用于原生 Android 自動化測試
* Jenkins + TestUnit + Appium + SauceLabs 用于本地 iOS 自動化測試
* Jenkins + TestUnit +硒+ SauceLabs +用于 BI 測試自動化的代理服務器
* SOASTA +正則表達式腳本,用于壓力,浸泡,負載和性能測試。
## 工程工作流程
* 跨團隊交流的時間
* Trello,用于任務跟蹤
* 具有自定義插件的 Hubot 作為我們的聊天機器人
* Github 作為我們的代碼存儲庫
* ReviewNinja 與 Github Status API 集成,用于代碼審核
* 連續部署-通常每天進行多次部署
* 轉向持續交付
* 用于功能開發的即時沙盒環境
* 目前,使用 Jenkins 的單按鈕推送部署正在朝著持續交付的方向發展
* 運行 docker 容器的游民箱= >為新工程師提供的功能齊全的開發環境,第一天就開始
## 架構
* 事件驅動的架構
* 從單片架構轉變為通過公共消息總線進行交互的“中型”服務
* CDN 邊緣上基于 VCL 的邊緣路由,就像其他任何應用程序一樣部署。
* Web 和移動前端與 API 層進行對話
* API 層與服務進行對話,聚合數據并為客戶端格式化數據
* 服務與數據存儲和消息總線進行對話
* 計劃任務作為一項主任務運行,并在 resque / sidekiq 中分解為較小的任務
* 技術組件包括用于客戶服務(Brain),市場營銷自動化平臺(Voice),履行系統(Arm),訂閱計費系統(Baby Boy)和我們的數據基礎架構(Hippocampus)的內部工具。
## 小組
* 45 位頂尖的企業家和高技能工程師在加利福尼亞總部瑪麗娜·德爾·雷伊工作
* 工程師與產品經理,設計師,UX 和利益相關者一起參與稱為小分隊的跨職能團隊,以提供端到端功能。
* 團隊根據域被垂直劃分為前端,后端和質量檢查& IT。
* 前端團隊擁有 DSC.com &內部工具的 Web UI 和我們的 iOS & Android 應用。
* 后端團隊擁有 DSC.com &內部工具,內部服務(計費和履行),數據平臺&基礎結構的 Web 后端。
* 質量檢查團隊擁有所有數字產品的測試和自動化基礎架構。
* IT 團隊擁有辦公室& Warehouse IT。
* 工程師每年參加一次公司贊助的會議。
* 工程師可以購買所需數量的書籍/學習資源。
* 所有人的站立式辦公桌。 目前可提供一張跑步機作為飛行員。
* 每周的工程團隊午餐。
* Tech Belly 每隔一周舉行一次活動,工程師們在午餐時間就技術主題進行演講。
* 鼓勵工程師嘗試最前沿的技術,并通過提案請求(RFC)創建提案。
* 鼓勵工程師在有意義的地方開源工具和庫
* 每位工程師都會獲得標準版的 15 英寸 Mac Book Pro,27 英寸 Mac Display 和 24 英寸顯示器。
* 一臺 3D 打印機可用于打印道具和更多 3D 打印機。
## 獲得的經驗教訓
* 當您要擴展的組件由簡單的小型服務組成時,擴展將變得更加容易。
* 文檔&知識共享對于快速成長的團隊至關重要。
* 培養良好的測試套件對于快速發展的系統至關重要。
* Redis 使用一種近似的 LRU 算法,因此如果您對緩存有明確的 LRU 要求,則不適合使用
* 網絡性能至關重要,尤其是在移動設備上-每毫秒都會使我們損失收入
* 可用性&即使對于內部工具,用戶體驗也很重要:高效的工具=生產力更高的團隊
[關于 HackerNews](https://news.ycombinator.com/item?id=12490369)
您為什么決定自己托管 Redis? 我假設您將在 ElastiCache 上運行 Redis(使用復制組以提高可用性)。 此外,為什么還要在 Elasticache 上托管 memcached?
似乎是一個非常標準的現代堆棧。 很高興為他們工作! 真正的問題是,他們向聯合利華公司技術堡壘的過渡將是什么樣子。
我想我的問題是,為什么您需要 45 名工程師才能完成基本上是一個帶有訂閱選項的小型目錄?
文檔首次出現很重要。 您使用什么基礎設施和流程來保持其相關性?
為什么這家公司需要運行這么復雜的系統? 并不是實時地有成千上萬個請求的技術公司。 似乎是一種聽起來過于酷炫的過度設計的解決方案。 也許他們在做一些我看不到的大而復雜的事情。 所以我很好奇。
- 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