直播是快手電商的重要業(yè)務(wù)場景。為應(yīng)對直播秒殺的極端流量峰值,快手容器云聯(lián)合阿里云打造混合云彈性調(diào)度架構(gòu)。日前首次大規(guī)模應(yīng)用,成功支撐了百萬級別秒殺峰值的計算資源需求。這為直播電商技術(shù)的發(fā)展提供了重要借鑒。
據(jù)公開資料,快手目前平均日活躍用戶達(dá)3.76億,平均月活躍用戶達(dá)6.73億,累計互關(guān)用戶對數(shù)超過311億對,日均互動(包括點贊、評論和轉(zhuǎn)發(fā)等)總量達(dá)80億次。為了支撐如此龐大的用戶規(guī)模、業(yè)務(wù)量級,快手建立了多個龐大的數(shù)據(jù)中心,海量的服務(wù)器集群來承載每日數(shù)億用戶的訪問。
用戶量如此龐大,使得直播成為快手技術(shù)挑戰(zhàn)最大的場景,而直播秒殺的技術(shù)挑戰(zhàn)尤為突出,它具有并發(fā)量大的特點。在秒殺活動期間,大量用戶會同時訪問快手的電商平臺,對系統(tǒng)的并發(fā)處理能力提出了極高的要求。特別是對于上億粉絲的主播而言,直播間單件秒殺商品可能達(dá)到數(shù)百萬件,單品最高秒殺請求達(dá)每秒百萬次,下單交易鏈路系統(tǒng)同時支撐每秒百萬次的并發(fā)。
為此,快手技術(shù)系統(tǒng)采用分布式系統(tǒng)架構(gòu),搭建了彈性容器云平臺,它能夠根據(jù)業(yè)務(wù)需求自動擴(kuò)展和收縮容器實例,以滿足高并發(fā)和大流量場景下的業(yè)務(wù)需求。通過使用彈性容器云,快手可以在大促秒殺期間快速擴(kuò)展容器實例,以應(yīng)對突然增加的流量和請求。當(dāng)流量和請求減少時,彈性容器云又可以自動收縮容器實例,以節(jié)省資源成本。
快手容器云平臺構(gòu)建了快手IDC+阿里云的混合云架構(gòu),通過專線打通雙方網(wǎng)絡(luò)互聯(lián)互通,利用阿里云豐富的產(chǎn)品能力和彈性優(yōu)勢進(jìn)行業(yè)務(wù)“削峰填谷”,為快手容器的彈性和擴(kuò)展提供了強(qiáng)有力的支持。
在快手大促期間,這種混合云架構(gòu)首次大規(guī)模應(yīng)用,當(dāng)秒殺期間實際峰值流量達(dá)到每秒百萬次請求時,系統(tǒng)各項指標(biāo)穩(wěn)定,系統(tǒng)100%可用,阿里云順利通過了快手大促考驗。
快手直播應(yīng)用彈性容器云+阿里云的混合云模式應(yīng)對秒殺,不僅對于快手自身具有重要意義,也引領(lǐng)了直播電商技術(shù)的發(fā)展趨勢。未來,快手將繼續(xù)發(fā)揮技術(shù)優(yōu)勢,為用戶帶來更好的購物體驗。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。