直播是快手電商的重要業(yè)務(wù)場(chǎng)景。為應(yīng)對(duì)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(wàn)級(jí)別秒殺峰值的計(jì)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(jì)互關(guān)用戶對(duì)數(shù)超過(guò)311億對(duì),日均互動(dòng)(包括點(diǎn)贊、評(píng)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(jí),快手建立了多個(gè)龐大的數(shù)據(jù)中心,海量的服務(wù)器集群來(lái)承載每日數(shù)億用戶的訪問(wèn)。
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(chǎng)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(diǎn)。在秒殺活動(dòng)期間,大量用戶會(huì)同時(shí)訪問(wèn)快手的電商平臺(tái),對(duì)系統(tǒng)的并發(fā)處理能力提出了極高的要求。特別是對(duì)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(wàn)件,單品最高秒殺請(qǐng)求達(dá)每秒百萬(wàn)次,下單交易鏈路系統(tǒng)同時(shí)支撐每秒百萬(wàn)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(tái),它能夠根據(jù)業(yè)務(wù)需求自動(dòng)擴(kuò)展和收縮容器實(shí)例,以滿足高并發(fā)和大流量場(chǎng)景下的業(yè)務(wù)需求。通過(guò)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(shí)例,以應(yīng)對(duì)突然增加的流量和請(qǐng)求。當(dāng)流量和請(qǐng)求減少時(shí),彈性容器云又可以自動(dòng)收縮容器實(shí)例,以節(jié)省資源成本。
快手容器云平臺(tái)構(gòu)建了快手IDC+阿里云的混合云架構(gòu),通過(guò)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(shì)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(shí)際峰值流量達(dá)到每秒百萬(wàn)次請(qǐng)求時(shí),系統(tǒng)各項(xiàng)指標(biāo)穩(wěn)定,系統(tǒng)100%可用,阿里云順利通過(guò)了快手大促考驗(yàn)。
快手直播應(yīng)用彈性容器云+阿里云的混合云模式應(yīng)對(duì)秒殺,不僅對(duì)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(shì)。未來(lái),快手將繼續(xù)發(fā)揮技術(shù)優(yōu)勢(shì),為用戶帶來(lái)更好的購(gòu)物體驗(yàn)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。