服务全球15亿用户,这家初创企业怎样选择云平台

在全球拥有15亿用户的初创企业


如果没有云服务平台的话,相信大家都很难想象,一家初创企业该怎样面对全球市场多达15亿的海量用户。


“使用AWS,我们不用处理底层的繁重工作,可以更加专注于自身业务的创新。同时,AWS广泛的全球覆盖也为我们开拓海外市场提供了可靠保障。”谈起与AWS的合作,茄子快传首席技术官陈少为如是表示。


茄子快传技术有限公司成立于2015年4月,是一家从事移动互联网软件研发的全球性技术公司,产品主要包括茄子快传、茄子换机、空间清理等。茄子快传是其核心产品,这是一款跨平台共享的应用程序,可在设备之间无线传输文件,而不会消耗数据流量。成功迈进4.0 后,它为用户提供了完整的娱乐生态系统,包括短视频、电影、音乐、趣图等内容。一站式的服务平台让用户可以轻松浏览、下载和传输茄子快传中的内容。


目前,茄子快传提供39种语言版本,在全球拥有15亿用户,其中超过5亿来自印度和印度尼西亚。它已成为印度、印度尼西亚、中东和南非等世界一些新兴市场的“国民应用”。据App Annie的数据显示,截至2018年3月27日,茄子快传在全球39个国家/地区Google Play工具类榜单排名第一,在64个国家/地区App Store效率榜单排名第一。


640?wx_fmt=jpeg


为什么选择AWS的理由


茄子快传拥有数十亿用户,业务发展迅速,其服务器每秒必须处理数万个并发请求,这使这家初创型公司面临着数据存储、服务器维护、架构优化等技术难题,以及人力、物力、财力多重挑战。另外,随着其全球市场的拓展,该公司正在寻找能够确保全球覆盖率、稳定服务和高可用性的云提供商。


1、覆盖范围全球化


面对庞大的全球用户群,所选云提供商能否高效稳定地为全球用户提供服务,且有助于继续推动海外市场发展,将是茄子快传的首要考虑因素。


截至2018年3月,AWS云覆盖了18个地理区域和1个本地区域内的54个可用区,为全球190个国家/地区提供服务。如此广泛的全球数据中心覆盖范围是茄子快传选择AWS的主要原因。


2、高效稳定的运行


Elastic Load Balancing(ELB)会自动在多个Amazon Elastic Compute Cloud(Amazon EC2)实例和 IP 之间分配传入的应用程序流量。它可以平衡一个可用区或多个区域中的应用程序流量负载变化。作为负载均衡器,ELB 可以确保应用程序的高可用性、自动可扩展性以及可靠的安全性,并提高其容错能力。


The Amazon DynamoDB是一种快速、灵活的 NoSQL 数据库服务,可以为茄子快传提供低延迟、稳定且灵活的可扩展性能。如果用户的数据量进一步增加,DynamoDB 将通过自动分区和 SSD 技术满足新的吞吐量要求,确保服务器的快速平稳运行。


此外,Amazon Elastic Container Service (Amazon ECS)、Amazon CloudFront 和 Amazon Simple Storage Service (Amazon S3) 也可以在容器管理、CDN 加速和对象存储方面为服务器稳定性提供充分的支持。


3、无服务器管理和按使用量付费


无服务器服务的最大优势之一是无需配置或管理服务器即可运行代码,并且基于实际运行时间和触发次数收费,这就意味着代码未运行时,无需支付任何费用。茄子快传使用AWSLambda 服务作为连接不同服务的事件的触发器,并使用AWSGlue、Amazon Athena 和 Amazon QuickSight 来协调、查询和可视化用户的数据。这种无服务器服务增强了茄子快传服务器之间的交互,节省了资源成本。


4、强大的数据分析


AWS 提供强大的数据分析服务,例如,Amazon Kinesis 使茄子快传能够收集、处理和分析实时的流数据,获得及时见解并对新信息做出快速反应;Amazon EMR 的 Hadoop 架构支持茄子快传制定商业智能数据定期分析报告,并快速计算产品的业务价值。因此,茄子快传可以制定准确的内容推广计划。


5、专业的企业支持


茄子快传采用AWS企业支持计划,提供全天候服务和多渠道技术支持,这意味着客户可以提交任意数量的案例并获得适当级别的服务支持。该计划拥有技术顾问,确保能尽早回应客户的请求。这种专属 VIP 服务可以有效地解决问题,并保证业务的快速发展。“我们对于AWS企业支持计划的使用体验非常好,技术客户经理和 Support Concierge 给了我们很大的帮助。技术客户经理每周与我们会面,讨论如何优化我们的系统以及如何解决遇到的问题。平时的案例支持也非常及时,包括协调和调动全球的备份资源,以及消除服务限制等。我们认为该计划对我们非常有帮助,也非常重要。”茄子快传的首席技术官陈少为说。


此外,AWS提供的服务全面,公司起步早,市场份额大,这也是茄子快传选择使用AWS的原因之一。


下图分别是茄子快传大数据分析系统和业务系统架构图,所采用的AWS云服务包括:Amazon EC2、ELB、Amazon CloudWatch、Amazon Route 53、Amazon S3、Kinesis、Amazon EMR、Amazon Redshift、Amazon API Gateway、Amazon Athena、Amazon CloudFront、Amazon CloudSearch、AWS CloudTrail、Amazon Cognito、AWS Data Pipeline、Amazon DynamoDB、Amazon Elastic Container Registry (Amazon ECR)、Amazon Elastic File System (EFS)、Amazon Elastic Transcoder、Amazon ElastiCache、Amazon Elasticsearch Service、AWS Glue、Amazon GuardDuty、AWS Key Management Service (AWS KMS)、Lambda、Amazon QuickSight、Amazon Rekognition、Amazon Relational Database Service (Amazon RDS)、Amazon Simple Notification Service (Amazon SNS)、AWS X-Ray等。


640?wx_fmt=png

AWS上的茄子快传大数据分析系统


640?wx_fmt=png

AWS上的茄子快传业务系统


AWS云服务带来的优势


作为一家蓬勃发展的全球性技术公司,茄子快传将业务发展视为其首要任务。由于正在进行业务拓展和转型,茄子快传将在AWS云平台的全力支持下,不断将其基础设施升级到新的水平。


此外,借助AWS云服务,茄子快传还能够显着降低系统开发、运营和维护成本,减少管理负担,并实现自动灵活的可扩展性。“AWS云服务使我们能够轻松实现以前无法实现的功能,例如快速的产品迭代、自动部署和管理,以及高效的运维等。”陈少为表示。


为了处理每秒数万个并发请求,茄子快传使用ELB来平衡其应用程序的流量变化,从而提高系统可用性。此外,包括 Lambda、AWS Glue 和 Amazon Athena 在内的无服务器服务可以轻松分析数据,同时提取不同的服务,使服务之间的结合更加紧密,从而进一步加快任务处理速度。“AWS帮助我们完成了许多底层的繁琐工作,我们可以更加专注于业务创新,”陈少为强调。


640?wx_fmt=jpeg


茄子快传还使用了Elastic Transcoder、Amazon Rekognition和其他工具来处理和分析媒体资源,这有效地减少了开发人员的门槛,并加快了系统开发速度。


“作为云计算的先驱,AWS提供了丰富多样的服务,可以提高开发效率、降低运维成本,使我们能够更专注于我们的业务。其广泛的海外覆盖范围也符合我们持续拓展海外市场的需求。AWS云服务是我们业务发展不可或缺的强大后盾。”陈少为补充道。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值