《双十一不一样的技术创新》2016出版读书笔记

本文链接：https://blog.csdn.net/cl939974883/article/details/124550803

文章目录

前言
目录
一、基础设施
- 1.1、万亿交易量级下的秒级监控
- 1.2、软硬件结合的思考和实践
三、中间件
- 3.1 万亿级数据洪峰下的分布式消息引擎
四、电商云化
五、业务架构
六、大数据
七、人工智能
八、交互设计
名词补充
八、交互设计
名词补充

前言

本篇博客是在阅读《尽在双11：阿里巴巴技术演变》书籍的读书笔记，若文章中出现相关问题，请指出！

所有博客文件目录索引：博客目录索引(持续更新)

一、基础设施

1.1、万亿交易量级下的秒级监控

监控体系：

自主研发了多套监控系统，规模达到千万级监控项、PB级的监控数据。

阿里核心业务监控的SunFire监控平台，是一整套海量日志实时分析解决方案，以日志、REST 接口、Shell脚本等作为数据采集来源，提供设备、应用、业务等各种视角的监控能力，从而帮您快速发现问题、定位问题、分析问题、解决问题，为线上系统可用率提供有效保障。

SunFire技术架构图：Agent采集、计算(Map、Reduce)

日志传输前需要进行压缩处理。

zero-copy：文件传输其实是可以不经过用户态的，可以在linux 的核心态用类似 DMA 的思想，实现极低 CPU 占用的文件传输。之前的传输使用c语言编写的sendfile逻辑，之后集成到java工程中使用java实现。

计算平台周期任务架构里，使用对二分查找法稍加优化的方式进行日志内容查找。

1.2、软硬件结合的思考和实践

自主研发针对于阿里电商双十一业务的硬件

定制处理器： x86 处理器定制从 0 到 1，AliCPU，稳定承载了 2016 双 11 大促，成为保障奇迹背后的关键力量。

针对基本盘从性能、能效、成本几个直接界面问题入手。

定制 SSD(硬盘)：从know-why、know-what、know-how几个层面，开始自研SSD，AliFlash

MySQL默认使用双写（double write）来保证数据的一致性，此特性会造成两次 IO，带来性能和容量的额外开销。通过开启 AliFlash 原子写功能，从硬件层面保证了业务写入 innodb 的 page 时，不会产生跨页写入，保障数据的一致性。由于关闭了双写，在高 IO 压力下，对于逻辑卷（LVM），响应时间降低了 8%左右。对于裸盘，性能提高约 5%左右，RT 上降低了 18%，约 0.3ms。另外，关闭双写降低了 30%~45%的业务写入量，能显著提升 AliFlash 的使用寿命。

存储领域：貔貅架构。

通用底盘：雷神项目

阿里理念：笃定客户价值和长期技术竞争力构建的初心，阿里巴巴基础设施技术团队承诺不断挑战自我、勇于创新、持续交付便捷高效优质的硬件基础设施解决方案。

三、中间件

3.1 万亿级数据洪峰下的分布式消息引擎

中间件团队于 2011 年研发了以拉模式为主，兼有推模式的高性能、低延迟消息引擎 RocketMQ。并在 2012 年进行了开源，经历了 6 年

双 11 核心交易链路检验，愈久弥坚。

RocketMQ 很好的服务了阿里集团大大小小上千个应用，在双 11 当天，更有不可思议的万亿级消息流转，为集团大中台的稳定发挥了举足轻重的作用。

低延迟：RocketMQ 作为一款消息引擎，最大的作用是异步解耦和削峰填谷。一方面，分布式应用会利用 RocketMQ 来进行异步解耦，应用程序可以自如地扩容和缩容。另一方面，当洪峰数据来临时，大量的消息需要堆积到 RocketMQ 中，后端程序可以根据自己的消费速度来进行数据的读取。所以保证 RocketMQ 写消息链路的低延迟至关重要。

借鉴 Hystrix 思路，中间件团队自研了一套消息引擎熔断机制

阿里中间件（Aliware）。

Zookeeper 作为分布式调度框架，需要至少在 A、B、C 三个机房部署以保证其高可用，并为 RocketMQ 高可用架构提供如下功能

展望：面对移动物联网、大数据、VR 等新兴场景，面对席卷全球的开放与商业化生态，团队开始着手打造第 4 代消息引擎，多级协议 QoS，跨网络、跨终端、跨语言支持，面向在线应用更低的响应时间，面向离线应用更高的吞吐，秉持取之于开源，回馈于开源的思想，相信 RocektMQ 朝着更健康的生态发展。

四、电商云化

T4 是阿里在 2011 年的时候基于 Linux Container(LXC)开发的容器技术基础设施。T4 使用了 LXC，Docker的执行引擎也支持 LXC，但神奇的是 T4 却能够在阿里内部老版本的 OS 和内核上跑起来。因此直觉告诉我将 T4 和 Docker 结合起来应该是可行的将两者融合为了一个产品，相当于既让 T4 具备了Docker 的镜像能力，又让 Docker 具备了 T4 对内部运维体系的友好性，并且能够运行在内部早期的AliOS5u和2.6内核上。这个产品在内部称为AliDocker。

几十万 Docker 容器撑起了双 11 交易 17.5 万笔每秒的下单峰值

五、业务架构

5.2、双十一核心链路的故事

红包使用：通过 SQL 分析我们发现在红包使用场景中数据库花费了大量的 CPU 资源进行 SQL 解析，同时一次下单涉及的 SQL 语句也很多，有非常多的网络消耗。而mysql 并不像 sqlserver 等数据库那样支持预编译，但好消息是 mysql 支持batch insert 语法。于是我们可以使用 batch insert 的语法来优化插入性能，使用一条 UPDATE SQL 更新多条红包的方式来优化更新性能，然后再将些 SQL使用前面提到过的合并优化方案合并为一条大的 SQL 语句发送给数据库服务器，减少网络交互。假定本次用户下单时全额使用了 3 个红包，那么可以通过一个SQL 将三个红包的余额更新为零，同时还使用了金额锁保证红包并没有其它的事务并发更新。同时为更新语句添加 TARGET_AFFECT_ROW 3 的标签，如果红包已经被其它订单在并发场景下使用，那么它会使当前事务失败，并且我们可以通过数据库返回的错误码识别这一情况。

效果：通过前述的优化措施，在典型的场景下，数据库服务器的负载下降了至少50%，而且下单的整体响应时间也减少了至少 50%。

多级缓存框架实践 —— 狼烟多级缓存框架

在 UMP 整合了天猫优惠系统后，由于天猫卖家中，会有大卖家，如：猫超、当当网、优衣库。每到大促，热点数据成为了我们关注的问题。UMP 由于实时性的要求，是一个重度依赖缓存的系统。如何防止热点数据击穿，提升热点数据的访问效率，我们建立了一个多级缓存框架来解决这个问题 —— 狼烟。

5.3、千亿访问量下的开放平台技术揭秘

高性能API网关：使用异步化调用，首先进行前置校验后，使用HSF或HTTP NIO Client来发起远程服务调用，并结束与回收该线程。得到响应后，以事件驱动的形式将远程调用结果与上下文请求信息提交到TOP工作线程池，来进行之后的数据处理。最终使用Jetty Continuation特性唤起请求将结果输出给ISV，实现请求的全异步处理。

优化元数据获取：千万级 QPS 全部打到 DB 是不可取的，尽管 DB 有做分库分表处理，所以我们在DB前面加了一层分布式缓存；然而千万级QPS需要近百台缓存服务器。

如何降低数据写入开销？

数据同步方式

# 原始写法
SELECT * FROM jdp_tb_trade WHERE tid = #tid#;
UPDATE jdp_tb_trade SET jdp_response = #jdpResponse#, jdp_modified = now() WHERE tid = #tid#

# 优化写法
UPDATE jdp_tb_trade SET jdp_response = #jdpResponse#, jdp_modified = now() WHERE tid = #tid# AND modified < #modified#