阿里技术

• JAVA
• 搜索
• 技术保障
• 核心系统
• UED
• 无线
• 共享业务平台
• 大数据
• 云计算
• 安全
• 测试开发
• 在线推广技术

JAVA

Java语言在阿里巴巴集团应用非常广，包括电子商务，金融，云计算，无线，物流，各种复杂的业务场景，大约90%以上的系统是由Java技术构建，几千人的Java开发工程师团队，世界上最庞大的java分布式集群，几万台Java服务器，拥有自己定制的JVM，拥有自己的Java应用容器、消息中间件、数据引擎、软负载、服务框架等中间件产品，同时拥有有国内最大的hadoop集群之一。

Java语言应用领域全图

阿里巴巴集团引以为傲的后端技术和系统架构都处于国际上顶尖的水平，Java语言是非常适合做大型的业务复杂的互联网系统。比如阿里巴巴拥有世界上最繁忙的交易平台，以及世界上最大的商品中心等。

以Java语言为基础的技术应用领域举例：

TAE & 聚石塔AE

TAE和聚石塔AE是脱胎于店铺平台的应用引擎，与google的GAE、新浪的SAE、百度的BAE等共有PaaS平台类似，不过它们的独特之处需要承载阿里开放体系中大部分的应用类型：从店铺前端插件、U站等前端应用，到供应链管理、CRM等复杂的后台应用，都在它们的托管范围。这就给应用引擎提出了独特的挑战：一方面、它们需要提供足够多的基础设施，供开发商能够把他们现有的遗留系统搬迁到这样的应用环境中。另一方面、他们需要有一套优雅完整的安全体系，保证买家和卖家的信息不被滥用。

消息中间件

消息中间件是淘宝一个重要的中间件领域，高峰期日消息量在250亿左右，目前主要提供了 无序事务性高性能消息队列Notify 与 有序高性能消息队列RocketMQ(MetaQ) 两大类产品，目前RocketMQ已经开源（ https://github.com/alibaba/RocketMQ ），产品被包括核心交易在内的几乎所有的应用所使用，每秒钟消息量80W，这对于消息投递与消息存储与运维来说，都是个巨大的挑战，而如何能够更合理的使用更低的机器成本与运维成本来满足用户不断增长的消息发送需求，是整个团队最大的价值所在。

目前团队主要的工作内容是：

• 1、依托实际的业务场景和新的软硬件，降低消息系统的成本
• 2、维护开源产品，为社区贡献一些自己的力量
• 3、依托新的业务场景，创造符合新场景的消息模型与消息系统

CRM

淘宝CRM始于2003年，从面向内部的企业CRM系统逐渐演变为横向支持阿里巴巴集团大部分BU、纵向对外支持商家、ISV的CRM平台。 在这变化过程中：

• 1、搭建了 focus在客户问题的工单平台，重新构建了CRM的领域模型，规范各个服务领域的业务规则、流程
• 2、创建了数据模型（客户关系、诚信、分层、行为等模型），利用数据挖掘技术实现数据价值, 价值的输出是凭借于D4S（Data for service）平台
• 3、智能机器人、云客服多样化的解决问题渠道的诞生，为我们的客户提供更多更便捷更贴心的解决问题渠道，也为节省阿里成本提供了有力武器
• 4、为电商服务领域提供打包解决方案：例如交易服务、小二工作台、电话等业务

目前面临的挑战：

• 1、Enable商家提升服务能力，商家强大了，这个生态圈才会平稳
• 2、通过技术降低服务成本
• 3、平台化我们已经在路上了；组件化、数据化是我们的方向，只有这样做我们才能更好更快的服务好我们的客户
• 4、我们的技术特色是：扎根于业务的模型、理解客户的模型、透过模型进而抽象组件

开放平台

差异化支持的多客户端海量服务调用：（以下任何一种模式都支撑上亿甚至几十亿的业务处理）

• 1、TQL和Long Tunnel & REST方式支持无线客户端调用，解决弱网络服务调用稳定性和效率问题。
• 2、Schedule API 提供异步批量服务调用，解决调度型异步服务调用问题。
• 3、Comet Stream api提供主动推送服务，Push方式提供即时高效的业务消息推送。

利用异步化Web请求及虚拟资源池来提供高效的API Gateway，解耦开放平台网关处理能力与后端服务处理能力，30多台服务器支撑上百个服务质量差异的业务系统服务开放。

抽象统计分析模型和轻量级任务调度MR处理，实现海量业务数据即时分析，20台服务器支撑千亿级复杂业务统计分析，业务随时接入，立即分析，为开放平台，无线开放平台，广告系统等业务系统提供了快速业务统计分析，监控告警等支持。

推荐领域

海量的商品、店铺以及用户数据，在这样大数据的环境下，信息过载成为严重制约网站发展的因素，个性化推荐系统应运而生。 无论是在为买家选品提供个性化信息服务，还是为卖家做精细化店铺运营提供决策支持，以及网站自身的日常运营，推荐系统在其中都承担了非常重要的作用，通过算法和系统架构的优化，推荐系统大大提升了商品的转化率等各项指标。