直播是快手电商的重要业务场景。为应对直播秒杀的极端流量峰值,快手容器云联合阿里云打造混合云弹性调度架构。日前首次大规模应用,成功支撑了百万级别秒杀峰值的计算资源需求。这为直播电商技术的发展提供了重要借鉴。
据公开资料,快手目前平均日活跃用户达3.76亿,平均月活跃用户达6.73亿,累计互关用户对数超过311亿对,日均互动(包括点赞、评论和转发等)总量达80亿次。为了支撑如此庞大的用户规模、业务量级,快手建立了多个庞大的数据中心,海量的服务器集群来承载每日数亿用户的访问。
用户量如此庞大,使得直播成为快手技术挑战最大的场景,而直播秒杀的技术挑战尤为突出,它具有并发量大的特点。在秒杀活动期间,大量用户会同时访问快手的电商平台,对系统的并发处理能力提出了极高的要求。特别是对于上亿粉丝的主播而言,直播间单件秒杀商品可能达到数百万件,单品最高秒杀请求达每秒百万次,下单交易链路系统同时支撑每秒百万次的并发。
为此,快手技术系统采用分布式系统架构,搭建了弹性容器云平台,它能够根据业务需求自动扩展和收缩容器实例,以满足高并发和大流量场景下的业务需求。通过使用弹性容器云,快手可以在大促秒杀期间快速扩展容器实例,以应对突然增加的流量和请求。当流量和请求减少时,弹性容器云又可以自动收缩容器实例,以节省资源成本。
快手容器云平台构建了快手IDC+阿里云的混合云架构,通过专线打通双方网络互联互通,利用阿里云丰富的产品能力和弹性优势进行业务“削峰填谷”,为快手容器的弹性和扩展提供了强有力的支持。
在快手大促期间,这种混合云架构首次大规模应用,当秒杀期间实际峰值流量达到每秒百万次请求时,系统各项指标稳定,系统100%可用,阿里云顺利通过了快手大促考验。
快手直播应用弹性容器云+阿里云的混合云模式应对秒杀,不仅对于快手自身具有重要意义,也引领了直播电商技术的发展趋势。未来,快手将继续发挥技术优势,为用户带来更好的购物体验。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。