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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。