阿里云中间件产品科技普惠企业,满足多场景需求

阿里云推出应用配置管理(ACM)工具,简化微服务、分布式架构下的配置管理工作,提供灰度发布、回滚等功能,提升服务治理效率,适用于业务动态推送、大数据实时计算算法调整和异地多活场景。ACM以其高性能、灵活性和安全性,助力企业提升运维效率和应用稳定性。

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

阿里云上的互联网中间件产品家族不久前又添了一名新成员,应用配置管理(ACM)的工具类产品。基于该产品,用户可以在微服务应用架构、分布式架构下的服务治理、应用业务场景动态推送、大数据实时计算算法调整、企业级互联网架构的异地多活等场景下极大地减轻配置管理的工作量,增强配置管理的服务能力,价格却只有传统架构的十分之一。

我有几张[阿里云](https://l.gushuji.site/aliyun)幸运券分享给你,用券购买或者升级[阿里云](https://l.gushuji.site/aliyun)相应产品会有特惠惊喜哦!把想要买的产品的幸运券都领走吧!快下手,马上就要抢光了。

ACM 产品是一款从 2008 年开始就开始使用并目前被大量应用于阿里内部应用配置管理的工具类产品,是阿里内部被众多应用最广泛依赖的中间件产品之一,在阿里内外众多核心场景有着广泛使用案例。

一、微服务应用架构下的配置管理
在微服务架构下,随着应用和机器数目的增多,配置(如DB_URL访问信息、服务连接池、服务内部缓存大小等)管理的工作会变得很繁琐。单个应用下多个机器的配置分发,应用对应用的配置依赖,都将成为挑战。
在传统架构的应用发布的过程中,应用的配置更改要求整个应用重新打包发布,整个过程非常繁琐,且容易出错。如下图所示。
7

在基于ACM的微服务场景下,应用的重要配置被发布到ACM中,新的配置发布并不依赖配置打包。在新版本的配置发布后,所有应用立即即可生效。如下图所示。
8

采用ACM作为配置中心为微服务带来以下好处:
• 所有配置中心化,使得在众多应用的情况下配置管理变得更加方便。
• 所有配置不依赖版本发布,使得配置变更更加灵活。
• 由于ACM天生支持灰度发布和回滚,使得配置的变更发布在微服务架构下变得更加安全。

二、分布式架构下的服务治理下的服务治理
在各类分布式架构下,如何基于某类 RPC 框架(RESTful, HSF, Dubbo 等)做好服务治理是非常关键的。其中,服务治理的服务路由,服务限流,服务降级,服务鉴权等,均可通过配置中心实现。
以限流降级为例,在阿里双11,对于每一次的服务限流降级相关操作都要求秒级响应,其内部就实际通过 ACM 来实现。如下图所示。其中,每个 RPC 的服务端都会通过 ACM 注册监听对应服务的流控管理端息。当应用需要流控时,管理员通过到服务治理控制台做出限流的操作,服务治理系统会通过 ACM 将流控信息推送到对应的目标应用服务端,让应用服务端根据对应配置采取相应的限流动作。
9

采用ACM为应用在分布式架构下的服务治理带来以下好处:
• 良好的性能,通过采用配置推送的方式来监听服务治理信息,对性能几乎无影响。
• 相关的服务治理信息可以秒级推送到,响应时间迅速。
• 当限流降级错推以后还可以通过秒级配置回滚来恢复状态。

三、应用业务场景动态推送
如何快速让前端页面响应营运活动,降低开发成本,提高运营效率也是ACM的一大场景。
以某电商运营为例:通过在前端Javascript埋入ACM的配置内容(如三方库版本号,静态资源URL,等),可以运营人员在运营活动发布时直接通过运营工具借助修改ACM配置规则直接让前端Javascript的展示生效。

采用ACM为应用的业务场景推送带来以下好处:
• 通过配置将业务静态代码和业务场景解耦,显著提高运营相关的应用发布流程。

四、大数据实时计算算法调整
在大数据的实时计算领域,通常需要动态调整计算参数来取得最精确的实时计算结果。
以阿里巴巴某内部 APM 类监控系统为例,该监控系统需要动态调节业务的阈值,来控制实时计算系统,计算业务的报警。而且在阈值修改过程中,要求整个过程要求实时性好,应用不能停机。该监控系统的计算阈值采用 ACM 的规则来推送。该场景如下所示。

采用ACM为应用在大数据实时计算场景带来以下好处:
• 应用计算参数动态配置,动态生效,生效时间块,性能影响低。

五、企业级互联网架构下的异地多活场景
异地多活是目前企业级互联网架构中的一种高级容灾架构。相对于传统容灾架构的特点相比,有着业务恢复时间短,容量需求低,运维快捷简单等特点。目前多活架构在阿里巴巴、饿了么等公司被广泛采用。
在阿里巴巴内部,容灾多活架构的核心算法, ID分片和对应的的路由规则, 采用 ACM 来动态推送。其中,相应的客户端和服务端,如RPC,MQ,DB都植入了路由路径。当容灾演练或者真实灾难发生时,管理员只需要动态的推送规则,响应的规则会影响到所有架构组件。其中,示意图所下所示。
12

采用ACM为应用在异地多活场景中带来以下好处:
• 基础架构和容灾逻辑解耦,具体的路由逻辑由容灾规则切换决定。
• 生效快,理论上容灾的切换规则可以秒级推送到十万级别机器。

阿里云互联网中间件产品追求创新的脚步从未停止,不断根据用户需求和市场发展调整并升级产品,相信未来,中间件产品一定会给用户带来更多更好的体验。

阅读原文http://click.aliyun.com/m/34868/

转载于:https://my.oschina.net/u/3637633/blog/1573319

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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