腾讯内容结算下一代系统探索实践

证券核心系统全解析:从交易、清算到结算的技术架构与业务逻辑 在金融科技领域,高并发、低延迟与数据一致性是构建核心系统的关键技术挑战。这些概念源于分布式系统设计,旨在确保大规模交易场景下的性能与可靠性。其技术价值在于支撑金融业务的稳定运行,例如证券交易中的实时撮合与日终清算。通过内存计算、内核旁路和无锁编程等技术,系统能够实现微秒级响应,满足高频交易需求。应用场景广泛覆盖证券、期货及数字货币交易所,其中证券核心系统作为典型代表,集成了交易、清算、结算、账户与风控等子系统。本文以证券行业为例,深入探讨其业务全景与技术实现,涵盖订单撮合、货银对付(DVP)和实时风控等核心 阅读详情

1. 前言

腾讯内容结算平台作为 PCG 中台服务,主要负责公司各渠道内容相关的结算业务,为内容创作者提供收益计算、发放、提现等服务。经过多年的发展,已安全高效地承接了数千个结算项目,结算资金规模较大,涵盖了内容采买、流量计费、直播带货、内容电商等相关领域,业务合作方包括腾讯视频、微视、QQ 浏览器、腾讯新闻、腾讯内容开放平台等。

本文将从标准化、框架两个方面介绍腾讯内容结算系统在建设与实践中的思考与落地方案。

从业务层角度而言,一个项目的结算过程可以分为以下几个步骤:立项、签约、数据接入、数据模型、策略配置、收益计算、收益发放、洞察归因等过程。如下图所示:

从技术角度出发,面对大量复杂多变的结算项目场景,如何通过技术架构优化对结算的关键核心环节进行降本增效是我们关注的问题,比如,通过自动化准入机制和可视化模型配置解决前期数据耗时耗力的问题;利用原子化抽象、插件化复用,DAG 编排乐高式组装提高项目自助化能力;针对计算执行规划串并行优化 Lambda 语义表达;面对项目后期大量的收益分析,采用贡献度模型自动化归因洞察收益的波动。

2. 现状问题

在业务迭代的过程中,从研发视角看,随着新场景的不断接入,以及原有功能的迭代,系统变得越来越复杂,需求响应逐渐变慢;从用户视角看,配置复杂的结算策略,以及传承结算业务逻辑,越来越低效。以降本提效为目标,我们对系统架构进行了多次迭代,在业务发展前期,开展过单模块的重构,如策略配置、指标服务等,虽然对效率提升有一定的改善,但是还会存在以下问题:

1. 数据接入:

  • 无系统管理历史接入记录,无法追溯变化;

  • 人工离线验收,多轮次反复沟通,数据验收耗时较长;

2. 数据模型:

  • 数据模型按不同项目编码实现,模型变更需改代码,上线周期长;

  • 新增指标字段需在原表加字段,会导致表的字段越来越多,且包含大量只用一次的字段;

  • 需研发同学强参与,无法自助化、自动化、平台化解决;

3. 策略配置:

  • 历史因素,标类和非标采用不同的策略配置模块,从而导致后续收益计算等需要分别开发,成本高;

  • 策略配置的灵活度不够,部分逻辑没法配置,需要研发手动来开发相应的代码;

  • 策略分布碎片化,无全局可视化视野,无法直观看到一个项目结算策略的全逻辑;

4. 收益计算:

  • 收益计算分标类和非标两套代码,维护成本较高;

  • 规则计算的执行顺序写死,不可界面配置化;

3. 目标

针对以上的问题,我们从 2022 年初,启动下一代结算系统的优化升级,基于 DDD 领域驱动,打造下一代高自助化、高扩展性、高一致性、高全局性的内容结算中台架构,旨在通过平台化、自助化达到以下 4 个目标:

1. 提升运营效率

  • 运营同学可通过可视化页面,看到项目的全生命周期流转,助力项目迭代和传承;

2. 提升探索效率

  • 统一并优化策略测算、策略实验的功能;

  • 提供多维度自动归因分析洞察能力;

3. 提升开发效率

  • 原子化表达结算语义,同功能的模块可复用,避免重复开发;

  • 通过插件模式,使得业务同学能参与协同共建;

4. 降低维护成本

  • 在统一配置策略后,一套代码做到自动解析、计算;

4. 平台化设计

4.1 整体思想

平台化的主要思想是,流程编排与领域知识原子化,业务插件与平台系统插件分离的插件化架构,业务形式如下图所示。目标是可以让业务运营 自助化 操作,让业务研发参与数据模型和插件共建,提高中台生产力,从而更多精力投入平台优化迭代上。

从技术上来说,平台化主要做了以下几个探索:结算策略全局 DAG 可视化,策略算子原子化,多路代码统一,如下图所示:

然而只有先做到标准化,平台才能顺利的运转起来,因此在平台化启动前,我们对业务进行了梳理和抽象,从下面三个方面进行标准化建设。

4.2 流程标准化

综合标类与非标结算,我们将结算分成三步:结算前、结算中、结算后。其中结算前包括立项、预算占用、供应商录入、合同签约、策略配置,这些步骤在项目初期还未开始结算时就都配置好。结算中包括数据接入、模型配置、任务调度、收益计算、结果双校,这些是收益计算的过程。结算后包括收益发放、数据报表、客诉服务,这些是在收益计算完成后的过程。并非每个项目都要走完这里的所有流程,通过立项时的配置某些环节可以被跳过。

4.3 数据标准化

结算平台中逻辑的流转即数据的流转,因而只有数据标准化后,平台框架才能运转。系统接入的数据分为三类:指标数据、名单数据、策略数据,其中指标数据用于收益计算和条件判断,名单数据用于对象圈定和收益发放,策略数据用于链接指标和名单。数据标准化的方式主要包括:字典标准化、字段标准化、数据表标准化,相同枚举值全局唯一、相同含义的字段名全局唯一、数据表名分段式代表业务含义等。

4.4 框架标准化

框架标准化主要分为两个方面:底层规范、功能模块。底层规范主要包括统一代码风格、基础库、日志规范等;功能模块主要指按功能进行微服务拆分,分为数据模型、策略插件、调度服务、计算服务等模块,模块内部高内聚,模块间低耦合,服务间通过微服务调用,不允许直接访问数据库等。

5. 平台化实现

平台化的实现按项目阶段可分为三部分:结算前、结算中、结算后,从技术角度来看可分为两部分:后台服务、数据服务。其中结算前主要是后台服务,结算中包括了后台服务和数据服务,结算后也主要是后台服务。

5.1 结算前

结项前主要包括立项、预算占用、录入供应商、合同签约等环节,我们按照每个环节进行微服务拆分,服务之间通过 rpc 接口进行调用。内容生产者只有录入公司供应商系统后,才能进行电子合同签约,且占用了预算后该项目才能发放收益。收益发放前,会进行大量的在线风控监测,保障系统安全。

5.2 结算中

5.2.1 数据接入

数据接入是结算中的第一步。平台接入的数据包括指标数据和名单数据,目前支持公司大数据平台的离线数据表和 Excel 上传的方式,接入数据作为结算数仓的 ODS 数据,会经过一次 ETL 的过程,产生 DWD 层数据,该层数据的元数据信息会被导入模型配置系统中,用于数据模型的配置。

数据校验:通过对历史接入数据的梳理,我们总结出 11 种数据校验和质量规则,如:空值率校验、重复值校验、波动校验等,整体如下图所示:

结算平台提供了校验能力来检测数据是否符合平台接入标准,并对后续数据进行质量监控和告警。用户在系统上配置数据的验收规则,提交任务一段时间后会收到数据的验收结果,告知是否符合平台标准,系统界面如下图所示:

5.2.2 数据模型

数据模型的目标是解决数据最后一公里的问题。其输入是经过 ETL 之后的业务数据,其输出数据用于结算策略的配置、收益计算、报表分析。数据模型的配置页面,其功能包括配置衍生字段、配置数据表 Join 关联关系,然后通过定时任务拉取元数据信息到结算平台,再对外提供接口服务。 模型配置 示例如下:

模型执行:模型是从叶子节点开始执行的,每个父节点和它所有的子节点 join 成一个临时表,然后递归往上执行,一直到根节点,最后将所有字段作为分组维度,对聚合指标进行聚合,生成大 T 表供收益计算使用。上图中配置的模型,其执行过程如下:

  create table T as    select         G. 字段, E. 字段, A. 字段, B. 字段,F. 字段, C. 字段, D. 字段        , 衍生字段 1, 衍生字段 2        , 衍生字段 1, 衍生字段 2    from     (        select             G. 字段, E. 字段, A. 字段, B. 字段,F. 字段, C. 字段, D. 字段            , 衍生字段 1, 衍生字段 2        from         G left join         (            select                 E. 字段, A. 字段, B. 字段             from             E left join A on E.* = A.*            join B on E.* = B.*        ) E' on G. 字段 = E'. 字段        left join         (            select                 F. 字段, C. 字段, D. 字段            from             F left join C on F.* = C.*            join D on F.* = D.*        ) F' on G. 字段 = F'. 字段    ) tmp    group by         G. 字段, E. 字段, A. 字段, B. 字段,F. 字段, C. 字段, D. 字段        , 衍生字段 1, 衍生字段 2

复制代码

数据接入和数据模型一起构成了数据自动化模块,只需通过平台操作就行,整体流程如下图所示:

5.2.3 策略配置

结算策略的配置是对收益计算过程的描述,是结算项目的核心,其语意描述能力是衡量配置能力的标准。我们在设计之初,定下两个目标:协议的描述能力要灵活可扩展、协议要与实现无关来确保插件式架构。为此我们分析了系统中所有的项目,通过对所有结算策略进行抽象,概括出其模式,然后进行原子化分解,最终以 插件表达式 和 流程编排 的方式来描述结算策略。

插件表达式:插件可以理解成一个表达式计算,我们借鉴了 SQL 引擎的 ExpressionTree 方案。表达式的定义通 pb 协议描述,我们将表达式分为 5 种基础类:①单值表达式、②计算表达式、③逻辑表达式、④关系表达式、⑤函数表达式,其中函数又可以细分成多种,表达式之间可以进行嵌套、组合,从而其描述能力是可扩展的。之所以抽象成 5 种类型,主要是参考了 SQL 的语法元素,并考虑结算业务的需要,目标是能覆盖所有的策略场景,并以结构化的形式表现出来。

流程编排:结算策略是插件的 DAG 组合。结合策略需要,我们定义了 6 种插件,每种插件表达式的输出是一种类型的变量,分为:单价插件、单价系数插件、量级插件、量级处理插件、收益插件、收益处理插件。在可视化页面上通过拖拽的方式将插件编排成 DAG 图,后面的插件可以引用前面插件的输出结果作为输入变量,DAG 的结束节点必须为收益插件,其结果用作收益发放的金额,这样就构建出一个结算策略了。

5.2.4 收益计算

收益的计算过程就是 DAG 的执行过程。收益计算主要分成三步,第一步是 DAG 转串行执行,第二步是解析插件 DSL 生成一个 SparkSQL 引擎能执行的表达式,第三步是按调度顺序串行顺序执行每个表达式,并将结果保留成变量。

DAG 的执行是图中插件的顺序执行过程,倘若一个插件的上游有两个节点,则其需要等这两个插件都执行完才能计算,且依赖这两个插件的计算结果。上游的两个插件彼此没有依赖关系,在逻辑上可以并行执行。结算的输入为离线数据集,由于该插件需聚合上游两个插件的结果,因此需要离线数据的 join 操作才能完成。而 join 操作需要知道关联条件,且数据并不一定具有唯一主键,带来了笛卡尔积的风险,而且 join 操作会耗费大量的 shuffle 资源,带来性能损耗。

DAG 转串行执行:由于插件没有改变数据集的粒度,相当于在原数据集上添加新的列,因而可以采用串行执行的思路来规避 join 的出现。调度系统通过拓扑排序对 DAG 中的插件进行排序,然后串行执行每个插件,一次只执行一个插件,上游插件在执行完毕后将结果作为中间变量传递给下游,从而保障了下游插件在计算前上游插件都已经计算完毕。由于插件使用到了集合指标作为表达式输入,因此不能按条执行每条数据,为了简化计算我们全链路采用 SQL 表达式进行集合计算。这样既避免了数据 join 的操作,也在同等语意下节省了计算资源。

为了证明串行执行的性能更佳,我们也做了简单的实验来进行对比,从耗时、内存消耗、cpu 消耗三个维度进行对比分析,如下图所示,可以看到串行执行的性能全面优于 Join 执行。

插件解析:插件解析是一个多叉树的深度优先遍历过程,每个子 Expr 输出的表达式片段会通过括号括起来,来保障顺序的准确性。插件 DSL 翻译成 SQL 的代码统一放在 common-plugin 工程目录下,每个插件会有一个目录,如:price-plugin、income-plugin 等,通过调用 common-plugin 提供的函数生成其对应的 SQL 片段。之所以每个插件还需要其自己的目录,主要考虑到后续每个插件可能会有定制化的操作等。

DAG 计算:插件的执行通过 Spark 调用 Lambda 表达式来实现。每个插件的执行就是一次 Lambda 表达式调用 SQL-piece 的过程,按照上文中调度引擎解析的顺序串行执行每个 SQL-piece,计算的输入集是数据模型输出的大 T 表,每次执行的结果都作为中间临时表,最后一个 SQL-piece 的结果作为收益数据,用于打款发放。整体的查询规划及计算过程如下图所示:

5.2.5 策略测算

策略测算是策略迭代生效前的评估,使用历史数据加业务新策略来计算收益,再将收益和历史线上收益作对比,以此来评估新策略带来的影响。结算平台在收益计算完毕之后会自动生成同步任务,将结果同步到 BI 分析平台,这样用户就可以使用 BI 工具对结果进行分析了。

5.3 结算后

任何项目的结算都是由平台方和双校方一起计算的,然后拿两边的结果按 cp 维度进行比较,单 cp 误差控制在极小阈值范围内才认为双校通过。平台方生成的明文数据用作账号收益展示,也会推送到公司财经系统进行打款,双校方会生成收益指纹数据,该数据被财经系统用作收益对账,主要是防止数据被中途篡改,同时,收益发放支持按比例灰度发放机制。

6. 效果

1. 运营效率的提升:

  • 全链路可视化,运营效率提升 30%+;

2. 探索效率的提升:

  • 测算优化,速度提升 60% 以上;

  • 全链路的归因分析,减少 80% 波动定位时间;

3. 开发效率的提升:

  • 数据模型可配置化,手动升级成自助配置化;

  • 非标标类统一建设,研发效能提升 50%;

4. 维护成本的降低:

  • 策略即代码,杜绝硬编码,系统维护成本降低 50%;

7. 总结与展望

本文从标准化、框架两个方面介绍腾讯内容结算系统在建设与实践中的思考与落地方案。经过不断的摸索建设和实践,结算平台化已初具规模、有力地支撑了多条业务线的快速迭代。

未来,平台化会细化标准化的粒度度,降低业务开发同学成本;深化框架能力,在稳定性、性能、易用性方面持续进行提升。此外,我们在产研新流程方向也会持续优化用户体验,完善运营机制,不断提升产研迭代的流程。

智慧停车小程序:实时车位查询、导航与费用结算一体化 中国机动车保有量突破4.3亿辆,但车位供给缺口达8000万。技术正在颠覆这一现状。通过融合物联网、边缘计算与高精定位技术,智慧停车小程序构建了"感知-决策-服务"闭环系统,将车位周转率提升至传统模式的2.3倍。 阅读详情

相关推荐

一体化ERP寄售管理模块:核心逻辑、部署测试与API集成实践

企业资源计划(ERP)系统通过整合业务流程与数据,实现供应链的高效协同与精细化管理。其核心原理在于将物流、资金流、信息流统一于数字化平台,以提升运营透明度与决策效率。在供应链协同领域,寄售(Consignment)作为一种常见的业务模式,其技术价值在于通过系统化手段解决货权与物权分离带来的库存、结算与流程协同难题。典型的应用场景包括快消品行业在卖场的铺货、汽车零配件行业的供应商管理库存(VMI)等,旨在降低库存资金占用并加快结算效率。本文聚焦于一体化ERP中的寄售管理模块,深入剖析其业务逻辑与系统集成要点,

weixin_34015336的博客 440

规则引擎--移动结算系统开发

一、业务需求 1、 实现网间结算、网内结算、SP 业务结算 2、 支持语音、数据、SP 服务的结算 3、 统一维护结算规则 4、 对结算话单进行批价 5、 对结算规则的维护进行权限控制 二、业务规则包的结构 由于每种结算话单的话单格式与结算规则区别较大,并且在进行话单批价时能够明确知道要进行哪些批价规则运算。因此可以设计为3个规则集。即网间结算规则集、网内

规则引擎 2091

腾讯云低代码实战:零基础搭建家政维修平台

本教程旨在指导开发者使用腾讯云云开发平台,从零开始搭建一个功能全面的在线家政维修服务平台。教程适合希望快速构建多端(小程序、PC管理后台)应用的开发者,特别是对低代码开发感兴趣的初学者。通过本教程,您将学习如何利用腾讯云云开发平台的可视化前端构建器、云函数、数据模型、文件存储和身份认证等功能,实现用户便捷体验、服务商高效工作、平台智能运营和创新服务模式。教程按照项目功能的实现流程组织,建议按照章节顺序学习,对照需求文档理解需求,并动手实践。通过本教程,您将掌握如何高效使用低代码平台,快速迭代产品,聚焦业务功

低代码布道师的博客 5533

Drools规则引擎在支付结算对账中的应用

什么是DroolsDrools是Jboss公司旗下一款开源的规则引擎,是一个基于java的规则引擎,开源的,可以将复杂多变的规则从硬编码中解放出来, 以规则脚本的形式存放在文件中,使得规则的变更不需要修正代码重启机器就可以立即在线上环境生效,有如下特点1. 完整的实现了Rete算法; 2. 提供了强大的IDE Plugin开发支持; 3. 通过使用其中的DSL(Domain Specifi

zghmnb的博客 3757

三菱CNC数据采集实战:从环境搭建到代码实现的完整指南

本文提供了一份完整的三菱CNC数据采集实战指南,涵盖从开发环境搭建、核心SDK获取、网络配置到基于C#和A2协议的完整代码实现。文章详细解析了初始化、连接管理、数据获取与展示四大核心模块,并分享了错误处理、性能优化及与MES系统集成的关键技巧,帮助工程师快速构建稳定可靠的工业数据采集系统。

wood5的博客 893

DeepSeek 在 PostgreSQL 中,执行 `DELETE` 操作后,数据占用的空间并不会立即释放给操作系统

操作后,数据占用的空间并不会立即释放给操作系统。这是 PostgreSQL 的 MVCC(多版本并发控制)机制决定的——删除的数据只是被标记为“死元组”,物理空间仍然被表占用。这是最彻底的释放方式,会将表重写为一个没有空洞的新文件,将空间返回给操作系统。如果你的表非常大(如几百GB),或者这是生产环境的核心表,建议优先考虑。你可以告诉我你的表大概多大、是否能接受锁表,我可以给你更精确的建议。要真正释放空间,需要根据你的实际需求,从以下三种方案中选择一种。如果你既想彻底释放空间,又无法接受锁表,

m0_37843156的博客 407

解锁转转门店业务灵活性:如何利用MVEL引擎优化结算流程

主要介绍MVEL表达式引擎在转转门店结算业务中的使用,通过引入前后的对比,突出了在解决现有问题中的作用。

zhuanzhuantech的博客 988

CNN卷积神经网络手写数字识别实例及代码详解

本文的代码来自githup的Deep Learning的toolbox,是用Matlab实现的。感谢该toolbox的作者付出和分享。 我在应该该代码进行训练时,出现一些报错,如expand函数应用不对,flipall函数未定义等问题,对这些问题进行了修正,完成网络训练和验证。 本文mnist_uint8.mat的获取可以参照我的另一篇博客:MNIST数据库处理--matlab生成mnist_

VivienFu的专栏 6万+

支付三大黑盒之一清结算系统

扫码支付、小程序支付这样支付产品我们每天都在用,但是支付背后资金是如何流转到我们银行账户就神秘了很多。今天我们就来介绍这个银行和商户之间的资金搬运工,清结算系统。要结算资金首先要进行对账,只有账务核对无误之后才能给商户结算资金,因此我们先从对账工作说起。内容大纲一、什么是清结算对账1.1、什么是对账1.2、对账核对维...

weixin_37044285的博客 1842

汇川机器人与PLC通信-ModbusTCP超详细案例

通过汇川机器人与PLC的ModbusTCP通信项目案例,我们可以了解通讯配置的过程,地址映射的方式,对接信号的转换,运行时序的逻辑等注意事项,帮助我们快速应用到项目中。

weixin_44166380的博客 1万+

保姆级教程:在Windows/Mac上搞定SAM 3的权重和BPE文件下载与配置

本文提供了一份详细的SAM 3权重和BPE文件下载与配置指南,特别针对国内开发者遇到的下载缓慢和配置错误问题。通过国内镜像源快速获取文件,并详细介绍了环境检查、文件下载、路径配置及常见问题解决方案,帮助开发者高效完成SAM 3的部署与使用。

weixin_42547431的博客 557

支付“清结算”体系的设计方法

支付“清结算”体系的设计方法

深圳市多克创新科技有限公司 2539

12、有杆泵抽油系统:原理、性能与选择

本文全面介绍了有杆泵抽油系统的原理、性能分析和设备选择方法。有杆泵抽油系统广泛应用于石油开采领域,通过地面抽油装置与井下柱塞泵的配合,实现高效、稳定的原油提升。文章详细解析了系统的工作原理、组成结构、光杆运动特性、载荷计算、泵输送能力及功率需求,并提供了抽油装置的选择流程和实际案例分析。此外,还探讨了泵的容积效率影响因素、示功图的作用及系统优化运行的建议,为石油开采工程提供了理论支持和实践指导。

gan8painter的博客 435

Infoq:腾讯内容千亿级实时计算和规则引擎实践优化之路

在内容生态会围绕海量数据产生大量实时信号场景,本文将介绍千亿级实时计算优化思路、统一的规则引擎触发系统、实时高可用保障手段,带读者深入浅出理解实时体系的建设。

劫无忧 1983

YOLOv10改进,YOLOv10二次创新C2f结构采用WTConv卷积(感受野的小波卷积),ECCV 2024

WTConv 的核心思想是通过结合卷积神经网络(CNN)的强大特征提取能力与小波变换的多尺度特性,来实现大感受野的卷积操作,同时避免传统大卷积核带来的参数爆炸问题。传统的卷积操作通过滑动小窗口在图像上逐步执行局部特征提取,感受野的大小直接取决于卷积核的尺寸。随着卷积核的增大,参数量呈指数增长,导致网络训练效率降低、计算资源消耗增加。为解决这些问题,WTConv 提出了在小波域中执行卷积操作的策略。小波变换是一种常用于信号处理的技术,能够将信号分解为不同频率成分。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 1025

YOLO项目从零开始:超详细运行教程(图文保姆级教学)

至此,我们已经完整跑通了YOLO项目的安装与启动流程,无论你是零基础小白还是刚入门的AI新兵,只要按部就班操作,也能轻松实现目标检测项目的落地。

一键难忘的博客 4804

腾讯云分布式数据库TDSQL在银行传统核心系统中的应用实践

本文是腾讯云TDSQL首席架构师张文在腾讯云Techo开发者大会现场的演讲实录,演讲主题是《TDSQL在银行传统核心系统中的应用实践》。 我是TDSQL架构师张文,同时也是TDSQL的开发人员之一。今天的分享内容主要包含四个部分,分别为银行行业现状介绍、核心系统分布式改造、TDSQL最佳实践和改造效果。 张文演讲现场 搜索关注“腾讯云数据库”官方微信,回复“1106张文”即可下载本视频演讲PPT。 一、关于TDSQL 银行数据库系统被外企垄断超过99%。数据库的复杂程度比拟操作系统,作为基础性软件数据库对

weixin_43872058的博客 1051

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

腾讯云Linux操作系统TencentOS,成了“国家队”首选

这份白皮书不仅详解停服带来的安全风险与业务隐患,更提供原地替换、新增迁移、托管服务 3 大替代模式,搭配腾讯云自研TencentOS Server——更附政务云、部级单位、地铁系统等真实案例参考,让你低成本、低风险完成系统替换,保障业务7×24稳定运行!时代的操作系统将从基础设施演进为智能协同平台,承载起算力调度、模型加速、智能运维的新使命。来自金融、政务、航空、保险等关键行业的代表,分享了推进国产化替代的真实实践与深度思考。操作系统的成功不仅在于技术本身,更在于构建开放、中立、繁荣的生态体系。

技术领导力 990

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

国内短剧CPS系统开发:技术架构与商业化实践

国内短剧CPS系统的开发需兼顾技术稳定性、合规安全性、商业变现能力三大核心。推荐采用Taro+微信小程序作为基础架构,结合AI审核与区块链存证保障合规,通过三级分销与AB测试驱动增长。未来,AIGC与Web3.0技术将进一步释放短剧CPS的商业潜力,助力平台在激烈竞争中脱颖而出。

wx_qutudy的博客 1355

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

腾讯&香格里拉,探索智慧酒店新玩法

点击上方“程序人生”,选择“置顶公众号”第一时间关注程序猿(媛)身边的故事11 月 8 日,腾讯与香格里拉酒店集团签署了战略协议,以高端「智慧酒店」为起点,逐步推动双方在...

程序人生的博客 2169

腾讯唐卫民:用核心流量助力手机页游发展

9月23日,由触控科技主办的“Cocos 2015秋季峰会·手机页游崛起”在厦门盛大举行。全球游戏行业的精英、巨头齐聚于此,就手机页游生态系统和游戏引擎技术两大领域进行分享。以下为腾讯浏览器市场运营高级总监唐卫民的演讲实录:唐卫民:大家上午好!先自我介绍一下,我是唐卫民,在腾讯时间比较长,一直在腾讯负责产品的运营和产品的商业化这一个板块。今天很荣幸能够和Cocos一起在这里有一个机会跟大家分享一下...

Cocos的博客 195

金融服务低代码开发终极指南:10个快速落地实践

在数字化转型浪潮中,金融行业正经历着前所未有的变革。低代码开发平台为金融机构提供了快速响应市场需求、降低开发成本的有效解决方案。金融服务低代码开发正成为行业的新趋势,让传统金融机构能够以更低的门槛、更快的速度构建各类金融应用系统,包括银行核心业务、支付结算、风险控制、信贷管理等多个业务领域。 ## 为什么金融服务需要低代码开发? 金融服务行业面临着严格的监管要求、复杂的业务流程和激烈的市场竞争

gitblog_01211的博客 882

墨天轮访谈 | 腾讯张铭:带你探索王者荣耀背后的游戏数据库 TcaplusDB

广泛应用于王者荣耀、QQ飞车、火影忍者等数百款流行游戏的数据库——TcaplusDB到底有何不同?腾讯数据库专家工程师张铭老师,带你揭秘TcaplusDB。

Era666的博客 4798

区块链的布局:腾讯 VS 阿里

随着互联网的发展,区块链行业风口已经到来,虽然腾讯和阿里都布局了区块链,但是在技术与发展方面还是有差别的。二者作为国内最大的互联网巨头企业,一直都在各个领域展开激烈的较量。最终,一个在电商领域雄霸一方,一个在社交领域难逢敌手。 知识产权产业媒体IPRdaily网站披露最新区块链专利榜单。通过对2020年1月1日至6月30日公开的全球区块链技术发明专利申请数量进行统计分析,其中阿里巴巴(支付宝)以1457件专利位列第一,腾讯以872件专利排名第二,浪潮以274件专利排名第三。 那么这两大巨头在区块链方面的布局

Dripshuolian的博客 767

除了公布最新的三大AI实验室,腾讯2017年还做了这些布局

今天,腾讯社交网络事业群(SNG)在深圳中部举办了一场TSAIC学术与工业交流大会。在该会议上,腾讯集团高级执行副总裁、SNG总裁汤道生表示,SNG正大力布局人工智能,组建由优图实验室、音视频实验室和(正在筹建的)量子实验室三大实验室。 据了解,SNG包括QQ等产品,同时也孵化了全民K歌、天天P图等to C和to B的产品,另外腾讯云也是SNG的产物,目前已经成为了腾讯AI技术输出的一个主要出口。

人工智能观察 3044
上一篇: 三个统一.
下一篇: 分布式编程工具Akka Streams、Kafka Streams和Spark Streaming大PK
程序员职业指南
博客等级 码龄4年 2140粉丝 960原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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