首页 > TAG信息列表 > 级用户
巧用 maxTimeMS 服务端超时，避免承载亿级用户的腾讯云数据库MongoDB服务雪崩
腾讯云数据库MongoDB作为一款基于开源社区MongoDB版本的文档数据库产品，其承载着公司内外包括微信、看点、QQ音乐在内的亿级用户重量级APP产品。在某些场景的使用过程中，用户在客户端请求超时后会不断重试，可能导致服务端大量请求积压，出现恶性循环甚至导致服务雪崩。一般遇到这种秒杀系统设计～亿级用户
个人从事电商行业十几年，经历过大大小小的促销活动和秒杀上百次，每次做秒杀瞬时访问量会翻数十倍，甚至数百倍。对系统架构是巨大的考验，期间也曾经历过系统宕机，甚至整体雪崩。那么我们怎么设计秒杀系统，才能保证秒杀系统的高性能和稳定性，同时还要保证日常业务不受影响呢？ 先看看秒杀场景JVM：26 案例：百万级用户的在线教育平台，如何基于G1垃圾回收器优化性能？
1. 案例背景 案例的背景，是一个百万级注册用户的在线教育平台，主要目标用户群体是几岁到十几岁的孩子，注册用户大概是几百万的规模，日活用户规模大概在几十万。 其业务包括选课、排课、浏览课程以及付费购买之类的低频的行为。此外最核心也最为主要的高频行为是 “上课” 。 从该课Hologres如何支持亿级用户UV计算
简介： 本文将介绍阿里云Hologres如何基于RoaringBitmap进行UV等高复杂度计算的方案，实现亿级用户万级标签亚秒级分析，帮助用户从Kylin平滑迁移到Hologres，实现更实时、开发更灵活、功能更完善的多维分析能力。 背景介绍 在用户行为分析和圈人场景中，经常需要从亿级甚至十亿级用亿级用户，腾讯看点信息流推荐系统的架构挑战
一、看点信息流在 QQ 浏览器的主页可以看到腾讯看点的信息流，信息流有三种形态：小视频、短视频、图文，属于业界信息流最主要的形态。目前浏览器用户破亿，点击曝光等相关流水每日有百亿左右，机器数接近万级。二、看点信息流基本架构和挑战信息流已经发展很多年了，架构层面都是大同小异。一亿级用户中心的设计与实践
用户中心是互联网最为基础的核心系统，随着业务和用户的增长，势必会带来不断的挑战。如何在亿级的情况下保证系统的高可用，高性能以及高安全，本文能够给你一套实践方案。 注1：本文讨论的是微服务框架下的用户中心，不涉及授权等功能； 注2：本文所涉及的用户中心设计与vivo自身业务无关。亿级用户的平台是如何使用词嵌入来建立推荐系统的
推荐系统对于我们今天使用的几乎所有应用程序都是至关重要的。 借助大数据，我们有大量可供选择的内容。并且我们可以建系统，通过这些系统可以帮助我们筛选和确定选择的优先次序。 这些系统还给我们一种个性化的内容和服务的感觉。 词嵌入是指单词在低维空间中的分布式表示。词亿级用户下的新浪微博平台架构
https://mp.weixin.qq.com/s/f319mm6QsetwxntvSXpKxg 亿级用户下的新浪微博平台架构 炼数成金前沿推荐 2014-12-04 序言 新浪微博在2014年3月公布的月活跃用户（MAU）已经达到1.43亿，2014年新年第一分钟发送的微博达808298条，如此巨大的用户规模和业务量，需要高可用（HA）、高并发访问、低亿级用户下的新浪微博平台架构
新浪微博在2014年3月公布的月活跃用户（MAU）已经达到1.43亿，2014年新年第一分钟发送的微博达808298条，如此巨大的用户规模和业务量，需要高可用（HA）、高并发访问、低延时的强大后台系统支撑。 微博平台第一代架构为LAMP架构，数据库使用的是MyIsam，后台用的是php，缓存为Memcache。 随着应用规模如何设计一个百万级用户的抽奖系统？
1、抽奖系统的背景引入 本文给大家分享一个之前经历过的抽奖系统的流量削峰架构的设计方案。 抽奖、抢红包、秒杀，这类系统其实都有一些共同的特点，那就是在某个时间点会瞬间涌入大量的人来点击系统，给系统造成瞬间高于平时百倍、千倍甚至几十万倍的流量压力。 比如抽奖，有一种场景：某个支撑亿级用户的架构：从0到1演化全过程
本文从以下2个方向，对互联网系统架构演化进行了一个综述： 1.大型互联网架构目前面临的挑战及其解决思路 2.大型互联网系统架构演化过程，包含了所有的现在主要的互联网架构的考量点、技术方案、要解决的问题等。 建议用10min阅读，可以了解互联网架构的全貌。 一、架构演进面临的挑