搜索推荐Serverless架构和业务中台技术实践 沈敏
2020-03-01 262浏览
- 1.搜索推荐Serverless架构和业务中 台技术实践 沈敏 阿里巴巴高级技术专家
- 2.在此键入姓名 在此键入tittle
- 3.⾃自我介绍 阿里巴巴在职6年，专注搜索推荐及大数据研发方向，目前负责阿里个性化平台技术架 构，是目前集团业务规模最大的serverless平台，经历了双11大促百万级QPS稳定性 考验，不断在挑战双11技术极限和想象力。团队以“让天下没有难开发的业务”为 slogon，支持集团业务的快速迭代和创新，追求让用户真正只关心自己的业务逻辑。
- 4.⽬目录 搜索推荐中台介绍 Serverless实践 茶歇的双11
- 5.搜索推荐整体架构（AI·OS）
- 6.标准化：从搜索到推荐 ABFS：基础特征服务 iGraph：图引擎 BE/DII：召回引擎 RTP：Rank Service HA3：搜索引擎 AOP：一站式机器学习平台 TPP：灵活业务平台
- 7.TPP:搜索推荐业务平台 支持算法及业务的快速迭代，让用户真正专注自己的核心逻辑 集团最大业务规模serverless平台：服务集团62+BU，万级别场景 集团最大的JAVA单体应用之一 峰值QPS 阿里在线水位最高的JAVA应用之一 双11百万级QPS，万级别容器 2015 2016 2017 2018
- 8.搜索推荐中台⽬目标 AI OS Serverless 图化算子化
- 9.⽬目录 搜索推荐中台介绍 Serverless实践 茶歇的双11
- 10.逼出来的Serverless 新业务创建成本过高 场景/团队爆发式增长 我的集群 资源调配太难，水位极低 过万 双11挑战巨大 我的集群 场景 0 2011 我的集群 2013 2014 2015 2016 2017 2018 2019
- 11.Serverless的开始：FAAS 关注业务逻辑 剥离业务开发不关心的问题 基于JVM Runtime 面向JAVA高度性能优化 面向在线 百万级低延迟在线服务 快速弹性 全时秒级弹性 快速迭代 快速实验和反馈 传统应⽤用 Faas 新业务成本 git/aone/应⽤用分组/vip/服务框 架/业务逻辑 git/业务逻辑 监控 ALL⾃自建 平台提供细粒度多维度监控 流量量治理理 ALL⾃自建 平台提供限流/降级/负载均衡/ 容灾/切流 资源 ⼿手动 全时快速弹性 ⽆无统⼀一实验体系/协作成本⾼高 灵活实验/快速发布/敏敏捷协作 专注业务逻辑 迭代
- 12.产品和体验 一键创建函数和资源就绪 秒级全方位监控 日志分析 监控报警
- 13.化解资源之忧：从Docker到JVM虚拟化⾼高密度部署 AI时代永远缺机器 Docker化 更细粒度的隔离：AJDK多租户 高密度部署 代码隔离 资源隔离 双11大促水位50% 热部署： 秒级发布：没有镜像push/pull过程，不再冷启动容器
- 14.混布下的调度 从同构到异构 同构： 流量稀疏，性能低 隔离性差 调度简单 异构： 流量聚集，性能较优 隔离性强 二层调度：从容器到场景 流量调度：智能负载均衡
- 15.从运维解脱：全时秒级弹性 规模：万级别场景 监控：5s级监控反馈 Fiber：10s级扩容 长尾：0->1/1->0能力 智能：多目标弹性 CPU/超时率/降级率/限流率
- 16.算法灵活实验 业务逻辑复杂度： 千行到10万行 实验零等待： AB实验 分层实验 秒级发布 Blink实时效果反馈
- 17.GraalVM多语⾔言：前后端⼀一体快速迭代 Java Runtime is “SideCar” 多语言无缝对接集团Java生态 前后端一体高效研发
- 18.Service Mesh：团队协作的利利器器 团队协作： 工程和算法解耦 信息流多个算法团队的解藕 相比istio/envoy： 基本无性能开销 Java语言生态受众广 丰富的自动降级策略 异构下的流量调度 兜底机制
- 19.Not Only ServerLess 服务调用只占算法/业务的5%代码 复杂推荐场景代码10w+行 相同逻辑的编码千人千面，交接成本巨大 逢大促全员性能优化 离只关心自己的业务逻辑还有很大距离
- 20.全图化：业务逻辑标准化 借鉴TensorFlow，PyTorch，Flink设计思路 逻辑层和物理层解耦 同步编程前端语言 零基础编写全异步代码 UDF承接用户业务逻辑 后端全异步执行：高门槛的性能优化下沉平台 AJDK协程 Reactive 业务语义的标准化算子 千人千面的复杂逻辑归一化为高性能平台标准实现 标准化流程模版 真正只扩展自己的业务逻辑
- 21.零基础编写全异步化⾼高性能代码 同步编程体验 AJDK协程 Reactive
- 22.数据处理理的⾼高性能抽象 借鉴Blink的优化思路：SQL化 平台优化粒度可以细到Long.parse, String.intern等极致的优化
- 23.代码级跨团队协作 Faas级协作带来网络/序列化开销 召回，打分衔接数据量太大 在线Latency容忍度低 流程化 定义主流程，部分子图逻辑并行迭代 图合并部署 单机合并部署跨团队大图
- 24.搜索推荐业务Serverless总结 用户开发 流量治理 容器Runtime 调度
- 25.⽬目录 搜索推荐中台介绍 Serverless实践 茶歇的双11
- 26.双11⼤大促⾯面临的挑战：资源&性能 百万级QPS峰值： 算法/业务代码性能缺陷及机器缺口 算法效果和资源的权衡 业务不可准确预估： 预估偏差巨大 业务错峰 性能优化的挑战： 个性化代码 优化的可持续性和可复用性 以上数据均为虚构演示数据
- 27.茶歇的双11:算法全⾃自动降级 4级算法降级实验配置： L0(不降级) L1 L2 L3 降级自动化： latency触发降级 超时率触发降级 性能管控： daily run压测管控
- 28.茶歇的双11:多租户&流量量调度&弹性调度组合拳 多租户backup机制： online/backup租户混布 避免冷启动 秒级流量调度机制： 峰值超预期，backup租户消峰，为冷启动预留时间 弹性调度： 弹性扩缩容执行，backup恢复不接流
- 29.茶歇的双11:智能多⽬目标弹性 cpu单目标弹性的缺陷： 限流->cpu增高不明显->扩容慢 降级->cpu降低->缩容->降级无法恢复 固定cpu目标->超时不降 提水位：几家欢乐几家愁 多目标机制： 限流率/降级率/超时率/租户cpu使用率 全局目标 分场景动态水位目标优化
- 30.
- 31.
