嘉銀科技基于阿里云 Kafka Serverless 提升業務彈性能力,節省成本超過 20%

作者:四牛

前言

云消息隊列?Kafka?版?Serverless?系列憑借其秒級彈性擴展、按需付費、輕運維的優勢,助力嘉銀科技業務系統實現靈活擴縮容,在業務效率和成本優化上持續取得突破,保證服務的敏捷性和穩定性,并節省超過?20%?的成本。

客戶介紹

image

嘉銀科技是一家專注于科技驅動普惠金融的上市企業,在多年的發展過程中,始終堅持以技術為核心推動業務迭代,公司致力于以大數據、云計算、人工智能等技術在消費場景內連接消費者與金融機構,讓每位用戶都能享受到高效便捷的科技服務,同時助力金融機構業務高速增長。

應用上云

隨著業務規模的不斷擴大,嘉銀科技對底層技術平臺的可擴展性、穩定性和運維便捷性提出了更高要求,2024?年初啟動了整體應用遷移上云的進程,嘉銀科技技術團隊經過多方技術論證及產品選型,最終選擇阿里云作為云服務提供商。阿里云和嘉銀科技的技術團隊共同組建上云項目組,制定上云技術方案和實施步驟。

自建 Kafka遷移上云

伴隨著應用從?IDC?遷移上云,應用所依賴的中間件服務也逐步遷移到云上更加穩定成熟的?PaaS?產品,其中?Kafka?就是在此次遷云過程中完成了技術升級,由開源自建?Kafka?集群遷移到阿里云消息隊列?Kafka?版?V3?集群,大大提升了應用系統的穩定可靠及彈性能力。

image

下圖展示了嘉銀科技的?Kafka?架構遷移至云端前后的對比。左側為遷移前的開源自建?Kafka?架構,右側為遷移至阿里云消息隊列?Kafka?版?v3?后的架構。

image

云上 Kafka 技術優勢

阿里云消息團隊在技術上持續投入,迭代升級云消息隊列?Kafka?版產品的核心技術架構,其?Serverless?系列實現了真正意義上的存算分離,存儲層基于云重新設計,這也是絕大部分商業化消息產品的重點投入方向,難點在于實現徹底分離,解決成本和性能的矛盾,同時保證計算彈性的輕量和擴容的可靠。

外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳

阿里云消息隊列 Kafka 版 Serverless 系列以其卓越的彈性能力,為嘉銀科技提供了高效的資源管理和業務連續性保障。

  • 自適應彈性:云消息隊列 Kafka 版 Serverless 系列在 20 MB/秒 ~ 1 GB/秒支持無感彈性;1 GB/秒 ~ 3 GB/秒支持秒級彈性;3 GB/秒以上支持分鐘級彈性。客戶可以依據業務流量的趨勢,通過彈性能力實現成本與性能的平衡,從容且高效地應對突發流量高峰。
  • 秒級定時彈性:對于超大規模集群,云消息隊列?Kafka?版?Serverless?系列支持脈沖的定時彈性,允許預設彈性策略,在流量高峰期預留足夠資源確保關鍵業務的持續性和穩定性,在低峰期則減少資源使用以節約成本,不僅提升了資源利用率,還降低了運維復雜度。
  • 高可用、高可靠:開源?Kafka?通過?ISR?機制實現服務高可用和數據高可靠,但計算和存儲混雜,副本機制復雜度高,問題排查難度大。阿里云消息隊列?Kafka?版?V3?基于存算分離架構,實現各計算節點無狀態且共享存儲,不僅降低了復雜度,還提高了可運維性。計算節點高可用基于自研輕量?Leader?切換機制實現,在穩定提供讀寫服務的同時又能優雅輕便地?Leader?轉移,是云消息隊列?Kafka?版高效彈縮的核心底座。云消息隊列?Kafka?版在存儲層面基于阿里云飛天盤古?DFS,支持跨數據中心容災,提供百微秒級平均延遲、毫秒級長尾延遲,數據可靠性?12?個?9,可用性?5?個?9。因此,遷移后的架構可靠性和可用性都得到了顯著的提升。
  • 高性能:采用 OpenMessaging Benchmark Framework 對云消息隊列 Kafka 版 V3 和 Apache Kafka 3.3 進行攢批發送與碎片化發送場景下的吞吐延遲對比測試,測試結果顯示,在攢批發送與碎片化發送場景下,云消息隊列 Kafka 版 V3 在 TP999 的延遲表現整體均優于 Apache Kafka,并且隨著吞吐的增加,這種性能優勢更加明顯,碎片化發送場景快 10 倍。
  • 成本優化:云消息隊列?Kafka?團隊有長時間研發和運維經歷,積累了大量的實戰經驗。結合嘉銀科技的業務模型,提供?Kafka?最佳實踐,客戶端和服務端都有?20%?的成本優化,避免不必要的開支。同時,制定容災方案防止數據丟失或服務中斷。

業務價值

高穩定架構,為業務保駕護航:云消息隊列?Kafka?版憑借高吞吐與分布式架構,滿足了嘉銀科技的實時數據收集、傳輸和高并發消息傳遞的需求。通過持久化能力與副本機制,進一步確保了數據可靠性和業務連續性。即使在高負載情況下也能穩定傳遞消息,防止數據丟失,維護數據完整性,從而保障了嘉銀科技大數據平臺的高效運行。

靈活資源管理,優化成本效益:云消息隊列?Kafka?版?Serverless?系列采用存算分離架構,并結合動態資源調整策略,能夠根據實時業務負載自動進行彈性伸縮,實現按量計費,無需預先估算和配置實例規格。不僅降低了嘉銀科技運維人員工作的復雜度,還顯著降低了資源使用成本。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/923643.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/923643.shtml
英文地址,請注明出處:http://en.pswp.cn/news/923643.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

RTOS 任務狀態與調度機制詳解

一、任務狀態概述在實時操作系統(RTOS)中,任務通常具有以下幾種基本狀態:Running(運行態):任務正在 CPU 上實際執行。單核系統中同一時刻最多只有一個任務處于運行態。Ready(就緒態&…

TDengine 特殊選擇函數 UNIQUE 用戶手冊

UNIQUE 函數用戶手冊 函數定義 UNIQUE(expr)功能說明 UNIQUE() 函數返回指定列去重后的值,功能類似于 SQL 中的 DISTINCT 關鍵字。對于相同的數據值,UNIQUE 函數會返回時間戳最小的那一條記錄。該函數會跳過 NULL 值。 版本要求 最低版本: v3.0.0.0…

新零售第一階段傳統零售商的困境突破與二次增長路徑:基于定制開發開源AI智能名片S2B2C商城小程序的實踐探索

摘要:新零售第一階段,傳統零售商面臨同質化競爭、用戶消費意愿低迷、線上電商分流等核心困境。本文以定制開發開源AI智能名片S2B2C商城小程序為切入點,結合阿里巴巴、某知名連鎖零售企業等實踐案例,分析其通過“AI智能推薦供應鏈協…

Spark SQL 之 Join Reorder

參考鏈接 https://www.cnblogs.com/fxjwind/p/14768975.html join Reorder src/main/scala/org/apache/spark/sql/catalyst/optimizer/CostBasedJoinReorder.scala private def reorder(plan: LogicalPlan, output: Seq[Attribute]): LogicalPlan = {<

牛客周賽 Round 109

比賽鏈接&#xff1a;牛客競賽_ACM/NOI/CSP/CCPC/ICPC算法編程高難度練習賽_牛客競賽OJ A-小紅的直角三角形_牛客周賽 Round 109 簽到題&#xff1a;用勾股定理即可通過此題&#xff08;需要注意對共線情況的判斷&#xff09; 代碼&#xff1a; // Problem: 小紅的直角三角…

[deepseek]LNK2001錯誤即單獨編譯匯編并鏈接

方案一&#xff1a;使用預編譯的 .obj 文件&#xff08;最簡單&#xff09; 如果匯編代碼不常改動&#xff0c;這是最省事的方法。手動編譯一次&#xff1a; 打開命令行&#xff0c;切換到 spoof.asm 所在目錄。使用你已有的匯編器&#xff08;或者下載一個單獨的 MASM 版本&am…

php學習 (第六天)

虛擬主機 一.什么是虛擬主機&#xff1f; 1.1 概念虛擬主機&#xff08;Web Hosting&#xff09;英文&#xff1a;Web Hosting / Shared Hosting核心概念&#xff1a; 一臺服務器被切分給多個用戶&#xff0c;每個人只使用服務器的一部分資源&#xff08;CPU、內存、帶寬、存儲…

AcousticsML聲學機器學習翻譯教程二(特征提取Feature Etraction)

源自&#xff1a;https://github.com/RAMshades/AcousticsM 特征提取 特征是可測量的屬性&#xff0c;作為系統的輸入。這些輸入與特定數據樣本相關&#xff0c;機器學習模型可通過解讀這些特征來提供預測。特征通常具有獨立性&#xff0c;并能提供樣本的具體細節。音頻特征示例…

【論文閱讀】Beyond Text: Frozen Large Language Models in Visual Signal Comprehension

本論文研究了能否利用一個“凍結”的LLM&#xff0c;直接理解視覺信號&#xff08;即圖片&#xff09;&#xff0c;而不用在多模態數據集上進行微調。核心思想是把圖片看作一種“語言實體”&#xff0c;把圖片轉換成一組離散詞匯&#xff0c;這些詞匯來自LLM自己的詞表。為此&a…

The Oxford-IIIT寵物圖像識別數據集(753M)

0、引言博主研究生期間做的是人工智能領域相關的深度學習模型研究&#xff0c;早期還沒定題的時候調研了大量方向。眾所周知&#xff0c;模型性能的好壞很大程度上依賴于數據集&#xff0c;因此我當時也接觸了大量數據集&#xff0c;這陣子將這些數據集匯總整理了一下&#xff…

jdbc DAO封裝及BaseDAO工具類

DAO概念 DAO&#xff1a;Data Access Object&#xff0c;數據訪問對象。 Java是面向對象語言&#xff0c;數據在Java中通常以對象的形式存在。一張表對應一個實體類&#xff0c;一張表的操作對應一個DAO對象&#xff01; 在Java操作數據庫時&#xff0c;我們會將對同一張表的增…

大模型應用開發2-SpringAI實戰

SpringAI整合了大多數大模型&#xff0c;而且對于大模型開發的三種技術架構都有比較好的封裝和支持&#xff0c;開發起來非常方便。不同的模型能夠接收的輸入類型、輸出類型不一定相同。SpringAI根據模型的輸入和輸出類型不同對模型進行了分類&#xff1a; 大模型應用開發大多…

TDengine 時序函數 DIFF 用戶手冊

DIFF 函數用戶手冊 函數概述 DIFF 函數用于計算數據列中相鄰兩行數據的差值&#xff0c;通常用于分析數據的變化趨勢和增量。該函數特別適用于監控智能電表數據的變化模式。 語法 SELECT DIFF(column_name [, ignore_negative]) FROM table_name;參數說明 column_name: 數…

清除gradle緩存的某個依賴

要清除 Gradle 緩存中的某個特定依賴&#xff0c;可以按照以下步驟操作&#xff1a;找到依賴在緩存中的路徑 Gradle 緩存的默認位置&#xff1a; Windows: C:\Users\<用戶名>\.gradle\caches\modules-2\files-2.1 macOS/Linux: ~/.gradle/caches/modules-2/files-2.1 路徑…

機器人控制器開發(驅動層——伺服驅動canopen的sdo和pdo)

文章總覽 一、核心區別&#xff1a;一句話概括 ? ??SDO&#xff08;服務數據對象&#xff09;??&#xff1a;像 ??“問詢/設置”??。用于??點對點、非周期??的參數配置和讀取。例如&#xff0c;設置電機增益、讀取當前位置等。??速度慢&#xff0c;但確保數據準…

返利APP排行榜數據實時更新:基于 WebSocket 與 Redis 的高并發數據推送技術

返利APP排行榜數據實時更新&#xff1a;基于 WebSocket 與 Redis 的高并發數據推送技術 大家好&#xff0c;我是阿可&#xff0c;微賺淘客系統及省賺客APP創始人&#xff0c;是個冬天不穿秋褲&#xff0c;天冷也要風度的程序猿&#xff01; 在返利APP運營中&#xff0c;用戶對排…

[論文閱讀] 人工智能 + 軟件工程 | 告別冗余HTML與高算力消耗:EfficientUICoder如何破解UI2Code的token難題

告別冗余HTML與高算力消耗&#xff1a;EfficientUICoder如何破解UI2Code的token難題 論文信息信息類別具體內容論文原標題EfficientUICoder: A Dual-Modal Token Compression Framework for UI-to-Code Generation with Multimodal Large Language Models論文鏈接https://arxiv…

【STM32項目開源】STM32單片機智能語音風扇控制系統

目錄 一、設計背景和意義 1.1設計背景&#xff1a; 1.2設計意義&#xff1a; 二、實物展示 三、硬件功能介紹 2.1 硬件清單&#xff1a; 2.2 功能介紹&#xff1a; 四、軟件設計流程圖 五、硬件PCB展示 六、軟件主函序展示 七、單片機實物資料 資料獲取 查看主頁介…

git clone vllm

這個錯誤不是 vLLM 本身的問題&#xff0c;而是 pip 在 clone GitHub 倉庫時失敗了&#xff1a; error: RPC failed; curl 16 Error in the HTTP2 framing layer fatal: expected flush after ref listing根因通常是&#xff1a; 網絡問題&#xff08;訪問 GitHub 被中斷 / 代理…

光譜相機的新興領域應用

光譜相機在?新興領域?的應用正快速拓展&#xff0c;結合?AI、納米技術、量子傳感?等前沿科技&#xff0c;突破傳統檢測極限。以下是六大最具潛力的新興應用方向及技術突破點&#xff1a;?1. 元宇宙與數字孿生??應用場景?&#xff1a;?虛擬材質建模?&#xff1a;通過高…