蚂蚁金服大规模应用Ray:解决金融业务计算挑战
版权申诉
177 浏览量
更新于2024-07-05
收藏 6.18MB PDF 举报
"5-6+Ray在蚂蚁金服的应用实践.pdf"
本文主要介绍了Ray在蚂蚁金服大规模应用的实践情况,以及如何利用Ray来支持金融业务。蚂蚁金服作为全球领先的金融科技公司,其数据计算场景涵盖了机器学习、数据分析、在线决策、搜索推荐以及金融因子检测等多个领域。面对复杂的计算需求,原有的计算系统架构存在高延迟、低可用性、高成本以及研发效率低下等问题。
数据计算主要包括流式计算、批处理、图计算、在线分析处理(OLAP)和机器学习引擎等多种形式。然而,这些分散的计算系统在实际操作中带来了挑战,如机器学习的pipeline流程中,数据的摄入、计算、模型训练、预测服务及效果评估等环节可能存在延迟问题,同时系统的性能、灵活性和稳定性也是需要关注的重点。
对于金融业务,特别是复杂决策需求,往往要求毫秒级的响应速度,并且需要将业务逻辑与数据处理紧密结合,这与在线服务的服务级别协议(SLA)保持一致。因此,解决性能、灵活性和稳定性的矛盾成为关键。
为了解决上述问题,蚂蚁金服选择了Ray这样一个通用的分布式系统,它旨在支持端到端的计算需求。Ray作为一个灵活的分布式计算框架,能够统一不同的计算任务,包括流处理、批处理、图计算、OLAP以及机器学习模型训练等,从而降低了系统的复杂性,提升了整体的执行效率。
Ray的优势在于它能够提供高性能、高并发和低延迟的解决方案,通过其独特的对象存储和任务调度机制,实现了计算任务的快速启动和动态扩展。此外,Ray的弹性设计使得系统在面临负载变化时能自动调整资源分配,保证服务的稳定性。
在蚂蚁金服的实际应用中,Ray不仅优化了机器学习模型的训练和推理过程,还有效地支撑了实时数据处理和复杂规则的执行,进一步提高了金融业务的决策速度和精度。通过Ray的使用,蚂蚁金服成功地整合了不同计算场景的需求,降低了运维成本,提升了研发效率,为金融科技的发展开辟了新的可能。
2019-08-28 上传
2022-03-18 上传
2021-02-19 上传
2019-07-14 上传
2021-07-25 上传
2022-02-17 上传
2021-02-19 上传
普通网友
- 粉丝: 12w+
- 资源: 9195
最新资源
- 开源通讯录备份系统项目,易于复刻与扩展
- 探索NX二次开发:UF_DRF_ask_id_symbol_geometry函数详解
- Vuex使用教程:详细资料包解析与实践
- 汉印A300蓝牙打印机安卓App开发教程与资源
- kkFileView 4.4.0-beta版:Windows下的解压缩文件预览器
- ChatGPT对战Bard:一场AI的深度测评与比较
- 稳定版MySQL连接Java的驱动包MySQL Connector/J 5.1.38发布
- Zabbix监控系统离线安装包下载指南
- JavaScript Promise代码解析与应用
- 基于JAVA和SQL的离散数学题库管理系统开发与应用
- 竞赛项目申报系统:SpringBoot与Vue.js结合毕业设计
- JAVA+SQL打造离散数学题库管理系统:源代码与文档全览
- C#代码实现装箱与转换的详细解析
- 利用ChatGPT深入了解行业的快速方法论
- C语言链表操作实战解析与代码示例
- 大学生选修选课系统设计与实现:源码及数据库架构