滴滴出行架构变迁:从原始到工业时代的演进与应对策略

5星 · 超过95%的资源 需积分: 46 17 下载量 45 浏览量 更新于2024-07-19 收藏 638KB PDF 举报
滴滴打车架构演变及应用实践是由技术总监杨振麟分享的一次演讲,主要讨论了滴滴出行从初期到现在的架构变迁历程。演讲内容分为五个部分: 1. 滴滴架构演变历程: - 远古时代(2012.7-2012.11):滴滴使用公有云服务,采用裸PHP架构,流量较小(小于10万),由两个研发人员维护,主要问题包括MySQL存储引擎限制、Web服务稳定性差以及依赖第三方服务如APNS和短信服务。 - 石器时代(2012.12-2013.4):随着流量增长至100万,采用租用IDC加单机LNMP架构,团队规模扩大到3人,但仍面临公有云环境不稳定和不可控的问题,解决方案是自购主机和选择IDC,同时搭建维护本地环境。 - 石器时代后期(2013.4-2013.8):引入双机房和第三方服务配置,以提高网络可用性和解决IDC响应不及时的问题。 - 青铜时代(2013.5-2013.8):流量增至3000万,采用LNMP集群,此时面临流量增长导致单机性能瓶颈,目标是扩展系统容量以适应业务需求。 2. 3月流量洪峰应对:未在具体内容中提及,但可以推测在2013年3月可能发生了大规模流量激增的情况,滴滴需要采取措施优化架构以应对这一挑战。 3. 当前架构介绍:这部分可能涉及了更成熟的分布式系统架构,可能包括负载均衡、服务化、微服务架构等,以及数据库层面的优化,比如使用分布式数据库或NoSQL技术来处理高并发和大数据量。 4. 遇到的问题及应对方式:随着业务发展,滴滴遇到了诸如性能瓶颈、高可用性、网络稳定性和安全性等问题,通过持续的技术升级和优化,例如使用集群、冗余机制、服务化拆分等策略来解决。 5. 未来规划:虽然没有详细列出,但可以推断未来滴滴可能会继续向更高效、可扩展和安全的架构演进,可能会涉及云计算、容器化、DevOps和AI技术的进一步应用。 不涉及的具体内容包括业务数据和过于深入的技术细节,因为演讲重点在于架构演变和整体实践,而非具体的数字指标和技术实现。 通过这次分享,听众可以了解到滴滴在面对不断增长的用户量和业务复杂性时,是如何通过架构调整和实践经验来提升服务质量和稳定性,以及对未来技术趋势的预判。
2016-08-15 上传
滴滴出行作为全球最大的移动出行平台,每天收集和需要分析处理的数据量非常大。这些数据形式多样:既包括存储于数据库中的业务数据,也包括各种API请求所记录的文本日志。此外,更大的挑战在于业务上需要我们实时的分析处理如此大规模的数据。从数据生成到可被分析查询,系统延迟在秒级。我们选用Druid/Samza/Kafka/Spark/Hadoop等开源技术栈,开发了符合Lambda architecture的OLAP系统。本次演讲我们以滴滴大数据实时监控系统为例,介绍滴滴实时计算系统架构所面临的挑战及相应解决方案。 滴滴大数据实时监控系统服务于滴滴各个业务线,对关键业务指标的变化进行实时监控。研发、产品、运营人员可以据此及时了解业务现状,发现系统问题、调整业务决策。 演讲主要包括以下话题: 1. 实时计算的挑战及解决方案: (1)可扩展性 (2)有状态的实时计算 (3)数据被重复处理 (4)高可用 (5)实时数据流与外部系统或服务关联计算 2. OLAP系统架构选型:KV store与column store 哪种存储更适合OLAP应用? 3. 简要介绍Kafka的特性,阐述为何Kafka是实时计算系统中理想的数据存储方案 4. 详细介绍Druid的架构设计及原理,阐述Druid作为OLAP解决方案的优点 5. 详细介绍Samza的架构设计及原理,阐述如何通过Samza解决实时计算中的各种挑战 6. 介绍Lambda architecture,阐述如何将离线计算和实时计算统一起来,通过离线计算来修正实时计算