点评公司实时计算平台构建与实践

"实时计算在点评" 是一份讨论实时计算技术在特定企业（可能是大众点评或类似公司）应用的专题内容。文章详细介绍了实时计算在业务中的应用场景、平台构建、技术选型以及相关的知识扩展，涉及到Storm、Spark、Samza等流式处理框架，并探讨了服务级别协议（SLA）在确保Web服务可靠性中的角色。 1. 实时计算在点评的使用场景： - 在线业务监控：实时分析用户行为，快速响应市场变化。 - 数据挖掘：实时处理大量数据，发现模式和趋势。 - 欺诈检测：实时监测异常交易，预防损失。 - 推荐系统：根据用户实时行为提供个性化推荐。 2. 实时计算在业界的使用场景： - 社交媒体分析：快速处理和分析用户产生的海量信息。 - 金融交易：实时风控和交易确认。 - 物联网(IoT)：实时处理设备数据，实现智能控制和预测。 3. 点评如何构建实时计算平台： - 选择合适的实时计算框架，如Storm、Spark Streaming等。 - 设计高可用和容错的架构，确保业务连续性。 - 建立数据流模型，处理实时输入和输出。 - 优化性能，确保系统吞吐量和延迟满足业务需求。 4. Storm基础知识简单介绍： - Storm是一个分布式实时计算系统，可以持续处理数据流。 - 它的核心概念包括拓扑结构、工作者节点、 bolts 和 spouts。 5. 如何保证业务运行可靠性： - 使用故障切换和备份策略。 - 监控系统健康状态，及时发现和修复问题。 - 采用冗余设计，避免单点故障。 6. Storm日常使用经验分享： - 调整并行度以平衡资源利用率和处理速度。 - 优化数据序列化和网络传输效率。 7. 关于计算框架的后续想法： - 可能讨论了未来可能引入的新技术或改进现有系统的计划。 8. 知识扩展： - 腾讯实时计算平台的构成和技术背景，以及面临的挑战。 - 流式大数据处理框架对比，包括Storm、Spark和Samza的特点和应用场景。 - SLA在Web服务保障中的应用和重要性。 - Storm的消息传输机制，解释为何选用Netty替代ZMQ。 - 1号店的电商峰值处理和流式计算解决方案，展示了实时计算在电商行业的实践。 - 系统吞吐量（TPS）的概念及其评估方法，强调其对系统性能评估的关键作用。 这份资料提供了丰富的实时计算实践经验和理论知识，对于理解实时计算在实际业务中的应用和挑战非常有帮助。