阿里学习笔记

ゝ一世哀愁。 2023-06-04 08:59 33阅读 0赞

1.工作和生活是很难区分的，对于真正热爱的工作这是一定的。  
你在下班之余也会思考提及一些工作上面的事，这样的工作才会是有价值有意义的工作。  
同样学习也不是为了找工作而学的，而是去学你真正感兴趣的东西。

2.韩国买家访问美国服务器的时间比访问上海要快很多，  
这是不符合常理的，因为地理位置上上海离韩国更近，  
造成这种问题的原因是，韩国访问上海要先访问美国在跳到其他国家之后才能到上海，这很不方便。

3，美国人购买转化率高，客单价低（买的频率东西多，但是每单东西都比较廉价）  
法国人购买转化率低，客单价高（也就是喜欢购买高质量的商品）

4，利用人工智能机器学习来解决不同国家喜好不同的问题

5，用跨洲际路由技术（多IDC容灾及数据一致性）来处理服务器过载问题（因为各个国家时区不同，购买高峰也就不同）

6，用差异化定价技术来处理不同国家物流费用不同，同样的价格可能有些赚了有些就赔了

7，一次天猫发布会显示90%的商家更重视的不是成交量和利润而是系统的稳定  
（因为很多商家在当天00:00被要求下架，而他们备了大量的货，卖不出去的话就要破产）  
2011年天猫双十一出现了一个重大BUG（商家报名参加双十一但是丢掉了商品的属性其中包括尺寸颜色大小等）  
商家不知道具体信息就无法发货）  
天猫会被投诉并且赔偿30%的赔付。所以天猫采取的措施是通知商家下架商品。

8，天猫2012年出现的问题：峰值交易成功率低于50%，各个交易链路的系统，包含下单，支付全拨打了量报错，购物车丢失商品，超卖  
原因：商品中心网卡被打满，各种系统大压力下产生的bug  
解决方案：全链路压测（线上的写入压力测试，用的是专门的测试数据库来确保主数据库的真实性）  
当年压力测试了4,5次总共发现了600多个BUG包括风扇的问题，电源的问题等等

9，在安全度过了两年之后2015年峰值成功率再次下跌，物流系统十分之一机器挂掉  
原因：导购链路的峰值慢慢向0点转移。压测没有加上导购模型的压力，机器资源产生争抢。  
解决方案：全链路压测模型加入导购模型，机器使用cpu和load进行及时的报警。  
所有机器加上自我保护的限流阀值sysguard  
，  
10,天猫2016年0巅峰值又出现一个新问题：交易秒级创建，22秒后开始下跌，1分钟成功率只有40%  
2分钟成功率恢复接近80%，后面成功率持续走高，报错全部是优惠系统限流。  
原因：0点前优惠系统不会访问到DB中0点后生效的劵（包括双11购物券，还有部分卖家自己在创建的店铺劵）  
导致这些数据在DB中是冷的。  
优惠卡卷数据库评估总量为120wQPS,但是冷库只能支撑瞬时50wQPS，在链路中没有验证  
完全冷库状态下系统的表现（因为必须预跑保证交易成功率)。  
实际卡卷数据库的QPS比全链路压测值高30w（压测：40w，实际80w）  
解决方案：全链路预热：根据双十一预热期间的加够和访问的数据来预热0点访问的人群和商品，在大促之前  
对整个核心进行全方位的预热和预跑。

11，大数据测试的数据量不是最大的问题，最大的问题在于运行后如何保证结果的准确性

12，每次压测大约要投入500人去24小时的压测，但是有其中一个bug出现时大家就都要等着  
解决方案：大促备战自动化，尖兵计划（无人值守的压测）

13，五彩石计划（将天猫和淘宝的数据联通）

14，2013年阿里做了来网用于移动端的社交，但是当时已经被微信陌陌的社交软件占有了市场

15，传统人工记忆分单 效率3-5秒一个包裹 准确率95%  
大数据分析+自动化设备 效率1-2秒一个包裹 准确率98%