大规模视频网站的计费与流量管理
本次分享将会就大规模视频网站的计费与流量管理这个话题,从操作层面细细进行讲解和分析,为系统工程师们揭示平日里我们没有关心的另一些内容。同时也希望本次分享能揭示行业中的一些“潜规则”,让互联网行业的流量与带宽管理更为开放与简洁。
本次演讲视频录制于QCon杭州2011。
该内容已经被标记书签!
标记书签错误,请重试!
作者 Gavin Terrill 译者 宋玮 发布于 2007年8月29日
复杂事件处理(Complex Event Processing——CEP)是对传统事件驱动架构(Event Driven Architecture)的扩展。 Wikipedia 解释说:“CEP使用了如众多事件复杂格式的侦测、事件相关性和提取、事件层级、以及事件间的关系(如因果关系、成员关系)、定时和事件驱动处理等技术”。WebLogic事件服务器所支持的事件驱动编程范式是基于Spring的声明性装配和配置。在基于CEP的应用中,规则用来过滤和关联输入事件流。BEA引入了他们自己的事件处理语言(EPL):
EPL是一种强大的语言,可使开发者实现对事件的全程查询(从输入数据中“提取”事件并调用你的业务逻辑(POJO))。真正酷的地方是,EPL定义在应用编程方面之外,这便于提高开发者的生产效率和灵活性。实际上,你可以动态修改查询,无需重新编译、构建并重新发布相关应用即可使你的解决方案实时对修改条件或环境产生反应。WebLogic事件服务器设计时考虑了实时需求,它使用了BEA的msA(微服务架构——micro-services Architecture):
其设计的核心是,一个提供确定性、在预期工作量峰值有极低应用响应时间(高性能实时应用的基本需求)的基础架构。BEA为构建WebLogic事件服务器应用提供了一个Eclipse插件,并提供了一个HelloWorld例子使其易于上手。在该例提供了一个简单应用所有必须的文件,包括Java源文件、一个ENP(Spring配置)文件和一些EPL定义文件。在Java源文件中包含了HelloWorldBean(实现WebLogic EventSink接口)用于侦听事件处理器(processor)产生的事件。HelloWorldAdapter用于产生事件,它是对ActiveAdapter 框架类的扩展。
查看英文原文:Building Complex Event Processing applications in Java with WebLogic Event Server
译者 宋玮 有多年软件开发经验,长期担任技术管理和项目管理工作,一直关心开源软件的发展动态以及软件过程和敏捷开发的实践探索。
本次分享将会就大规模视频网站的计费与流量管理这个话题,从操作层面细细进行讲解和分析,为系统工程师们揭示平日里我们没有关心的另一些内容。同时也希望本次分享能揭示行业中的一些“潜规则”,让互联网行业的流量与带宽管理更为开放与简洁。
本次演讲视频录制于QCon杭州2011。
Jeffrey Richter以其多本Windows核心技术的经典著作而闻名,同时,他深入掌握微软的.NET等一系列核心技术,2012年1月,Jeffrey Richter在北京接受了InfoQ中文站的专访,谈到Windows 8和WinRT编程,并就异步编程、Windows编程中的可扩展性、性能和安全性方面给出自己的建议。
云计算平台的可用性,相比传统互联网服务而言,更加复杂和困难,也更具有挑战性。本文借助新浪SAE云平台为读者讲述了云平台可用性的定义、如何打造高可用的平台,以及对云计算的用户提出了建议。
淘宝高度重视Java平台的健康发展,组建了一个团队专注于Java平台的底层部分的性能、功能与稳定性改进;工作主要基于OpenJDK中的HotSpot VM开展,其中一些通用的功能随后也会逐渐反馈给OpenJDK社区。希望能与使用Java平台开发应用的大家交流经验。
本次演讲视频录制于QCon杭州2011。
2011年4月21日至22日是值得云计算从业者纪念的日子。Amazon的IaaS服务出现故障,导致许多商业网站的服务中断,影响非常严重。作为云计算用户,我们需要思考的是,如何保证即便在云服务不可用的情况,我们的应用架构仍然能够屹立不倒?本文正是站在云计算用户的角度试图探讨这一问题。
12人的技术团队,4组刀片服务器,每月20亿的访问量,每日1次准时部署,99.9%的可用性。这可能吗?当然。想知道如何做的吗?百姓网将与您分享他们在DevOps实践过程中的经验和技巧。
本次演讲视频录制于QCon杭州2011。
篱笆作为一家起源于社区的电子商务公司,反映到技术层面就是同时要面对产品和业务,以及经营战略的变化调整。如何在产品和业务的夹缝之间完成技术架构的抽象与平衡,寻找更有效的价值定位,这当中有些经验教训和个人感悟愿与众人分享。
本次演讲视频录制于QCon杭州2011。
本文将对特性注入以及相关方法做一个扫盲性的介绍。我们会解释这个框架的关键要素,并附上实例来证实它们。为了让文章保持相对较短,我们不会深入到某个工具或方法中,而是会给出一些参考资料,以便大家做进一步的研究。
没有回复
关注此讨论 回复