跳到页脚

标签:体系结构

高架高速公路

为实时数据流处理设计一个生产就绪的Kappa体系结构

我们在Uber实施了Kappa架构,以有效地大规模回填流数据,确保我们平台上的数据准确。

2019年Uber的数据平台:将信息转化为智能

2019年,Uber的数据平台团队利用数据科学提高了我们基础设施的效率,使我们能够计算出最佳的数据存储和硬件使用情况。
以模块化、可重用组件列表的形式构建新的Uber货运应用程序

以模块化、可重用组件列表的形式构建新的Uber货运应用程序

我们用我们的开源插件架构rib重新设计了Uber Freight应用,以实现更快的功能推出和更好的用户体验。
词云

少即是多:极简设计下的工程数据仓库效率

数据科学帮助Uber确定数据库中的哪些表应该转移到另一个数据源,以最大限度地提高数据仓库的效率。

在大规模生产系统之间无缝迁移功能

在零停机时间的情况下,Uber的支付工程团队开始了一项迁移,允许授权持有逻辑编写一次,并在现有和未来的支付产品中使用。

第二届优步科学研讨会:展示编程系统和工具的发展

2019年5月3日,优步的编程系统团队主办了该公司第二届优步科学研讨会的编程系统和工具轨道,该领域的主要研究人员和从业者进行了一整天的演讲。雷竞技是骗人的

Aarhus工程实习:为YQL构建聚合支持,优步的Grail图形查询语言

Uber实习生Lau Skorstengaard分享了他在YQL上的工作经验,YQL是我们内部基础设施状态聚合平台的图形查询语言。

介绍Makisu: Uber为Apache Mesos和Kubernetes提供的快速、可靠的Docker映像构建器

Uber建立了Makisu,我们的开源Docker镜像构建器,以实现在Mesos和Kubernetes生态系统中快速、可靠地生成dockerfile。

大规模可观察性:构建Uber的警报生态系统

Uber的可观察性团队建立了一个强大的、可扩展的指标和警报管道,以检测、缓解并在问题发生时通知工程师。

Peloton: Uber针对不同集群工作负载的统一资源调度器

Uber开发Peloton是为了帮助我们平衡资源使用,弹性地共享资源,并规划未来的容量需求。

Uber的大数据平台:100+ pb,延迟分钟

Uber的Hadoop平台负责清理、存储和服务超过100pb的分析数据,以最小的延迟确保数据的可靠性、可伸缩性和易用性。

M3: Uber的开源,Prometheus的大规模度量平台

M3是Uber为Prometheus开发的开源度量平台,为大规模度量提供可伸缩和可配置的多租户存储。

数据手册:用Uber的元数据将大数据转化为知识

Databook是Uber的内部平台,用于显示和探索上下文元数据,使整个公司的团队更容易发现和探索数据集。

Uber的开源:认识一下kepler.gl背后的架构师Shan He

何珊,优步开普勒项目的技术主管。Gl框架,讨论了她的数据可视化之旅,以及为什么她认为开源是她团队工作的重要组成部分。

扩展优步的Apache Hadoop分布式文件系统以实现增长

Uber的数据基础设施团队通过整合一些新特性和功能,包括viewf、NameNode垃圾收集调优和HDFS负载管理服务,彻底改变了我们扩展存储基础设施的方法。

Queryparser,一个用于解析和分析SQL的开源工具

Queryparser是用Haskell编写的,是Uber工程公司用于解析和分析SQL查询的开源工具,可以很容易地识别大型数据仓库中的外键关系。

生产中的代码迁移:重写Uber的无模式数据存储的分片层

在生产阶段将我们的Schemaless分片层从Python迁移到Go,这表明我们可以在零停机的情况下重写大型数据存储的前端。

使用Apache Kafka构建可靠的再处理和死信队列

Uber保险工程团队通过使用非阻塞请求再处理和死信队列(DLQ)来实现解耦的、可观察的错误处理,而不中断实时流量,从而扩展了Kafka在我们现有事件驱动架构中的作用。

利用代码生成来提高iOS系统的可靠性和生产力

Uber的移动工程师利用代码生成使我们的应用程序更加可靠,并提高开发人员的工作效率。

基础设施架构师:认识一下Uber Aarhus Engineering

了解Uber Aarhus Engineering以及他们为构建和维护我们的存储和计算平台所做的幕后工作。

受欢迎的文章