首页
学习
活动
专区
圈层
工具
发布

首次揭秘双11双12背后的云数据库技术!| Q推荐

是什么样的数据库撑起了 2021 年的双 11 双 12 的稳定进行?...《数据 Cool 谈》第三期,阿里巴巴大淘宝技术部双 12 队长朱成、阿里巴巴业务平台双 11 队长徐培德、阿里巴巴数据库双 11 队长陈锦赋与 InfoQ 主编王一鹏,一同揭秘了双 11 双 12 背后的数据库技术...“那这背后对于一个新的数据库产品类型的要求,实际上整个业界大家都是在探索阶段。” 写在最后 双 11 双 12 背后的数据库技术支持远不止于此。...双 11 双 12 丰富的运营活动和千亿交易额背后,数据库层面是包括 RDS、PolarDB、Tair、ADB(ADB3.0) 以及 Lindorm 等数据库产品提供的组合技。...2021 年是阿里巴巴首个云上 100% 上云的双 11 的一年,也是阿里云数据库全面云原生化的一年,但是峰值计算成本相比 2020 年下降了 50%,云数据库巨大的商业价值和潜力可见一斑。

53.2K50

开源还是商用?十一大运维监控工具横评

:★★★★☆ Zenoss Core是Zenoss的开源版本,其商用版本为ZenossEnterprise。...Zenoss Core的强大能力来自于深入的列表与配置管理数据库,以发现和管理公司IT环境的各类资产。Zenoss同时提供与CMDB关联的事件和错误管理系统, 以协助提高各类事件和提醒的管理效率。...Zenoss比较出色的地方在于它的Dashboard,可以配置很多portlet 2.每个用户的界面都是分开管理的,自定义dashboard不会影响其他用户 3.强大监控功能支持服务器、路由交换、防火墙、存储、数据库...2、商用运维监控系统篇 监控宝 推荐星级:★★★★★ 监控宝是云智慧为用户提供IT性能监控(IT Performance Monitoring)的SaaS产品,包含网站监控、服务器监控、中间件监控、数据库监控...360网站服务监控 推荐星级:★★☆☆☆ 360网站服务监控是一款面向广大站长的网站监控产品,提供免费的网站、服务器监控。 ?

7.6K00
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    用Python预测2020年双十一交易额

    作者:林骥 去年双十一的时候,我曾复盘过阿里巴巴 2019 年双十一交易额。 今年的双十一,规则发生了很大的变化,从 10 月 21 日就开始预售,11 月 1 日到 3 日启动第一波销售。...另外,市场环境也发生了很大的变化,疫情对双十一的影响到底有多大?是正向的影响还是负向的影响?各种不确定性的因素交织在一起,无疑会大大增加预测的难度。...LinearRegression()) ]) poly_reg.fit(x, y) # 调用算法进行预测 predict = poly_reg.predict(z) # 输出预测结果 print('预测2020年双十一交易额为...%.0f 亿元' % predict[0]) print('算法评分为 %.6f' % poly_reg.score(x, y)) 输出结果为: 预测2020年双十一交易额为 3280 亿元 算法评分为...np.concatenate([x, z]) y2 = poly_reg.predict(x2) ax.plot(x2, y2, '--', c='#999999') ax.set_title('\n预测2020年双十一交易额为

    3.4K30

    备战2018双十一,电商平台需要什么“黑科技”?

    每年的双十一,更是“羊毛党”攫取利益的最佳时机。据统计,2017“双11”全网总销售额达2539.7亿元。巨大的市场潜力,也在验证着坊间传言“薅上一天,够吃一年”。...今年的双十一电商节已经启动,猖獗的羊毛党还会有什么新颖的手段?同时,对于电商平台而言,究竟用什么手段才能摆脱这些“看不见的客人”?...双十一背后的黑产狂欢: 专业工具、全链条潜伏、月入百万 近年来,“羊毛党”的踪迹几乎遍及每一处有优惠、红包、打折的地方,甚至连社交平台上的抽奖也不“放过”,不禁令人惊叹其搜刮福利的能力。...备足了弹药和武器之后,浩浩荡荡的羊毛党大军便走进了每年的双十一电商节。...腾讯云天御来帮忙 今年的双十一已进入倒计时,面对黑产大军的“黑云压城”,电商平台又该如何应对?如何精准识别恶意行为成为反制羊毛党的关键。

    9.5K30

    推荐系统遇上深度学习(三十一)--使用自注意力机制进行物品推荐

    整个网络是在度量学习(metric learning)的框架下进行训练,实验表明该方法可以在很大程度上改善序列化推荐的效果。接下来,我们就一探究竟。 1、为什么要用自注意力机制?...推荐系统中,很多情况下我们使用用户的历史交互数据进行推荐,比如点击数据、浏览数据、购买数据等等。...使用这些交互数据进行推荐,我们可以把推荐问题当作一个序列问题,即通过历史交互中的物品序列来预测用户下一个可能发生交互的物品。 既然是序列问题,常用的解法主要有RNN和CNN。...2.4 模型训练 综合短期兴趣和长期兴趣,模型的整体架构如下: 综合两部分,我们便可以得到用户对于某个物品的推荐分,这里推荐分越低,代表用户和物品越相近,用户越可能与该物品进行交互: 而模型采用pair-wise...由这篇论文也可以看出,自注意力机制、Transformer不仅仅在NLP领域得到应用,推荐系统领域也开始尝试,所以学好这个模型是十分必要的呀!

    2.6K10
    领券