酷狗谢振宇：数字音乐未来市值100亿
日 09:45&&&出处：&& 作者:陈涛&& 编辑:陈涛
酷狗音乐CEO谢振宇
　　 在现场演讲中谢振宇先生谈到酷狗音乐面对这个上百亿元的大市场将会有一连串注重用户体验的大动作，将各种不同音乐需求的用户进行细分，且定制不同种类的音乐内容进行主动推送，这些服务将会有音乐社区、全区音乐服务、云端音乐服务等，而另一个最重要的举措是基于歌曲下载的单曲或包月收费服务。
　　 谈到歌曲下载收费时，谢振宇先生也指出，目前根据我们的数据调查有50%以上的用户愿意为更好的音乐资源付费，因此只要我们的针对性音乐内容能够做得好，那么实行收费政策就不会有什么障碍。
　　 最后谢振宇还对当前的其他音乐软件的跟风现象给予了抨击，并认为当前是努力做好音乐内容的时期，跟风抄袭软件功能等方法已经无法真正提升软件价值和吸引用户了。■
大学生分期购物销量榜
看过本文的人还看了
7651人浏览 2289人浏览 796人浏览 736人浏览
汽车之家内容精选
每日精选27221 科技真人秀节目《数码课代表》4302玩客 最好玩的活动与试用平台 46186编辑部的故事 0泡美美 分享最美科技 4222科技生活酷狗音乐列表上的数字没了怎弄了-中国学网-中国IT综合门户网站-提供健康,养生,留学,移民,创业,汽车等信息
> 信息中心 >
酷狗音乐列表上的数字没了怎弄了
来源：互联网 发表时间： 13:06:03 责任编辑：李志喜字体：
为了帮助网友解决“酷狗音乐列表上的数字没了怎弄了”相关的问题，中国学网通过互联网对“酷狗音乐列表上的数字没了怎弄了”相关的解决方案进行了整理,用户详细问题包括:RT,我想知道:酷狗音乐列表上的数字没了怎弄了，具体解决方案如下：解决方案1：
你是说序列号吗？就比如说第一首歌，就在前面标有1的数字
相关文章：
最新添加资讯
24小时热门资讯
Copyright © 2004- All Rights Reserved. 中国学网 版权所有
京ICP备号-1 京公网安备02号酷狗：用产品和平台重构未来新数字音乐生态圈
发表于 16:11|
来源美通社（亚洲）|
作者美通社（亚洲）
摘要：迄今为止，没有一款音乐APP或产品是不可替代的，因此一旦健康的数字音乐生态构成，那么对于这家互联网公司的回报就是“印钞机”。
中国广州日电 /美通社/ -- &&宋冬野、TFBOYS、回音哥、鹿晗、好妹妹乐队、SNH48...&近年来，互联网数字音乐圈中涌现了一帮优质的原创歌手，这些也是大众耳熟能详的名字。在这些名字的背后，除了他们原创作品的优秀外，互联网的操作模式也是值得令人津津乐道的地方，更重要的是 -- 他们代表了音乐的新生态。
拿什么挽救我们的耳朵？
现行的音乐生态圈中，背后普遍存在两种生态逻辑模式：第一种是传统模式，即大众普遍认知模式，服务商和用户为音乐人的原创音乐买单。否则音乐的创作者赚不了钱，就没有更多好作品面世。在中国，消费者从未习惯为听音乐买单，这样就造成版权方和音乐人吃亏，这也是为什么前几年盛行&中国免费音乐下载时代消逝&的传言。当然这项传言至今也没有成真，因为没有任何法律法规限制免费音乐下载。
第二种逻辑即是利用互联网思维，既然市场和用户早已习惯了免费音乐，再去逆施倒行去教育或改变用户是及其困难的。不如顺势而为，推行免费音乐+增值服务的模式，但这种模式至今没有非常成功地案例，不得不让人感到沮丧。
现今音乐生态圈的缓慢发展
现在的音乐圈内，想像四大唱片公司一样能够单纯靠音乐存活的公司已经不大可能了。新的演艺或艺人平台固然也是一个不错的渠道，但这类型的公司难免会面临前期来自商业的压力和诱惑。所以好的新兴艺人公司或小独立唱片公司都会按照自己的理念去对音乐人、艺人进行选择、包装。这种做法并非无效，在部分推手的作用下，一些不错的歌手也曾在特定的时间内红极一时，但更多的是如流星一样稍纵即逝。
那些玩音乐的人都去驻场了
理想很丰满，现实往往很骨感。大C就是那群怀揣着音乐梦想的人之一。&当时只是觉得音乐好玩，能够在同学和朋友或者外出演出的时候亮出自己的声音会很酷，而现在...&c一脸苦涩地表示：&现在整个圈子里面真正全职玩音乐的人数量比大熊猫也多不了几个，这个圈子没有人能够靠音乐去混饭吃，除非你真的拉下脸去酒吧夜店驻场。&
另一个同样玩音乐的F也说出了他的辛酸路：&做全职音乐人的时候真的很辛苦，每天光是生计的压力就能把你逼疯，我现在也能理解朴树为什么得上抑郁症了。如今的我在一家小公司里面做影像后期处理，用业余的时间玩玩音乐。&说起音乐的时候f的脸上依旧闪烁着温柔&把它当成爱好，但再不指望靠这能够养活自己。和感情一样，很多事情不是一厢情愿就能做好的。&
传统数字音乐逐渐走向末路
重构音乐生态圈最重要的是平台
出于商业的考虑，大部分的音乐、大部分的演唱会等活动都将重点放在能够吸引一群粉丝的大牌音乐人上面，但真的只有他们才能演唱出好的音乐吗？显然并不是这样的，各类唱片公司、艺人公司等等其实做的是一个优秀的平台，平台只有真正地鼓励音乐人去将内容做精，平台才会有更高的溢价能力。
另外，如果单纯计算听音乐的用户来说，中国有近11亿的潜在音乐市场和8亿的现有用户群体，里面用各种免费听音乐软件的用户至少占6成以上，他们对音乐的品质要求相对不苛刻。这类用户并不是不喜欢听音乐，而是拒绝为音乐本身买单，但对音乐的附加服务的消费意识仍是存在的，比如会为定制彩铃、音乐会、演唱会等等买单。
似乎，第二种逻辑更走得通，未来的平台模式免费音乐+增值服务的模式。现在已经有乐视、酷狗旗下的繁星、腾讯等，正在朝着在线演艺之路慢慢探索。可以想象，未来的的生态圈将是一个良性循环，好的作品得到好的收益并且同时即时收获来自粉丝的激励，这些收获也能激发艺人去创造或者演播更好的作品。
另外，互联网公司的一些整合生态营销也值得嘉奖：QQ音乐也和张学友《醒着做梦》歌友会开线上抢票互动游戏，取得相当不错的市场反映。在另一侧，立志于扶持音乐人的O2O网络直播平台酷狗繁星网，5月份开启试水线上线下方式结合的《星现场》与其平台知名艺人张梦弘首度合作便获得了线上在线观看人数30万，营收153万的傲人成绩。
也许，我们已经听到了来自下个风口的呼吸声。
新数字音乐时代除了平台还需要更好的产品
在数字时代的音乐生态圈中，互联网公司（音乐服务供应商）的思维开始向发行商的角色转变，即传播和发行的角色合一。因此用户+服务商的模式构成了新生态的核心。至于收费问题也应该顺应互联网思维，从音乐用户需求角度出发，做出出色的分层运营和营销将会真正赢得市场。
另外，针对高端用户，智能硬件+软***务也将是下一个音乐市场的风口。如何智能推荐更好的音乐，如何与用户进行互动营销成了新数字音乐生态所需要思考的问题。据悉，QQ音乐将开放技术接口和音乐资产，连接更多终端，如传统电视、音响、车载甚至智能家居，重构音乐生态圈。另一边的酷狗做法则更为激进，直接研发硬件设备，将打通硬件+服务的模式，做出让真正喜欢音乐的人发烧的设备。介时，酷狗音乐将整合线上优势音乐资源及服务为6亿用户提供更优质的服务。
迄今为止，没有一款音乐APP或产品是不可替代的，因此一旦健康的数字音乐生态构成，那么对于这家互联网公司的回报就是&印钞机&。
&新数字音乐生态圈会是音乐行业最后一根稻草吗？
声明：CSDN登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
推荐阅读相关主题：
CSDN官方微信
扫描二维码,向CSDN吐槽
微信号：CSDNnews
相关热门文章12345网址大全-个个都是好网站
无线通信邮箱
&&酷狗在线音乐
热度：0&&&&
自公司创建以来，一直在数字音乐发展上大胆尝试，先后与几十家唱片公司、版权管理机构合作探索发展思路，积累了大量数字版权，并在推动更广范围内的跨行业、跨平台合作上做出努力，在艰巨的全球音乐数字化进程中作出自身的贡献。
酷狗科技（KuGou Networks）是中国领先的数字音乐交互服务提供商，互联网技术创新的领军企业，致力于为互联网用户和数字音乐产业发展提供最佳的解决方案，公司的使命是成为亚太地区最大的数字音乐销售推广企业。
自公司创建以来，一直在数字音乐发展上大胆尝试，先后与几十家唱片公司、版权管理机构合作探索发展思路，积累了大量数字版权，并在推动更广范围内的跨行业、跨平台合作上做出努力，在艰巨的全球音乐数字化进程中作出自身的贡献。
在技术推动领域，公司创造了多项国际领先的技术，先进的共享交互网络、数据传输方案、高效的分布式无集中化搜索、全球唯一歌曲识别技术、精确动感卡拉OK歌词功能及音乐推荐管理系统等更是填补了国内技术空白，引领新一代互联网络构架技术的发展。
KuGou提供的优质产品和服务已经成为华人年轻用户最受欢迎的互联网产品之一，提供的服务包括有DIY的个人数字专辑、引领资讯潮流的酷狗娱乐、全天候在线直播的音乐电台以及手机音乐播放器等，资讯、视听、互动，使用户能够在KuGou里享受到一体化的娱乐服务。酷狗科技非常重视与业界的合作发展，与国内外多家知名品牌企业、机构如雅虎、新浪、Ebay、Benq、滚石、R2G等建立了良好的合作关系。
相关音乐网站
热度:16617
热度:18237
热度:18657
热度:14766
热度:17821
热度:17627
热度:17391
热度:19990
热度:50288
热度:14944【图文直播全文记录】酷狗音乐的大数据实践（纯干货）
此文是根据酷狗音乐大数据架构师王劲在【QCON高可用架构群】中的分享内容整理而成，转发请注明出处。王劲：目前就职酷狗音乐，大数据架构师，负责酷狗大数据技术规划、建设、应用。 11年的IT从业经验，2年分布式应用开发，3年大数据技术实践经验，主要研究方向流式计算、大数据存储计算、分布式存储系统、NoSQL、搜索引擎等。编辑整理：陈刚@北京智识本次分享的主要内容包括：什么是大数据，大数据技术架构，大数据技术实现，持续改进四个方面。大数据平台是一个庞大的系统工程，整个建设周期很长，涉及的生态链很长(包括：数据采集、接入，清洗、存储计算、数据挖掘，可视化等环节，每个环节都当做一个系统建设)，风险也很大。1.什么是大数据所谓“大数据”(big data) 指的是这样一种现象：一个公司日常运营所生成和积累用户行为数据“增长”如此之快， 以至于难以使用现有的数据库管理工具来驾驭，困难存在于数据的获取、存储、搜索、共享、分析和可视化等方面。这些数据量是如此之大，已经不是以我们所熟知的多少G和多少T为单位来衡量，而是以P(1000个T)， E(一百万个T)或Z(10亿个T)为计量单位，所以称之为大数据。 （插图1）大数据来源：半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息爆炸的学科如天文学和基因学，创造出了“大数据”这个概念。如今，这个概念几乎应用到了所有人类智力与发展的领域中。21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。 互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。（插图2）大数据特征：“大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值密度低（Value）”就是“大数据”显著的4V特征，或者说，只有具备这些特点的数据，才是大数据。（插图3）大数据技术要解决的问题：大数据技术被设计用于在成本可承受的条件下，通过非常快速（velocity）地采集、发现和分析，从大量（volumes）、多类别（variety）的数据中提取价值（value），将是IT领域新一代的技术与架构。（插图4）大数据的应用前景：从应用方向上看，通过对大数据的储存、挖掘与分析，大数据在营销、企业管理、数据标准化与情报分析等领域大有作为。从应用行业来看，大数据一方面可以应用于客户服务水平提升及营销方式的改进，另一方面可以助力行业内企业降低成本，提升运营效益，同时还能帮助企业进行商业模式的创新及发现新的市场商机。从对整个社会的价值来看，大数据在智慧城市、智慧交通及灾难预警等方面都有巨大的潜在应用价值。专业机构预测，随着互联网技术的高速发展，云计算、物联网应用的日益丰富，大数据未来发展前景将更为广阔。（插图5）大数据现在在生活中无处不在了，那作为IT技术人员，酷狗是怎么通过技术来怎么解决大数据的问题呢？2.酷狗数据中心大数据技术架构第一代大数据架构：（插图6）主要基于Hadoop1.x+hive做离线计算(T+1),缺点：等所有数据到达后才开始计算，集群资源使用率分布不均衡，凌晨1点到中午12点，集群资源最繁忙；中午12点到晚上12点，集群资源属于空闲状态。在大数据中，数据的时效性越高，数据越有价值(如：实时个性化推荐系统，RTB系统，实时预警系统等)，因此，又研发了第二代技术架构。目前数据中心并行运行两套集群(hadoop1.x,hadoop2.6)，新业务直接接入新集群，旧集群的业务数据正在迁移到新集群中；新集群的结果与旧集群的结果对比(很快会全部切换到新集群)。第二代大数据技术架构从数据处理流程看，分数据源、数据接入、数据清洗、存储计算、数据服务、数据消费等环节，大数据处理流程，如下图：（插图7）第二代大数据技术整体架构图如下：（插图8）大数据计算分实时计算与离线计算，在整个集群中，奔着能实时计算的，一定走实时计算流处理，通过实时计算流来减轻集群的资源使用率集中现象。离线计算(批处理)：通过spark，spark SQL实现【关于Spark就不详细介绍了，近几年发展最快的大数据处理框架】，整体性能比hive提高5--10倍，hive脚本都在转换为Spark SQL。实时计算：基于Storm，Drools,Esper。【关于storm的详细内容，这里不做介绍了，想要查看介绍，请关注本公众号，并查看历史消息即可。Drools(详解见：http://www.drools.org/)，Esper(详解见：http://blog.csdn.net/luonanqin/article/category/1557469)】HBase/MySQL：用于实时计算，离线计算结果存储服务。Redis：用于中间计算结果存储或字典数据等。ElasticSearch：用于明细数据实时查询及HBase的二级索引存储。通过新的技术架构实现比原有的数据时效性明显提高，现在能实时提供DAU,PV等数据，整体离线计算的整体时长缩短了50%。3.酷狗大数据技术实现下面给大家讲解下，数据采集接入、数据清洗、实时监控系统、明细查询的实现细节。组件之数据采集从数据处理流图中，可以知道，数据源分为前端日志，服务端日志，业务数据。下面讲解数据是怎么采集接入的。a.前端日志采集接入：前端日志采集要求实时，可靠性，高可用性等特性。技术选型时，对开源的数据采集工具flume,scribe,chukwa测试对比，发现基本满足不了业务场景需求。（插图9）详细的对比，大家可以看看(/log-system/scribe-chukwa-kafka-flume-log-system-contrast/) 。所以，选择基于kafka,自己开发前置kafka代理网关，来完成数据采集需求。前置代理网关的开发过程中走了一些弯路，最后采用nginx+lua开发，基于lua实现了kafka生产者协议。kafka的生产者协议实现，有兴趣可以去/doujiang24/lua-resty-kafka看看，另一同事实现的，现在的github上还比较活跃，提需求的人也有不少。采集网关的具体实现如下：[数据可靠性]采集网关，对数据可靠性，提供以下两点保障：数据由sdk 发往采集网关，网关收到数据即返回成功，由网关确保数据发往kafka。 1）sdk 未收到成功，就会重试（安全：带上上次task id); 2）js,flash 端没有重试逻辑网关与kafka通讯，提供两种不同类别保障： 1）at most once （最多一次发送成功） 2) at least once （至少一次发送成功）[网关与kafka通讯可靠性保障细节]前提：由于kafka 本身，在整体设计以及通讯协议上，并不提供强一致性保证（exactly once）[http://kafka.apache.org/documentation.html#semantics] 所以，网关与kafka通讯中，每次发送数据区分为三种状态： 1）kafka写入成功（两份） 2）可以安全重试（kafka肯定没收到） 3）不可安全重试（kakfa可能写入了或者没有）网关为保障数据的准确性，采用以下策略： 1）可安全重试的，由网关本地缓存，再发送kafka（优先redis，再磁盘） 2）不可安全重试的，将进入指定容错topic通过以上策略，确保在正常topic 里提供[at most once] 保障; 算上容错topic 提供[at least once] 保障；不可安全重试的状态包括： 1）网络错误（发送超时，等待响应超时） 2）RequestTimedOut 状态（该错误码，在动态迁移partition 时，数据并未被成功写入；其他则会被成功写入）有了两层的保障，再配合网关上报的监控（收到的量，成功发送量，本地缓存量），可以 1）从每个topic 的量，监控整个系统的运行情况 2) 对于普通业务场景，只需要正常使用topic 3）如果网络有长时间的抖动，或者kafka出现宕机（都将导致出现较多不可安全重试内容），可能需要特殊处理容错topic内的数据b.后端日志采集接入：FileCollect,考虑到很多线上环境的环境变量不能改动，为减少侵入式，目前是采用Go语言实现文件采集。前端，服务端的数据整体架构如下图：（插图10）c.业务数据接入Canal:利用Canal通过MySQL的binlog机制实时同步业务增量数据。(有关canal的介绍，参考:/blog/1796633)组件之数据清洗（ETL）上面介绍了，数据采集接入的实现方式，接下来介绍的都是基于Storm框架实现的，先介绍数据清洗(ETL), 此处的ETL只是做简单的数据转义，补全，异常数据处理。（插图11）Storm(数据清洗) Kafka Spout 负责消费Kafka数据IsDecode Bolt 负责判断数据是否解码Decode Bolt 负责数据解码Rules Bolt 负责数据规则解析,引入规则引擎(Drools)，解决数据变更需求。FormatRule 负责数据格式化规则，适应不同的格式。DataAdapter 负责数据存储适配，需要适配HDFS,HBase,Spark,数据库等。Error Bolt 负责异常数据写入HDFS,方便异常数据明细查询。Stat Bolt 统计从kafka消费数据量在使用Storm中遇到了，业务配置需要变更时，怎么实现动态变更的问题？基于事件驱动的方式解决配置动态变更需求，最初考虑kafka创建事件队列，通过监控队列的事件数据来实现。后来在万能的GitHub找到了Storm-Signal,使用Storm-Signal实现，详细介绍见：/ptgoetz/storm-signals。基于Drools实现规则引擎时，需要解决怎么不重启topology的情况下，让修改的规则文件生效，也是基于Storm-Signal组件和把drl文件转换为流存储在redis中，这样动态获取drl流文件。组件之实时监控接下来，给大家介绍下实时监控系统基于Storm的实现。在介绍之前，先介绍下OpenTSDB，实时监控的存储是采用OpenTSDB来处理的。a.OpenTSDBOpenTSDB是基于HBase存储时间序列数据的一个开源数据库，确切地说，它只是一个HBase的应用而已，其对于时间序列数据的处理可以供其他系统参考和借鉴。OpenTSDB使用HBase作为存储中心，它无须采样，可以完整的收集和存储上亿的数据点，支持秒级别的数据监控，得益于HBase的分布式列式存储，HBase可以灵活的支持metrics的增加，可以支持上万机器和上亿数据点的采集。在openTSDB中，TSD是HBase对外通信的daemon程序，没有master/slave之分，也没有共享状态，因此利用这点和HBase集群的特点就可以消除单点。用户可以通过telnet或者http协议直接访问TSD接口，也可以通过rpc访问TSD。每一个需要获取metrics的Servers都需要设置一个Collector用来收集时间序列数据。这个Collector就是你收集数据的脚本。（插图12）如果想快速地展示mysql中在一段时间内执行delete子句的数量，慢查询的数量，创建的临时文件数量以及99%的延迟数量等等。OpenTSDB则可以非常容易存储和处理百万级别以上的数据点，并能实时动态的生成对应的图，如下图：（插图13）OpenTSDB使用async HBase,这是个完全异步、非阻塞、线程安全、HBase api，使用更少的线程、锁以及内存可以提供更高的吞吐量，特别对于大量的写操作。下图为读写流程：（插图14）在HBase中，表结构的设计对性能具有很大的影响，其中tsdb-uid表和tsdb表见表1和表2b.实时监控系统总体架构图：（插图17）Kafka Spout 负责读Kafka数据Decode Bolt 负责日志解码Detail Bolt 负责原始数据存储ES集群，提示实时原始日志查询。Stat Rules Bolt负责日志格式解析,引入规则引擎(Drools)，解决数据格式变更需求。TSD Bolt 负责多维度统计结果存储，通过TSD服务建立统计指标与Rowkey的映射关系Alarm Bolt 负责多维度统计结果写入kafka Alarm Queue。在实时监控系统的瓶颈不是在实时计算上，而是在结果存储方面？在存储方面，花了大量的时间去调优测试，其中也参考了携程对OpenTSDB的一些建议(携程的OpenTSDB使用的很好，好像还申请了专利)。存储这块，我们主要对它做了以下改进和优化，跟我们的需求进行定制修改源代码。OpenTSDB的改进和优化（1）去除聚合时的分组插值，直接聚合（2）修改了startkey和endkey中时间戳，只查询需要的行，对查询结果时间戳添加时区的偏移。（3）添加降采样表，供采样粒度较大的查询使用，减少了rowkey数，提升了查询性能。（4）添加协处理器支持，减少io和序列化/反序列化开销。第4点的改动比较大，把OpenTSDB的查询处理功能有客户端搬迁到服务端(协处理器)，大大减少了减少io和序列化/反序列化开销，性能提升明显。还有点，我们通过降维，添加分区标识来提高性能,这点主要利用HBase的分区特性。组件之明细查询接下再给大家介绍下，明细数据查询方案，引入了搜索引擎，架构如下图：（插图18）目前实现了实时监控系统的明细日志查询功能。基于Storm把明细数据转换成相应的格式，通过ElasticSearch-Storm组件实现日志实时写入ES，再通过ES实时查询。我们现在还利用ES解决HBase的二级索引问题。关于Storm，我们抽出了一些公共组件，提高开发效率。（插图19）4.持续改进目前我们数据中心存在的问题：1、业务代码开发量大2、海量数据查询问题3、数据的解读问题针对以上问题，从以下方面改进：1、基于SummingBird实现Lambda架构2、大数据存储与查询优化3、数据可视化应用。大家对SummingBird有兴趣的，可以参考：/post//summingbirdintroductionapplicationQ&AQ1、想问下王总：spark目前主要使用在什么场景下，批处理，流处理，数据仓库sql这种all in one的模式比较起来有优势吗？还有就是Spark是如何和其他平台共享集群资源的？感谢！spark我们目前的大部分新业务都是用spark与spark SQL实现，例如：用户画像。批处理，流处理这块主要是针对海量数据，在大数据中sql的支持度还不是很完善，spark主要基于yarn，资源管理由yarn来负责，我们通过公平调度的策略管理资源。Q2、数据可视化的时候，不同角色的数据权限控制是怎样做的？我们通过角色对应的功能点，目前还没做到数据权限，后续会通过acl去实现，在hadoop2.6已经提供了，我们集群的版本已经是最新的了Q3、提个问题，我们在使用 spark sql 中发现其很不稳定，经常崩溃，而hive目前还是很稳定的，请问您是如何解决的呢？我们采用的是spark 1.3版本，使用spark sql也是也会遇到一些问题，通过调整内存参数解决，一般通过spark原始api。Q4、收集日志的sdk，与gateway之间是通过什么通信的？长连接，还是http？怎么协调多个不同的client？通过http协议，定义了自己的通信协议，不是长连接。手机，pc不同的客户端，都是标识Q5、storm和spark都有实时计算特性，各适合什么场景？对稳定性，实时性要求高的，我们会采用storm，spark Streaming目前版本时延比较大，还有对kafka的支持不是很完善，坑多Q6、这个架构多少人在维护，感觉语言，框架都用的挺多；修改过框架后，如果遇到版本升级，在升级版本的时候，如何处理修改过的内容十多人维护，语言主要是java,scala。我们的改动比较大，所以后续会自己添加一些新的特性，机会成熟也可以考虑开源Q7、关于大数据实现用户画像方面的成果、大概方案，能再介绍下不？感兴趣。其实画像这块，目前还是第一版本，数据训练与分类是分开的，通过spark利用训练好的模型通过行为数据跑用户标签，二期，会基于spark Streaming spark mllib HBase完善标签系统，方案已定了。Q8、spark目前批处理，流处理，数据仓库sql这种all in one的模式和hadoop生态比较，在实际使用中起来有优势吗？还有就是Spark是如何和其他平台共享集群资源？相比mr,hive,作业的执行效率高，在相同的时间内处理的任务都要多，但hive的稳定性目前比spark SQL要好。spark部署在yarn上，由yarn负责集群资源调度。补充：就是说spark在批处理的效率仍然高于mr，而all in one仍然还是各自处理数据，存储到外部。并没有在spark内直接实现数据互通吧？是的，最终还是存储在hdfs，引入了tachyon，tachyon提高数据的读取。补充：我本人现在做一个小项目，目的想实现在spark多应用之间的内存缓存数据的互通，例如streaming形成一个history不落地直接给sql使用。不知道有没有适合场景？kafka Spark streaming有很多应用场景，后期，我们会画像会采用该方案感谢陈刚的记录与整理，其他多位编辑组志愿者对本文亦有贡献。更多关于架构方面的内容，请长按下面图片，关注“高可用架构”公众号，获取通往架构师的宝贵经验。
微信号:myweiblog
扫描并关注抽取红包、50元话费与圈内人交流、分享
游戏资讯哪家强？就这里(⊙v⊙)
我要分享：
DevLink与Go语言北京用户组联合举办的X&to&Go的“小课桌”技术分享活动，将于9月3日在上地福道大厦举办，会前我们对本次活动的主持人、Go语言北京用户组发起人、Go语言布道师----郝林老师进行了文字专访。【Go聚会专访】Go北京用户组发起人、布道师----郝林
近年来，计算机编程者开发了大量密码破解工具，每一款工具都有缺点和优点，有时候选择起来非常让人困惑，以下为大家介绍十款目前最流行的密码破解工具。十款最流行的密码破解工具
本文针对&linux&下的&C++&程序的内存泄漏的检测方法及其实现进行探讨。其中包括&C++&中的&new&和&delete&的基本原理，内存检测子系统的实现原理和具体方法，以如何在&Linux 下检测内存泄漏
本文源码的角度来分析下React-Native底层的通信机制。React Native之底层源码分析篇(本文较长,请自备小零食:辣条,啤酒饮料等)
最好的学习编码的方式就是读源码&--&某个高级程序员读源码是最好也是最有效的提升自身编码能力的方式，特别是当该项技术比较新然后它的标准还在不停改进的时候。[译]推荐5个值得学习React Native的开源项目
React&Native官方支持iOS和Android，但并不支持H5，有些人试图做出补救，如兼容RN&API的ReactWeb，也有人用在RN上再封装一层的形式来兼容H5。ReacMix采取的就是后面的这种做法。ReactMix：基于HTML+JS+CSS写APP的最佳实践
在2015年初，我们构建了一个只做一件事（也的确做的非常好）的微服务----查找地理围栏（geofence&loUber是如何基于Go语言构建高QPS服务的？
本文内容整理自W-Time技术分享沙龙－天津站现场演讲《一切都是分布的》，演讲者：李傲，问啊联合创始人，前中干货｜建议初创团队起初也要构建分布式应用
由于国内Android系统的碎片化，令开发者头疼的一个问题就是应用常驻后台的服务可能会被莫名其妙的杀掉。如何做到有克制的，同时最大限度的保护后台进程，是开发者迫切想知道的问题。因此，我们就此问题邀请微信相关负责人来分享他们的经验。微信Android客户端后台保活经验分享
去重统计如何去做，相信看了这篇文章你会有所了解。漫谈redis在运维数据分析中的去重统计方式
如何构建前沿的、易维护的、安全的架构？有哪些可以抽象出来的系统架构设计的准则或者用它来验证现有的架构是否合理？一套根据用途分类的开源软件列表。关于架构的优化和设计，架构师必须悟透的事情
本文作者结合大型移动应用的落地实践，从服务端架构设计角度，阐述如何进行升级优化，为后续APP做大做强奠定架构基础，供大家参考。一个可供创业公司参考的移动APP服务端架构演进方案
只分享能落地的方法，能看懂的架构，秒杀系统人人能做。秒杀系统架构优化思路
Https，你到底对Http干了啥？HTTPS到底是个啥玩意儿？
唯品会RPC服务化架构图，服务发现及服务治理为为什么用使用proxy？容器化为什么选择Marathon和Mesos?首发：唯品会RPC服务框架与容器化演进
防御性编程,简单的说,就是在编程的时候有目的地预测可能的故障点。目的是在那些可能发生的问题发生前解决它们。你看见了问题，对吧？预测意料之外的事情本来就有内在的难度，当你想要预测意料之外的事情并且解决它就更是难上了好几倍。PHP中的防御性编程
在开发MimpiDreams时，我们知道我们想用背景和前景做丰富的视差层。在Steam版本中，有几个图层来管理。所以我们想出了一个可能并不是独一无二的方法，不过在这里还是想概括一下。如何在Unity2D游戏中制作视差效果
Hadoop框架可能是大数据运动的代名词，但对于公司从大规模存储的非结构化信息中得到商业洞见的需求，Hadoop不是唯一的工具。大数据分析，Hadoop够用吗？Facebook数据专家说No
【今日话题】开发中有哪些利器？1.&Vim&-&刘科彬2.&phpstorm+vim模式&-昱北3.&vag【】开发中有哪些利器？
【今日话题】js在实际项目中用到哪些编程思想1.&一般都是面向对象吧，少数函数式吧，反正我过程了[表情]&-【】js在实际项目中用到哪些编程思想
天使投资: QQ:
求手游: QQ:
音乐外包: QQ:
游戏合作: QQ:692695