Category Archives: 技术分享

携程技术中心专注分享携程网最新大数据案例,携程网最新使用的技术和优异的UED案例。

携程网基于应用的自动化容量管理与评估

一、前言

今天跟大家分享的题目是基于应用的自动化容量管理与评估,简单解释下。容量管理与评估相信很多同学都涉及过,根据开发人员的项目需求描述,或者压测数据,估计一个合适的服务器资源需求。

自动化就是将这类评估决策做成一个自动化的进程不需要人为干预。而基于应用,是指我们所有的容量评估最终目的是对应用的支持,而不是服务器本身是否健康,服务器本身很健康,而上面跑的应用不健康,其实不算是好的容量管理。

1

阅读全文

推荐系统中基于深度学习的混合协同过滤模型

【作者简介】本文来自董鑫在携程个性化推荐与人工智能Meetup上的分享。视频戳这里。董鑫,携程基础业务部BI团队高级算法工程师,博士毕业于上海交通大学计算机科学与技术系。

近些年,深度学习在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。相对来说,深度学习在推荐系统领域的研究与应用还处于早期阶段。

携程在深度学习与推荐系统结合的领域也进行了相关的研究与应用,并在国际人工智能顶级会议AAAI 2017上发表了相应的研究成果《A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems》,本文将分享深度学习在推荐系统上的应用,同时介绍携程基础BI团队在这一领域上的实践。

阅读全文

微分享回放 | 携程是如何保障业务安全的

编者:本文为第十一期【携程技术微分享】分享内容。视频回放可点击这里。

【携程技术微分享】是携程技术中心推出的线上公开分享课程,每月1-2期,采用目前最火热的直播形式,邀请携程技术人,面向广大程序猿和技术爱好者,一起探讨最新的技术热点,分享一线实战经验。

头图

作为国内第一大OTA企业,业务安全一直是携程所面临的重要安全风险之一。

在面对各类从散兵作战到越来越专业化的黑产,以及技术从单一到持续自动化的工具化下的攻击时,我们也根据不同的业务安全风险,建立了相应的系统进行防护,并和黑产进行持续的技术和思维上的攻防。

阅读全文

个性化推荐沙龙|饿了么推荐系统的从0到1

【作者简介】本文来自陈一村在携程个性化推荐与人工智能Meetup上的分享。视频戳这里。陈一村 ,饿了么数据运营部资深算法工程师,主要负责热卖美食推荐服务。

随着移动互联网的发展,用户使用习惯日趋碎片化,如何让用户在有限的访问时间里找到想要的产品,成为了搜索/推荐系统演进的重要职责。作为外卖领域的独角兽, 饿了么拥有百万级的日活跃用户,如何利用数据挖掘/机器学习的方法挖掘潜在用户、增加用户粘性,已成为迫切需要解决的问题。

个性化推荐系统通过研究用户的兴趣偏好,进行个性化计算,发现用户的兴趣点,从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务,还能和用户之间建立密切关系,让用户对推荐产生依赖。

本次分享介绍饿 了么如何从0到1构建一个可快速迭代的推荐系统,从产品形态出发,包括推荐模型与特征工程、日志处理与效果评估,以及更深层次的场景选择和意图识别。

阅读全文

个性化推荐沙龙 | 腾讯云推荐引擎实践

【作者简介】本文来自吕慧伟在携程个性化推荐与人工智能Meetup上的分享。视频戳这里

吕慧伟,腾讯云布道师,腾讯社交网络运营部高级工程师,腾讯通用推荐系统神盾开发负责人,腾讯云推荐引擎架构师。中国科学院计算技术研究所博士,美国阿贡国家实验室博士后,从事并行计算多年,MPICH 核心开发者之一。

我们每个人每天都会使用到不同的推荐系统,无论是听歌,购物,看视频,还是阅读新闻,推荐系统都可以根据你的喜好给你推荐你可能感兴趣的内容。不知不觉之间,推荐系统已经融入到我们的生活当中。作为大数据时代最重要的几个信息系统之一,推荐系统主要有下面几个作用:

  • 提升用户体验。通过个性化推荐,帮助用户快速找到感兴趣的信息。
  • 提高产品销售。推荐系统帮助用户和产品建立精准连接,从而提高产品转化率。
  • 发掘长尾价值。根据用户兴趣推荐,使得平时不是很热门的商品可以销售给特定的人群。
  • 方便移动互联网用户交互。通过推荐,减少用户操作,主动帮助用户找到他感兴趣的内容。

阅读全文

机器学习算法线上部署方法

我们经常会碰到一个问题:用了复杂的GBDT或者xgboost大大提升了模型效果,可是在上线的时候又犯难了,工程师说这个模型太复杂了,我没法上线,满足不了工程的要求,你帮我转换成LR吧,直接套用一个公式就好了,速度飞速,肯定满足工程要求。这个时候你又屁颠屁颠用回了LR,重新训练了一下模型,心里默骂千百遍:工程能力真弱。

这些疑问,我们以前碰到过,通过不断的摸索,试验出了不同的复杂机器学习的上线方法,来满足不同场景的需求。在这里把实践经验整理分享,希望对大家有所帮助。(我们的实践经验更多是倾向于业务模型的上线流程,广告和推荐级别的部署请自行绕道)。

首先在训练模型的工具上,一般三个模型训练工具,Spark、R、Python。这三种工具各有千秋,以后有时间,我写一下三种工具的使用心得。针对不同的模型使用场景,为了满足不同的线上应用的要求,会用不同的上线方法:

阅读全文

携程上万坐席呼叫中心异地双活架构及系统设计

编者:本文为携程通信技术中心高级经理沈强,在GOPS 2016全球运维大会上的分享。

之前,我先拜读了《Google SRE》 这本书的几个章节,我对这些章节中的内容非常认同,特别是基于自动化运维以及故障响应时间的阐述,感同身受。

今天我讲的这个技术实现就是一个非常接地气的案例,很好了诠释了 Google SRE 的理念,下面我会结合携程实际的技术实现方案,进行详细的讲解。

今天演讲分为三块内容

  • 首先,介绍一下携程呼叫中心系统的整体架构,因为携程主要是以呼叫中心起家,当时呼叫中心占整个业务订单量70% 以上,因此呼叫中心在我们的业务里面,起到非常重要作用。
  • 其次,讲解一下携程呼叫中心异地双活的架构,整个过程中会涉及到各个层面的双活架构设计。
  • 最后,讲解一下座席介入端的异地双活的系统设计。

阅读全文

深度剖析服务发现组件Netflix Eureka

1、背景介绍

Eureka是Netflix开源的一款提供服务注册和发现的产品。

其官方文档中对自己的定义是:

Eureka is a REST (Representational State Transfer) based service that is primarily used in the AWS cloud for locating services for the purpose of load balancing and failover of middle-tier servers. We call this service, the Eureka Server. Eureka also comes with a Java-based client component,the Eureka Client, which makes interactions with the service much easier. The client also has a built-in load balancer that does basic round-robin load balancing.

我们在研发Apollo配置中心时(https://github.com/ctripcorp/apollo),考虑到配置中心是基础服务,有非常高的可用性要求,为了更好的支持服务动态扩容、缩容、失效剔除等特性,所以就选择了使用Eureka来提供服务注册和发现功能。

本着“当你选择一款开源产品后,你就应当对它负责,既要信任它又要挑战它”的原则,我花了一些时间比较深入的研究了Eureka的实现细节(好在Eureka的实现短小精悍,通读源码也没花太多时间),今天就来详细介绍一下。

阅读全文

什么才是好的攻城狮文化?

编者:前段时间,刚入驻知乎机构号不久的我们,抱着尝试的心态,发起了一个关于“工程师文化”的提问,希望能与知乎的小伙伴们一起交流和学习。

短短一个多月,这个提问获得了诸多关注,其中不少高水准的答案,远超预期。在此,特把部分优秀回答进行整理分享,希望能给小伙伴们一些启发。

552dc5af35966-thumb

阅读全文

在美国大学计算机专业都学什么

【作者简介】祁一鸣,2016年4月加入携程,任机票研发部技术专家,同时负责携程App国际机票预定主流程技术团队。毕业于美国常春藤名校 Dartmouth College 本科,曾先后在硅谷的Oracle、Yahoo!和Salesforce总部效力过。从scratch到delivery完成过的最成功的产品是年销售额超1亿美金的商业社区网站模板。平时喜欢吃冰激凌和甜甜圈,也蛮喜欢上海野兽派的花。本文首发于CSDN。

阅读全文

Copyright © 1999 - 2014 Ctrip. Powered by WordPress.