《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.3 陌生社交

简介: 《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.3 陌生社交

3.2.3 陌生社交

 

3.2.3.1 陌生社交的概念及发展


陌生社交1995年从美国萌芽,千禧年初盛行于国内,并随着移动互联网浪潮进 入高速发展阶段,智能手机大规模普及,陌生社交进入井喷。20年间,它似乎一 处在旋涡之中,又一直飞在风口之上。广告、会员和虚拟物品等增值服务,是现阶段 陌生人社交平台最广泛采取的营收手段。其他附属功能的搭建也成了关键,留住用户 之后,就可以加快商业化的脚步了,用一些可以快速创收的生意来稳定平台的发展。

 

比如目前一些APP在用户较为稳定之后,就用直播当作自身发展的第二曲线。有 APP虽然基于社交,但后续逐渐开辟了虚拟商品交易、电商交易等方面业务。眼下, 陌生人社交APP仍需探索出一套可靠且符合平台调性的盈利模式,才不会使“灵魂社 交”成为空中楼阁。


近年来,我国陌生人社交用户规模不断增长,2016年达到4.88亿,2020年接6.5亿人。孤独催生了孤独生意”,熟人世界里无处排遣的孤独感,滋生了陌生人社 交这个千亿元级别的市场。数据显示,我国目前有超过1300家从事陌生人社交相关 务的企业。其中,近4成的陌生人社交相关企业成立于5年之内。从行业分布来 看,陌生人社交相关企业主要分布在软件和信息技术服务业、以及科技推广和应用服 务业,占比分别为29%和42%。

 

3.2.3.2 陌生社交架构说明

 

3.2.3.2.1 安全架构


陌生社交业务发展迅速,自身在DDOS方面的要求较高,如果无法应对DDOS 击则会产生较大的风险,通过以下解决方案来对云上的资源进行保


IM务场景:通过阿里云新BGP高仿,对后端ECS进行防护,保障4层业务安 


API业务场景:由于需要Http1DNS,同时需要Https书双向认证,因此采用防 护包的方式进行防护,提升流量入口SLB的防护阈值;

通过对不同业务的不同防护方案,使得客户的核心IM业务更加的稳定,可以

于其他功能的开发;


image.png


3.2.3.2.2 数据湖架构


社交网络的大数据分析需要使用多种类型、大规模的用户相关数据,去深度挖掘 出多种社交属性,通过智能算法,分析出用户多维度特征,根据用户画像去匹配出合 适的其他用户和内容,智能推荐是某陌生社交APP一个核心能力。这就需要存储大量 的社交访问行为数据,并且需要不定期的去使用新模型重新计算已有的数据。随着应 用的长期运行和用户数增加到亿级别,累积的各类相关数据已经达到了新的规模,此 类数据的长期存储成本优化对于应用的长期发展非常重要。Facebook非常成功的让 客户能够查看从注册到现在的整个过程的回忆器能力,让社交应用中,对于用户长期 行为记录的保存在社交场景中被非常重视,不能通过简单的通过删除历史数据,去降 低这些数据的存储成本。平衡存储成本和持续的挖掘数据潜力,成为了客户在业务长 期发展中亟需解决的一个难题。


采取分层存储的模式进行数据存储:采用OSS多种存储类型结合使用方式,对于 新产生的热数据使用标准类型OSS,对于生成后达到预定义时间的数据,通过OSS Lifecycle能力沉降到低频、归档类型,当模型、算法更新后需要重新计算,只需要 解冻冷数据,就可以和使用标准类型数据相同方式进行数据处理。

目录
打赏
0
0
0
0
82
分享
相关文章
基于PAI+专属网关+私网连接:构建全链路Deepseek云上私有化部署与模型调用架构
本文介绍了阿里云通过PAI+专属网关+私网连接方案,帮助企业实现DeepSeek-R1模型的私有化部署。方案解决了算力成本高、资源紧张、部署复杂和数据安全等问题,支持全链路零公网暴露及全球低延迟算力网络,最终实现技术可控、成本优化与安全可靠的AI部署路径,满足企业全球化业务需求。
阿里云SLB深度解析:从流量分发到架构优化的技术实践
本文深入探讨了阿里云负载均衡服务(SLB)的核心技术与应用场景,从流量分配到架构创新全面解析其价值。SLB不仅是简单的流量分发工具,更是支撑高并发、保障系统稳定性的智能中枢。文章涵盖四层与七层负载均衡原理、弹性伸缩引擎、智能DNS解析等核心技术,并结合电商大促、微服务灰度发布等实战场景提供实施指南。同时,针对性能调优与安全防护,分享连接复用优化、DDoS防御及零信任架构集成的实践经验,助力企业构建面向未来的弹性架构。
167 76
基于Transformer架构的时间序列数据去噪技术研究
本文介绍了一种基于Transformer架构的时间序列去噪模型。通过生成合成数据训练,模型在不同噪声条件下展现出强去噪能力。文章详细解析了Transformer的输入嵌入、位置编码、自注意力机制及前馈网络等关键组件,并分析实验结果与注意力权重分布。研究为特定任务的模型优化和专业去噪模型开发奠定了基础。
89 14
基于Transformer架构的时间序列数据去噪技术研究
数据中台架构与技术体系
本文介绍了数据中台的整体架构设计,涵盖数据采集、存储、计算、服务及治理等多个层面。在数据采集层,通过实时与离线方式整合多类型数据源;存储层采用分层策略,包括原始层、清洗层、服务层和归档层,满足不同访问频率需求;计算层提供批处理、流处理、交互式分析和AI计算能力,支持多样化业务场景。数据服务层封装数据为标准化API,实现灵活调用,同时强调数据治理与安全,确保元数据管理、质量监控、权限控制及加密措施到位,助力企业构建高效、合规的数据管理体系。
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
896 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
阿里云X86/ARM/GPU/裸金属/超算等五大服务器架构技术特点、场景适配与选型策略
在我们选购阿里云服务器的时候,云服务器架构有X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器、高性能计算可选,有的用户并不清楚他们之间有何区别。本文将深入解析这些架构的特点、优势及适用场景,帮助用户更好地根据实际需求做出选择。
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
284 4
文生图架构设计原来如此简单之分布式服务
想象一下,当成千上万的用户同时要求AI画图,如何公平高效地处理这些请求?文生图/图生图大模型的架构设计看似复杂,实则遵循简单而有效的原则:合理排队、分工明确、防患未然。
95 14
文生图架构设计原来如此简单之分布式服务
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
207 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
DeepSeekMoE是一种创新的大规模语言模型架构,融合了专家混合系统(MoE)、多头潜在注意力机制(MLA)和RMSNorm归一化。通过专家共享、动态路由和潜在变量缓存技术,DeepSeekMoE在保持性能的同时,将计算开销降低了40%,显著提升了训练和推理效率。该模型在语言建模、机器翻译和长文本处理等任务中表现出色,具备广泛的应用前景,特别是在计算资源受限的场景下。
671 29
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等