人物 | 蚂蚁金服计算存储首席架构师何昌华:来这里挑战极限!

简介: 小蚂蚁给大家带来的人物故事主角是何昌华(花名:萧河)!

小蚂蚁说:

榜样的力量是无穷的。过去一段时间内,小蚂蚁为大家系列介绍了蚂蚁金服的诸多人物故事,包括《深度 | 蚂蚁金服AI首席科学家漆远:用AI和爱, 让我们遇见更美好的未来》;《祝贺|蚂蚁金服技术人许寄入选2018 MIT TR 35全球榜单》;《蚂蚁技术人 | 29岁支付宝工程师告诉你:8年,如何从菜鸟到全球化团队leader?》;《马云怒赞的93年网红区块链工程师,教你如何用3年时间实现逆袭!》;《祝贺 | 蚂蚁金服年轻科学家曾晓东入选MIT TR35中国榜单》等等……


今天,小蚂蚁给大家带来的人物故事主角是何昌华(花名:萧河),斯坦福博士毕业,谷歌7年,赢得公司最高技术奖项,Airbnb工作两年,负责后台系统的应用架构。之后,却降薪来到蚂蚁金服,静水流深,担任了蚂蚁金服计算存储首席架构师,并在一年时间内就取得了诸多耀眼的成果。快来看一下他的经历和人生思考,希望能对正在阅读的你有所启发。



dff48897739b05ed5aea4636c6f21e5bc8393b8d


一、“现在,是我需要祖国”

何昌华是降薪来到蚂蚁金服的,之后他成了“萧河”(花名)。


何昌华曾在谷歌工作七年。作为核心技术负责人之一,和团队一起开发了谷歌新一代咖啡因搜索引擎,并获得公司最高技术奖项。之后,他在Airbnb工作了两年,负责后台系统的应用架构。


2017年5月,需要祖国的何昌华来到了蚂蚁金服,担任计算存储首席架构师。


一直以来他专注于大规模的分布式系统及大数据架构与应用。从美国圣何塞德思科,到山景城的谷歌,再到旧金山的爱彼迎,12年的时间,斯坦福博士毕业的何昌华在硅谷打造出一份在很多人看来几乎完美的职业履历。

 

在硅谷生活的时候,何昌华基本上每周都会去打几次网球,然后晚上回家有时候带女儿沿着小区跑步,周末的时候就会去各个公园爬山,冬天的时候经常去滑雪。

 

“从这个层面上来讲,那种生活肯定是你更希望的,只不过很多时候你必须要有一个取舍。”


何昌华回忆说,“有很多人都问过我为什么回国加入蚂蚁金服。在硅谷工作的确是一种比较平稳安逸的状态,但是缺少了真正看到自己的天花板在哪、能够做成什么样的事业的机会。”

 

“以前可能是说祖国需要我,现在更多的事实上是说,我需要祖国了。”在2017年12月接受央视采访时,萧河曾对这句话做了诠释。

 

蚂蚁金服副总裁、阿里巴巴最年轻的合伙人阿玺说动了他。2016年10月,何昌华进入了阿玺的视线。

 

蚂蚁金服承载着巨大的用户量,支付宝等产品已经深入的影响了人们的日常生活,已经成为社会的基础设施,影响深远。相比在硅谷,在蚂蚁金服从事的工作对于人们的生活来说更重要,也更有想象力。

 

“每个人都想试一下你的极限在哪儿,我觉得在这里才真正能够尝试能不能够做到一个极限。”在和阿玺沟通后,何昌华产生了这样的想法。


97e5599340e80844183d9949c42c6b1ac22b0c82


后来回想起这段旅途的开始,何昌华还给出了另一个重要原因:“从我个人的角度,我是比较相信中国未来二十年的崛起,所以我觉得如果你能够在一个这样的过程中参与在其中,有一些贡献的话,这个对你人生会有一个很大提升。”


二、萧河团队的目标:用技术实现80%人群的金融普惠


萧河加盟不到一年,就做了三件事:

 

  • 1.带领团队研发并上线了蚂蚁实时智能决策系统,对金融诈骗和洗钱等行为实现了实时判断;

  • 2.用图计算和图数据库技术打造了中国首个金融级的分布式图数据库Geabase;

  • 3.更重要的是,他领导计算存储基础技术团队,研发新一代数据技术架构以及金融级核心计算引擎,为蚂蚁金服的所有业务提供计算存储支撑“底盘”。

 

在金融领域,如何针对风险控制和精准营销做决策,比如准确判断用户是不是在欺诈、洗钱之类,以及商户如何运营最佳,一直是一个难题和痛点。

 

而实时智能决策平台技术和图数据与图计算相结合,则能够产生更为强大的能力。目前在这个领域萧河带领的团队已经可以执行“百亿节点千亿边”规模的图数据处理,实现毫秒级别的访问和实时计算。

 

蚂蚁金服GeaBase从几个人的小团队起步,最终做出了中国第一个自主研发的分布式金融级图数据库,造就了一个传奇故事。随着萧河的加入,Geabase团队的能力得到了极大的增强。

 

“GeaBase最大的一个优势就是可扩展性,GeaBase整个系统是完完全全为海量数据而建的。” 萧何说。

 

伴随着金融行业越来越复杂的融合场景和海量数据,对新一代数据技术架构以及金融计算核心引擎的需要也变得愈加急迫,而这也正是萧河所带领的团队目前正在从事的工作。

 

“就像实时智能决策平台那样,下一代金融计算核心引擎的实时计算延时要足够低,计算速度要足够快,数据即时流入即时反馈结果。” 萧河在谈及下一代金融计算核心引擎和数据技术架构时说。

 

即便在今天,金融服务的普惠在各国仍是难题。萧河对下一代金融计算核心引擎的要求与蚂蚁金服一致,那就是普惠80%人群,这涉及到海量数据的处理,需要足够强的计算能力,足够低的单位计算成本才可以实现,并且这也会成为未来公司的核心竞争力。


三、数据智能:蚂蚁金服对未来的洞见


蚂蚁金服在去年10月11日ATEC大会上首次公布了“BASIC”战略,即Blockchain (区块链)、Artificial intelligence(金融智能)、Security(安全风控)、 IoT(物联网)和 Computing(计算)五大领域。这是蚂蚁金服面向未来的技术布局,也是金融科技开放的五大方向。

 

在萧河看来,C就是新计算,而计算的能力是一个底盘。

 

“把数据跟算法串在一起,在海量的数据中能够提取出一些有用的知识,能够对你上层的业务、应用有一些真正的智能指引,这就是我们所说的数据智能。”

 

前者是海量数据,后者是算法创新,这两个东西缺一不可。而蚂蚁金服提出的概念“数据智能”则是合并了这两点,以算法为介,在海量数据中智能地挖掘洞察与指引。

 

谈及金融科技领域未来将面临两个趋势,萧河认为:一来,数据本身将呈爆炸式增长,今后所有的线下交易都将以数字化的形式体现,数据量的增长必然伴随计算存储能力的增长;二来,在大数据时代,每个人做的个人的决定、商业的决策,一定会极大地依赖数据,这就是所谓的数据驱动。


四、关于普鲁斯特问卷,斯坦福博士如是说


留美时,萧河曾是斯坦福博士。当被问到当下年轻人的浮躁和焦虑时,萧河直言“我们周围现在有太多的宣传或者是电视或者各种各样的,好像就觉得有人暴富,有人很轻易地取得成功,事实上有很多东西我不否认是幸运,但如果你仅仅是凭幸运得到的,也未必是好事。”

 

1eb5bd8e0424e8c412e65b1cf971275901fbbb61


他对当下的年轻人建议说,要放眼长远,在远大的“小目标”的驱动下,我们会少走一些弯路;心要笃定,失败了很多次,往往是成功的预兆,朝着自己的小目标一路成长,我们会成长得最快;天道酬勤,没有谁会随随便便成功,台上一分钟台下十年功。

 

在采访结束时,萧河回答了著名的普斯特问卷中的一些问题:

 

 “在您看来,什么是完美的快乐?”

——“最完美的快乐,是处于满足的状态,对身边拥有的一切感到知足,孝顺父母和亲人,锻炼好自己的身体。”

 

“什么会让您感到恐惧?”

——“看着关心的人遭遇不测,我却无力改变。”

 

“您最后悔的事情是?”

——“时间在流走,而我总是抽不出时间陪陪家人。”

 

“还在世的人中,您最钦佩的人是谁?”

——“埃隆·马斯克。”

 

“您最讨厌什么特质?”

——“吹牛,尤其是带撒谎的吹牛。”

 

“您对自己外表的哪一点不满意?”

——“也许可以再壮一些”

 

“您最喜欢男性身上拥有什么样的品质?”

——“谦谦君子,温润如玉。”

 

“你的座右铭是什么?”

——“是清华的校训:天行健,君子以自强不息;地势坤,君子以厚德载物。”

 

在回答这些问题时,萧河常常陷入沉思,静到可以让人清晰地听见窗外的车笛声。


— END —


相关文章
|
4月前
|
存储 机器学习/深度学习 缓存
软考软件评测师——计算机组成与体系结构(分级存储架构)
本内容全面解析了计算机存储系统的四大核心领域:虚拟存储技术、局部性原理、分级存储体系架构及存储器类型。虚拟存储通过软硬件协同扩展内存,支持动态加载与地址转换;局部性原理揭示程序运行特性,指导缓存设计优化;分级存储架构从寄存器到外存逐级扩展,平衡速度、容量与成本;存储器类型按寻址和访问方式分类,并介绍新型存储技术。最后探讨了存储系统未来优化趋势,如异构集成、智能预取和近存储计算等,为突破性能瓶颈提供了新方向。
|
11天前
|
存储 NoSQL 前端开发
【赵渝强老师】MongoDB的分布式存储架构
MongoDB分片通过将数据分布到多台服务器,实现海量数据的高效存储与读写。其架构包含路由、配置服务器和分片服务器,支持水平扩展,结合复制集保障高可用性,适用于大规模生产环境。
102 1
|
4月前
|
存储 关系型数据库 MySQL
成本直降30%!RDS MySQL存储自动分层实战:OSS冷热分离架构设计指南
在日均订单量超500万的场景下,MySQL数据年增200%,但访问集中在近7天(85%)。通过冷热数据分离,将历史数据迁移至OSS,实现存储成本下降48%,年省72万元。结合RDS、OSS与Redis构建分层架构,自动化管理数据生命周期,优化查询性能与资源利用率,支撑PB级数据扩展。
246 3
|
4月前
|
存储 关系型数据库 数据库
高性能云盘:一文解析RDS数据库存储架构升级
性能、成本、弹性,是客户实际使用数据库过程中关注的三个重要方面。RDS业界率先推出的高性能云盘(原通用云盘),是PaaS层和IaaS层的深度融合的技术最佳实践,通过使用不同的存储介质,为客户提供同时满足低成本、低延迟、高持久性的体验。
|
7月前
|
并行计算 PyTorch 算法框架/工具
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
本文探讨了如何通过技术手段混合使用AMD与NVIDIA GPU集群以支持PyTorch分布式训练。面对CUDA与ROCm框架互操作性不足的问题,文章提出利用UCC和UCX等统一通信框架实现高效数据传输,并在异构Kubernetes集群中部署任务。通过解决轻度与强度异构环境下的挑战,如计算能力不平衡、内存容量差异及通信性能优化,文章展示了如何无需重构代码即可充分利用异构硬件资源。尽管存在RDMA验证不足、通信性能次优等局限性,但该方案为最大化GPU资源利用率、降低供应商锁定提供了可行路径。源代码已公开,供读者参考实践。
513 3
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
|
7月前
|
存储 数据采集 机器学习/深度学习
新闻聚合项目:多源异构数据的采集与存储架构
本文探讨了新闻聚合项目中数据采集的技术挑战与解决方案,指出单纯依赖抓取技术存在局限性。通过代理IP、Cookie和User-Agent的精细设置,可有效提高采集策略;但多源异构数据的清洗与存储同样关键,需结合智能化算法处理语义差异。正反方围绕技术手段的有效性和局限性展开讨论,最终强调综合运用代理技术与智能数据处理的重要性。未来,随着机器学习和自然语言处理的发展,新闻聚合将实现更高效的热点捕捉与信息传播。附带的代码示例展示了如何从多个中文新闻网站抓取数据并统计热点关键词。
282 2
新闻聚合项目:多源异构数据的采集与存储架构
|
9月前
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器ECS架构区别及选择参考:X86计算、ARM计算等架构介绍
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,本文主要简单介绍下这些架构各自的主要性能及适用场景,以便大家了解不同类型的架构有何不同,主要特点及适用场景有哪些。
1286 10
|
10月前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
320 4
【AI系统】计算图优化架构
|
9月前
|
存储 人工智能 运维
面向AI的服务器计算软硬件架构实践和创新
阿里云在新一代通用计算服务器设计中,针对处理器核心数迅速增长(2024年超100核)、超多核心带来的业务和硬件挑战、网络IO与CPU性能增速不匹配、服务器物理机型复杂等问题,推出了磐久F系列通用计算服务器。该系列服务器采用单路设计减少爆炸半径,优化散热支持600瓦TDP,并实现CIPU节点比例灵活配比及部件模块化可插拔设计,提升运维效率和客户响应速度。此外,还介绍了面向AI的服务器架构挑战与软硬件结合创新,包括内存墙问题、板级工程能力挑战以及AI Infra 2.0服务器的开放架构特点。最后,探讨了大模型高效推理中的显存优化和量化压缩技术,旨在降低部署成本并提高系统效率。
|
12天前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路