数智洞察 | 从更高到更好:2021阿里双11背后的技术亮点

本文涉及的产品
函数计算FC,每月15万CU 3个月
云原生数据仓库AnalyticDB MySQL版,基础版 8ACU 100GB 1个月
简介: 编者按:双11不仅是一场消费盛宴,更代表着数字经济的崛起;双11不仅是一场购物的狂欢,更是重要的技术练兵场。技术创造价值,让我们一起来看看第13届双11的技术亮点。


导语

今年,是阿里巴巴第13个双11。


今年双11,阿里巴巴大促峰值的计算成本相比去年下降50%;


截至11日,小蛮驴无人车在双11期间累计配送快递已超过100万件。


更多的阿里自研技术投入到双11,在芯片、服务器等硬核技术攻坚的同时,技术也在推动全链路的降本增效。


除了深耕自立自强的高科技,阿里还在践行“人人受益、责任担当、开放共享的”好科技,希望用技术给客户创造更好的价值,为社会创造更大的贡献。从更高到更好,今年双11,阿里巴巴的技术有什么不一样?

01

绿色低碳

1.1

绿色科技 助力每笔订单碳排放量持续下降

交易背后的碳成本主要有三部分:一是商品交易/数字交易本身的碳成本;二是物流运输中的碳成本;三是商品生产和消费中的碳成本。


低碳双11,必须解答好三个考题:首先,如何让数据中心变得更“绿”、更加节能;其次,如何通过算力共享,提升资源统一调度效率;再次,如何让单位算力的效率和价值最大化。


在绿色数据中心方面,阿里云以低碳选址、清洁能源、液冷技术等融合AI应用,加速绿色节能技术创新及迭代升级,做到“少用电、用好电、用绿电”;在绿色计算方面,通过技术创新实现资源利用率显著提升、助力自身节能减排,今年每一笔订单在交易环节的碳排放进一步减少;在绿色算力方面,云提供了算力充分复用、高效利用的技术架构与经济模式,让算力本身更绿色;在绿色数字供应链方面,以算法驱动,采用预测+决策的算法体系,从机器学习向深度学习技术栈演进,实现数据驱动的预测决策一体化优化,持续优化、创新供应链计划和运配等环节,降低货损、提升运配效率,帮助商家降低碳排放。


1.2

技术驱动,建设阿里巴巴绿色数字供应链

今年双11,数字供应链采用预测+决策的算法体系实现数据驱动的预测决策一体化优化,降低货损,统一调度减少浪费;在运配场景,提升车辆装载率及运输效率;通过建设一盘货、全链路可售能力,帮助商家库存共享,更精准地进行补货备货,助力商家多端销售,降低滞销。


1.3

阿里云数据中心大规模使用绿电为“双11减碳计划”提供绿色“后盾”

为助力数据中心低碳绿色发展,近年来,阿里巴巴积极响应国家“双碳”战略要求,开展清洁能源电力交易。2018年,张北数据中心加入张家口“四方协作机制”风电交易,率先在全国数据中心行业开展非水可再生能源电力交易。今年9月,作为首批全国绿色电力交易主体,达成1亿千瓦时光伏电力交易,成为本次交易中互联网行业最大的绿色电力购买主体,践行了绿色发展的理念,探索了通过新交易品种获得绿色电力的路径。双11期间,预计阿里张北数据中心将使用绿电近3000万千瓦时,减排二氧化碳2.6万吨。公开数据显示,2021年1-9月,阿里巴巴共交易绿电2.48亿千瓦时。自2018年至2021年9月,仅张北数据中心就累计交易约6亿千瓦时新能源电量,累计实现二氧化碳减排近52.3万吨。


值得一提的是,阿里巴巴张北数据中心成为行业内首个碳普惠试点项目,获评2020年国家绿色数据中心,入选2021年国家生态环境部低碳绿色典型案例。


1.4

统一调度、统一资源池稳定、高效、低成本支撑双 11

在应用侧,针对高并发场景,在保障消费体验的同时,阿里技术大幅优化交易链路,应对脉冲式流量。在软件侧,通过统一资源池进行统一调度,支撑大规模的离在线混部,实现在线业务优先调度。在云方面,基于阿里自研的神龙云服务器、自研的数据库PolarDB等,大大提升了服务器资源使用效率,可搭建百万级规模的容器集群,大规模释放云原生的技术红利。


1.5

绿色物流全面升级,通过智能切箱、绿色回箱、碳账单等让绿色心智充分触达消费者,打造人人都能参与的绿色双11

通过优化纸箱型号和推荐合理的装箱方案,菜鸟智能切箱算法支持菜鸟全行业仓内包材推荐,平均减少使用15%包材,仅在菜鸟仓一年可为5.3亿个包裹“瘦身”。

 

通过碳排放测算和绿色物流各环节的信息化盘查,在2021年天猫双11期间推出了物流行业首个“个人减碳账单”,并在6万个菜鸟驿站发起“快递包装回收 全面换鸡蛋”、1万个菜鸟驿站试行旧包装循环寄件项目,打通消费者可感知、可参与的快递包装循环使用闭环。

02

技术创新

2.1

平头哥芯片含光800规模化支持搜索推荐等场景

2021双11期间,含光800通过阿里云平台支持了淘宝搜索、推荐等业务,其中淘宝主搜100%的AI算力由该芯片提供。实际应用情况显示,含光800有效发挥了芯片与云计算环境融合的优势,既提升了系统的性能又降低了整体能耗,以搜索场景为例,相比传统GPU,使用含光800运行的算法效率最高可提升近2倍,单位算力能耗降低58%。



2.2

自研磐久服务器新一代硬件技术全新上阵

磐久服务器新一代硬件和技术全新应用于双11,提供行业领先的计算及存储生产力,场景化性能提升30%以上。今年云栖大会上,阿里巴巴发布自研磐久服务器系列,包括高性能计算系列、高性能存储系列、大容量存储系列。采用统一的方升架构,实现从芯片、部件到整机的技术及架构创新和自研,使用灵活模块化与全栈软硬件融合技术,提供多种通用和异构计算、多层级存储解决方案,为客户带来行业领先的、更高可靠性和更极致的性能体验。


2.3

双11云原生技术实现自研、开源、商业化 三位一体

中间件迈向产品三位一体架构进行演进,后端BaaS化,运行时Mesh化,业务Serverless化,做到开箱即用,按量付费,全面提升研发运维效率。其中基础中间件进行BaaS改造,微服务升级到MSE,消息升级到MQ,可观测升级到ARMS,高可用升级到AHAS,全链路压测升级到PTS,升级成公有云产品,极致弹性,大促分钟级建站和扩容,大大提升建站效率。Mesh化在国际化大规模落地,把非业务逻辑下沉到Sidecar,让业务聚焦业务开发。业务Serverless化,淘宝导购前端100%上FC函数计算云产品,实现快速扩容、快速响应,帮助业务提升运维效率。未来预计将有更多企业采用阿里双十一同款中间件支撑业务峰值,快速共享中间件沉淀的技术和能力。


2.4

多模态大模型M6首次支持双11 落地40多个业务场景

超大规模模型成为人工智能领域的焦点。近期,阿里达摩院实现了全球首个10万亿参数的多模态大模型M6,并发布了对外平台,涵盖各项单模态和跨模态的理解及生成任务。作为国内首个商业化落地的多模态大模型,M6已在阿里巴巴超40个业务场景中应用,日调用量超5亿


今年,大模型首次支持双11。依靠多模态理解能力,M6正在增进淘宝、支付宝等平台的搜索及内容认知精度;凭借流畅的写作能力,M6正为天猫虚拟主播等创作剧本和文案;M6已在犀牛智造上岗,其高清图像生成能力让设计师工作效率提升5倍,新款服饰开发周期从过去的1-3个月降低到最快2周,首批AI设计服装已在淘宝上线。


尤其值得一提的是,M6做到了业内极致的低碳高效,相比去年发布的大模型GPT-3,M6实现同等参数规模,能耗仅为其1%极大降低了大模型实现门槛,并推动了普惠AI的发展。


2.5

IPv6大规模应用于双11

在过去三年多时间,阿里巴巴在技术生态中积极推动IPv6超大规模部署和应用,截止2021年10月集团应用月活IPv6用户已经超过6亿。双11期间电商APP淘宝,天猫,闲鱼,考拉的移动互联网IPv6流量占比超过76%。淘宝的核心业务功能 "交易订单"链路已经完成IPv6改造并有1/3 流量通过IPv6承载,首次支撑双11大促。此外,钉钉已完成IPv6全链路改造,是国内首款端到端全链路支持IPv6-only的试点应用。


2.6

全栈式数字供应链技术创新,助力提升商业效率

数字供应链为行业与商家提供端到端的数字供应链解决方案,实现从采购到流通、从商家到消费者的全链路场景的覆盖

今年双11数字供应链不断技术创新,自研深度时序预测算法Falcon,帮助商家进行智能的销量预测及补货入库,并打造了智能时序预测机器人产品DChain Forecast,让商家也具备高准确度的时序预测能力;持续建设供应链仿真平台,实现供应链全链路高保真仿真,支持品仓部署、网络规划等沙盘推演,优化库存管理,提升在架;提供智能履约决策能力,实现对仓配路由、订单集批、配送调度等作业场景的覆盖,保障远近场、标品生鲜等不同时效要求的服务目标达成。


本次大促,数字供应链驱动了超过数以亿件商品与订单的流动,以数字化技术助力提升商业效率与经济活力。


2.7

阿里灵杰产品全面拥抱云原生,性能和可用性全面提升

阿里灵杰全面拥抱云原生,包括MaxCompute上线统一调度、实时计算Flink版 VVP平台升级Serverless、Hologres 全面上线到云原生平台,带来集群稳定性和资源弹性能力的提升。MaxCompute统一调度集群承担了交易量的40%,性能也是混部集群中最高的,实时计算Flink版 引擎优化、Hologres高可用能力建设等帮助核心业务营销活动分析、生意参谋等节省大促资源的同时,可用性也有大的提升。


2.8

云原生架构在国际化全面铺开,结合业务架构创新进一步实践云原生价值

双11期间国际化所有核心应用100%云原生,100%ASI开启Mesh数据面能力,Mesh控制面下沉覆盖核心交易链路大部分核心系统,云原生去中心化网关架构成功在AE规模化落地,承接大促流量,并经受双11峰值流量考验;


业务架构:为提升决架构持续演进能力,将网关类组件实现容器化剥离,基于容器编排部署,实现去中心化网关架构,为云原生业务架构演进树立新的标杆。


基础架构:以服务网格为底座,实现企业级流量治理标准与产品架构,支持了双十一数千应用服务级别流量管控与治理,实现了流量治理规则上线由以天为单位应用维度升级到秒级上线生效,人均效率提升1倍以上。

03

体验升级

3.1

淘宝3D沉浸式直播间、虚拟主播 打造沉浸式消费新体验

双11期间,淘宝直播融合3D沉浸式直播间、3D化商品与虚拟主播(AI数字人)为消费者带来全新的沉浸式消费新体验。


淘宝直播3D沉浸式直播间基于全球首个影视级扩展现实的云拍摄技术,突破了以往影视级XR直播拍摄中云渲染、AI、复杂光影模拟、云3D资产库等关键技术,支持主播仅用普通绿幕就可虚拟出上千平米的直播会场、近千盏舞台灯光、特种摄像设备的直播效果,成为首个具有低成本、可复用、低碳环保等优势的商家自播影视级拍摄解决方案。


与此同时,淘宝直播不仅利用先进的3D建模技术,将海量线下商品在线上实现3D化呈现,更在大数据与多模态技术的支持下,让直播间里的虚拟主播根据商家全量多模态商品介绍剧本,在直播过程中图文并貌地进行商品的讲解、对话互动、问题解答,为消费者带来数字空间消费新交互体验。


3.2

多语言技术创新促进跨境电商商家销售

创译技术融合改写和翻译能力,缓解低质量源语言商品信息的影响,显著提升了用户语言体验,目前已支持AliExpress、ICBU在十多个国家、数千万跨境商品信息的国际化;图像翻译技术自动定位、识别翻译区域,将中文图片自动转化为英文图片,将创意轻松国际化,实现了Lazada百万商品图片信息的国际化,图片翻译及编辑工具已赋能上千头部跨境商家;多语言生成技术还能整合碎片、零散的信息,生成富有吸引力的素材,为消费者提供及时丰富的讯息。


3.3

业务中台助力双11更加开放与保障

业务中台通过中台能力升级,为消费者和商家提供更好的购物体验


消费者侧,不断打磨消费者购买链路细节来提升购买体验。在联想词推荐、自适应索引选择的加持下,用户可以快速搜索到已购买目标商品,加购好物且可以购物车一键分享,直播间多样商品也能组合下单;同时,业务中台通过电商&支付能力开放,助力多支付多优惠渠道打通,缩短用户整体支付路径,降低交易时长5.5s,提升用户支付体验。


商家侧,通过中台智能算法,包括商品库存预警、尖货爆品提前关注,0秒退款等能力,助力商家高效合理备货;同时针对直播间的权益投放,促进下单转化率最高提升6%,直播间主播战绩再攀高峰。


3.4

首创跨境B2B直播 优化音视频体验

2021下半年,新冠疫情反复、线下展会和跨境物流遇阻、汇率和上游原材料价格波动,外贸行业面临多重不确定性。阿里巴巴国际站去年首创跨境B2B直播,至今已累计进行30多万场。


为给客户更好的跨境直播和客服体验,达摩院XG实验室与视频云、企业智能等团队合作,通过音视频应用与网络传输优化跨层融合,实现极端弱网对抗能力,优化面向QoE的带宽估计、抗丢包技术,实现70%丢包对抗能力通过深耕带宽估计、SVC、抗丢包等二十余项传输技术,保障了多种弱网场景下的音视频体验,音视频清晰度、卡顿率等核心体验指标均有所提升,视频卡顿率下降达80%,在极端弱网场景下表现尤为突出。


3.5

云原生数据仓库AnalyticDB:大幅提升查询分析实时性

阿里云数据库已连续多年稳定支撑双11,历经极端流量场景淬炼。除了保障稳定顺滑的基本盘,今年大促期间数据库通过全面云原生化,大幅提升用户体验,让技术帮助业务产生更有价值的消费者体验,持续通过技术创新赋能用户,引领技术发展路径。

 

今年,阿里集团通过引入阿里云原生关系型数据库PolarDB+云原生数据仓库AnalyticDB(ADB)+一站式在线数据管理平台DMS,赋能交易业务中台实现对全量订单进行便捷搜索,实现个性化的联想词推荐,让检索效率大大提升,有效提升了手淘用户的搜索体验。

 

此外,AnalyticDB今年还新增了数百个系统核心指标。通过丰富的工具以及不断沉淀的能力,提前发现风险,保障双11大促丝般顺滑,写入峰值百万级TPS无延时,同时大幅减少工程师工作量。

 

PolarDB+AnalyticDB+DMS还支撑了实时买卖家库同步、历史订单搜索等双11核心业务场景。


3.6

云原生内存数据库Tair:确保购物车实时显示用户到手价

阿里云原生内存数据库Tair作为历年双11大促承载流量洪峰的利器,不仅在数十亿QPS的峰值下保持着亚毫秒级别的顺滑延迟,同时在电商交易核心体验场景上也做出了技术创新。

 

通过原生持久内存存储结构,Tair助力购物车场景实现了高并发流量下、实时显示动态优惠和券后到手价,让用户对商品实付价一目了然,显著提升消费者购买体验。

 

据悉,阿里自研内存数据库Tair诞生于2010年,是一种支持高并发低延迟访问的云原生内存数据库,完全兼容Redis,已历经多年双11大促考验,提供核心在线访问加速能力,显著提升系统吞吐量。


3.7

科技适老,让数字服务不产生数字鸿沟

目前,阿里巴巴12款APP加入了无障碍行动,让每个人都平等享受技术带来的红利。淘宝“长辈模式”,通过引入字体大小适配,个性化推荐,ASR语音转化等技术,消除数字鸿沟,帮助老年朋友看得清,看得懂,看得放心;


淘菜菜针对老年群体提供“银发版”,字号更大,操作更简便,同时优化低端机用户体验,小程序打开速度提升50%,加购性能提升30%;


饿了么持续优化银发用户和残障人士的使用体验,覆盖导购、搜索、下单全流程。在研发长辈模式过程中,优化了字体大小和银发人群常使用的功能模块。此外,饿了么还专门为无声蓝骑士上线了无障碍沟通系统,以及通过智能调度系统,为残障骑手匹配接单,过去一年,智能调度系统让这些骑手单均跑单距离减少7%,让数十万障碍和银发用户更好地享受本地生活服务。

04

产业智能

4.1

AI图像生成技术助力快反时装设计

在时装行业,如何高效、准确地量产符合市场趋势的创新设计款式,缩短新款培育周期与库存风险,一直是商家的痛点难题。


通过AI图像生成技术,阿里技术研发了一套智能趋势设计解决方案,可根据趋势描述,实时产出高分辨率款式设计图,支持不同层次的编辑操作,并通过个性化分发降低品牌同质化,从而提高了新品的研发速度与精准度,让品牌与消费者的需求对接更顺畅


在今年的“双11”应用中,多家鞋靴商家应用并上架了几千款AI设计商品。


4.2

小蛮驴无人车实现大规模配送

今年双11,350多辆阿里“小蛮驴”携手菜鸟驿站,开进全国高校,每天配送快递5万多件,预计配送快递超100万件。小蛮驴”将自动驾驶技术与菜鸟末端物流场景、即时配送场景相结合,实现了产品驱动的自动驾驶规模化落地在物流产业中,末端物流一直是整个物流体系中成本最高、效率最低的环节,无人车开在非结构化的末端场景,需要识别处理大量的交通参与者,比如机动车、非机动车、行人、动物等,以及其他的突发状况。100万单的背后,是小蛮驴的算法技术、运营技术和安全保障能力在做支撑,以算法为例,小蛮驴目前每天单车日均识别障碍物约4000万,日均处理与其他交通参与者的交互约5000次。


编辑:阿里云研究院内容运营主管 赵子千

相关实践学习
阿里云云原生数据仓库AnalyticDB MySQL版 使用教程
云原生数据仓库AnalyticDB MySQL版是一种支持高并发低延时查询的新一代云原生数据仓库,高度兼容MySQL协议以及SQL:92、SQL:99、SQL:2003标准,可以对海量数据进行即时的多维分析透视和业务探索,快速构建企业云上数据仓库。 了解产品 https://www.aliyun.com/product/ApsaraDB/ads
相关文章
|
运维 安全 Cloud Native
Apsara Stack 技术百科 | 混合云全景智能化观测平台Sunfire
在企业数字化转型的浪潮中,核心业务的上云和迁云无疑是转型过程的重中之重,企业对于数字安全性及等保合规层面的需求也日益强烈,混合云成为诸多大型政府企业客户上云迁云的首选方案。随着企业云上业务的复杂化,云上云下技术栈的多样化,以及云上运维组织规模的扩大化,云上业务的稳定性和连续性面临着巨大的挑战。
3524 0
Apsara Stack 技术百科 | 混合云全景智能化观测平台Sunfire
|
3月前
|
人工智能 程序员 定位技术
和AI谈恋爱指南:从尬聊到心有灵犀
想让AI理解你的需求?本文用最轻松有趣的方式教你掌握提示词工程,从小白到高手,让ChatGPT成为你最得力的助手。通过生动的类比和实战案例,轻松掌握与AI对话的艺术!
|
8月前
|
机器学习/深度学习 数据采集 Java
基于DeepSeek与RAG的智能天气预报系统架构设计与Java实现
基于DeepSeek与RAG的智能天气预报系统架构设计与Java实现
343 3
|
人工智能 开发框架 Java
重磅发布!AI 驱动的 Java 开发框架:Spring AI Alibaba
随着生成式 AI 的快速发展,基于 AI 开发框架构建 AI 应用的诉求迅速增长,涌现出了包括 LangChain、LlamaIndex 等开发框架,但大部分框架只提供了 Python 语言的实现。但这些开发框架对于国内习惯了 Spring 开发范式的 Java 开发者而言,并非十分友好和丝滑。因此,我们基于 Spring AI 发布并快速演进 Spring AI Alibaba,通过提供一种方便的 API 抽象,帮助 Java 开发者简化 AI 应用的开发。同时,提供了完整的开源配套,包括可观测、网关、消息队列、配置中心等。
7816 120
|
12月前
|
机器学习/深度学习 人工智能 网络架构
深入理解深度学习中的卷积神经网络(CNN)
深入理解深度学习中的卷积神经网络(CNN)
239 1
|
人工智能 搜索推荐 大数据
【云故事探索】NO.11:福建紫讯——数字化转型的前行者
福建紫讯科技成立于2015年,致力于为跨境电商提供高效软件解决方案。通过整合大数据、云计算和AI,构建了完整的跨境电商生态系统。面对网络访问难题,紫讯优化了紫鸟浏览器,提升了用户体验,并借助阿里云的PAI框架,大幅降低了研发成本。未来,紫讯将继续深耕AI技术,提升卖家竞争力,并与阿里云深化合作,推动行业发展。
|
自然语言处理 JavaScript 网络协议
简单使用vitepress快速搭建一个文档网站
VitePress 是一个静态站点生成器 (SSG),类似的项目有docsify、VuePress、hexo。用 Markdown 编写的内容生成可以轻松部署到任何地方的静态 HTML 页。
388 9
|
12月前
|
JSON 算法 数据挖掘
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读,主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析(如入度、出度、度中心性)、节点属性分析(如品牌、价格等属性的分布与聚类)、节点标签分析(如不同标签的分布及标签间的关联)。边序列分析则关注边的权重分析(如关联强度)、边的类型分析(如管理、协作等关系)及路径分析(如最短路径计算)。结合节点和边序列的分析,如子图挖掘和图的动态分析,可以帮助深入理解图的结构和功能。例如,通过子图挖掘可以发现具有特定结构的子图,而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用,能够从多个角度全面解读图谱数据,为决策提供有力支持。
515 0
|
负载均衡 NoSQL 关系型数据库
性能基础之全链路压测知识整理
【2月更文挑战第16天】性能基础之全链路压测知识整理
712 11
|
消息中间件 缓存 监控
四个步骤,教你落地稳定性保障工作
本文将稳定性保障工作归纳为 梳理异常情况->配置监控告警->评估影响面->预定解决方案 四个步骤。从四个步骤详细介绍稳定性保障工作的落地方法。
50202 1
四个步骤,教你落地稳定性保障工作