《云上大型赛事保障白皮书》——第二章 云上大型赛事保障体系——2.4 云上大型赛事保障方法论——2.4.1 赛前全局梳理

简介: 《云上大型赛事保障白皮书》——第二章 云上大型赛事保障体系——2.4 云上大型赛事保障方法论——2.4.1 赛前全局梳理

2.4 云上大型赛事保障方法论


总结往年云上大型赛事保障经验并结合此次北京冬奥会的实际情况,可以从赛前和赛时两方面来阐述云上大型赛事技术保障的方法论。

1684920252825.png


2.4.1 赛前全局梳理


赛前的全局梳理主要从重保需求、业务目标、架构梳理、风险评估四个维度开始,了解保障范围、沟通业务诉求、构建客户画像,从而明确云服务商在整个项目中的角色分工。

1684920300393.png

图:赛前全局梳理


重保需求和业务目标:以北京冬奥为例,首先了解其主要业务诉求:Info1AV项目要求高可用低时延;云展厅项目对峰值流量要求极高;而OBS Cloud关注点则在于时延性能上等等。明确了业务目标,在后续的保障方案制定时才能有的放矢,做到适配。

架构梳理:

通过三张大图“整体业务架构图、云资源产品覆盖图、系统架构图”,云服务商可以从大到小、从整体到局部地对客户业务系统进行深入了解和细节把控。

整体业务架构图:整体模块的业务架构图,体现整体业务逻辑和规模。

image.png

图:整体业务架构图

云资源产品覆盖图:云产品的部署架构图,用于说明各云产品之间的链路关系

image.png

图:产品覆盖图

系统架构图:各子系统链路组件及技术栈。

image.png

图:子系统架构图

风险评估:

架构梳理完成后,即可针对当前已有信息进行首轮风险评估。包括架构风险,例如单点架构风险、共享实例风险等。和容量风险,例如云产品水位风险、资源争抢风险、流控风险等。当然还有云服务的变更风险等。

相关文章
|
机器学习/深度学习 数据可视化 算法
机器学习-可解释性机器学习:随机森林与fastshap的可视化模型解析
机器学习-可解释性机器学习:随机森林与fastshap的可视化模型解析
2052 1
|
编解码 运维 监控
4.1 钉钉宜搭大屏介绍|学习笔记
快速学习4.1 钉钉宜搭大屏介绍
4.1 钉钉宜搭大屏介绍|学习笔记
|
机器学习/深度学习 分布式计算 并行计算
MaxCompute-udf用于torch离线模型批量推理
odps-udf用于torch离线模型的批量推理实现以及踩坑
1012 0
|
人工智能 测试技术 Serverless
小而强大,零一万物编程小能手Yi-Coder系列模型开源!
9 月 5 日,零一万物开源了 Yi-Coder 系列模型,它作为 Yi 系列模型家族中的“编程小能手”,展现了卓越的代码生成能力。这是继今年 5 月 13 日开源 Yi-1.5 系列模型之后,零一万物在开源方向上的又一重要成果。
小而强大,零一万物编程小能手Yi-Coder系列模型开源!
【恶意代码系列】五、处理恶意代码主要步骤及总结
【恶意代码系列】五、处理恶意代码主要步骤及总结
|
缓存 JavaScript 安全
vue3对比vue2优化项简要概述
【8月更文挑战第9天】Vue 3 相较 Vue 2 有多项优化:一是性能提升,采用高效编译策略如静态提升与事件监听缓存减少不必要计算;二是响应式系统改用 Proxy 提升性能并改善对象及数组变化侦测;三是开发体验优化,引入组合式 API 便于逻辑复用,增强 TypeScript 支持,提供自定义渲染 API;四是体积更小,支持按需引入与树摇优化减少打包体积;五是其他改进如更好的错误处理和多根节点模板支持。综上,Vue 3 在多方面显著提升了开发效率和应用性能。
540 3
|
机器学习/深度学习 自然语言处理 算法
扩散模型在机器学习中的应用及原理
扩散模型在机器学习中的应用及原理
|
Java 关系型数据库 MySQL
【Java Spring开源项目】新蜂(NeeBee)商城项目运行、分析、总结
【Java Spring开源项目】新蜂(NeeBee)商城项目运行、分析、总结
1170 4
|
JavaScript
【组件封装】vue打字机效果和文字发光
【组件封装】vue打字机效果和文字发光
【组件封装】vue打字机效果和文字发光
|
网络安全 开发工具
Mac 端 iterm2 连接服务器 vim 串行的问题
Mac 端 iterm2 连接服务器 vim 串行的问题