《阿里云可观测最佳实践》——7.节卡机器人(下)

本文涉及的产品
可观测可视化 Grafana 版,10个用户账号 1个月
云拨测,每月3000次拨测额度
简介: 《阿里云可观测最佳实践》——7.节卡机器人(下)

《阿里云可观测最佳实践》——7.节卡机器人(上): https://developer.aliyun.com/article/1227001


3 解决方案


通过与节卡机器人进行沟通,一致认为具备全球海量监测节点以及非侵入式的「云拨测」是解决问题的最佳产品。 根据节卡主要海外目标市场,选取了北美、欧洲、南美洲、东南亚等主要国家的 LastMile(真实网民)监测点,配置浏览器拨测任务,对节卡的海外官网进行定时拨测。


通过对拨测日志进行分析,发现节卡官网在欧洲和南美洲的 CDN 加速实现了就近访问,但美东和东南亚地区 CDN 未达到预期效果。进一步分析发现,在 CDN 达到就近访问地区,整体性能也较慢,需具体分析官网页面不同元素加载效果。

image.png


通过拨测日志详情,分析页面元素加载耗时,查看页面元素瀑布图,发现有几张图片加载速度非常慢,阻塞了整体页面加载速度,经过分析发现图片大小达到了 5M 多,图片大小存在优化空间。


image.png


节卡机器人发现以下问题并进行优化:

l 加速升级

将原来所使用的全站加速 DCDN 升级成为全球加速 GA;依托阿里云优质 BGP 带宽和全球传输网络,实现全球网络就近接入和跨地域部署,减少延迟、抖动、丢包等网络问题对服务质量的影响,实现网络加速。


l CDN节点优化

根据云拨测监测报告,实时了解 CDN 部署后的展示性能为多少,是否有提升。。每台主机节点的性能情况,可用性是否稳定。目标客户是否正确命中对应主机节点,或匹配度是否合理,CDN 节点与源站同步、对元素发布是否提供到位并长期有效。并基于以上评估标准对 CDN 设置策略进行调整及优化。


l 页面元素优化

通过分析下载时间,了解页面元素下载时间,进而评估 IDC、 CDN 等网络性能。我们发现官网首页的图片文件体积过大,因此造成下载时间过长。并且静态元素的 CDN 加速设置存在问题。

正常来说,首屏加载时间不应该超过 2s~3s。屏加载时间对用户留存率影响很大。如果一个页面完成首屏加载需要 5 秒以上,用户会从心理排斥打开这个页面。因此,选择先进图片格式,代替现有的 jpeg 和 png,缩小体积。


l 建立主动发现机制

在使用云拨测前,节卡机器人主要是采用广告平台评估或用户告知的方式被动获取网站运维情况。借助云拨测,主动了解网站访问情况,进行问题验证和故障复现,对网站性能进行评估与优化。并通过事务流分析,了解用户真实体验流程,优化浏览路径,挖掘转化瓶颈环节,提升转化率。


4 业务价值


经过与 CDN 供应商沟通后,优化了美东和东南亚的 CDN 调度逻辑,同时对页面图片进行压缩,整体网站打开速度提升 50%。

节卡机器人数字化产品中心负责人表示借助云拨测,节卡机器人有效挖掘性能瓶颈,经过优化,提升网站打开速度 50% 以上,提高了运营推广活动的 ROI,帮助节卡为全球用户提供更加优质的服务。

相关文章
|
3月前
|
监控 Java 测试技术
阿里云推出 3.x Java 探针,解锁应用观测与治理的全新姿势
阿里云推出 3.x Java 探针,解锁应用观测与治理的全新姿势
174256 5
|
1月前
|
消息中间件 NoSQL Kafka
云原生最佳实践系列 5:基于函数计算 FC 实现阿里云 Kafka 消息内容控制 MongoDB DML 操作
该方案描述了一个大数据ETL流程,其中阿里云Kafka消息根据内容触发函数计算(FC)函数,执行针对MongoDB的增、删、改操作。
|
2月前
|
SQL 监控 测试技术
阿里云可观测 2024 年 2 月产品动态
阿里云可观测 2024 年 2 月产品动态
|
2月前
|
自然语言处理 算法 关系型数据库
阿里云PAI大模型RAG对话系统最佳实践
本文为大模型RAG对话系统最佳实践,旨在指引AI开发人员如何有效地结合LLM大语言模型的推理能力和外部知识库检索增强技术,从而显著提升对话系统的性能,使其能更加灵活地返回用户查询的内容。适用于问答、摘要生成和其他依赖外部知识的自然语言处理任务。通过该实践,您可以掌握构建一个大模型RAG对话系统的完整开发链路。
|
3月前
|
缓存 数据可视化 安全
开发阿里云 RPA 机器人的技巧
在当今数字化时代,机器人流程自动化(RPA)技术正逐渐成为企业提高效率和优化业务流程的重要手段。阿里云 RPA 作为一种强大的工具,为开发高效的机器人提供了丰富的功能和支持。本文将分享一些开发阿里云 RPA 机器人的技巧,帮助您更好地利用该平台的能力。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
|
4月前
|
存储 机器学习/深度学习 人工智能
基于Megatron-Core的稀疏大模型训练工具:阿里云MoE大模型最佳实践
随着大模型技术的不断发展,模型结构和参数量级快速演化。大模型技术的应用层出不穷。大模型展现惊人效果,但训练和推理成本高,一直是巨大挑战。模型稀疏化能降低计算和存储消耗。近期以Mixtral为代表的MoE(多专家混合)大模型证明了稀疏MoE技术能大幅降低计算量、提升推理速度,模型效果甚至超过同规模稠密模型。阿里云PAI和NVIDIA团队深入合作,基于Megatron-Core MoE框架,解决了MoE大模型训练落地时会遇到的可拓展性、易用性、功能性以及收敛精度等核心问题,在下游任务上取得了很好的模型效果。
|
4月前
|
人工智能 Prometheus 算法
阿里云可观测 2023 年 12 月产品动态
阿里云可观测 2023 年 12 月产品动态
|
4月前
|
JSON 机器人 数据格式
阿里云RPA支持将序列化的JSON数据作为输入参数传递给机器人应用程序
【1月更文挑战第7天】【1月更文挑战第33篇】阿里云RPA支持将序列化的JSON数据作为输入参数传递给机器人应用程序
209 1
|
4月前
|
人工智能 自然语言处理 搜索推荐
基于阿里云向量检索服务搭建AI智能问答机器人
基于阿里云向量检索服务搭建AI智能问答机器人
123291 38