《阿里云可观测最佳实践》——2.叫叫阅读(上)

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》——2.叫叫阅读(上)

2 叫叫阅读

   ARMS助力「叫叫阅读」解锁系统定位分析技能


1 关于叫叫阅读


叫叫阅读作为成都书声科技有限公司(铁皮人)旗下教育Apps,主要针对3-12岁儿童,以身心发展规律为依据,秉承叶圣陶先生的语文教育论,多读书,读好书,勤思考。通过“在线互动课堂+在线班主任辅导+线下配纸质书”三位一体的教学模式,丰富儿童知识,提升素养与能力。


2011到2017年,原创的教育类app以及叫叫系列产品诞生,斩获用户7000万;近年来,通过提供更为丰富的在线语文,数学课程,特别是疫情下,学员人数累创新高。铁皮人一路走来,荣誉为断,斩获最佳绘本类应用,年度最佳儿童教育游戏,“回响中国”教育盛典的影响力儿童教育教育品牌,丝路书香工程重点图书。


2 业务场景 & 可观测需求介绍


随着儿童素质教育被越来越多家长重视,叫叫阅读业务呈现指数般增长,依托于微服务架构,系统折分应用越来越多,应用间以及应用内的问题监控/定位/分析越发困难,急切需要一个包含以下功能的可观测工具来提升技术团队的可观测能力:


l 全方位的应用监控能力

观测CPU/内存、网络、IO、磁盘等基础设施同时;观测JVM、线程、异常、慢SQL等情况;还可提供基于应用/接口的各种指标、业务调用链,最好能方便地获取SQL的绑定参数。


l 无侵入的应用接入方式

不需要开发人员主动埋点,无需要业务方引入Jar依赖,可在容器/ECS等多种环境上部署便拥用全方位的应用监控能力。


l 低损耗的资源占用比例

接入的APM工具对业务应用本身的资源占用比例绝大部分时间不超过5%,APM本身对宿主应用的资源占用有保护措施。


l 白屏化的配置使用能力

可以通过白屏化进行采样率/SQL绑定参数的提取等等的调整,也可以通过批量标签化管理应用的监控接入启停,提供丰富的告警配置能力。


《阿里云可观测最佳实践》——2.叫叫阅读(下): https://developer.aliyun.com/article/1227087

相关文章
|
3月前
|
云计算
电子书阅读分享《阿里云计算巢加速器:让优秀的软件生于云、长于云》
电子书阅读分享《阿里云计算巢加速器:让优秀的软件生于云、长于云》
46 1
|
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
174263 5
|
2天前
|
Prometheus 监控 数据可视化
阿里云可观测 2024 年 4 月产品动态
阿里云可观测 2024 年 4 月产品动态。
|
1月前
|
SQL 运维 监控
阿里云可观测 2024 年 3 月产品动态
阿里云可观测 2024 年 3 月产品动态
|
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
|
机器学习/深度学习 人工智能 自然语言处理
|
3月前
|
人工智能 Cloud Native 前端开发
2023年度阿里云社区电子书:技术之旅的精彩阅读
作为阿里云开发者社区的忠实粉丝,在2023年亲眼目睹阿里云社区推出了一系列精彩的电子书,带来了100+本精心制作的电子书,这些电子书涵盖了云原生、数据库、上云实践、架构运维等热门领域,为技术爱好者和开发者们提供了丰富的学习资源。那么本文就来简单分享和回顾一下2023年度阿里云社区电子书的丰富内容,并讨论一下读者对于这些电子书的喜好,以及期望在2024年看到的新书类别。
163 2
2023年度阿里云社区电子书:技术之旅的精彩阅读
|
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。