3.2.3 陌生社交

3.2.3.1 陌生社交的概念及发展

陌生社交1995年从美国萌芽，千禧年初盛行于国内，并随着移动互联网浪潮进 入高速发展阶段，智能手机大规模普及，陌生社交进入井喷。20年间，它似乎一直 处在旋涡之中，又一直飞在风口之上。广告、会员和虚拟物品等增值服务，是现阶段 陌生人社交平台最广泛采取的营收手段。其他附属功能的搭建也成了关键，留住用户 之后，就可以加快商业化的脚步了，用一些可以快速创收的生意来稳定平台的发展。

比如目前一些APP在用户较为稳定之后，就用直播当作自身发展的第二曲线。有的 APP虽然基于社交，但后续逐渐开辟了虚拟商品交易、电商交易等方面业务。眼下， 陌生人社交APP仍需探索出一套可靠且符合平台调性的盈利模式，才不会使“灵魂社 交”成为空中楼阁。

近年来，我国陌生人社交用户规模不断增长，2016年达到4.88亿，2020年接近 6.5亿人。孤独催生了“孤独生意”，熟人世界里无处排遣的孤独感，滋生了陌生人社 交这个千亿元级别的市场。数据显示，我国目前有超过1300家从事陌生人社交相关 业务的企业。其中，近4成的陌生人社交相关企业成立于5年之内。从行业分布来 看，陌生人社交相关企业主要分布在软件和信息技术服务业、以及科技推广和应用服 务业，占比分别为29%和42%。

3.2.3.2 陌生社交架构说明

3.2.3.2.1 安全架构

陌生社交业务发展迅速，自身在DDOS方面的要求较高，如果无法应对DDOS攻 击则会产生较大的风险，通过以下解决方案来对云上的资源进行保护；

IM业务场景：通过阿里云新BGP高仿，对后端ECS进行防护，保障4层业务安 全；

API业务场景：由于需要Http1DNS，同时需要Https证书双向认证，因此采用防 护包的方式进行防护，提升流量入口SLB的防护阈值；

通过对不同业务的不同防护方案，使得客户的核心IM业务更加的稳定，可以专

注于其他功能的开发；

3.2.3.2.2 数据湖架构

社交网络的大数据分析需要使用多种类型、大规模的用户相关数据，去深度挖掘 出多种社交属性，通过智能算法，分析出用户多维度特征，根据用户画像去匹配出合 适的其他用户和内容，智能推荐是某陌生社交APP一个核心能力。这就需要存储大量 的社交访问行为数据，并且需要不定期的去使用新模型重新计算已有的数据。随着应 用的长期运行和用户数增加到亿级别，累积的各类相关数据已经达到了新的规模，此 类数据的长期存储成本优化对于应用的长期发展非常重要。Facebook非常成功的让 客户能够查看从注册到现在的整个过程的回忆器能力，让社交应用中，对于用户长期 行为记录的保存在社交场景中被非常重视，不能通过简单的通过删除历史数据，去降 低这些数据的存储成本。平衡存储成本和持续的挖掘数据潜力，成为了客户在业务长 期发展中亟需解决的一个难题。

采取分层存储的模式进行数据存储：采用OSS多种存储类型结合使用方式，对于 新产生的热数据使用标准类型OSS，对于生成后达到预定义时间的数据，通过OSS Lifecycle能力沉降到低频、归档类型，当模型、算法更新后需要重新计算，只需要 解冻冷数据，就可以和使用标准类型数据相同方式进行数据处理。