ReachMax上云路:支撑日50亿PV请求和TB级数据运算的云端架构

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS AI 助手,专业版
简介: ReachMax是加和科技(AddNewer)创建的网络广告程序化优选平台,通过多媒体、多数据平台的通用对接,以及ReachMax核心的优选算法,为广告主提供品牌广告PDB、PD、PMP等广告投放技术服务,连接业内多种技术服务产品为广告主提供一站式广告投放管理服务。

本文正在参加“最佳上云实践”评选,来给我们投票吧:https://yq.aliyun.com/activity/158(编号26)

ReachMax是加和科技(AddNewer)创建的网络广告程序化优选平台,通过多媒体、多数据平台的通用对接,以及ReachMax核心的优选算法,为广告主提供品牌广告PDB、PD、PMP等广告投放技术服务,连接业内多种技术服务产品为广告主提供一站式广告投放管理服务。

ReachMax业务模式透明,以技术服务能力和业务整合能力见长,已成为目前市场上品牌广告投放量最大的技术服务平台。

b841535c0753f1ffa453de78b1cfdbef8ff852ba

为什么上云? 

ReachMax成立之初,主创推出的PDB可退还模式在业内还是一个很新的服务模式。为了精简团队,快速验证市场需求,我们选择了云作为基础设施服务的供应平台。

我们的服务特点是对并发、响应延迟、网络和服务的稳定性、冗余性都有较高要求,也希望服务可以横向和地域上动态扩展和调整,综合考虑之后选择了阿里云平台。

开始阶段只使用了ECS产品,后续又加入了SLB、RDS等产品。目前使用ECS产品已经超过150台实例。有计划继续在大数据方面的产品方面继续投入。 

云端架构解析

ReachMax在初期就是构建在云上,在关系型数据库的使用上,最开始使用的是在ECS上搭建MySQL,后来由于使用的便捷性转向RDS产品。

下面是ReachMax的架构设计图:

55af7891e1993f2fbb322d3d2c503f06583eb702

在ReachMax的架构设计中,用缓存集群层将前端承压服务器和后端数据运算和信息管理服务隔离,保证前端承压的高性能和前后层逻辑解耦。每一个模块都设计了独立的横向扩展和冗余,保证高可用性。监控层面设置硬件、软件、业务三层报警体系。同时使用自行开发的组件模块实现连接池管理和内部通讯,将不同的业务逻辑拆分独立。

经过一段时间的运行,我们进而优化了基础架构,使用SLB产品支持自动的横向扩展,数据库方面使用RDS取代了多MySQL实例的管理。目前可以支持每日50亿PV请求和TB级别数据运算,对业务有了更好支撑。 

对阿里云的一些建议 

应用在云端运行的过程中,出现了一些实例性能不稳定的情况,一般是提工单解决,不过大多数通过自行调整就可以解决。

AWS支持通过脚本对实例进行调整操作,这一点是值得学习的,可以设置更灵活的无人值守策略,不过从性价比和覆盖度考虑,还是阿里云更有优势。 

相关实践学习
自建数据库迁移到云数据库
本场景将引导您将网站的自建数据库平滑迁移至云数据库RDS。通过使用RDS,您可以获得稳定、可靠和安全的企业级数据库服务,可以更加专注于发展核心业务,无需过多担心数据库的管理和维护。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
目录
相关文章
|
10月前
|
运维 Kubernetes Cloud Native
智联招聘 × 阿里云 ACK One:云端弹性算力颠覆传统 IDC 架构,打造春招技术新范式
在 2025 年春季招聘季的激战中,智联招聘凭借阿里云 ACK One 注册集群与弹性 ACS 算力的深度融合,成功突破传统 IDC 机房的算力瓶颈,以云上弹性架构支撑千万级用户的高并发访问,实现招聘服务效率与稳定性的双重跃升。
|
9月前
|
存储 BI Shell
Doris基础-架构、数据模型、数据划分
Apache Doris 是一款高性能、实时分析型数据库,基于MPP架构,支持高并发查询与复杂分析。其前身是百度的Palo项目,现为Apache顶级项目。Doris适用于报表分析、数据仓库构建、日志检索等场景,具备存算一体与存算分离两种架构,灵活适应不同业务需求。它提供主键、明细和聚合三种数据模型,便于高效处理更新、存储与统计汇总操作,广泛应用于大数据分析领域。
912 2
|
9月前
|
SQL 缓存 前端开发
如何开发进销存系统中的基础数据板块?(附架构图+流程图+代码参考)
进销存系统是企业管理采购、销售与库存的核心工具,能有效提升运营效率。其中,“基础数据板块”作为系统基石,决定了后续业务的准确性与扩展性。本文详解产品与仓库模块的设计实现,涵盖功能概述、表结构设计、前后端代码示例及数据流架构,助力企业构建高效稳定的数字化管理体系。
|
8月前
|
数据采集 缓存 前端开发
如何开发门店业绩上报管理系统中的商品数据板块?(附架构图+流程图+代码参考)
本文深入讲解门店业绩上报系统中商品数据板块的设计与实现,涵盖商品类别、信息、档案等内容,详细阐述技术架构、业务流程、数据库设计及开发技巧,并提供完整代码示例,助力企业构建稳定、可扩展的商品数据系统。
|
7月前
|
数据采集 机器学习/深度学习 搜索推荐
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
MIT与丰田研究院研究发现,扩散模型的“局部性”并非源于网络架构的精巧设计,而是自然图像统计规律的产物。通过线性模型仅学习像素相关性,即可复现U-Net般的局部敏感模式,揭示数据本身蕴含生成“魔法”。
293 3
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
|
7月前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
8月前
|
数据采集 监控 数据可视化
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
本案例讲述了在豆瓣电影数据采集过程中,面对数据量激增和限制机制带来的挑战,如何通过引入爬虫代理、分布式架构与异步IO等技术手段,实现采集系统的优化与扩展,最终支撑起百万级请求的稳定抓取。
436 0
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
|
8月前
|
SQL 数据采集 数据处理
终于有人把数据架构讲清楚了!
本文深入浅出地解析了数据架构的核心逻辑,涵盖其定义、作用、设计方法及常见误区,助力读者构建贴合业务的数据架构。
|
9月前
|
数据采集 存储 分布式计算
一文读懂数据中台架构,高效构建企业数据价值
在数字化时代,企业面临数据分散、难以统一管理的问题。数据中台架构通过整合、清洗和管理数据,打破信息孤岛,提升决策效率。本文详解其核心组成、搭建步骤及常见挑战,助力企业高效用数。
2333 24
|
8月前
|
缓存 前端开发 BI
如何开发门店业绩上报管理系统中的门店数据板块?(附架构图+流程图+代码参考)
门店业绩上报管理是将门店营业、动销、人效等数据按标准化流程上报至企业中台或BI系统,用于考核、分析和决策。其核心在于构建“数据底座”,涵盖门店信息管理、数据采集、校验、汇总与对接。实现时需解决数据脏、上报慢、分析无据等问题。本文详解了实现路径,包括系统架构、数据模型、业务流程、开发要点、三大代码块(数据库、后端、前端)及FAQ,助你构建高效门店数据管理体系。

热门文章

最新文章