云+社区技术沙龙丨解析腾讯最新开源项目背后的技术栈

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 云+社区技术沙龙丨解析腾讯最新开源项目背后的技术栈

12 月 21 日,由腾讯云云+社区和腾讯对外开源管理办公室联合主办的技术沙龙在深圳腾讯大厦成功举办。本期活动的主题为「腾讯开源技术」,多位来自腾讯的开源技术专家及工程师围绕 Kona JDK、TencentOS tiny、TubeMQ 等开源项目的开发过程,分享了腾讯在开源之路上取得的最新成果以及过程中所积累的实践经验,并深入探讨了开源技术在大数据、物联网、医疗等不同场景下的发展趋势。image.jpeg


杨晓峰:《Kona JDK 在腾讯大数据领域的实践和发展》image.jpeg

腾讯专家工程师、TEG JDK 团队负责人杨晓峰,在演讲中简要介绍了 Kona JDK 项目的缘起,分析了当前 OpenJDK 的技术发展热点,以及国内该领域的发展状态和趋势,对 Kona JDK 在腾讯大数据领域的需求痛点、实践心得以及未来发展进行了分享。

Open JDK 是 Java SE 标准的免费和开源参考实现。2006 年,Sun 公司承诺逐步开源核心 Java 平台。2007 年,Redhat 公司加入,并发布了 IcedTea。2010年,Oracle 收购 Sun 并接过了项目领导工作,IBM2、SAP 等厂商陆续加入。2014 年,JDK 8 发布,成为采纳速度最快以及接受程度最高的版本。2017 年,JDK 9 发布并随后确立了半年周期发布模式和新的收费模式。2019 年,Tencent Kona 宣布开源。

Tencent Kona 具有这样几个特质,首先免费,使用零成本,其次腾讯会提供长期可靠的支持,第三生产就绪,它经过了腾讯内部超大规模的生产环境的考验。而腾讯也将在未来秉承「最大化兼容性」,「逐步贡献大数据、云计算等领域先进特性」等原则,积极拥抱开源,持续贡献社区。

从目前国内的 JDK 产品应用来看,Oracle JDK 仍占约 70%,OpenJDK 占 21% 但快速崛起中。从版本的维度,JDK 7/8 仍为主流,但值得注意的是,JDK 11 已经得到一定规模的生产实践,国内厂商在 JVM 新技术革新与落地方面越来越深入与自信。

聚焦于大数据领域,目前 Java/JVM 是当之无愧的无冕之王,这主要是得益于 JVM 具备的高生产力、高性能、高可靠性等优点,提供了完美的跨平台能力、完善的工具、海量的类库和框架等。

但在腾讯大数据海量、苛刻的技术场景中,目前JVM的能力短板,逐渐成为了部分前沿场景的瓶颈,体现在集群规模、SLA、内存密度等多个方面。经典 GC 与特定应用场景存在错配,诊断和调优设施仍有较大的能力不足。

与此同时,现代硬件日新月异,JVM 是当前算力的保证,但仍需要大量改进工作,才能更高效地利用向量化等技术,支撑未来持续性能提升的需求。

腾讯将从多个技术层面持续进行 JVM 优化,改进相应的工具等,打造领域最佳 Java 运行环境和解决方案。


叶丰:《基于 TencentOS tiny 开源项目的实践 ── 从零快速打造 IoT 小应用》image.jpeg

腾讯工程师叶丰在演讲中主要介绍了 TencentOS tiny 的项目背景、软件架构、IoT 解决方案、开发实践等内容。

TencentOS Tiny 是腾讯开源的面向物联网领域的精简实时操作系统,它是腾讯物联网产品矩阵底层的关键一环,作用是为云侧海量数据平台进行引流,降低开发门槛,提升开发效率,使物联网终端设备及业务能快速接入腾讯云物联网平台。

从 TencentOS tiny 的架构来看,它已经适配了主流的芯片和模组,提供了最精简的 RTOS 内核,以及丰富的物联网组件,集成了主流的物联网协议。TencentOS tiny 具有小体积、低功耗、丰富的 IoT 组件、可靠的安全框架、良好的移植性、便捷的调试手段等特点,能够满足物联网的差异化需求。

TencentOS tiny 是今年 9 月 18 日正式开源的,发布一周时间就成为了 GitHub 开源项目热榜排行第二名,目前已获得 Star 3500+、Fork 800+,目前已与国内外主流 MCU 及硬件厂商合作,支持的硬件平台数已经超过了 50个。

腾讯 TencentOS tiny 目前也有一些落地的物联网解决方案,比如智能货柜解决方案与智慧种植解决方案。

在智能货柜解决方案中,TencentOS tiny 配合中控系统和 AI 识别服务,完成了扫码开柜、取物、关门自动结算流程,构建了一个无人售货的场景。针对真实场景中不可控的情况,比如由于货物的部分遮挡导致 AI 识别率降低等,TencentOS tiny 提供更多的感知能力:如重力感应等,辅助 AI 做决策,提高了 AI 的识别率。

而在智慧种植解决方案中,TencentOS tiny 主要服务于两个环节 ── 即环境感知侧与调节控制侧。环境感知侧通过采集温湿度、土壤酸碱度、含氧量等环境数据,并上报到 IoT 云平台,云端的决策算法根据环境数据作出相关的温室调节指令,最终由调节控制侧完成温室环境调节。同时 TencentOS tiny 采用了多方案网络适配,支持 WiFi/NB-IoT/Lora,实现链路全加密,保证数据安全。

此外,为了更深入地了解 TencentOS tiny,现场结合 TencentOS tiny 定制开发板,完成了一个小型的端到端农业场景开发实践,包括环境感知,设备控制,数据上云,小程序对接。使用 TencentOS tiny 可以简化设备端开发,同时结合腾讯云物联网平台和小程序云开发,能够实现物联网解决方案的快速、低成本的上线和迭代。

相关文章
|
7月前
|
Web App开发 数据采集 开发者
某查”平台请求头反爬技术解析与应对
某查”平台请求头反爬技术解析与应对
|
6月前
|
传感器 人工智能 物联网
穿戴科技新风尚:智能服装设计与技术全解析
穿戴科技新风尚:智能服装设计与技术全解析
510 85
|
6月前
|
人工智能 API 语音技术
HarmonyOS Next~鸿蒙AI功能开发:Core Speech Kit与Core Vision Kit的技术解析与实践
本文深入解析鸿蒙操作系统(HarmonyOS)中的Core Speech Kit与Core Vision Kit,探讨其在AI功能开发中的核心能力与实践方法。Core Speech Kit聚焦语音交互,提供语音识别、合成等功能,支持多场景应用;Core Vision Kit专注视觉处理,涵盖人脸检测、OCR等技术。文章还分析了两者的协同应用及生态发展趋势,展望未来AI技术与鸿蒙系统结合带来的智能交互新阶段。
351 31
|
6月前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
767 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
6月前
|
编解码 监控 网络协议
RTSP协议规范与SmartMediaKit播放器技术解析
RTSP协议是实时流媒体传输的重要规范,大牛直播SDK的rtsp播放器基于此构建,具备跨平台支持、超低延迟(100-300ms)、多实例播放、高效资源利用、音视频同步等优势。它广泛应用于安防监控、远程教学等领域,提供实时录像、快照等功能,优化网络传输与解码效率,并通过事件回调机制保障稳定性。作为高性能解决方案,它推动了实时流媒体技术的发展。
314 5
|
6月前
|
数据采集 机器学习/深度学习 存储
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
216 4
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术如何重塑客服系统?解析合力亿捷AI智能客服系统实践案例
本文探讨了人工智能技术在客服系统中的应用,涵盖技术架构、关键技术和优化策略。通过感知层、认知层、决策层和执行层的协同工作,结合自然语言处理、知识库构建和多模态交互技术,合力亿捷客服系统实现了智能化服务。文章还提出了用户体验优化、服务质量提升和系统性能改进的方法,并展望了未来发展方向,强调其在客户服务领域的核心价值与潜力。
308 6
|
6月前
|
编解码 人工智能 并行计算
基于 Megatron 的多模态大模型训练加速技术解析
Pai-Megatron-Patch 是一款由阿里云人工智能平台PAI 研发的围绕英伟达 Megatron 的大模型训练配套工具,旨在帮助开发者快速上手大模型,打通大模型相关的高效分布式训练、有监督指令微调、下游任务评估等大模型开发链路。本文以 Qwen2-VL 为例,从易用性和训练性能优化两个方面介绍基于 Megatron 构建的 Pai-Megatron-Patch 多模态大模型训练的关键技术
|
6月前
|
监控 负载均衡 安全
静态IP代理与动态IP代理:提升速度与保障隐私的技术解析
本文探讨了静态IP代理和动态IP代理的特性和应用场景。静态IP代理通过高质量服务提供商、网络设置优化、定期更换IP与负载均衡及性能监控提升网络访问速度;动态IP代理则通过隐藏真实IP、增强安全性、绕过封锁和提供独立IP保障用户隐私。结合实际案例与代码示例,展示了两者在不同场景下的优势,帮助用户根据需求选择合适的代理服务以实现高效、安全的网络访问。
204 1
|
6月前
|
机器学习/深度学习 数据采集 自然语言处理
基于Python的情感分析与情绪识别技术深度解析
本文探讨了基于Python的情感分析与情绪识别技术,涵盖基础概念、实现方法及工业应用。文中区分了情感分析与情绪识别的核心差异,阐述了从词典法到深度学习的技术演进,并通过具体代码展示了Transformers架构在细粒度情感分析中的应用,以及多模态情绪识别框架的设计。此外,还介绍了电商评论分析系统的构建与优化策略,包括领域自适应训练和集成学习等方法。未来,随着深度学习和多模态数据的发展,该技术将更加智能与精准。
359 1

推荐镜像

更多
  • DNS