新版本的Orbit（v1.1）发布了：改进、设计变更和令人兴奋的合作
简介上一篇文章给出了轨道概述，由优步开发的Python包，以便执行贝叶斯时间序列分析和预测。此帖子提供了1.1版更新的详细信息 - 特别是调用模型，新类设计和KTR（内核时变回归）模型的语法变化。有关外部兴趣和额外使用的一些消息......
我们如何在30个关键任务服务中保存70k核心（大规模，半自动Go GC Tuning @Buber）
简介作为Uber engineering实现盈利的广泛努力的一部分，最近我们的团队致力于通过提高效率来降低计算能力成本。一些最有影响力的工作是围绕GOGC优化展开的。在这个博客中，我们想分享我们在高效、低风险、大规模、半自动化Go GC调优机制方面的经验。优步的技术堆栈由以下部分组成。。。
Cadence多租户任务处理
Cadence是一个多租户编配框架，帮助Uber的开发人员编写容错、长时间运行的应用程序，也被称为工作流。它可以水平扩展，处理来自不同客户的数百万次并发执行。目前优步内部有数百个不同的团队使用它来支持他们的业务逻辑。当我们在《Cadence》中使用不同的用例时，资源隔离变得……
CRISP:微服务架构的关键路径分析
优步的后端是微服务架构的示例。每个微服务都是一个小型，可部署的程序，执行特定的业务逻辑（操作）。微服务体系结构是一种分布式计算系统，适用于软件程序的独立部署和缩放，因此广泛应用于现代的面向服务的行业。优步拥有几千个微服务互动......
Uber如何将财务数据从DynamoDB迁移到Docstore
每天，优步都会在全球移动数百万人，并提供数千万份食品和杂货订单。这会产生大量的金融交易，需要以可证明的完整性、一致性和合规性进行存储。分类账存储是一个不可变的分类账样式的数据库，用于存储业务事务。账本存储提供数据签名/盖章，以保证数据的完整性/正确性，索引的强一致性，。。。
介绍uGroup: Uber的消费者管理框架
背景Apache Kafka®广泛应用于Uber的多个业务线。以Uber ride为例：当用户打开Uber应用程序时，需求和供应数据会聚集在卡夫卡队列中，用于计算票价。当驾驶员接受乘坐请求时，卡夫卡队列中的推送通知将发送到移动设备。经过一段旅程。。。
提高HDFS I/O利用率，提高效率
通过较低的硬件成本扩展我们的数据基础架构，同时保持高性能和服务可靠性并不容易壮举。为了适应Uber的数据存储和分析的指数增长，数据基础架构团队通过重新构建软件层与...重新架构软件层来大量地检测其方法在扩展ApacheHadoop®数据文件系统（HDFS）中的方法
使用Google Cloud扳手构建Uber的行星规模的履行平台
简介履行平台是一个基础的Uber领域，可以快速扩展新的垂直领域。该平台每天处理数十亿的数据库事务，从用户操作（例如，驾驶员开始旅行）和系统操作（例如，创建与驾驶员旅行匹配的报价）到定期位置更新（例如，重新计算符合条件的产品以获得。。。
实时完全一切 - 一旦Apache Flink，Kafka和Pinot的广告事件处理
优步最近推出了一项新功能：在优步上发布广告。随着这一新能力的出现，优步需要解决的新挑战，如广告拍卖、竞价、归属、报告等系统。本文重点介绍我们如何利用开源技术构建Uber的第一个“近实时”精确一次事件处理系统。我们将深入了解细节。。。
YAML生成器漏斗YAML文件:流线型移动数据工作流过程
在优步，点击按钮、页面浏览等产生的实时移动分析事件构成了移动数据工作流流程的主干。为了处理这些事件，我们的移动数据平台团队设计并开发了Fontana库，该库将近百万QPS（每秒查询数）的事件量转换为Uber工程师易于理解和有用的分析。作为这个过程的一部分，。。。
水母：优步最大存储系统的经济高效的数据分层
问题:Uber基于应用程序模型部署了一些存储技术来存储业务数据。其中一种技术称为Schemaless，它支持在多列的单行中建模相关条目，以及对每列进行版本控制。Schemaless已经出现好几年了，用于收集优步的数据。当优步整合所有的用途时……
用redis，aws fargate和dash框架流媒体实时分析
简介优步的GSS（全球缩放解决方案）团队为不同的产品和企业运行缩放计划，包括但不限于吃，骑行和运费。该团队通过设计和实施可扩展解决方案将优步的想法转化为敏捷，全局解决方案。GSS内的专业领域之一是数字化垂直。数字化团队有效地将物理信号转换为数字......
使用消费者代理实现无缝Kafka异步队列
优步拥有世界上最大的Apache Kafka部署之一，每天处理万亿兆和多个数据的数据。如图1所示，今天我们将Apache Kafka定位为技术堆栈的基石。它赋予大量不同的工作流程，包括来自骑手的传递事件数据的Pub-Sub消息总线...
数据如何塑造优步打车应用
简介数据对于我们的产品至关重要。数据分析帮助我们为使用我们服务的人提供无摩擦的经验。它还使我们的工程师，产品经理，数据分析师和数据科学家能够做出明智的决策。数据分析的影响可以在我们的应用中的每个屏幕中看到：主屏幕上显示的内容，...
为近实时功能构建可扩展的流媒体管道
背景技术优步致力于为全球市场提供可靠的服务。为实现这一目标，我们依靠机器学习（ML）来提出知情决策，如预测和激增。18新利体育官网结果，用于生成ML的数据和特征的实时流管流水线变得更加流行和重要。在Uber，我们利用Apache Flink ...
统一支持内容，实现更具同情心和个性化的客户支持体验
简介内容质量对于Uber客户的支持至关重要。考虑一个食客谁伸出援手取消一个非常延误的订单。同样的解决方案，如退还费用，可以与机器人发出的声音信息一起传递，或者通过回复的风格和语气传达真正的同理心，承认用户的糟糕体验。。。
高效管理优步大数据平台的供需
随着Uber业务的增长以及大数据和人工智能的快速应用，大数据已经成为我们成本最高的基础设施平台。为了降低运营费用，我们开发了一个整体框架，它有3个支柱:平台效率、供应和需求(用供应来描述可用于运行大数据存储和计算工作负载的硬件资源，…
优步高效率开源大数据平台
随着优步的业务扩展，潜在的数据池是指数增长的，从而更昂贵地处理。当大数据升至最大的业务费用之一时，我们开始举办一项倡议，以降低我们的数据平台上的成本，将挑战分成3个广泛的支柱：平台效率，供应和需求。在...
大幅降低优步大数据成本的挑战和机遇
简介大数据位于优步业务的核心。我们继续通过利用大数据，机器学习和人工智能技术来创新并为我们的收入，骑手和食者提供更好的经验。18新利体育官网结果，在过去的四年中，我们的大数据平台的规模乘以数百位Petabytes到数百个Petabytes。优步的大数据......
