美团点评最新公布的数据显示,公司日订单量超1800万,其中美团外卖日订单超过1100万。美团点评在外卖、酒店旅游等业务领域不断刷新行业新高,背后是始终坚持以客户为中心,不断践行让每个人“吃得更好,活的更好”的企业使命。当然也离不开技术的支撑。近日,在美团云媒体开放日期间,美团外卖技术架构负责人就剖析了美团外卖背后的技术难度。
高技术难度的应用场景
外卖平台与互联网电商平台类似,包含三个核心的环节:供给、流量和配送。虽然环节构成与电商平台相差无几,但从业务应用场景看,外卖平台所需的技术难度却高于普通电商平台。
美团外卖技术架构负责人孙传亭介绍,目前在国内共有5家日订单过千万的互联网平台,在千万级日订单量平台中,美团外卖的技术难度是相对比较高的。其业务场景复杂度主要表现在系统压力高峰期区分明显、交易的链路长实时性要求高、交易转化率高和用户停留时间短四方面。
美团外卖业务QPS(每秒查询率)时段分布图
外卖业务的午高峰是11点半到13点,晚高峰是17点半到18点半。外卖系统每天都会经历两个波峰-波谷,压力高峰期非常明显,而一般电商平台的高峰期则是特定的购物节或者春节等假期,平时业务变化则较为平缓。
外卖业务与一般电商平台最大的不同是交易链条长。在外卖业务中,外卖平台承担了下单、支付、调度、配送多个环节,而电商平台交易链条仅限于下单和支付。
外卖业务的另一大特点是用户停留时间短,频率高,且对配送体验有更高要求,这进一步增加了业务场景的复杂度。据统计,下单后40分钟内没有收到餐,用户情绪会非常焦躁,如果超过一小时则可能变得愤怒。经过优化,目前美团外卖的平均送达时间已缩短到28分钟,实现了“送啥都快”的目标。
庞大业务背后的稳定架构
美团外卖系统解耦图
如果将美团外卖进行系统解耦,基本上可以分为4个端,C端,B端,R端和M端,C是消费者,B是商家端,M是美团端,R是配送端。从用户下单到收到美食的28分钟内,美团外卖系统内部各个环节已经完成了复杂高速的运转。
从城市覆盖量来看,美团外卖业务已经覆盖超过1300个城市,活跃的骑手(配送员)超过30万,合作商户超过100万。随着业务品类的不断扩展和渠道的增加,用户规模与订单量持续上升,至今美团外卖日订单量已超过1100万单,成为全球最大的外卖平台。规模庞大且在不断扩展的业务量使外卖系统中数据驱动的因素大大提升,这对美团外卖的后端系统架构提出了更高的要求。
孙传亭将外卖系统后端架构分为接口层,业务服务层,基础服务层和存储层。在设计外卖系统架构时,团队以稳定性为指导原则,让架构贴近业务特性,尽可能简单、清晰。随着业务量的扩大,系统必须解耦,因此在稳定性的基础上,美团外卖从商家维度、商品维度、订单维度、活动维度进行垂直拆分,将功能与非功能业务、历史数据和实时数据进行水平拆分,以保证系统在面临庞大业务量挑战时的高速运转和稳定运行。
100%上云 技术成O2O行业制胜法宝
在复杂的业务场景下,美团外卖系统架构在面临海量业务时仍能平稳运行,云计算功不可没。早在2013年,美团点评就成立公有云项目,并将全部业务均迁入云端,成为国内唯一一家100%云化的大型互联网平台。
美团外卖成立以来日订单量增长情况
同样在2013年成立的美团外卖,从诞生、成长到最后成为外卖行业的领军平台,都离不开云计算的一路护航。在外卖系统云化运行方面,美团外卖总结出将业务部署在云端带来的几大优质体验:
·自动伸缩:美团外卖200万订单时与1000万订单时对技术服务的要求不同,美团云在经历每天不同时段的业务波动时,能够让外卖架构的无状态服务自动缩容。
·节约成本:作为一种具有弹性伸缩特质的IT资源,云计算能够实现资源利用率的最大化,降低外卖业务的运行成本。
·稳定安全:外卖平台每天都要经历两个高峰期,美团云平台能够让外卖业务剧增时平稳度过波峰。
·计算力强:接到订单后,云计算服务能够迅速算出最优路径,形成调度策略,对骑手画像、商家画像进行数据挖掘,为下一步的调度做准备,保证在半小时之内完成调度。
据悉,美团云在经过自身业务超2亿次的高并发访问量的考核后,已经于2015年正式独立运营,并致力于将美团点评多年技术积累与运维经验开放出来。今年6月,美团云将启动周年大促,让行业内外的企业与美团外卖一样,以超低的价格享受成熟、稳定的云服务。
美团云总经理李爽在接受腾讯科技专访时就曾表示,技术将成为O2O企业核心竞争力。在高科技ABC(AI、大数据、云计算)三者越发融合的时代,如何把握住向云社会转型的关口,利用云计算提升核心竞争力才是制胜法宝。
好文章,需要你的鼓励
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
英国林肯大学正在开发一种革命性的虚拟现实环境,让非专家通过身体演示来训练AI收割机器人。这种技术已在加拿大杂货店和日本便利店试用,未来可能彻底改变工作形态。虽然能降低危险工作的风险,但也带来就业替代、工资削减等问题。许多低薪工作将被远程操控的机器人取代,影响移民模式和劳工组织。这项技术仍处于早期阶段,但将在未来几年对工作产生深远影响。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。