记一次流量暴增造成的“生产事故”优化经历！

前言

“在一次正常的活动促销之后，客服开始陆续反馈有用户反应在抢标的时候打不开网页或者 APP，在打开的时候标的就已经被抢光了。

刚开始没有特别的上心，觉得抢标不就是这样吗，抢小米手机的时候不也是这样吗？

随着活动继续推进，有更多的用户强烈抗议，用户领了加息券或者抵现券之后抢不上标的，认为是平台作假故意不让他们使用以达到节省资源。

以前也会有陆续的用户反馈不减少的情况，给客户以小米抢手机为例子解释就过去了，这次用户反馈太过强烈，才让我们重视了起来。

我们前端一共有三款产品：APP、官网和 H5，其中 APP 使用量最大，官网其次，H5 平时使用量极少但是做活动期间流量会暴增（活动一般都是 H5 游戏居多，H5 也便于推广营销）。

前端的三款产品都是分别使用 LVS 负载到后端的两台 Web 服务器中（如下图），这次用户反馈基本在 Web 和 APP 端，所以重点观察这四台服务器。

首先怀疑网络带宽是否被涌满，找到网络工程师通过工具来监控，在抢标的时候带宽最高使用率只有 70%

想读更多 ->

谢宝友：深入理解 RCU 之概念

本文简介

本文介绍Linux RCU的基本概念。这不是一篇单独的文章，这是《谢宝友：深入理解Linux RCU》系列的第3篇，前序文章：

谢宝友： 深入理解Linux RCU之一——从硬件说起=谢宝友：深入理解Linux RCU：从硬件说起之内存屏障

作者简介

谢宝友，在编程一线工作已经有20年时间，其中接近10年时间工作于Linux操作系统。在中兴通讯操作系统产品部工作期间，他作为技术总工参与的电信级嵌入式实时操作系统，获得了行业最高奖----中国工业大奖。同时，他也是《深入理解并行编程》一书的译者。

联系方式： mail:scxby@163.com 微信：linux-kernel

RCU主要用于对性能要求苛刻的并行实时计算。例如：天气预报、模拟核爆炸计算、内核同步等等。

假设你正在编写一个并行实时程序，该程序需要访问随时变化的数据。这些数据可能是随着温度、湿度的变化而逐渐

想读更多 ->

「腾讯云游戏开发者技术沙龙」11月24 日深圳站报名开启 畅谈游戏加速

腾讯云GAME-TECH沙龙继10月成都站，将于11月24日来到深圳站，与游戏厂商和游戏开发者，畅聊游戏加速。

游戏全球化“蓝海”的竞争将日益激烈，全球环境下，网络延迟所引发的卡顿、更新包难以顺利下载等问题却让游戏玩家逐渐远离您的游戏。本期腾讯云GAME-TECH沙龙11.24深圳站，我们将与您探讨实时对战类游戏网络优化、全球游戏加速和游戏更新等话题，期待您的光临！

腾讯游戏云产品总监王永和将分享腾讯游戏云生态产品规划及最新进展。腾讯云游戏业务中心除了为游戏提供灵活而稳定的部署解决方案外，同时也秉承腾讯公司”开放“的战略理念，将腾讯内部领先的游戏开发技术和丰富的游戏服务资源，向外部游戏开放，并共享大平台优质渠道资源、以及提供丰厚的专项扶持金，助力您的游戏业务腾飞。

腾讯游戏云高级产品经理张小华将分享如何打造多快好省的游戏更新体验。腾讯云整合平台的技术优

想读更多 ->

iPhone X 适配手Q H5 页面通用解决方案

导语: iPhone X的出现，一方面对于整个手机行业的发展极具创新领头羊的作用，另一方面也对现有业务的页面适配带来了新的挑战。 对于手Q中的各业务来说，受iPhone X影响的H5页面挺多，应该采取什么快速有效的办法来应对呢？

目前的H5页面可以分为通栏页面和非通栏页面两种，每种页面都可能有底部操作栏，具体如下：

顶部通栏

某些业务的一级页面多数使用了顶部通栏banner的效果，由于iPhone X在状态栏增加了24px的高度，对于现在通栏banner规范的内容区域会有遮挡情况。

解决方案：对于通栏页面在页面顶部增加一层高度44px的黑色适配层，整个页面往下挪44px。

这种做法虽然不符合苹果要求的设计规范，但由于短时间内更新全部banner的成本太高，可以先这样简单处理，后续再优化banner的设计展现。

底部Tab栏/操作栏

有些页面使用了底部Tab栏/操作栏，由于iPhone X去掉了底部Home键，取而代之是34px高度的Home Indica

想读更多 ->

机器学习大神 Bengio 最新论文发布，专注 RNN 优化难题

编译 | Troy·Chang、爱心心、reason_W校对 | reason_W

下个月机器学习领域的顶会Nips就要在大洋彼岸开幕啦，那么这次的Nips又有什么值得关注的亮点呢？Bengio在新作中提出了RNN优化的新概念fraternal dropout，通过最小化使用不同的dropout mask的同一个RNN的预测差异，提升RNN对于不同dropout mask的不变性，来对RNN进行优化。模型在对比实验中取得了非常惊艳的效果，同时在图像标注和半监督任务上也表现不俗，下面就跟随小编对这篇文章进行一发膜拜吧。

RNN作为神经网络中的一类十分重要的架构，主要用于语言建模和序列预测。然而，RNN的优化却相当棘手，比前馈神经网络要难的多，学界也提出了很多技术来解决这个问题。我们在我们中提出了一项叫做fraternal dropout的技术，主要通过利用dropout来实现这个目标。具体来说，我们首先用不同的dropout mask对两个一模一样的RNN进行训练，同时最小化它们(pre-softmax)预测的差异。通过这种方式，我们的正则项会促进RNN的表示对dropout mask的不变性。我们证明了我们的正则项的上限是线性期望dropout目标，而且线性期望dropout目标已经被证明了可以解决dropout在训练和

想读更多 ->

K8S Geek Gathering深圳站精彩内容来了！

2017年11月4日，由腾讯云联合K8S社区主办的K8S Geek Gathering深圳站成功落幕，现场K8S的粉丝们对于容器技术的分享交流也是热情似火。

腾讯云容器服务团队高级工程师王天夫在沙龙上进行了以《腾讯云多Kubernetes的多维度监控实践》为主题的精彩演讲，现将现场演讲PPT分享出来供大家交流。

也欢迎更多对K8S感兴趣的朋友们继续加入交流。入交流群可加底部小助手腾小云，回复关键词“K8S”拉您入群。

本次分享内容主要包括以下三部分：1、腾讯云容器服务的顶层整体设计；2、腾讯云容器服务Master集群化部署的整体方案；3、腾讯云容器服务监控。

想读更多 ->

惊喜！腾讯云豪掷660万代金券！助力直通硅谷创业大赛

投资者眼中的大佬，创客眼中的“大boss”——腾讯云，近日豪掷660万代金券，助力“2017中国（天津北辰）直通硅谷创新创业大赛”！

腾讯云将作为本次直通硅谷创业大赛的钻石赞助商，为优秀项目提供660万代金券的云服务支持！

首先，对于进入复赛的项目，腾讯云将提供“孵化计划”扶持服务：价值1万元的腾讯云产品代金券！只要进入本次大赛复赛，完成腾讯云账号企业认证，且无任何腾讯云消费，即可获得此项扶持服务！

其次，对于进入决赛的项目，腾讯云将提供“起飞计划”扶持服务，除了包含价值5万元的腾讯云代金券外，还可获得7折腾讯云产品购买优惠，可再减免20万元！<

想读更多 ->

腾讯优图·AI 开放平台全面升级：AI 能力最全面的平台

人工智能是一项前瞻性科学研究，自信息技术产生发展以来，人们在这一领域进行了长期的科学探索和技术攻坚，并不断涌现出新思想、新观念、新理论、新技术，成为未来科学技术革命的重要发源地。就现阶段发展来看，智能化是未来信息技术的发展趋势，人工智能技术也为基于互联网和移动互联网等领域的创新应用提供理论基础。腾讯优图也在用自己的方式——“开放”努力着。

近日，腾讯优图开放平台发布了V3.2版本，正式更名为腾讯优图·AI开放平台。除了直观的视觉冲击改变，本次版本更新为开发者提供了更全面的AI能力和更丰富的产品解决方案。

火爆朋友圈的全民军装照活动创吉尼斯世界纪录！参与人数达1.63亿，参与人次达10.46亿。其背后的黑科技——人脸融合技术也重磅上线了，将用户上传的照片与特定形象进行脸部层面融合，让生成的图片效果既有用户的五官特点，也呈现出对应形象的外貌特征，从此军装照、民族照、二次元照、爱豆照……想怎么玩就怎么玩，一键变脸不再是梦！

在本次数促会年会上，数据会办公室主任姜春宇对第五批大数据产品评测结果进行了通报，详细的解读了评测的方法和结果。大数据产品能力评测由数据中心联盟组织，并委托中国信息通信研究院实施测试，是国内起步最早、覆盖最广、技术水平最高、影响最大的大数据评测体系，圈定了国内大数据产品厂商第一梯队，为政府和行业用户选购大数据产品提供权威参考，可以方便政府和企业选购大数据产品。

大会中，腾讯云大数据资深架构师于涛进行了主题演讲，对腾讯云大数据与AI的硬件与技术实力、

想读更多 ->

学习笔记 TF061 : 分布式 TensorFlow，分布式原理、最佳实践

分布式TensorFlow由高性能gRPC库底层技术支持。Martin Abadi、Ashish Agarwal、Paul Barham论文《TensorFlow:Large-Scale Machine Learning on Heterogeneous Distributed Systems》。

分布式原理。分布式集群 由多个服务器进程、客户端进程组成。部署方式，单机多卡、分布式(多机多卡)。多机多卡TensorFlow分布式。

单机多卡，单台服务器多块GPU。训练过程：在单机单GPU训练，数据一个批次(batch)一个批次训练。单机多GPU，一次处理多个批次数据，每个GPU处理一个批次数据计算。变量参数保存在CPU，数据由CPU分发给多个GPU，GPU计算每个批次更新梯度。CPU收集完多个GPU更新梯度，计算平均梯度，更新参数。继续计算更新梯度。处理速度取决最慢GPU速度。

分布式，训练在多个工作节点(worker)。工作节点，实现计算单元。计算服务器单卡，指服务器。计算服务器多卡，多个GPU划分多个工作节点。数据量大，超过一台机器处理能力，须用分布式。

分布式TensorFlow底层通信，gRPC(google remote procedure call)。gRPC，谷歌开源高性能、跨语言RPC框

想读更多 ->