當當網傅強談雙十一：勝利都是留給有準備的人
原創今年伴隨著雙十一的大促銷，互聯網出現了非常瘋狂的采購狂潮。采購狂潮不僅為天貓、淘寶、當當等電商巨頭帶來了巨額利潤，也對這些電子商務網站的技術架構提出了嚴峻的挑戰。本次我們采訪到了當當網技術部高級總監傅強，來為大家解讀“Victory Loves Preparation”。
傅強：當當網技術部高級總監 2006年碩士畢業于北京航空航天大學計算機學院，應屆畢業加入當當網。歷任開發工程師、高級工程師、架構師、高級總監；目前負責搜索、推薦與數據挖掘、個性化營銷、廣告聯盟、用戶行為分析、大數據技術解決方案。
Victory Loves Preparation——勝利都是留給有準備的人
在系統設計開發階段就要考慮到系統的穩定性、可擴展性，在系統日常應用運維階段，時刻保持警惕，保證關鍵模塊監控到位，保證關鍵系統性能指標在安全范圍之內。這兩塊都是日常的工作，更是基本功，這兩塊話題都可以展開為專門討論的話題，在本文中，更多集中在突發的、可預知的大流量應對方案。
在促銷開始之前幾天內，立即對于服務器的配置優化上是風險相對較大的，除保證關鍵監控都到位、關鍵系統應急預案外，穩妥起見我們更多對流量進行合理預估，預估出當天的流量會出現多少倍的增長，進行整體的性能分析，該加服務器的地方一定要加到位。對于電商而言核心的購買流程服務絕對不能出現問題，做好對于核心服務的流量預估，這樣就可以更合理的進行服務器數量控制。
“勝利都是留給有準備的人”
總體來講最為穩妥的方案就是在促銷開始之前對核心服務流程的承載能力預估并且進行性能分析，該加服務器的地方一定要加到位。一旦說流量變得太大超出承受范圍的時候，在機房方面就需要做足準備。對于當當來說我們保證任何機房出現問題的情況下，至少能通過兩個正常運轉的機房提供穩定服務，例如，當兩個機房的流量無法滿足的時候第三個機房就會立即啟動分擔流量壓力。
說到多機房應急方案的時候傅強舉了一個例子。前些天亞馬遜的國內機房出了問題，亞馬遜臨時把訪問流量通過美國機房繞了個彎，保證網站在國內仍然能被訪問。雖然用戶訪問速度慢了很多，但還是可以保持基本的用戶訪問，只不過是多了幾條路由。這些東西都是需要提前做好的，更是基本功。
在促銷之前，對當天訪問量的預估就顯得十分重要，這會關系到各種緊急預案的制定以及整體的服務成本。傅強告訴記者，對于訪問量預估其實只是一個大概的估計，無法做到非常精確的計算，但有章可循。在流量預估方面，“各村有各村的高招”。當當可以對消費人群進行預估比如圖書、服裝與母嬰類。掌握每一類人群的基數，這樣對于訪問量的預估會與很大幫助。當然還需要根據以往的數據進行分析，作出盡量精準的數據預估。
萬事俱備只欠東風，當東風吹過之后呢？
首先是對之前準備工作的總結。需要總結之前的準備到底哪些達到了預期的效果。其實這還要回到之前的訪問量與性能的預估上，在促銷的過程中看的還是幾個主要的業務環節，比如說購物車，在不加硬件的情況下能否承載三倍五倍的訪問，如果可以的話那就不需要提前加服務器。假如當前情況下兩倍的訪問量就已經飽和的話就需要馬上進行擴容。將自己的核心服務分成幾段來做，做好每一段的工作整體的服務質量與承載能力也就會隨之提高。
當訪問爆發期過去之后，會有大量的剩余計算，尤其是在增加過服務器的環節上。在訪問量爆發過去之后就需要按照只上不下的原則將這些空余計算資源調配到會產生訪問余震的環節上。直到整體訪問量爆發過去之后，再將空余計算合理的分配到需要的地方。像美國亞馬遜、淘寶這樣的電商公司，在計算資源虛擬化方面有較多技術儲備，可以更好地應對和利用好這些空余計算資源。當然這也是云計算興起的重要原因之一。
數據價值的再利用
在促銷中會產生大量的用戶行為數據，對于這些數據的分析可以帶來意想不到的價值。傅強告訴記者，對于如此龐大的數據信息我們可以從很多維度去進行分析，我們可以按照職能去分析也可以按照業務去分析。比如圖書類的消費習慣是什么樣的，母嬰與服裝又會不一樣，也可以從整體的角度講。傅強還告訴記者在11月慶典過后，當當網也會劃出一段很長的時間對這段時間的用戶行為做跟蹤和分析、對業務營銷效果做評估，以及得失的總結分析等。我們現在也不能確定可以從這么龐大的數據中挖掘出哪些具體信息，因為目前當當網的店慶活動仍在如火如荼地進行中（本次采訪時間在11月中旬），當當網更多集中精力仍放在營銷活動這塊。
不過從目前看來這些數據對于財務、事業、技術甚至于每一個業務部都會有很大幫助，但從技術部來講，我們可以從目前的數據中看到當初的準備工作是否的當，服務器資源分配的是否合適，各個關鍵環節能夠承載多大的業務壓力，遇到應急事件需要如何解決的寶貴經驗等等。
【編輯推薦】
