阿里雲是用什麼牌子伺服器

『壹』 阿里雲伺服器有多大

不是大，是很多伺服器組成的。將所有的伺服器硬體資源虛擬化（就是把資源集合起來），然後根據不同的需求在分配出去。這種大型公有雲至少都是百萬上千萬台的用量，並且是不斷增加的。一般來說正睿、浪潮、曙光、聯想等都是選擇。

『貳』 阿里巴巴是用的什麼伺服器阿里巴巴是用的什麼伺服器的

轉載:阿里巴巴為什麼選擇ApacheFlink？

本文主要整理自阿里巴巴計算平台事業部高級技術專家莫問在雲起大會上的演講。

一棵大樹從一棵小樹苗長成；小小橡實可能長成參天大樹

隨著人工智慧時代的到來和數據量的爆炸，在典型的大數據業務場景中，最常見的數據業務方式是使用批處理技術處理全量數據和流計算處理實時增量數據。在大多數業務場景中，用戶的業務邏輯在批處理和流處理中往往是相同的。但是，用戶用於批處理和流處理的兩套計算引擎是不同的。

因此，用戶通常需要編寫兩套代碼。無疑，這帶來了一些額外的負擔和成本。阿里巴巴的商品數據處理往往需要面對增量和全量兩種不同的業務流程，所以阿里在想，我們能不能有一個統一的大數據引擎技術，用戶只需要根據自己的業務邏輯開發一套代碼就可以了。在這樣不同的場景下，無論是全數據還是增量數據，還是實時處理，都可以有一套完整的解決方案支持，這也是阿里選擇Flink的背景和初衷。

目前開源的大數據計算引擎有很多選擇，如Storm、Samza、Flink、KafkaStream等。、以及Spark、Hive、Pig、Flink等批量處理。但是同時支持流處理和批處理的計算引擎只有兩個選擇:一個是ApacheSpark，一個是ApacheFlink。

技術、生態等多方面綜合考慮。首先，Spark的技術思路是模擬基於批量的流量計算。另一方面，Flink使用基於流的計算來模擬批處理計算。

從技術發展的角度來看，用批處理來模擬流程存在一定的技術局限性，這種局限性可能很難突破。Flink基於流模擬批處理，在技術上具有更好的可擴展性。從長遠來看，阿里決定將Flink作為統一通用的大數據引擎作為未來的選擇。

Flink是一個統一的大數據計算引擎，具有低延遲、高吞吐量。在阿里巴巴的生產環境中，Flink的計算平台每秒可以處理數億條消息或事件，延遲為毫秒級。同時，Flink提供了一次性的一致性語義。保證了數據的正確性。這樣，Flink大數據引擎就可以提供金融數據處理能力。

弗林克在阿里的現狀

基於ApacheFlink在阿里巴巴搭建的平台於2016年正式上線，從阿里巴巴的搜索和推薦兩個場景實現。目前，包括阿里巴巴所有子公司在內的所有阿里巴巴業務都採用了基於Flink的實時計算平台。同時，Flink計算平台運行在開源的Hadoop集群上。Hadoop的YARN作為資源管理調度，HDFS作為數據存儲。所以Flink可以和開源大數據軟體Hadoop無縫對接。

目前，這個基於Flink的實時計算平台不僅服務於阿里巴巴集團，還通過阿里雲的雲產品API向整個開發者生態系統提供基於Flink的雲產品支持。

Flink在阿里巴巴的大規模應用表現如何？

規模:一個系統是否成熟，規模是一個重要的指標。Flink最初推出阿里巴巴只有幾百台伺服器，現在已經達到上萬台伺服器，在全球屈指可數；

狀態數據:基於Flink，內部積累的狀態數據已經是PB規模；

事件:如今，每天在Flink的計算平台上處理的數據超過萬億條；

PS:高峰期每秒可承擔超過4.72億次訪問，最典型的應用場景是阿里巴巴雙11的大屏；

弗林克的發展之路

接下來，從開源技術的角度，我們來談談ApacheFlink是如何誕生，如何成長的。而阿里又是如何在這個成長的關鍵時刻進來的？你對它做過哪些貢獻和支持？

Flink誕生於歐洲大數據研究項目平流層。這個項目是柏林工業大學的一個研究項目。早期，Flink做的是批量計算，但2014年，同溫層的核心成員孵化了Flink，同年將Flink捐贈給Apache，後來成為Apache最頂尖的大數據項目。同時，Flink計算的主流方向被定位為流式，即使用流式計算來計算所有的大數據。這就是Flink技術誕生的背景。

2014年，Flink作為專注於流計算的大數據引擎，開始在開源大數據行業嶄露頭角。不同於Storm、SparkStreaming等流計算引擎，它不僅是一個高吞吐量、低延遲的計算引擎，還提供了許多高級功能。比如提供有狀態計算，支持狀態管理，支持數據語義的強一致性，支持事件時間，水印處理消息無序。

Flink核心概念和基本概念

Flink區別於其他流計算引擎的地方其實是狀態管理。

是什麼狀態？比如開發一套流量計算系統或者任務做數據處理，可能經常需要對數據做統計，比如Sum，Count，Min，Max，這些值都需要存儲。因為它們是不斷更新的，所以這些值或變數可以理解為一種狀態。如果數據源正在讀取Kafka，RocketMQ，可能需要記錄讀取的位置並記錄偏移量。這些偏移變數是要計算的狀態。

Flink提供了內置的狀態管理，可以將這些狀態存儲在Flink內部，而不需要存儲在外部系統中。這樣做有以下優點:第一，減少了計算引擎對外部系統的依賴和部署，運維更簡單；其次，在性能上有了很大的提升:如果是通過外部訪問，比如Redis，HBase必須通過網路和RPC訪問。如果Flink在內部訪問這些變數，它只通過自己的進程訪問這些變數。同時，Flink會定期讓這些狀態的檢查點持久化，並將檢查點存儲在分布式持久化系統中，比如HDFS。這樣，當Flink的任務出錯時，它會從最新的檢查點恢復整個流的狀態，然後繼續運行它的流處理。對用戶沒有數據影響。

Flink如何保證在檢查點恢復的過程中沒有數據丟失或冗餘？要保證計算準確？

原因是Flink使用了一套經典的Chandy-Lamport演算法，其核心思想是將這種流計算視為一種流拓撲，在這種拓撲的頭部有規律地插入來自源點的特殊屏障，並將屏障從上游廣播到下游。當每個節點接收到所有柵欄時，它將拍攝狀態快照。每個節點完成快照後，整個拓撲將被視為一個完整的檢查點。接下來，無論發生什麼故障，都會從最近的檢查點恢復。

Flink使用這種經典演算法來確保語義的強一致性。這也是Flink與其他無狀態流計算引擎的核心區別。

以下是Flink解決無序問題的方法。比如星球大戰的序列，如果按照上映時間來看，可能會發現故事在跳躍。

在流量計算上，和這個例子很像。所有消息的到達時間與源在線系統日誌中實際發生的時間不一致。在流處理的過程中，希望消息按照它們在源端實際發生的順序進行處理，而不是按照它們實際到達程序的時間。Flink提供了一些先進的事件時間和水印技術來解決亂序問題。以便用戶可以有序地處理該消息。這是Flink的一個很重要的特點。

接下來介紹一下Flink起步時的核心概念和理念，這是Flink發展的第一階段；第二階段是2015年和2017年。這個階段也是Flink發展和阿里巴巴介入的時候。故事源於2015年年中我們在搜索事業部做的一項調查。當時阿里有自己的批處理技術和流計算技術，既有自研的，也有開源的。但是，為了思考下一代大數據引擎的方向和未來趨勢，我們對新技術做了大量的研究。

結合大量的研究成果，我們最終得出結論，解決一般大數據計算需求，整合批量流的計算引擎是大數據技術的發展方向，最終我們選擇了Flink。

但2015年的Flink還不夠成熟，規模和穩定性都沒有付諸實踐。最後我們決定在阿里成立Flink分公司，對Flink進行大量的修改和改進，以適應阿里巴巴的超大型業務場景。在這個過程中，我們團隊不僅改進和優化了Flink的性能和穩定性，還在核心架構和功能上做了大量的創新和改進，並貢獻給了社區，比如:Flink全新的分布式架構、增量式檢查點機制、基於信用的網路流量控制機制和流式SQL。

阿里巴巴對Flink社區的貢獻

我們來看兩個設計案例。第一個是阿里巴巴重構了Flink的分布式架構，對Flink的作業調度和資源管理做了明確的分層和解耦。這樣做的第一個好處是Flink可以在各種開源資源管理器上本地運行。這種分布式架構改進後，Flink可以原生運行在HadoopYarn和Kubernetes這兩種最常見的資源管理系統上。同時將Flink的任務調度由集中式調度改為分布式調度，使Flink可以支持更大的集群，獲得更好的資源隔離。

另一個是實現增量檢查點機制，因為Flink提供了有狀態計算和規則檢查點機制。如果內部數據越來越多，檢查點就會越來越大，最終可能導致做不下去。提供增量檢查點後，Flink會自動找出哪些數據是增量更改的，哪些數據是修改的。同時，只有這些修改過的數據被持久化。這樣檢查點就不會隨著時間的運行越來越難，整個系統的性能也會非常穩定，這也是我們貢獻給社區的一個非常重要的特性。

經過2015-2017年對Flink流媒體能力的提升，Flink社區逐漸走向成熟。Flink也成為了流媒體領域最主流的計算引擎。因為Flink最開始是想做一個統一流式、批量處理的大數據引擎，這個工作在2018年就已經開始了。為了實現這一目標，阿里巴巴提出了新的統一API架構和統一SQL解決方案。同時，在流式計算的各種功能得到改進後，我們認為批量計算也需要各種改進。無論在任務調度層還是數據洗牌層，在容錯性和易用性方面都有很多工作需要改進。

究其原因，這里有兩個要點與大家分享:

●統一的API堆棧

●統一的SQL方案

我們來看看FlinkAPI棧的現狀。研究過Flink或者用過Flink的開發者應該知道。Flink有兩個基本的API，一個是數據流，一個是數據集。數據流API提供給流用戶，數據集API提供給批量用戶，但是這兩個API的執行路徑完全不同，甚至需要生成不同的任務來執行。所以這和統一API是沖突的，這也是不完善的，不是最終的解決方案。在運行時之上，應該有一個統一批量流程集成的基礎API層，我們希望API層能夠統一。

因此，我們將在新架構中採用一個DAG(有限非循環圖)API作為批處理流的統一API層。對於這種有限無環圖，批量計算和流量計算不需要明確表示。開發者只需要在不同的節點和不同的邊定義不同的屬性，就可以規劃數據是流屬性還是批屬性。整個拓撲是一個統一的語義表達，可以集成批量流。整個計算不需要區分流量計算和批量計算，只需要表達自己的需求。有了這個API，Flink的API棧就統一了。

除了統一的基礎API層和統一的API棧，SQL解決方案在上層也是統一的。而批處理SQL，我們可以認為有流計算和批處理計算的數據源，我們可以把這兩個數據源模擬成數據表。可以認為流數據的數據源是一個不斷更新的數據表，而批量數據的數據源可以認為是一個相對靜態的表，沒有更新的數據表。整個數據處理可以看作是SQL的一個查詢，最終結果也可以模擬成一個結果表。

對於流計算，它的結果表是一個不斷更新的結果表。對於批處理，其結果表是相當於一次更新的結果表。從整個SOL語義表達來看，flow和batch是可以統一的。此外，流SQL和批處理SQL都可以使用同一個查詢來表示重用。通過這種方式，所有流批次都可以通過同一個查詢進行優化或解析。甚至許多流和批處理操作符都可以重用。

弗林克的未來方向

首先，阿里巴巴要基於Flink的本質做一個全能的統一大數據計算引擎。放在生態和場景的地面上。目前Flink是主流的流計算引擎，很多互聯網公司已經達成共識，Flink是大數據的未來，是最好的流計算引擎。接下來的重要任務是讓Flink在批量計算上有所突破。在更多的場景下，已經成為主流的批量計算引擎。然後進行流量和批次的無縫切換，流量和批次的界限越來越模糊。使用Flink，在一個計算中，可以同時進行流量計算和批量計算。

第二個方向是Flink得到更多語言的生態支持，不僅僅是Java，Scala，還有Python和Go進行機器學習。未來希望用更豐富的語言開發Flink計算任務，描述計算邏輯，連接更多生態。

最後不得不說AI，因為很多大數據計算需求和數據量都在支撐非常熱門的AI場景。所以我們會在完善Flink流批生態的基礎上，繼續往上走，完善上層Flink的機器學習演算法庫。同時，Flink會借鑒成熟的機器，深度學習融合。比如Flink上的Tensorflow，可以用來整合大數據的ETL數據處理和機器學習的特徵計算、特徵計算，以及訓練的計算，讓開發者同時享受多個生態系統帶來的好處。

阿里巴巴雲境是什麼東西？

這個是阿里巴巴做的一款信息化系統產品，主要針對中小企業，它的伺服器??硬體的支持，都是阿里放在雲端的。相當於都是由阿里來幫你管理數據??，客戶的硬體投入非常低，系統管理成本也很低，通常是以年費的形式來運行。

為什麼阿里巴巴，騰訊等這些公司要把伺服器放在美國？

為了讓美國人民享受到阿里巴巴和騰訊的服務啊，另外國內的人到美國去，也是需要相關的服務的。

阿里巴巴屬於哪個行業？

阿里巴巴主營屬於電子商務，還包括互聯網金融、電子支付、物流等。同時，阿里巴不斷發展還涉及到更廣的領域，比如傳媒、物聯網等。

阿里巴巴集團本家產業：阿里巴巴、淘寶、支付寶、阿里軟體、阿里媽媽、口碑網、阿里雲、中國雅虎、一淘網、淘寶商城、中國萬網，聚劃算、雲峰基金、螞蟻金服。

一般的網店需要多大的伺服器？

不需要因為你申請的淘寶店是一個虛擬空間來著，在阿里巴巴自已建設的機房之中，可直接使用，無需自備伺服器。直接裝修店鋪，上架商品即可

阿里千島湖數據中心建在湖底嗎？

是的，阿里巴巴的一個伺服器中心就放在千島湖湖底。阿里雲千島湖數據中心建築面積30000平方米，共11層，可容納至少5萬台設備。作為水冷驅動的工業數據中心建設的模板，很有創新性和代表性。數據中心90%時間不需要電製冷，深層湖水通過完全密閉的管道流經數據中心，幫助伺服器降溫，再流經2.5公里的青溪新城中軸溪，作為城市景觀呈現，自然冷卻後又回到千島湖。

『叄』 2024年阿里雲伺服器系統鏡像選擇Alibaba Cloud Linux還是CentOS

面對2024年阿里雲伺服器系統鏡像選擇，Alibaba Cloud Linux與CentOS成為熱門選項。從背景、穩定性與安全性、功能與性能、社區支持與軟體包資源進行分析，Alibaba Cloud Linux與CentOS各有優勢。Alibaba Cloud Linux基於龍蜥社區優化，專為雲環境設計，提供高穩定性和安全性，支持多種雲計算應用。CentOS以其穩定性和社區支持著稱，但需注意CentOS 8的維護終止。從功能與性能來看，兩者都提供了豐富的資源，但在雲優化上，Alibaba Cloud Linux更為深入。社區支持與軟體包資源方面，CentOS憑借廣泛社區，提供大量開源軟體，Alibaba Cloud Linux則提供官方支持和維護。綜上，選擇需考慮具體需求、技術棧和雲環境契合度。無論選擇哪個鏡像，阿里雲均提供豐富文檔與技術支持，協助輕松部署和管理伺服器。建議在兩者間綜合考慮，必要時可嘗試兩個選項，以找到最適合自己需求的解決方案。

『肆』 阿里雲用的是自己生產的伺服器嗎

阿里雲用的是自己生產的伺服器，十五年前，馬雲重用王堅，建設自己的雲服務團隊，開始布局。十年之後，成就自家的雲網路。現在，自家伺服器已經落成，正式啟用。

伺服器技術原理

NAT即網路地址轉換技術，是實現彈性公網IP的基礎。

NAT地址轉換將私網的地址映射到一個公網的地址，形成一對多的關系。內網與外網通信時，NAT路由器（大部分的路由器支持該功能，包括家庭使用的無線路由器和光貓）將本地的IP轉換成公網的IP地址。

NAT網路地址轉換的核心是一張表（源IP地址，源埠號，NAT IP地址，NAT IP埠號）。

利用公有雲（比如阿里雲、騰訊雲、華為雲等）部署了應用之後，為了訪問申請的雲伺服器，需要使用公網IP，公有雲服務商不僅提供了固定的公網IP，更多採用的是彈性公網IP。

『伍』 阿里雲的伺服器是網通還是電信

阿里雲是多線BGP機房.機房除了電信.網通以外.還有其他線路的接入.x0dx0a目前國內有越來越多的雙線機房向多線發展.這樣的目的是為了保障全國各地不同線路用戶的訪問速度.x0dx0a若是追求高性價比的話.推薦你選擇中原地區的BGP多線接入.x0dx0a中原占據地理位置優勢且帶寬充足.在全國各地訪問的速度與穩定性會比較均衡.

『陸』 阿里雲的伺服器是網通還是電信

這個你可以看下你選擇的地區，
如果是國內的話 一般會寫出是電信 聯通等線路
如果是非大陸地區 ，一般都是光纖線路
Eidc 專業的海外伺服器，可以看下喲

『柒』 騰訊雲和阿里雲的伺服器，哪個更好用

阿里雲伺服器稱作ECS，騰訊雲伺服器稱作CVM，都能提供安全可靠的彈性計算服務。以下從6個維度對比阿里雲和騰訊雲。

一、配置

阿里雲：單實例最高可選88vCPU，內存704GB，單實例性能最高可達到700萬PPS網路收發包，35Gbps帶寬。

騰訊雲：針對用戶的不同需求，CVM 提供多種類型的實例、操作系統和軟體包。各實例中的
CPU、內存、硬碟和帶寬可以靈活調整。CVM 操作系統包括多種 Linux 發行版本和 Windows Server
版本，同時騰訊雲市場提供第三方鏡像及軟體供你選擇。

二、彈性

阿里雲：支持分鍾級別創建1000台實例，多種彈性付費選擇更貼合業務現狀，同時帶來彈性的擴容能力，實例與帶寬均可隨時升降配，雲盤可擴容。

騰訊雲：你可以在幾分鍾之內快速增加或刪減雲伺服器數量，以滿足快速變化的業務需求。通過定義相關策略，你可以確保所使用的
CVM 實例數量在需求高峰期無縫擴展，保證程序的可用性;在需求平淡期自動回落，以節省成本。

三、安全性

阿里雲：免費提供 DDoS
防護、木馬查殺、防暴力破解等服務，通過多方國際安全認證，ECS雲盤支持數據加密功能。

騰訊雲：CVM 運行在一個邏輯隔離的私有網路里，通過網路訪問控制列表(Access Control
List)和安全組，切實保證你雲上資源的安全性。你還可以完全掌控你的私有網路環境配置，包括自定義網段劃分、IP 地址和路由策略等。

四、穩定性

阿里雲：單實例可用性達 99.975%，多可用區多實例可用性達 99.995%，雲盤可靠性達
99.9999999%，可實現自動宕機遷移、快照備份。

騰訊雲：CVM 提供達 99.95 %的服務可用性和 99.9999999% 的數據可靠性。CVM
搭載的雲硬碟提供三副本存儲策略，保證了數據在任一副本出現故障時快速進行遷移和恢復。CVM 搭載穩定的網路架構，採用成熟的網路虛擬化技術和網卡綁定技術，在
T3級以上數據中心中運行，保證網路高可用性。

五、易用性

阿里雲：豐富的操作系統和應用軟體，通過鏡像可一鍵簡單部署，同一鏡像可在多台 ECS
中快速復制環境，輕松擴展。

騰訊雲：用戶擁有騰訊雲 CVM 的管理員賬號，對 CVM 有完全的控制權，您可以使用騰訊雲控制台、API 或 CLI
等工具登錄到您的 CVM 實例，進行網路配置更改、重啟等重要操作，這樣管理 CVM 就像管理操作您的計算機一樣簡單方便。

六、業務側重

阿里雲：電商或電商周邊相關類的，阿里雲發展迅猛。

騰訊雲：文娛類的，騰訊雲深入人心。

如果是其他業務，阿里雲和騰訊雲都是不錯的選擇。https://www.wy.cn/computing/aliyun?utm_source=wemedia