云消息队列 MQTT 版
云消息队列 MQTT 版是专为移动互联网(MI)、物联网(IoT)领域设计的消息产品，覆盖直播互动、金融支付、智能餐饮、即时聊天、移动 Apps、智能设备、车联网等多种应用场景；通过对 MQTT、WebSocket 等协议的全面支持，连接端云之间的双向通信，实现 C2C、C2B、B2C 等业务场景之间的消息通信，可支撑千万级设备与消息并发。
消息服务 MNS.更多产品与服务.随着移动互联网以及物联网应用的蓬勃发展，阿里云推出云消息队列 MQTT 版，从而实现端（浏览器、Android、iOS、智能设备、直播互动、车联网）与云的双向通信，通过消息实现万物互联.移动、物联网定制，千万级设备同时在线以及毫秒级的消息推送能力，平滑的线性扩展能力，对业务完全透明.支持 ...
来自：
云产品
云消息队列 RocketMQ 版
云消息队列 RocketMQ 版是基于 Apache RocketMQ 构建的分布式消息中间件，广泛用于异步解耦、削峰填谷等场景。可支撑千万级并发、万亿级数据洪峰，更稳定，更安全。
提供丰富的消息类型，满足各种严苛场景下的高级特性需求，当前支持的消息类型涵盖普通消息、顺序消息（全局顺序/分区顺序）、分布式事务消息、定时消息/延时消息.兼容并包，丰富功能引领业务集成.以消息主题、订阅组的粒度，对每个资源都进行严格的访问控制，确保运维操作安全性；全面支持阿里云 RAM 主子账号、黑白名单、...
来自：
云产品
Serverless图片分类和身份证过滤
场景描述 场景一：大型图库智能管理通过深度学习算法，自动识别图像中的常见的场景，客户可以基于函数计算对接智能媒体管理的图像识别功能，轻松实现图片的自动管理和分组，完成大型图像库的智能管理。 场景二：身份证图片过滤 通过扫描存储在OSSbucket中的图片，通 过智能媒体管理进行身份证识别，找到海量图片中的身份证图片，对敏感信息进行处理。 解决问题 1.通过无服务器计算实现图片处理自动化 2.OSS触发器的使用 3.使用函数计算调用阿里云的AIP或SDK 产品列表 函数计算 智能媒体管理IMM 对象存储OSS
Serverless图片分类和身份证过滤 最佳实践 1.图片自动分类架构图 场景描述 场景一：大型图库智能管理 通过深度学习算法，自动识别图像中的常见 的场景，客户可以基于函数计算对接智能媒 体管理的图像识别功能，轻松实现图片的自 动管理和分组，完成大型图像库的智能管 理。2.身份证过滤架构图 场景二：身份证图片过滤 通过...
人工智能-自然语言处理-文本分类
按照给定类目体系对输入文本进行自动分类，当前已支持新闻资讯领域和电商领域的文本分类。如需更多类目体系的定制化，请使用NLP自学习平台。
基于电商行业的大量语料研发，对消费者历史评价和新增评价的商品维度属性自动解析，将文本转化为结构化属性字段，高效甄别正负面评价，同时根据情感强烈程度进行-1分~1分的打分，可统计可分析，大幅度节省客服人工.商品评价解析.将连续的自然语言文本，切分成具有语义合理性和完整性的词汇序列，同时保持对数据、模型的不断...
来自：
云产品
基于Flink+ClickHouse构建实时游戏数据分析
在互联网、游戏行业中，常常需要对用户行为日志进行分析，通过数据挖掘，来更好地支持业务运营，比如用户轨迹，热力图，登录行为分析，实时业务大屏等。当业务数据量达到千亿规模时，常常导致分析不实时，平均响应时间长达10分钟，影响业务的正常运营和发展。 本实践介绍如何快速收集海量用户行为数据，实现秒级响应的实时用户行为分析，并通过实时流计算Flink/Blink、云数据库ClickHouse等技术进行深入挖掘和分析，得到用户特征和画像，实现个性化系统推荐服务。 通过云数据库ClickHouse替换原有Presto数仓，对比开源Presto性能提升20倍。 利用云数据库ClickHouse极致分析性能，千亿级数据分析从10分钟缩短到30秒。 云数据库ClickHouse批量写入效率高，支持业务高峰每小时230亿的用户数据写入。 云数据库ClickHouse开箱即用，免运维，全球多Region部署，快速支持新游戏开服。 Flink+ClickHouse+QuickBI
数据导入 上一章节，我们演示了，如何配置 Flink流处理，将 kafka里面的消息作为源，然后通 过 Flink进行 ETL处理后，输出到两个终端，一、标准输出 二、Clickhouse 7.1.ClickHouse-JDBC 本实践采用 Java JDBC的方式实现了将数据从 Fink导入到 ClickHouse，对具体实现 感兴趣的同学，请参考：这里需要引入的 Maven依赖是...
Function Compute构建高弹性大数据采集系统
当前互联网很多场景都存在需要将大量的数据信息采集起来然后传输到后端的各类系统服务中，对数据进行处理、分析，形成业务闭环。比如游戏行业中的游戏发行、游戏运营，产互行业中的数字营销，物联网、车联网行业中的硬件、车辆信息上报等等。这些场景普遍存在数据采集量大、数据传输需要稳定且吞吐量大的特点，给整个数据采集传输系统带来很大的挑战。在这个场景中，有三个关键的环节，数据采集、数据传输、数据处理。该最佳实践主要涉
函数计算的高级设置：函数实例类型：根据函数承载的业务属性以及运行函数时对资源的消耗情况选择不同的实例类 型。这里选择弹性实例，因为需要更强的横向扩展能力。弹性实例：函数执行内存 128MB—3072MB，代码包大小上限 50MB，函数执行时长上限 600s，磁盘大小 512MB。性能实例：实例规格最大为 8C16GB，代码包大小为 500...
开源Flink迁移实时计算Flink全托管版最佳实践
本方案介绍如何将自建开源Flink集群的流式任务（包含Datastream、Table/SQL、PyFlink任务）迁移至阿里云实时计算全托管版。
Monitor模式下，自动调优运维页面会提供建议的资源配置，也可以通 过运维界面上的启用建议配置一键应用。相关的参数 parallelism.scale-down.interval、mem.scale-down.interval 等可以控 制调低资源的 间隔和行为。3.业务流量周期变化，启用 AutoPilot 实现自动扩缩容，降低资源使用成本。如果作业有明显的流量变化，能...
- 产品推荐
- 这些文档可能帮助您