為瞭讓你的體驗更快、更好、更高效，Facebook 2018將做這三件事！
原標題：為瞭讓你的體驗更快、更好、更高效，Facebook 2018將做這三件事！
【獵油煙處理設備雲網（微信號：ilieyun）】 12月29日報道（編譯：Shane）
摩爾定律式的運算能力指數級增長已是昨日黃花，因此工程師不能隻指望強勁的硬件解圍，要緊的是增加軟件效率。
Facebook用戶現已超過20億，其中有13.7億每天都會使用這一社交軟件。要處理如此海量的用戶行為——接收圖片、視頻、文字信息等，需要軟件強大的計算能力，這也難怪Facebook公司2018年的工程目標都有一個共同的主題——提升計算效率以及利用軟件降低計算成本。
Facebook的工程部副手David Mortenson在一次專訪中闡述瞭下一年工程部的工作重心。
首先，積體電路上可容納的晶體管數目，約每隔兩年便會增加一倍的摩爾定律增長速度已經不如從前，這是Facebook同其他科技公司公司一樣不得不面對的問題。Mortenson解釋道，以前的科技公司還能依靠摩爾定律下的硬件優勢滿足越來越強大的軟件需求，但是時代變化，這一套再也行不通瞭。
這意味著Facebook必須找到新的方法，讓軟件可以在一定的硬件條件下更高效地運行。Mortenson說，要達到這個目的，第一步就是找到持久耐用的內存同時減少使用耗電量較大的內存。既然CPU運算速度與能力的增長不可能像從前一樣快，那麼最好的解決方法就是最大限度地利用現存的硬件設備。
而且，為瞭在消耗較少電能的前提下讓更多的高效數據中心投入到大量運算工作中，需要將內存分區，將運算工作分佈到大量的運算節點上，而非在某些計算節點上堆積如山。這樣將大幅提高內存的利用率，Mortenson補充道。
實時服務升級
2018年Facebook的另一個工作主題是升級基礎設施，以支持實時服務，此類服務並不隻限於直播。
Mortenson解釋道，這個想法是為瞭給工程師提供便利，這樣他們就可以即時地處理產品，不用再為瞭某項功能專門撰寫代碼。
例如，你的一個FB好友發起瞭一項募捐活動，現在的情形是，Facebook客戶端——手機或者電腦APP必須不停地訪問服務器，詢問是否有客戶需要或者想要瞭解的內容。這是個拉式系統，意味著APP必須不斷地返回到服務器尋找新內容。
相反，若Facebook將用戶可能需要的內容直接推送給他們，比如上文的募X戰警多鏡頭行車記錄器專業網｜多鏡頭行車記錄器｜多鏡頭行車紀錄器比較｜多鏡頭行車紀錄器推薦｜多鏡頭行車紀錄器影片捐活動，那麼用戶不僅能更早地得到活動信息，而且所占用的系統運算也會更少。
將機器學習運用到各個領域
Facebook工程師在開發新產品或服務時所具備的優勢之一是，他們經常可以重復使用為其他項目編寫的代碼，還可以將其從海量存儲庫中提取出來。但Mortenson說，有些時候很難找到適當的代碼片段。
所以他希望利用機器學習進行語義搜索，這樣使工程師不必指定搜索內容，就能夠輕松地找到所需的確切代碼。
Mortenson希望機器學習能派上用場的另一個領域是選擇合適的工程測試找到代碼中的問題。
例如，若工程師需要稍微對代碼進行修改，以改進募捐方式——可能隻是換一個醒目點的捐贈按鈕——重要的是確保這一變化不會影響其他功能。為瞭做到這一點，工程師將進行測試，以確保一切正常。Mortenson 認為通過機器學習會更容易找到合適的測試方式。
這將幫助工程師能夠更快地開發新產品，並修復當前開發的產品，也意味著著更快的傳輸速度。
而且利用機器學習可以更快地找到正確的代碼，從而降低開銷，全面提高工程師的工作效率。為瞭說明這一點，Mortenson 解釋說，Facebook會追蹤其工程師等待他們的變更代碼同步到代碼庫的時間——這段時間對於Facebook的Android程序工程師尤其長。在過去的一年中，Facebook采用各種策略，將工程師花費在等待上的時間減少瞭75％。現在，也許機器學習有望進一步縮短這個時間。
預測用戶對新鮮台中註冊商標資訊的需求
顯然，許多Facebook用戶在這款軟件上花費瞭大量的時間，並且總是想從中獲取一些新鮮資訊。但事實證明，用戶最可能需要這些內容的時機是有跡可循的。 因此，FB公司正試圖更為準確地預測這些時機，這將是公司降低計算開銷的另一途徑。
Mortenson說：“如果我們能夠高效地預測（用戶對此的需求），並提前準備好，那麼即使是在用戶上網的高峰期，我們的系統也可以滿足這期間的用戶需求，也除毛-擺脫老舊型的除毛方式,任何毛髮一網打盡∣真空除毛推薦~聖雅諾美學診所就是說我們可以降低基礎設施總成本和計算量。
盡管Facebook的用戶群體遍佈全球，軟件最常見的使用時間是在太平洋時間的早上。所以若可以預測用戶最想獲取新鮮資訊的時間，系統就可以提前準備資訊內容，“我們也可以更有效地將它推送到你手上”，Mortenson表示。
Mortenson指出瞭這個問題的規模之大。他說，用戶的一次更新——即使隻是一些照片和隨感——也會在公司的社交圖像數據庫中添加大約一千個對象。Facebook面臨的挑戰是如何在用戶上傳狀態後對其進行實時更新的。將這個數字擴大到Facebook每天處理的數十億個帖子，工程挑戰之嚴峻顯而易見。
解決這個問題的方法之一就是調整Facebook所使用的編程語言，更好地追蹤用戶帖子的新變化，從而最大限度地減少保持這些帖子即時最新所需的計算能力。Mortenson說，如果隻有帖子隻有一點變化，就無需重新計算其餘的部分。
當被問道關於量化調整Facebook使用的編程語言的好處時，Mortenson說：“如果新的編程語言不把效率提高到五倍，就不算有效。”
本文來自獵雲網，如若轉載，請註明出處：http://www.lieyunwang大陸商標申請.com/archives/398862返回搜狐，查看更多
責任編輯：
聲明：本文由入駐搜狐號的作者撰寫，除搜狐官方賬號外，觀點僅代表作者本人，不代表搜狐立場。
閱讀 ()
原標題：為瞭讓你的體驗更快、更好、更高效，Facebook 2018將做這三件事！
【獵油煙處理設備雲網（微信號：ilieyun）】 12月29日報道（編譯：Shane）
摩爾定律式的運算能力指數級增長已是昨日黃花，因此工程師不能隻指望強勁的硬件解圍，要緊的是增加軟件效率。
Facebook用戶現已超過20億，其中有13.7億每天都會使用這一社交軟件。要處理如此海量的用戶行為——接收圖片、視頻、文字信息等，需要軟件強大的計算能力，這也難怪Facebook公司2018年的工程目標都有一個共同的主題——提升計算效率以及利用軟件降低計算成本。
Facebook的工程部副手David Mortenson在一次專訪中闡述瞭下一年工程部的工作重心。
首先，積體電路上可容納的晶體管數目，約每隔兩年便會增加一倍的摩爾定律增長速度已經不如從前，這是Facebook同其他科技公司公司一樣不得不面對的問題。Mortenson解釋道，以前的科技公司還能依靠摩爾定律下的硬件優勢滿足越來越強大的軟件需求，但是時代變化，這一套再也行不通瞭。
這意味著Facebook必須找到新的方法，讓軟件可以在一定的硬件條件下更高效地運行。Mortenson說，要達到這個目的，第一步就是找到持久耐用的內存同時減少使用耗電量較大的內存。既然CPU運算速度與能力的增長不可能像從前一樣快，那麼最好的解決方法就是最大限度地利用現存的硬件設備。
而且，為瞭在消耗較少電能的前提下讓更多的高效數據中心投入到大量運算工作中，需要將內存分區，將運算工作分佈到大量的運算節點上，而非在某些計算節點上堆積如山。這樣將大幅提高內存的利用率，Mortenson補充道。
實時服務升級
2018年Facebook的另一個工作主題是升級基礎設施，以支持實時服務，此類服務並不隻限於直播。
Mortenson解釋道，這個想法是為瞭給工程師提供便利，這樣他們就可以即時地處理產品，不用再為瞭某項功能專門撰寫代碼。
例如，你的一個FB好友發起瞭一項募捐活動，現在的情形是，Facebook客戶端——手機或者電腦APP必須不停地訪問服務器，詢問是否有客戶需要或者想要瞭解的內容。這是個拉式系統，意味著APP必須不斷地返回到服務器尋找新內容。
相反，若Facebook將用戶可能需要的內容直接推送給他們，比如上文的募X戰警多鏡頭行車記錄器專業網｜多鏡頭行車記錄器｜多鏡頭行車紀錄器比較｜多鏡頭行車紀錄器推薦｜多鏡頭行車紀錄器影片捐活動，那麼用戶不僅能更早地得到活動信息，而且所占用的系統運算也會更少。
將機器學習運用到各個領域
Facebook工程師在開發新產品或服務時所具備的優勢之一是，他們經常可以重復使用為其他項目編寫的代碼，還可以將其從海量存儲庫中提取出來。但Mortenson說，有些時候很難找到適當的代碼片段。
所以他希望利用機器學習進行語義搜索，這樣使工程師不必指定搜索內容，就能夠輕松地找到所需的確切代碼。
Mortenson希望機器學習能派上用場的另一個領域是選擇合適的工程測試找到代碼中的問題。
例如，若工程師需要稍微對代碼進行修改，以改進募捐方式——可能隻是換一個醒目點的捐贈按鈕——重要的是確保這一變化不會影響其他功能。為瞭做到這一點，工程師將進行測試，以確保一切正常。Mortenson 認為通過機器學習會更容易找到合適的測試方式。
這將幫助工程師能夠更快地開發新產品，並修復當前開發的產品，也意味著著更快的傳輸速度。
而且利用機器學習可以更快地找到正確的代碼，從而降低開銷，全面提高工程師的工作效率。為瞭說明這一點，Mortenson 解釋說，Facebook會追蹤其工程師等待他們的變更代碼同步到代碼庫的時間——這段時間對於Facebook的Android程序工程師尤其長。在過去的一年中，Facebook采用各種策略，將工程師花費在等待上的時間減少瞭75％。現在，也許機器學習有望進一步縮短這個時間。
預測用戶對新鮮台中註冊商標資訊的需求
顯然，許多Facebook用戶在這款軟件上花費瞭大量的時間，並且總是想從中獲取一些新鮮資訊。但事實證明，用戶最可能需要這些內容的時機是有跡可循的。 因此，FB公司正試圖更為準確地預測這些時機，這將是公司降低計算開銷的另一途徑。
Mortenson說：“如果我們能夠高效地預測（用戶對此的需求），並提前準備好，那麼即使是在用戶上網的高峰期，我們的系統也可以滿足這期間的用戶需求，也除毛-擺脫老舊型的除毛方式,任何毛髮一網打盡∣真空除毛推薦~聖雅諾美學診所就是說我們可以降低基礎設施總成本和計算量。
盡管Facebook的用戶群體遍佈全球，軟件最常見的使用時間是在太平洋時間的早上。所以若可以預測用戶最想獲取新鮮資訊的時間，系統就可以提前準備資訊內容，“我們也可以更有效地將它推送到你手上”，Mortenson表示。
Mortenson指出瞭這個問題的規模之大。他說，用戶的一次更新——即使隻是一些照片和隨感——也會在公司的社交圖像數據庫中添加大約一千個對象。Facebook面臨的挑戰是如何在用戶上傳狀態後對其進行實時更新的。將這個數字擴大到Facebook每天處理的數十億個帖子，工程挑戰之嚴峻顯而易見。
解決這個問題的方法之一就是調整Facebook所使用的編程語言，更好地追蹤用戶帖子的新變化，從而最大限度地減少保持這些帖子即時最新所需的計算能力。Mortenson說，如果隻有帖子隻有一點變化，就無需重新計算其餘的部分。
當被問道關於量化調整Facebook使用的編程語言的好處時，Mortenson說：“如果新的編程語言不把效率提高到五倍，就不算有效。”
本文來自獵雲網，如若轉載，請註明出處：http://www.lieyunwang大陸商標申請.com/archives/398862返回搜狐，查看更多
責任編輯：
聲明：本文由入駐搜狐號的作者撰寫，除搜狐官方賬號外，觀點僅代表作者本人，不代表搜狐立場。
閱讀 ()
全站熱搜
留言列表
