Netflix内容平台工程团队运行由微服务上执行的任务的异步编排驱动的多个业务流程。其中一些是长期运行的流程，跨越几天。这些流程在准备好标题流式传输给全球的观众上发挥关键作用。这些流程的几个实例是：用于内容提取的Studio合作伙伴集成基于IMF的内容提取我们的合作伙伴在Netflix中设置新标题的过程内容提取、编码和部署到CDN传统上，这些流程中的一些已经以ad-hoc方式使用pub/sub的组

原文来自Innovating Faster on Personalization Algorithms at Netflix Using Interleaving。如发现任何侵权行为，请联系我。 Netflix体验由一系列排名算法提供支持，每种算法都针对不同的目的进行了优化。 例如，主页上的Top Picks行根据视频的个性化排名提出建议，而Trending Now行也包含最近的流行趋势。

在过去四年中，Netflix 已从不到 5000 万用户增加到 1.25 亿用户。这种增长给我们带来了伸缩性方面的挑战，但实际上，我们已经设法在这段时间内提高了服务的整体可用性。在这个过程中，&

在过去的四年里，Netflix已经从不到5000万的用户变成了1.25亿的用户。虽然这样的增长给我们带来了不小的扩展挑战，但我们实际上在这段时间内设法提高了我们服务的整体可用性。一路走来，我们学到了很多东西，现在对如何使我们的系统更高的可用性有了更好的理解。但是，这个消息并不全是好消息。事实是，我们以艰难的方式学到了许多经验教训：通过英雄主义，通过出错时的疯狂争夺，有时还不幸地通过面向客户的事件。尽管我们还没有搞清楚所有的事情，仍然有许多机会来改进我们的系统，但我们想分享一些我们获得的经验和我们得出的提示或最佳做法。希望你们中的一些人能够从中获得一些东西，使你们不必在凌晨3点为一个面向客户的事件而被叫醒。

在Netflix，我们已经建立并使用Spinnaker作为持续集成和交付的平台。这里讨论的许多最佳实践已经被编码到Spinnaker中，所以它们很容易被遵循。虽然在这篇文章中，我们展示了我们如何在Spinnaker中进行内部编码的最佳实践，但这些提示和最佳实践更具有普遍性，将帮助任何人使他们的系统具有高可用性。

国庆路上、景区各种堵吧？来看Netflix的微服务转型方案舒舒心

Netflix公司有许多高吞吐量，低延迟中间层服务。在这些服务中会发现：如果在很短的时间遭遇巨大的流量激增，服务器的CPU会变得反应迟钝。 这会导致不愉快的用户体验。 这里有一个读操作和连接超时的问题，如果读超时被设置得很高，运行时读操作超时情况反而很糟糕， 客户端将花很长时间..

Making Non-Distributed Databases Distributed