跳動科技股票

A. 股票里的專用名詞是什麼

恐怕也和這段經歷有關吧！了解了陸游的這覺，因為我們倘使做錯了事，

B. 互聯網大廠一般指哪些公司

1、網易公司

網易公司，1997年由創始人兼CEO丁磊先生在廣州創辦，2000年在美國NASDAQ股票交易所掛牌上市，是中國領先的互聯網技術公司。在開發互聯網應用、服務及其它技術方面，始終保持中國業界領先地位。

C. 掌閱科技股票最近為什麼漲

受位元組跳動入股利好帶動，掌閱科技5日開盤一字漲停。截至收盤時，該股報30．36元。

11月4日晚間，掌閱科技發布公告稱，為提升公司整體競爭實力，公司控股股東、實際控制人成湘均、張凌雲擬通過協議轉讓4505萬股股份（占總股本的11．23％）的方式引進位元組跳動旗下北京量子躍動科技有限公司（以下簡稱「量子躍動」）為公司的重要股東。

並與其關聯方北京位元組跳動網路技術有限公司（以下簡稱「位元組跳動」）深化合作，共同發展閱讀業務，並加強商業化、投放運營、內容生產等方面的合作，以從公司治理、業務資源等方面整體提升公司競爭力。本次股份轉讓價格確定為24．42元／股，股份轉讓價款總額為11億元，不觸及要約收購。

(3)跳動科技股票擴展閱讀

光大證券指出，掌閱科技已與位元組跳動在日常經營活動進行了密切合作。過去12個月雙方開展了版權分發、廣告投放、廣告商業化等方面業務合作，交易金額約2．7億元。

結合雙方已簽署的協議及未來擬開展的合作，預計在2020年11月至2021年10月期間將產生日常關聯交易（不含稅）4．7億元。股權轉讓形式的合作有利於雙方優勢互補，以及未來深層次、持續的業務合作。

D. 位元組跳動的股票怎麼買

些位元組跳動公司的股票最近在私人交易中轉手，估值約為62億美元。在2017年末的一輪融資中，該公司的估值超過200億美元。
估值750億美元的快速增長將使位元組跳動公司成為世界最值錢的私有科技公司之一，超過了打車巨頭Uber和它的中國競爭對手滴滴出行。目前，位元組跳動公司仍排名低於馬雲的阿里旗下金融科技公司螞蟻金服，後者在最近一輪融資中的估值約為1500億美元。
近幾個月來，中國科技公司的私有估值很高，因為許多公司計劃在未來一年上市。但在上月中國智能手機製造商小米公司的IPO平淡無奇;投資者、銀行家和企業家一直在密切關注私人和公眾的估值。位元組跳動最近的融資努力可能是一個重要的標志。

E. 位元組跳動股票代碼

位元組跳動還沒有股票代碼，因為位元組跳動目前還沒有上市，所以沒有相應的股票代碼。
位元組跳動是一家信息科技公司，成立於2012年，總部位於北京，位元組跳動旗下的產品主要有今日頭條、抖音、火山小視頻、西瓜視頻等，該企業主要將人工智慧運用於移動互聯網之中，為用戶提供優質的信息服務。
北京位元組跳動科技有限公司是最早將人工智慧應用於移動互聯網場景的科技企業之一，是中國北京的一家信息科技公司，地址位於北京市海淀區知春路甲48號；位元組跳動科技公司獨立研發的「今日頭條」客戶端，通過海量信息採集、深度數據挖掘和用戶行為分析，為用戶智能推薦個性化信息，開創了一種全新的新聞閱讀模式；2019年6月11日，位元組跳動入選「2019福布斯中國最具創新力企業榜」。
位元組跳動強調履行科技創新，履行平台治理、內容建設和信息服務三方面社會責任；平台治理是企業要承擔的首要責任，其次是科技創新的責任，作為一家科技公司，發展是第一要務，人才是第一資源，創新是第一動力，位元組跳動致力於將人工智慧等科技應用到社會，推動社會進步；最後是內容建設和信息服務的責任，位元組跳動科技公司一直大力建設平台內容，力求為客戶提供最好的信息服務。
本條內容來源於：中國法律出版社《法律生活常識全知道系列叢書》

F. 位元組跳動上市了嗎

7月1日，有媒體報道稱，今日頭條的母公司位元組跳動預計將於今年或者明年上市。與此同時，亦有接近位元組跳動的投資人士告訴媒體，該公司在籌備明年上市。

近年來，市場中有關位元組跳動上市的傳聞一直不斷。2018年7月，位元組跳動被傳出將在香港IPO，規模可能達到數十億美元。今年2月份，又有報道稱位元組跳動或將在上海證券交易所科創板上市，對於這一消息，位元組跳動官方回應為「消息不實」。除了香港和上海，位元組跳動還曾被預測可能去紐約上市。

自2012年成立以來，位元組跳動共進行了約8輪融資。2018年10月，位元組跳動完成了一輪數額為40億美金Pre-IPO輪的融資，投前估值750億美元，投後估值接近800億美元。這一估值已經超過了網路（261.720，+0.43%）、美團點評等互聯網公司的市值。截至6月28日收盤，網路市值為411億美元，美團點評（337.000，-0.88%）市值為3945億港元（約合505億美元）。

G. 誰幫忙說說有哪些股票專業術語

A股 B股 H股 N股 ST股 PT股 K線 暗盤 板塊 暴利 補漲 白馬 拔檔 包銷 補空 報價 變盤 崩盤 參數 承銷 存貨 除權 除息 持倉 差價 長牛 長庄 長陽 長陰 長期 長空 長多 撤單 吃貨 出局 出貨 處罰 炒作 籌碼 成交 大盤 大戶 大關 代銷 董事 凍結 短差 短期 短線 短庄 短空 短多 低點 低吸 低價 底價 底部 登記 打壓 打開 打底 頂部 吊空 斷頭 多方 多頭 跌幅 跌停 對敲 額度 復牌 反轉 反彈 反抽 費用 風險 負債 浮多 浮空 浮籌 峰價 封關 分股 法人 股本 股票 股市 股東 股權 股民 股價 股份 股評 股金 股息 股利 割肉 公債 股指 股金 國債 掛進 掛出 摜壓 關卡 個股 高點 掛牌 高拋 跟進 後市 黑馬 含權 回落 回檔 回調 回吐 橫盤 合謀 匯率 行業 行情 護盤 哄抬 換手 換股 合並 紅利 介入 競價 金叉 均線 基金 進場 加息 加碼 減持 減磅 機構 經理 解套 建倉 價位 凈價 頸線 巨量 價位 舉牌 看漲 開盤 空倉 空手 空頭 空方 虧損 虧本 擴容 路演 利潤 利好 利多 利空 拉升 拉抬 老股 買入 買手 賣手 買空 賣空 賣出 買量 賣量 慢牛 年報 年線 內盤 牛市 牛股 牛皮 逆差 逆轉 披露 拋售 騙線 派息 派發 盤擋 盤堅 盤軟 盤跌 盤整 盤檔 盤局 盤口 平倉 配股 配售 平市 平台 強勢 強市 券商 趨勢 期權 圈錢 缺口 前期 輕倉 弱勢 弱市 融資 日線 熱點 踏空 抬拉 跳空 跳水 天價 突破 探底 頭部 貼水 套牢 填息 填權 填空 攤平 投資 調整 挑戰 頭部 推介 退市 收盤 收陽 收陰 收益 收購 上漲 實多 現手 實空 雙頭 死叉 升水 上檔 死多 散戶 順差 上市 上攻 上揚 數量 實體 損益 稅收 申購 掃盤 託管 停牌 突破 探低 探底 委託 外資 委比 委買 委賣 外商 外盤 違規 萎縮 尾市 尾盤 委必 午盤 殺低 向上 向下 現價 現手 箱體 蓄勢 下跌 下挫 洗盤 新多 新股 新高 下檔 吸納 吸貨 現賣 熊市 運作 溢價 月線 預虧 業內 業績 要價 盈利 異動 驗證 證券 坐轎 債券 債務 債權 中報 中期 中戶 置換 資金 資本 資產 莊家 庄股 主力 總手 增資 斬倉 轉倉 做多 做空 做手 做莊 做頭 軋空 震盤 震倉 震盪 振幅 轉讓 整理 漲停 漲跌 漲幅 扎空 坐車 支撐 阻力 止跌 重倉 周線 最高 最低 追高 摘牌 A2權證 標准券 本利比 保證金 保薦人 避風港 成交量 成交價 成長股 承銷商 次新股 創業板 大盤股 大牛股 大牛市 大股東 大陽線 大陰線 跌停板 多殺多 多翻空 董事會 短線客 低價股 地產股 浮動股 法人股 高息股 高價股 過戶費 國家股 軌道線 國有股 國企股 沽空盤 股份制 跟風盤 公眾股 乖離率 行情牌 含權股 核准制 換手率 紅籌股 黑馬股 會員制 獲利盤 經紀人 績優股 績差股 交易廳 緊縮股 技術股 監事會 基本面 今開盤 叫買價 叫賣價 空殺空 開平盤 開盤價 開低盤 空翻多 科技股 虧損股 可轉債 抗跌性 領頭羊 藍籌股 老八股 龍債券 冷門股 領導股 零星股 流通股 流通盤 龍頭股 買入價 賣出價 牛皮市 普通股 搶短線 搶搭車 搶帽子 潛力股 趨勢線 蹺蹺板 強勢股 汽車股 熱門股 融資股 死多頭 收盤價 收益率 損益表 三重底 升高盤 十字星 上影線 市盈率 抬轎子 投資股 投機股 投資者 頭肩頂 頭肩底 踏地雷 委託書 委託人 穩定股 無息股 外資股 網路股 下轎子 下影線 信託股 小盤股 小陰線 小陽線 消息面 優績股 優先股 遺忘股 圓弧底 一字型 印花稅 證券法 證券商 證券業 證監會 漲停板 周轉率 坐轎子 扎空頭 扎多頭 轉託管 注冊制 資本稅 整數股 最高價 最低價 阻力線 自營商 支撐線 總資產 總市值 總股本 總市值 招股書 職工股 轉配股 中價股 中長線 昨收盤 異動股 基準日 止損價 比價效應 便士股票 備兌憑證 部分償還 本國債券 比例配售 部分改組 傳真委託 長期投資 長期負債 長線是金 撤出股市 持幣觀望 成交數量 成交筆數 次日交收 財務風險 長期國債 場外交易 抽簽償還 初級市場 沖高受阻 儲備風險 出售資產 次級市場 存托憑證 產權界定 承銷協議 初次發行 財務補貼 財政收支 財政政策 常住居民 次要趨勢 大幅炒作 代理席位 抵押融資 電子商務 多頭市場 跌至谷底 短線交易 等級股票 對敲轉帳 當面委託 當日有效 當日交收 電話委託 單利債券 到期償還 定時償還 短期國債 道氏理論 短暫趨勢 底部橫盤 低位震盪 底部割肉 多空雙方 二次探底 二級市場 二級清算 二級銷售 二板市場 法人結算 分紅派息 發起設立 投資風險 負債股息 復利債券 發起協議 發行費用 發行公告 發行價格 法定資本 輔導報告 放量下跌 逢高減磅 逢低吸納 逢低介入 逢高減倉 貨幣償還 債權過戶 固定資產 關聯企業 關聯法人 關聯交易 個人股東 高科技股 購買交易 光谷概念 公募證券 公司債券 公司證券 股權置換 股權轉讓 股份公司 股票編號 股價漲跌 股票凈值 股本結構 股票交易 股權登記 股權過戶 股市壟斷 股價規定 股指報跌 股東大會 股價指數 股票股息 股票基金 股票期權 股票市場 國際債券

H. 字元跳動和抖音是一個公司嗎他們的大股東都是誰

位元組跳動和抖音不是一個公司，位元組跳動屬於北京位元組跳動科技有限公司，抖音屬於北京微播視界科技有限公司，北京位元組跳動科技有限公司和抖音創始人均為張一鳴。

北京位元組跳動科技有限公司，成立於2012年3月，是最早將人工智慧應用於移動互聯網場景的科技企業之一，是中國北京的一家信息科技公司，地址位於北京市海淀區知春路甲48號。

抖音短視頻，是一款音樂創意短視頻社交軟體，由今日頭條孵化，該軟體於2016年9月20日上線，是一個面向全年齡的音樂短視頻社區平台。用戶可以通過這款軟體選擇歌曲，拍攝音樂短視頻，形成自己的作品，會根據用戶的愛好，來更新用戶喜愛的視頻。

(8)跳動科技股票擴展閱讀

位元組跳動人工智慧實驗室成立於2016年，旨在針對人工智慧相關領域的長期性和開放性問題進行探索，幫助公司實現對未來發展的構想。其獨立研發的「今日頭條」客戶端，通過海量信息採集、深度數據挖掘和用戶行為分析，為用戶智能推薦個性化信息，從而開創了一種全新的新聞閱讀模式。

2020年1月8日，火山小視頻和抖音正式宣布品牌整合升級，火山小視頻更名為抖音火山版，並啟用全新圖標。

I. 如何通過雪球查詢股票之前的變動狀況

一. 雪球公司介紹

雪球 聰明的投資者都在這里。

web 1.0：新聞資訊，股價信息，K線圖
web 2.0：SNS 訂閱，分享，聊天
web 3.0：移動 APP，交易閉環
雪球現在員工數還不到100，其中技術人員佔一半。去年9月C輪融資4kw刀。我們現在的技術棧由下列組件組成：Java，Scala，Akka，Finagle，Nodejs，Docker ，Hadoop。我們當前是租用IDC機房自建私有雲，正在往「公私混合雲」方向發展。

在雪球上，用戶可以獲取滬深港美2w+股票的新聞信息，股價變化情況，也可以獲取債券，期貨，基金，比特幣，信託，理財，私募等等理財產品的各類信息，也可以關注雪球用戶建立的百萬組合，訂閱它們的實時調倉信息，還可以關注雪球大V。雪球當前有百萬日活躍用戶，每天有4億的API調用。App Store 財務免費榜第 18 名。歷史上曾排到財務第二，總免費榜第 19。

二. 雪球當前總體架構

作為一個典型的移動互聯網創業公司，雪球的總體架構也是非常典型的設計：

最上層是三個端：web端，android端和iOS端。流量比例大約為 2：4：4 。web3.0 的交易功能，在 web 端並不提供。
接入層以及下面的幾個層，都在我們的自建機房內部。雪球當前只部署了一個機房，還屬於單機房時代。正在進行「私有雲+公有雲混合部署」方案推進過程中。
我們當前使用 nodejs 作為 web 端模板引擎。nodejs 模塊與android 和 ios 的 app 模塊一起屬於大前端團隊負責。
再往下是位於 nginx 後面的 api 模塊。跟 linkedin 的 leo 和微博的 v4 一樣，雪球也有一個遺留的大一統系統，名字就叫 snowball 。最初，所有的邏輯都在 snowball 中實現的。後來慢慢的拆出去了很多 rpc 服務，再後來慢慢的拆出去了一些 http api 做成了獨立業務，但即便如此，snowball 仍然是雪球系統中最大的一個部署單元。
在需要性能的地方，我們使用 netty 搭建了一些獨立的介面，比如 quoto server，是用來提供開盤期間每秒一次的股價查詢服務，單機 qps 5w+，這個一會再細說；而 IM 服務，起初設計里是用來提供聊天服務，而現在，它最大的用途是提供一個可靠的 push 通道，提供 5w/s 的消息下發容量，這個也一會再細說。
雪球的服務化拆分及治理採用 twitter 開源的 finagle rpc 框架，並在上面進行了一些二次開發和定製。定製的功能主要集中在 access log 增強，和 fail fast，fail over 策略及降級開關等。 finagle 的實現比較復雜，debug 和二次開發的門檻較高，團隊內部對此也進行了一些討論。
雪球的業務比較復雜，在服務層中，大致可以分為幾類：第一類是web1.0，2.0 及基礎服務，我們稱為社區，包括用戶，帖子，新聞，股價，搜索等等，類比對象就是新浪財經門戶+微博；第二類是組合及推薦，主要提供股票投資策略的展示和建議，類比對象是美國的motif；第三類是通道，類似股市中的「支付寶」，接入多家券商，提供瞬間開戶，一鍵下單等等各種方便操作的功能。
雪球的業務實現中，包含很多非同步計算邏輯，比如搜索建索引，比如股票漲跌停發通知，比如組合收益計算等等，為此，我們設計了一個獨立的 Thread/Task 模塊，方便管理所有的後台計算任務。但隨著這些 task 越來越多，邏輯差異越來越大，一個統一的模塊並不是總是最佳的方案，所以，我們又把它拆成了兩大類：流式的，和批量式的。
雪球的推薦體系包括組合推薦「買什麼」和個性化推薦。我們最近正在重新梳理我們的大數據體系，這個感興趣的話可以單聊。
最下面是基礎設施層。雪球基礎設施層包括：redis，mysql，mq，zk，hdfs，以及容器 docker。
線上服務之外，我們的開發及後台設施也很典型：gitlab開發，jenkins打包，zabbix 監控系統向 openfalcon 遷移，redimine向confluence遷移，jira，以及內部開發的 skiing 後台管理系統。
** 三. 雪球架構優化歷程**

首先描述一下標題中的「股市動盪」定語修飾詞吧：

上證指數從年初的3000點半年時間漲到了5000多，6月12號達到最高點5200點，然後就急轉直下，最大單日跌幅 8.48%，一路跌回4000點以下。最近一周都在3900多徘徊。

3月最後一周，A股開戶 166萬戶，超過歷史最高紀錄 2007年5月第二周165萬戶。

4月份，證監會宣布A股支持單用戶開設多賬戶。

6月底，證金公司代表國家隊入場救市。

7月份，證監會宣布嚴打場外配資。

中國好聲音廣告第一晚，帶來超過平時峰值200倍的注冊量

挑戰：小 VS 大：

小：小公司的體量，團隊小，機器規模小
大：堪比大公司的業務線數量，業務復雜度，瞬間峰值沖擊

雪球的業務線 = 1個新浪財經 + 1 個微博 + 1 個 motif + 1 個大智慧/同花順。由於基數小，API調用瞬間峰值大約為平時峰值的 30+ 倍。

挑戰：快速增長，移動互聯網 + 金融，風口，A股大盤劇烈波動。

首先，在app端，在我們核心業務從 web2.0 sns 向 3.0 移動交易閉環進化的過程中，我們開發了一個自己的 hybrid 框架：本地原生框架，加離線 h5 頁面，以此來支撐我們的快速業務迭代。當前，雪球前端可以做到 2 周一個版本，且同時並行推進 3 個版本：一個在 app store 等待審核上線，一個在內測或公測，一個在開發。我們的前端架構師孟祥宇在今年的 wot 上有一個關於這方面的詳細分享，有興趣的可以稍後再深入了解。

雪球App實踐—構建靈活、可靠的Hybrid框架 http://wot.51cto.com/2015mobile/ http://down.51cto.com/data/2080769

另外，為了保障服務的可用性，我們做了一系列的「端到端服務質量監控」。感興趣的可以搜索我今年4月份在環信SM meetup上做的分享《移動時代端到端的穩定性保障》。其中在 app 端，我們採用了一種代價最小的數據傳輸方案：對用戶的網路流量，電池等額外消耗幾乎為0

每個請求里帶上前一個請求的結果

succ or fail ： 1 char
失敗原因：0 - 1 char
請求介面編號： 1 char
請求耗時：2 - 3 char
其它：網路制式，etc
炒股的人大多都會盯盤：即在開盤期間，開著一個web頁面或者app，實時的看股價的上下跳動。說到「實時」，美股港股當前都是流式的數據推送，但國內的A股，基本上都是每隔一段時間給出一份系統中所有股票現價的一個快照。這個時間間隔，理論上是3秒，實際上一般都在5秒左右。 交了錢簽了合同，雪球作為合作方就可以從交易所下屬的數據公司那裡拿到數據了，然後提供給自己的用戶使用。

剛才介紹總體架構圖的時候有提到 quote server ，說到這是需要性能的地方。

業務場景是這樣的，雪球上個人主頁，開盤期間，每秒輪詢一次當前用戶關注的股票價格變動情況。在內部，所有的組合收益計算，每隔一段時間需要獲取一下當前所有股票的實時價格。起初同時在線用戶不多，這個介面就是一個部署在 snowball 中的普通介面，股價信息被實時寫入 redis ，讀取的時候就從 redis 中讀。後來，A股大漲，snowball 抗不住了。於是我們就做了一個典型的優化：獨立 server + 本地內存存儲。開盤期間每次數據更新後，數據接收組件主動去更新 quote server 內存中的數據。 後續進一步優化方案是將這個介面以及相關的處理邏輯都遷移到公有雲上去。

對於那些不盯盤的人，最實用的功能就是股價提醒了。在雪球上，你除了可以關注用戶，還可以關注股票。如果你關注的某隻股票漲了或跌了，我們都可以非常及時的通知你。雪球上熱門股票擁有超過 50w 粉絲（招商銀行，蘇寧雲商）粉絲可以設置：當這支股票漲幅或跌幅超過 x%（默認7%）時提醒我。曾經連續3天，每天超過1000股跌停，證監會開了一個會，於是接下來2天超過1000股漲停

原來做法：

股票漲（跌）x%，掃一遍粉絲列表，過濾出所有符合條件的粉絲，推送消息
新做法：

預先建立索引，開盤期間載入內存
1%：uid1，uid2
2%：uid3，uid4，uid5
3%：uid6
問題：有時候嫌太及時了：頻繁跌停，打開跌停，再跌停，再打開。。。的時候
內部線上記錄：

4台機器。
單條消息延時 99% 小於 30秒。
下一步優化目標：99% 小於 10 秒
IM 系統最初的設計目標是為雪球上的用戶提供一個聊天的功能:

送達率第一
雪球IM：Netty + 自定義網路協議
Akka ： 每個在線client一個actor
推模式：client 在線情況下使用推模式
多端同步：單賬號多端可登錄，並保持各種狀態同步
移動互聯網時代，除了微信qq以外的所有IM，都轉型成了推送通道，核心指標變成了瞬間峰值性能。原有架構很多地方都不太合適了。

優化：

分配更多資源：推送賬號actor池
精簡業務邏輯：重復消息只存id，實時提醒內容不推歷史設備，不更新非活躍設備的session列表等等
本地緩存：拉黑等無法精簡的業務邏輯遷移到本地緩存
優化代碼：非同步加密存儲，去除不合理的 akka 使用
akka這個解釋一下：akka 有一個自己的 log adapter，內部使用一個 actor 來處理所有的 log event stream 。當瞬間峰值到來的時候，這個 event stream 一下子就堵了上百萬條 log ，導致 gc 顛簸非常嚴重。最後的解決辦法是，繞過 akka 的 log adapter，直接使用 logback 的 appender

線上記錄：5w/s （主動限速）的推送持續 3 分鍾，p99 性能指標無明顯變化

7月10號我們在中國好聲音上做了3期廣告。在廣告播出之前，我們針對廣告可能帶來的對系統的沖擊進行了壓力測試，主要是新用戶注冊模塊，當時預估廣告播出期間2小時新注冊100萬

壓測發現 DB 成為瓶頸：

昵稱檢測 cache miss > 40%
昵稱禁用詞 where like 模糊查詢
手機號是否注冊 cache miss > 80%
注冊新用戶：5 insert
優化：

redis store：昵稱，手機號
本地存儲：昵稱禁用詞
業務流程優化：DB insert 操作同步改非同步
下一步優化計劃：

將 sns 系統中所有的上行操作都改成類似的非同步模式
介面調用時中只更新緩存，而且主動設置5分鍾過期，然後寫一個消息到 mq 隊列，隊列處理程序拿到消息再做其它耗時操作。
為了支持失敗重試，需要將主要的資源操作步驟都做成冪等。
前置模塊HA：

合作方合規要求：業務單元部署到合作方內網，用戶的敏感數據不允許離開進程內存
業務本身要求：業務單元本身為有狀態服務，業務單元高可用
解決方案：

使用 Hazelcast In-Memory Data Grid 的 replication map 在多個 jvm 實例之間做數據同步。

java 啟動參數加上 -XX:+DisableAttachMechanism -XX:-UsePerfData，禁止 jstack，jmap 等等 jdk 工具連接

關於前置模塊，其實還有很多很奇葩的故事，鑒於時間關系，這里就不展開講了。以後有機會可以當笑話給大家講。

組合凈值計算性能優化：

一支股票可能在超過20萬個組合里（南車北車中車，暴風科技）
離線計算，存儲計算後的結果
股價3秒變一次，涉及到這支股票的所有組合理論上也需要每 3 秒重新計算一次
大家可能會問，為什麼不用戶請求時，實時計算呢？這是因為「組合凈值」中還包括分紅送配，分股，送股，拆股，合股，現金，紅利等等，業務太過復雜，開發初期經常需要調整計算邏輯，所以就設計成後台離線計算模式了。當前正在改造，將分紅送配邏輯做成離線計算，股價組成的凈值實時計算。介面請求是，將實時計算部分和離線計算部分合並成最終結果。

實際上，我們的計算邏輯是比較低效的：循環遍歷所有的組合，對每個組合，獲取所有的價值數據，然後計算。完成一遍循環後，立即開始下一輪循環。

優化：

分級：活躍用戶的活躍組合，其它組合。
批量：拉取當前所有股票的現價到 JVM 內存里，這一輪的所有組合計算都用這一份股價快照。
關於這個話題的更詳細內容，感興趣的可以參考雪球組合業務總監張岩楓在今年的 arch summit 深圳大會上的分享：構建高可用的雪球投資組合系統技術實踐 http://sz2015.archsummit.com/speakers/201825

最後，我們還做了一些通用的架構和性能優化，包括jdk升級到8，開發了一個基於 zookeeper 的 config center 和開關降級系統

四. 聊聊關於架構優化的一些總結和感想

在各種場合經常聽說的架構優化，一般都是優化某一個具體的業務模塊，將性能優化到極致。而在雪球，我們做的架構優化更多的是從問題出發，解決實際問題，解決到可以接受的程度即可。可能大家看起來會覺得很凌亂，而且每個事情單獨拎出來好像都不是什麼大事。

我們在對一個大服務做架構優化時，一般是往深入的本質進行挖掘；當我們面對一堆架構各異的小服務時，「架構優化」的含義其實是有一些不一樣的。大部分時候，我們並不需要（也沒有辦法）深入到小服務的最底層進行優化，而是去掉或者優化原來明顯不合理的地方就可以了。

在快速迭代的創業公司，我們可能不會針對某一個服務做很完善的架構設計和代碼實現，當出現各種問題時，也不會去追求極致的優化，而是以解決瓶頸問題為先。

即使我們經歷過一回將 snowball 拆分服務化的過程，但當我們重新上一個新的業務時，我們依然選擇將它做成一個大一統的服務。只是這一次，我們會提前定義好每個模塊的 service 介面，為以後可能的服務化鋪好路。

在創業公司里，重寫是不能接受的；大的重構，從時間和人力投入上看，一般也是無法承擔的。而「裱糊匠」式做法，哪裡有性能問題就加機器，加緩存，加資料庫，有可用性問題就加重試，加log，出故障就加流程，加測試，這也不是雪球團隊工作方式。我們一般都採用最小改動的方式，即，准確定義問題，定位問題根源，找到問題本質，制定最佳方案，以最小的改動代價，將問題解決到可接受的范圍內。

我們現在正在所有的地方強推3個數據指標：qps，p99，error rate。每個技術人員對自己負責的服務，一定要有最基本的數據指標意識。數字，是發現問題，定位根源，找到本質的最重要的依賴條件。沒有之一。

我們的原則：保持技術棧的一致性和簡單性，有節制的嘗試新技術，保持所有線上服務依賴的技術可控，簡單來說，能 hold 住。

能用cache的地方絕不用db，能非同步的地方，絕不同步。俗稱的：吃一塹，長一智。

特事特辦：業務在發展，需求在變化，實現方式也需要跟著變化。簡單的來說：遺留系統的優化，最佳方案就是砍需求，呵呵。