تیم‌های مهندسی Grab در حال حاضر بیش از 250+ مایکروسرویس را اداره و مدیریت می‌کنند. با توجه به مسائل تجاری که هر تیم با آن روبرو می‌شود، اکوسیستم توسعه ما از Golang، جاوا و همه چیز در بین آنها متنوع است.

اگرچه سیستم‌های تمرکز شده وجود دارند که بسیاری از وظایف ساخت و راه‌اندازی خودکار را انجام می‌دهند، اما هنوز برخی از تیم‌ها در حال کار با فناوری‌های مختلف هستند که سیستم ساخت، تست و راه‌اندازی خود را در سطوح بهره‌وری مختلف مدیریت می‌کنند. مدیریت یک اکوسیستم ساخت و راه‌اندازی متنوع چالش‌های خاص خود را دارد.

وابستگی‌های خارجی خراب.ساخت‌های قابل تکرار نیست به دلیل تغییرات در AMI، کلیدهای پیکربندی و دیگر پارامترهای ساخت.اجازه‌نامه‌های امنیتی میان مخزن‌های مختلف از دست رفته.

محیط های استقرار متنوعی ضرورت به یک منحنی یادگیری بزرگ دارند.مدیریت زیرساخت تحت کد.توقف بالاتر هنگام بالا بردن سیستم ها پس از یک رویداد کاهش مقیاس.

گریند به مشتاقانه مصرف کننده و کیفیت همراهی تیم های مهندسی راهکارهای نوآورانه و ارائه ارزش به صورت سریع ترغیب می‌کند. زمانی که تیم به‌دنبال حل مشکلات ساخت یا وظایف مرتبط با استقرار است، این موضوع تأثیر مستقیمی بر زمانی که آنها را صرف ارائه ارزش تجاری می‌کنند، دارد.

استفاده از معماری کانتینر به تیم کمک می‌کند تا چندین برنامه را جدا از هم روی یک ماشین مجازی یا سرور اجرا کرده و با اهمیت کمتری اجرا شوند.

در Grab، هر دو تیم پلتفرم و تیم های مهندسی اصلی به معماری کانتینریزیشن منتقل شدند تا به اهداف زیر دست یابند:

پشتیبانی از ساخت و روان رساندن تصاویر کانتینر در طول فرآیند CI.ایجاد یک تصویر ماشین مجازی استاندارد قابل اجرا برای اجرای بار کاری کانتینر. AMI توسط یک تیم مرکزی نگهداری می‌شود و شامل اجزای زیرساخت مانند (DataDog، Filebeat، Vault، و غیره) است.تجربه استقرار که به سرویس های موجود اجازه می دهد به امنیت بار کاری کانتینر با اجرای همزمان هر دو نوع بار کاری در ابتدا منتقل شوند.

تیم های مهندسی اصلی به بار کاری کانتینریزیشن روی تجربه های زیر تمایل داشتند:

یک نسخه کانتینریزه از سرویس که بدون وابستگی به ابزار داخلی (زمان اجرا) Grab می تواند به طور محلی و در ارائه دهنده های ابری مختلف اجرا شود.استفاده مجدد از ابزارهای مشترک مانند Chronograf در پروژه های مختلف با اجرای نسخه بدون وابستگی از ابزارها برای اولین بار هنگام نیاز می شود.اجرای چندین قابلیت جدید در محیط استقرار / dev / shadow از طریق استفاده همزمان از انواع بار کاری.

پذیرش کانتینریزیشن

تیم های مهندسی در مجله زیبایی و درمانی از مدل کانتینریزیشن برای ساخت و استقرار سرویس ها به مقیاس استفاده می کنند. تلاش های ما در زمینه کانتینریزیشن، تیم های توسعه را باعث تسریع حرکت می کند توسط:

ایجاد یک محیط یکسان بین توسعه، تست و تولیدنرم افزار راهبردی استفاده منطبق از منابع زیرساختکاهش هزینه زیرساخت انتزاع وابستگی سیستم عاملافزایش قابلیت مشاهده بین فروشندگان ابری

زمانی که ما شروع به استفاده از کانتینرها کردیم، متوجه شدیم که ساخت کانتینرهای کوچک برخی مزایا دارد نسبت به کانتینرهای بزرگ. به عنوان مثال، کانتینرهای کوچک:

در طول فرآیند کانتینرسازی برنامه های خود، متوجه شدیم که برخی از باینری های سرویس با اندازه بزرگتر (~110 مگابایت) نسبت به اندازه باینری باینری Golang بزرگتر هستند. برای یک برنامه ساخته شده به صورت استاتیک بازپیوند شده Golang، اندازه 110 مگابایت بزرگ است! پس چگونه می توانیم متوجه شویم چه چیزی اندازه باینری ما را بزرگ می کند؟

ابزار بصری اندازه گیری اندازه گیری باینری GO

در حین جستجو در ابزارهایی برای تجزیه و تحلیل سمبل ها در یک باینری Golang، ما ابزار go-binsize-viz را بر اساس این مقاله پیدا کردیم. به خصوص، ما این ابزار را دوست داشتیم زیرا از ابزارلاین Golang موجود (به ویژه Go tool nm) برای تجزیه و تحلیل واردات استفاده می کند و یک مکانیزم ساده برای عبور از نمادهای موجود از طریق treemap ارائه می دهد. ما به طور خلاصه مراحلی که برای تجزیه و تحلیل یک باینری Golang انجام دادیم، را در اینجا شرح خواهیم داد.

مقدمه

یک کمپین تبلیغاتی، تلاش بازاریابی است که هدف آن افزایش فروش، جذب مشتری یا افزایش آگاهی برند در مورد یک محصول، خدمت یا شرکت است. هدف این است که با اختصاص تبلیغات به مصرف کنندگان در یک بودجه داده شده در طول دوره کمپین، تعداد سفارشات و فروش بیشتری داشته باشیم.

از تحقیقات ما مشخص شده است که تاجران اهداف خاصی برای تبلیغاتی که می خواهند ارائه دهند دارند. آنها می خواهند به طور ساده و با هزینه کارآمد راهی برای دستیابی به اهداف کسب و کار خاص خود داشته باشند، با ارائه پیشنهادهای خوب برای جذب مشتریان مورد نظر. از دیدگاه Grab، ما می خواهیم به تاجران در تنظیم و اجرای کمپین ها به طور کارآمد کمک کنیم و آنها را در دستیابی به اهداف خاص کسب و کار خود یاری دهیم.

یکی از ارائه های پلتفرم Grab برای تاجران، قابلیت ایجاد کمپین های تبلیغاتی است. با ظهور فناوری های هوش مصنوعی، ما متوجه شدیم که فرصت هایی برای بهبود بیشتر پلتفرم وجود دارد. در زیر، فاصله ها و فرصت های مشاهده شده توسط ما آورده شده است:

اختصاص جهانی به تبلیغات بدون هدف هوشمند: روش قبلی برای همه مشتریان هدف قرار می گرفت، بنابراین همه می توانستند تا وقتی که تبلیغ تا حد نصاب رسید، آن را استفاده کنند. اما این روش به طور دقیق اهداف کسب و کار را رفع نمی کرد و یا هزینه تبلیغ را بهینه نمی کرد. کمپین تبلیغاتی باید با هوشمندی برای هر مشتری بهترین تبلیغ را هدف قرار دهد تا فروش را افزایش دهد و هزینه تبلیغ را بهتر استفاده کند.عرضه نمی کند Customised تبلیغات برای هر تاجر: برای بهینه سازی فروش برای هر تاجر، تاجران باید تبلیغاتی که بر اساس روند مشتریان تاریخی خود استفاده می کنند را ارائه دهند، نه فقط پیشنهادی عمومی. به عنوان مثال، برای یک تاجر خاص، تخفیف 27 درصد ممکن است پیشنهاد مناسبی برای افزایش درآمد و فروش بر اساس رزرو کاربر باشد. با این حال، تاجران همیشه تخصص لازم را برای تصمیم گیری در مورد هدفی که برای افزایش سود انتخاب کنند ندارند.هیچ بهینه سازی مبتنی بر AI: بدون مدل های AI، تاجران برای اختصاص تبلیغات در مقیاس بزرگ به هر مصرف کننده و بهینه کردن اهداف کسب و کار خود سخت تر است.

همانطور که در شکل زیر نشان داده شده است، انتظار می رود که کمپین های تبلیغاتی مبتنی بر AI با هزینه بیشتری بیشتر از روش های هورستیک فروش را به همراه داشته باشند. بنابراین، در مجله زیبایی و درمانی آذروت، ما به دنبال معرفی یک ابزار خودکار، مبتنی بر AI هستیم که به تاجران در هدف قرار دادن مصرف کنندگان با تبلیغات مناسب و بهینه سازی فروش و هزینه های تبلیغ کمک می کند. اینجاست که Bullseye مداخله می کند.

راه حل

Bullseye یک سیستم اختصاص خودکار و مبتنی بر AI است که از قابلیت های زیر استفاده می کند:

معماری

معماری Bullseye شامل یک رابط کاربری (UI) و یک سرویس پشتیبان برای رسیدگی به درخواست ها است. برای استفاده از Bullseye، تیم عملیات ما اطلاعات تاجر را در رابط کاربری Bullseye وارد می کند. سرویس پشتیبان سپس با استفاده از API ها با اطلاعات تعامل می کند و از مدل AI برای پردازش اطلاعات استفاده می کند. زیرا ما با یک جمعیت مشتری بزرگ کار می کنیم، داده ها در S3 ذخیره می شوند و سرویس API برای اجرای کار Chimera Spark برای اجرای مدل پیش بینی و تولید وظفیت تبلیغات راه اندازی می شود. در طول اختصاص، کار Chimera Spark پارامترهای ورودی را تجزیه و تحلیل کرده، ورودی را قبل از اعتبار سنجی اولیه می کند، پیش بینی هایی انجام می دهد و سپس نتایج وظیفه تبلیغات را به سرویس پشتیبان باز می گرداند.

اجرا

شناسایی بخش های مشتری: هر کاربر را بر اساس سفارشات تاریخی خود از تاجران هدف به عنوان فعال، ترک شده یا جدید شناسایی می کند.طراح تخفیفات: ما یک چارچوب طراحی تخفیفات متغیر را برای طراحی تخفیفات متناسب با هر درخواست کمپین ایجاد کردیم.تولید کننده محتوای پیشنهاد: تنظیمات متغیری از تخفیفات بر اساس تاریخچه استفاده از تخفیفات را تولید می کند.شبیه ساز تأثیر کمپین: معیارهای تجاری مانند درآمد، فروش و هزینه را بر اساس پروفایل های کاربر و تاجر و ویژگی های پیشنهادی پیش بینی می کند.انتخاب بهینه تخفیف: بهترین پیشنهاد بر اساس تأثیر پیش بینی شده و هدف کمپین داده می شود. بهینه سازی بر اساس این می تواند بر اساس آنچه که شما

مجله زیبایی و درمانی آذر وات is Southeast Asia’s leading superapp, providing a suite of services that brings essential needs to users throughout the region. Its offerings include ride-hailing, food delivery, parcel delivery, mobile payments, and more. With safety, efficiency, and user-centered design at heart, مجله زیبایی و درمانی آذروت remains dedicated to solving everyday issues and improving the lives of millions.

As the app continues to expand with more features, مجله زیبایی و درمانی آذروت identified the need for a consistent, high-quality experience for new users who may have limited storage space or restricted internet bandwidth. Read to find out more about Project Bonsai and how it reduced app download size and app disk size.

معرفی

In 2020, Google conducted research that highlighted the negative impact of app sizes on conversion rates, revealing a 1% decrease for every 6MB expansion of the app APK size. This finding prompted مجله زیبایی و درمانی آذروت to ensure new and existing users had a consistently excellent مجله زیبایی و درمانی آذروت superapp experience, given the prevalence of low-end devices and disparate internet infrastructure in Southeast Asian regions. As a result, مجله زیبایی و درمانی آذروت initiated Project Bonsai in Q3 2021, with the goal of reducing and optimising the app size while enhancing user experience, reducing installation barriers, and boosting user acquisition.

Understanding the problem

The مجله زیبایی و درمانی آذروت superapp, with over 4 million lines of code and integration with hundreds of third-party libraries, had a significant app size. Given the prevalence of low-end devices and disparate internet infrastructure in our target region, it is crucial for us to proactively and constantly ensure we are delivering excellence in app-based user experience.

Objectives of the Bonsai project

The Bonsai project focused on these two key metrics:

App Download Size: This represents the total size of the compressed APK file that users need to download from Google Play when performing a fresh installation. App Disk Size: This encompasses the total storage space occupied by the app on user devices, including both the binary and data generated by the app.

In this article, we will share the strategy and solutions that resulted in a successful 26% reduction in App Download Size, while also reducing the App Disk Size.

Status quo

Prior to the Bonsai project, the مجله زیبایی و درمانی آذروت app project had implemented various measures to achieve optimal app size. Here are some notable highlights:

Leveraging App Bundle: Since 2019, مجله زیبایی و درمانی آذروت has been using the app bundle approach to optimise app delivery. This approach generates smaller APKs tailored to specific device configurations, ensuring users receive optimised APKs. This helps reduce the overall app size and improve installation efficiency. Monitoring: With a team of over 100 Android engineers and multiple collaborative teams, the مجله زیبایی و درمانی آذروت app undergoes a weekly release process involving hundreds of commits for each release. Closely monitoring app size changes with every commit is essential for our team. The team established debug build (APK file size) monitoring for every commit merged to the master branch. Regular weekly reviews are conducted to stay updated on the app size and identify commits that might lead to changes in app size. However, occasional mismatches may occur due to discrepancies between the debug and release builds.

R8 Integration: R8/Proguard, known as the code shrinker, obfuscator, and optimiser, has been enabled since the beginning. This powerful tool helps reduce the app's bytecode and resources, leading to further size optimisation and improved app performance. Resource Optimisation: The team diligently pursued resource optimisation strategies, including: Images: Engineers were encouraged to use vector images whenever possible, as they usually have smaller file sizes than raster images. In exceptional cases where raster images were necessary, مجله زیبایی و درمانی آذروت adopted the webp format instead of png, utilising better image compression to minimise app size. Language ResourceConfig: مجله زیبایی و درمانی آذروت enabled resourceConfig to support only the languages actively used by the مجله زیبایی و درمانی آذروت app, reducing unnecessary resource overhead and enhancing app efficiency. Third-Party Libraries Review: The team established a review process for third-party libraries, assessing their size impact on the app. This practice ensured that only essential libraries were included, preventing unnecessary bloating of the app size.

Despite