云原生微服务很难实现吗?百度用自己的CRM来做这个,性能压倒性的

2023-08-22 9190阅读

CRM作为企业与客户、潜在客户之间的关系以及各种互动策略的管理系统,CRM(客户关系管理,即关系管理)能否顺利运行,关系到企业的运营效率和盈利能力。

云原生微服务很难实现吗?百度用自己的CRM来做这个,性能压倒性的 第1张
()

客户关系管理的概念起源于20世纪70年代的美国。 自1993年第一个CRM Siebel问世以来慈云数据自营海外云服务器,高稳定高性价比,支持弹性配置,随着信息技术的发展,CRM的概念逐渐深入人心。 不断丰富和完善。

从技术架构来看,从20世纪80年代到本世纪初,基本上以企业本地部署为主。 随着企业的不断发展,越来越多的IT资产给企业带来了越来越高的管理负担。 随着互联网技术的发展,SaaS形式的服务开始出现。

CRM的发展离不开技术创新,其背后的持续驱动力是企业的需求。 企业为了生存和发展,需要不断降本增效,需要对市场变化做出快速反应。

而由于云原生技术能够提高业务应用的迭代速度,赋能业务创新,因此成为当前关注的焦点。

百度客户关系管理

选择百度智能云CNAP

执行微服务转型

百度CRM(以下简称“CRM”)作为百度在营销、销售等领域的重要后端支撑业务,覆盖售前、售中、售后全场景,能够全程跟踪客户的生命周期,这在日常工作中非常重要。 系统。

大型企业拥有庞大的客户群和巨大的业务量,因此对于CRM系统的任何升级都必须非常谨慎,尤其是对于年收入数千亿美元的百度来说。

百度对于先进技术始终保持着非常开放的态度。 在CRM规划中,需要建立小前台+大中台+云后台的产品最终状态。 其中,云后台开始了微服务实践的探索和变革。

在百度CRM的微服务改造过程中,选择了百度智能云的微服务产品。 目前,百度智能云的微服务产品包括两大类:

从2020年第一季度开始,百度CRM利用百度智能云的云原生应用平台(Cloud-Native Application Platform,以下简称CNAP)进行大规模的微服务改造。 接下来我们对转型过程进行简单回顾。

业务痛点

推动基础设施创新

百度大规模的CRM系统底层需要大量的硬件基础设施。 在基础设施管理和效率方面,百度也在不断优化,以达到“降本增效”的效果。

在虚拟化技术浪潮下,基础设施已经向虚拟化转型。 极大缓解了物理硬件资源缺乏弹性、资源利用率低、运维成本高等问题。 不仅实现了资源的集中管理,还提高了架构的弹性扩展能力。

虚拟化转型还存在很多不足。 随着CRM系统的不断发展和迭代,基础设施层面的一些问题变得更加突出:

微服务转型需要考虑的问题

云原生微服务是继虚拟化之后基础设施领域的又一革命性创新。 要将百度庞大的CRM系统转变为微服务,需要克服许多挑战。

更有针对性的微服务解决方案

CNAP微服务应用平台提供的微服务能力主要包括开箱即用、微服务应用托管能力、灵活的管理模式、丰富的微服务能力四个方面。

云原生微服务很难实现吗?百度用自己的CRM来做这个,性能压倒性的 第2张

结合CNAP微服务平台提供的微服务能力云服务器 微服务,CRM的微服务改造方案如下:

云原生微服务很难实现吗?百度用自己的CRM来做这个,性能压倒性的 第3张

在基础设施层,包括物理机、虚拟机、容器等部署环境通过底层网络专线连接。 在业务应用层,采用统一的全托管注册中心,实现业务云原生微服务迁移过程中的互通。

通过默认的环境隔离机制,在服务发现过程中实现同一环境下的服务发现,避免业务方跨环境调用服务; 通过灵活的业务路由配置,实现跨项目、跨环境、优先级路由场景,满足区域内业务优先级接入、灰度发布等场景需求。

在可观察性方面,通过非侵入式的Java Agent技术,业务无感知地接入微服务监控能力,实现微服务链路追踪、服务拓扑、接口分析、指标监控等可观察性功能。

微服务改造后,展现出多方面的价值

在百度CRM微服务的改造中云服务器 微服务,百度智能云CNAP展现出了多方面的价值。

通过微服务改变实践

拥抱云原生技术浪潮

百度CRM的微服务化转型,代表了企业在云原生技术浪潮下求新求变的技术创新的又一次成功尝试,也彰显了云原生技术作为企业数字化转型加速器的价值。

百度智能云CNAP和Trina Stack是百度智能云迎接云原生技术浪潮的重要抓手。 在这场微服务变革中,百度智能云CNAP的多方位价值也体现了百度智能云对行业的加速作用。 智能化不懈努力的一个缩影。


    免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度,360,搜狗等多加搜索引擎自动关键词搜索配图,如有侵权的图片,请第一时间联系我们,邮箱:ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!

    目录[+]