优步

第一讲-联·互·网互联网的本质 1. 互联网的本质就是三个字：联接、互动、结网。 2. 联接，是指物理世界和internet的世界连在一起，也叫“在线”。互联网技术的三个发展阶段，PC、移动、物联网，代表联接日益广泛的进程。 3. 互动，是指在线之后，人与人、人与物持续联动。互联网产品三个发展阶段，web 1.0、web 2.0、web 3.0，代表互动日益深密的进程。 4. 结网，是指分工和合作开始用网络的方式实现，结网的前提条件是联接和互动。未来互联网将带来的颠覆，在于商业的大规模结网。 5. 淘宝做成高效的零售平台，背后是所有跟零售有关的人和工种的在线、互动、结网。淘宝不是线上的mall，而是非常复杂的协同网络。 6. 企业考虑接触互联网，企业的核心产品和业务必须在线，很多企业仍然很远很远。在线之后，要完成跟客户的互动。前面两步已经非常考验功力，做完可以再考虑结网。 第二讲-数据智能未来商业的核心 1. 未来的商业会全面智能化，智能化的实现路径叫做数据智能，而数据智能由三件事情构成：数据化、算法化、产品化。 2. 数据化，是指人和物在线之后产生的一系列行为记录，是广泛联接的结果。 3. 算法化， 是指用数学的方法模拟一个人在一个场景里面的决策。只有算法化，才可以让机器提升这个决策的效率，正所谓“优化。” 4. 产品化，是指你跟客户接触的智能方式。互联网的产品

第一个文章 https://www.jdon.com/49366 在分布式系统中，重试是不可避免的，我们经常使用后台跑定时进行数据同步，同步不成功就实现重试，重试次数多少取决于你追求一致性还是可用性，如果希望两个系统之前无论如何都必须一致，那么你设置重试次数为无限,当然这是理想情况，实际情况是有重试次数限制和重试时间限制，如果超过不成功怎么办？丢弃会造成数据丢失进而永久不一致，人工介入又非常复杂，通过引入死信队列可以优雅处理这种问题。本文是优步Uber工程师夏宁(Ning Xia)发布的一篇如何使用Kafka的死信队列实现重试处理的。 从网络错误到复制问题甚至下游依赖关系等场景中随时可能发生的中断，大规模运行的服务必须尽可能地优雅发现、识别并处理故障。 考虑到优步Uber的运维范围和效率，我们的系统发生故障时必须智能化地具有容错性和不妥协性。为了实现这一目标，我们决定使用开源分布式消息传递平台Apache Kafka，该平台已经过业界测试，并能提供大规模的高性能。 利用这些属性，优步行车保险工程团队通过扩展卡夫卡，在我们现有的事件驱动架构中使用无阻塞请求重新处理和死信队列（DLQ），实现错误处理的解耦，在不中断实时流量情况下实现可观察的错误处理。这一策略有助于我们遍布200多个城市的驾驶员能够可靠地实现每次行程的保费扣除。 在本文中

滴滴快车单单2.5倍 ，注册地址： http://www.udache.com/ 如何注册Uber司机(全国版最新最详细注册流程) /月入2万/不用抢单 ： http://www.cnblogs.com/mfryf/p/4612609.html 优步奖励低/不挣钱/怎么办?看这里 ： http://www.cnblogs.com/mfryf/p/4642173.html 打豪车应用：uber详细攻略（附100元优惠码：DL8T6） ： http://www.cnblogs.com/mfryf/p/4752167.html 2012年9月滴滴打车软件上线，2014年滴滴打车市场占有率为60.2%，2012年才成立的滴滴，现在已覆盖360个城市1.5亿用户。新一轮融资之后，公司总估值达到150亿美元。 第一阶段，初创时期 发现市场机遇：打车难，的士空车率高 以北京为例，在拥有两千万常住人口的“首堵”，打车难成了城市特色之一，这也不仅仅是北京的个性问题，全国一二线城市或多或少都会出现，但即使市民们抱怨打车难，目前北京市的数万辆出租车空载率依然很高，如果有一款产品既能够降低出租车的空载率，又能为用户解决出行问题，无疑是一块巨大的市场。 方法：从帝都出发，从一线到二线，一年覆盖32 个城市，解决用户打车难的痛点 效果：截止到 13年11 月底，嘀嘀打车覆盖了全国 32 个一二线城市

Uber,您的专属司机。这是Uber的slogan,俗称的宣传语，口号。 Uber 　　其实我是原本是喜欢用神州的，原因很简单：1: trade in- 某次在朋友家玩的时候，一位朋友极力推荐（和神州半毛钱关系都没有，纯粹是他觉得的确好用）： 叫车速度反应很快（1分钟之内基本都能叫到，司机会马上联系你，之后好几次用滴滴打车或者Uber叫不到车，用神州可以，更加坚定了我这个认知） 新人首单优惠30元，＋正在做的买100送100的活动，让别克商务车的价格比打的士还要便宜。 　　2: retention: 服务好：标准用语，迎接客人的流程（欢迎语，下车帮忙开车门，放行李，提示车上可以使用纸巾，水以及wifi）会给人一种很安心的感觉。 车内环境好：干净整洁宽敞，不是私家车可以相比的。 对于大部分用户而言，产品只要能解决问题，不出纰漏，就懒的再去换了。 　　然而最近，我开始尝试Uber。原因也很简单：朋友强烈推荐，并让我免费坐了一次：极快的速度叫到了车并得到司机回复，比打了折的神州还要便宜的价格，比的士好的车型，以及有趣好玩的APP，让我对它的好感度飙升。 　　碎碎念完了，按照我惯常对一个产品的分析流程来看看Uber: 　　目标用户－痛点，功能－使用场景，交互－设计 　　一、目标用户 　　计程车无法满足的用户： 　　1）响应速度和稳定性。时间比金钱宝贵。 　　2）舒适度和虚荣感

　　在准备我们的远程协作功能的流程开发设计的时候，我的同伴对我说， 程序员接私活 其实不喜欢抢单，能够像Uber那样，用配单的形式来做么？这是个好问题，配单是Uber与其他几个打车软件很不一样的地方，但是，Uber的致胜关键远远不止这一点，而我一直对Uber的模式很感兴趣。因此，我们不妨把这个问题扩大为，远程协作的任务撮合模式，我们可以学习Uber么？ 　　因此，我们先来总结一下， Uber的获胜机制是什么？ 　　 溢价算法-让市场的手来调节价格，分配资源 　　和其他打车软件不一样，Uber的溢价不是计划好的（比如雕爷在《论Uber为什么该得诺贝尔经济学奖》里面提到，它可以比的士还要便宜，也可以贵到时普通价格的3.8倍，完全由供需决定），是依据供求动态平衡”，溢价系数应该是和该区域的用户需求以及司机数量比例相关，也就是直接的供需关系。 　　 匹配算法－快速响应，优良服务，顾客体验的正循环 　　对于司机而言，派单是比抢单更轻松的方法。Uber在派单之前用来匹配“乘客需求－司机供给”的模型，每个订单通过算法（包括,最短到达时间，是否可用、以往评价等因素），决定了司机和车辆的推荐顺位。 　　 通过算法找到能够最短到达的司机 　　司机看不到目的地，因此也无法拒载。（潜在问题是，司机如果对目的地那片区域如果不熟悉怎么办？除非算法里自动匹配司机过往的行车记录，有类似行车记录的司机才进行推荐