FreeWheel：乘上云的飞轮，让迭代速度更快、更敏捷

竞价是广告服务的重要功能，不仅需求数量大，而且反应速度要求高，需要在100毫秒给出快速反馈。基于亚马逊云科技的底层架构和网络的优化，FreeWheel实现了在不同的系统中动态出价能力，让业务产生飞轮效应。

从本地到云的加速度

FreeWheel隶属于美国综合性传媒集团康卡斯特（Comcast），提供电视及互联网视频广告投放、预测和增值服务等关键解决方案的技术公司，服务于全美90%以上的美国主流电视媒体和运营商，每年支持近500亿美元的优质广告展示。

FreeWheel的业务遍布全球，在纽约、旧金山、芝加哥、伦敦、巴黎、北京等地设有分支机构。北京分公司是全球研发中心，负责公司核心产品的研发。

FreeWheel一方面对接广告主及代理商，一方面对接视频媒体运营商，实现跨平台的广告精准投放，数据赋能、身份管理以及自动化交易。FreeWheel为伦敦奥运会、索契冬奥会、巴西世界杯直播媒体FOX、里约奥运会等大型顶级赛事媒体提供广告技术支持。

在FreeWheel快速发展的过程中，FreeWheel CTO马玉羚体会到了四大挑战：第一，持续的应用创新与迭代：交易本身的需求、售卖方式等都在不断变化，需要持续的更新；第二，快速、宽幅的弹性伸缩：像体育赛事瞬时流量的激增需要具备弹性扩展的能力进行支持；第三，海量的数据存储与处理：每天要处理80T的日志数据，最终存储10T的数据，数据存储后还要对各种不同应用预测提供分析；第四，严格的安全和合规要求。

FreeWheel CTO马玉羚

FreeWheel最早拥有的20多个数据中心，大部分业务已经迁移到公有云，只有少量业务由于其特殊性，目前还在本地。

敏捷型企业的践行者

FreeWheel上云后首先进行了应用的迁移，之后又进行了优化。其使用了Amazon EKS、Amazon Lambda、Amazon Aurora、Amazon DynamoDB、Amazon S3等Serverless服务。基于亚马逊云服务，FreeWheel还开发了一些工具，像运维平台，监控能力等。

FreeWheel的架构可以分为四部分，第一，与用户输入业务逻辑相关；第二，广告投放引擎；第三，数据处理应用；第四，预测和算法。马玉羚表示，目前业务逻辑部分全部进行了微服务化，一个服务可以拆分成20-30个服务，提高了服务的开发节奏和开发效率，同时其他部分的微服务也在逐步进行。微服务之间通过gRPC方式进行交互，跨系统之间的交互有两种模式，系统间有兼容协议使用gRPC方式，没有则使用传统Restful方式交互。

“为了保证整个系统的效率，FreeWheel很多应用场景都是通过AI进行调节。”马玉羚说道，系统每秒都会进入大量的需求，基于Amazon SageMaker建立的AI模型可以对整个系统进行监控。在广告预测上可以使模型的迭代周期大幅缩短，效果提升近1倍。

同时，借助于Amazon RDS和Amazon EBS的安全特性，FreeWheel可以轻松满足数据存储、加密等审计方面的需求。Spot Instance的使用也让团队节省了超过50%的资源使用成本，并提升了团队的运维效率。

这些都保证了FreeWheel可以快速构建新业务，以新推出的Marketplace Platform为例，Amazon EKS提供了50+集群和5000+Pods，Amazon Lambda保证了每天100万的请求，Amazon SageMaker对交易需求进行分析，累计处理100TB数据，后端数据接入Amazon Aurora、Amazon DynamoDB、Amazon S3。

未来系统稳定性永远是FreeWheel的第一要素，具备自动伸缩和跨区域容灾的能力；其次在生产效率上，需要快速、敏捷的推出新的产品和功能；最后是数据驱动，利用人工智能和机器学习进行预测，用数据驱动运营。