从关系型数据库到分布式机器学习，揭秘腾讯大数据十年发展历程

腾讯大数据发展“三部曲”

作为大数据领域的前沿探索者，腾讯大数据从2009年开始, 经历离线计算、实时计算与机器学习三个阶段，在实践中积累了大量的经验。

据刘煜宏介绍，2009年之前，腾讯主要使用传统的关系型数据库。2009年开始，传统的单机数据库所提供的服务，在系统可扩展性、性价比方面已不再适用腾讯业务爆发式的增长。面对这种变化，腾讯大数据转向分布式，基于开源的Hadoop体系，构建了腾讯第一代大数据平台，并建设离线计算平台，主要发力规模化。腾讯大数据由此进入第一阶段。三年里，腾讯实现了从关系型数据库到自建大数据平台的全面迁移，到2012年，腾讯大数据的单集群规模突破了4400台。

2012年，移动互联网爆发，应对业务数据统计及时性、快速性的需求，腾讯大数据从Hadoop转向Spark和Storm体系，在吸收开源技术的基础上，结合腾讯自身的需求进行重写，探索流式计算、秒级采集系统的建设，构建企业级的实时数据分析体系，腾讯大数据发展进入第二阶段。

2015年至今，腾讯大数据迈入了第三阶段。随着数据挖掘、数据应用的深入，腾讯大数据再次自我迭代，于2016年推出了自研机器学习平台Angel，专攻复杂计算场景，可进行大规模的数据训练，支撑内容推荐、广告推荐等 AI应用场景。它由腾讯与北京大学联合研发，兼顾了工业界的高可用性和学术界的创新性。不仅支撑腾讯自身业务需求，在行业上也具有里程碑意义。

从海量业务中来，专注图计算场景

作为面向机器学习的第三代高性能计算平台，腾讯Angel在稀疏数据高维模型的训练上具有独特优势，擅长推荐模型和图网络模型相关领域。当前业界主流的大规模图计算系统主要有Facebook的Big Graph、Power graph、Data bricks的 Spark GraphX等，但这些系统并不都支持图挖掘、图表示学习、图神经网络的三大类型算法。

据腾讯Angel开发负责人肖品介绍，腾讯Angel从腾讯海量业务场景中而来，是超大样本和超高维度的机器学习平台。从性能上来看，Angel优于现有图计算系统，能够支持十亿级节点、千亿级边的传统图挖掘算法，百亿边的图神经网络算法需求。它可运行于多任务集群以及公有云环境，具备高效容错恢复机制，也更容易支持新算法，同时，Angel能够较好支持图挖掘、图表示、图神经网络算法，具备图学习的能力。

如今，Angel已在QQ、微信支付、腾讯广告、腾讯视频等腾讯旗下产品中广泛应用，并向微众银行等行业合作伙伴全面开放，普遍适用于智能推荐、金融风险评估等图计算业务场景。

到开源中去，积极贡献社区

发布仅一年时间，2017年，腾讯Angel就正式开源。2018年8月，腾讯将Angel捐赠给Linux旗下专注 人工智能的LF AI基金会，结合基金会成熟的运营，全面升级的 Angel与国际开源社区深入互动，致力于让机器学习技术更易于上手研究及应用。

“Angel在2018年加入LF AI基金会进行孵化后，一直按照开源社区的模式进行运营，增长速度非常快，增加了特征工程、自动机器学习等很多新的功能，在Github上增加了超过2000个Star。” Linux Foundation APAC大中华区总监杨轩表示： “Angel是LF AI基金会下最活跃的项目之一，相信不久的将来，Angel将进入LF AI的顶级项目之列。”

目前，Angel在GitHub上Star数已超过5300，Fork数超过1300，总共有39位代码贡献者，提交了超过2336个commit。

面向未来，大数据、AI和云的深度融合

腾讯Angel在深度学习和图计算能力的演变，也与大数据的行业发展方向相契合。据刘煜宏介绍，未来，腾讯大数据将持续发力数据湖、批流统一（批量计算、流线计算的融合）、AI+大数据、云计算+大数据四个主要方向。

刘煜宏表示：“AI、云计算与大数据密不可分，Angel从大数据平台到全栈机器学习平台的成长，也验证了这一行业方向。未来我们将把腾讯大数据的能力和技术，与AI、与云做深度融合，进一步落地大数据的价值，更好的助力合作伙伴和用户。”

据了解，腾讯大数据星火计划是由腾讯发起、面向大数据爱好者的技术共享体系，基于腾讯大数据10年研发与运营经验，以社区开源、网络课程、线下沙龙、技术峰会等多种形式，充分开放腾讯十多年来在大数据领域的技术积累。本次Angel专场是星火计划的首次线下活动。