阿裡巴巴,果然開始擁有“預測未來”的能力了。

        【每日科技網】

　　頂燈閃爍，笛聲響徹。

　　救護車載着病人，沖向茫茫車海，在時間的賽道上狂奔。

　　高德地圖、GPS 衛星導航、路面磁感線圈、1300 個路口攝像頭同時開動，為這輛救護車勘探最快路線;

　　GPS 傳回實時數據，後台根據輔助數據糾偏，錨定救護車每一刻的位置;

　　救護車将要經過的沿途，車輛情況被實時計算。确保路口綠燈提前亮起，在救護車通過之前，剛好所有社會車輛已經行駛一空。

　　這不是演習，這是杭州城市大腦每天都在執行的任務。依靠計算，一輛救護車到達醫院的速度，平均縮短了 50%。在這座城市，靠鳴笛和闖紅燈開道的悲壯徹底成為曆史。

　　說人同蝼蟻，其實并不為過。兩百多萬輛車奔跑在城市裡，他們的行蹤像風裡的落葉一樣叵測。但通過對 1300個路口的攝像頭的實時計算，城市大腦就可以地預測出未來十五分鐘、未來半小時哪個路段将會擁堵，從而第一時間指揮路口信号燈“變換姿勢”。

　　計算在幫人類追趕時間。

　　中哥今天要說的，就是這個精緻而堅固的“大數據實時計算引擎”。

　　你可能從未聽說過這個引擎，甚至在此刻之前都不知道它的存在，但你很可能早已成為這個引擎服務的一員：

　　一年一度的雙11，無數人湧進天貓，每個人都能用 0.1 秒搜索到自己理想的商品，在智能推薦中發現适合的寶貝，背後正是依賴這個引擎;

　　雙11慶典現場，大屏上那個跳動的總成交量數字，隻是背後所有數據的冰山一角。幾十億種商品的實時庫存、價格、優惠數據得以分秒不慢地同步給屏幕前的你，也同樣依賴這個引擎。

　　從某種意義上來說，隻要給這個計算引擎足夠的資源，無論面對多麼龐大複雜的系統，我們都可以用幾乎忽略不計的時間看到真相——這大大快于人類最聰明的大腦。

　　這是我們親手創造的“先知”。

　　重器難成。為了這個先知一般的“大數據實時計算引擎”，阿裡巴巴最核心的技術人，已經耗費了将近五年時間。

　　讓人感慨的是，這個承載了一個個城市的交通，扛起了一條條生産線，擔負了一個國家十幾億人購物的強大引擎之所以的誕生在阿裡巴巴，最初并不是為了滿足什麼需要，而僅僅是因為它“看上去很美”。

　　這是一個鮮為人知的故事。

　　(1)

　　1999年，阿裡巴巴在杭州成立。

　　同樣在1999年，蔣曉偉正在美國攻讀理論物理博士。作為一個初三就立志要探索宇宙秘密的年輕人，到目前為止他的人生堪稱完美。

　　就在一個嶄新的物理學家即将出爐的時候，命運開始展現它的波雲詭谲。蔣曉偉突然被自己的導師“忽悠”到了一家非常有希望的互聯網初創公司。理由是：“在30歲之前先财富自由，以後愛怎麼學物理就怎麼學物理。”

　　一年之後，互聯網泡沫破裂。然而，蔣曉偉卻留在了這片戰場。2002年，他加入微軟，2010年他加入 Facebook。彈指揮間，直到回國加入阿裡巴巴之前，他已經從物理學家成功轉型成為數據庫和計算資源調度系統專家。

　　他還記得，自己加入阿裡的時間是 2014年12月29日。這是一年中可以辦理入職的最後。

　　“為什麼選最後?”

　　“因為看上去比較有美感。”

　　“。。。”

　　目測，蔣曉偉是我見過的第一個用物理公式般的美感對待人生的人。甚至，他給自己的花名都想叫做“量子”，後來思考了一下，覺得量子不太像個人名，才改為諧音“量仔”。

　　蔣曉偉

　　蔣曉偉入職的是阿裡巴巴集團搜索團隊。你可能會問：納尼?阿裡巴巴還有搜索團隊?當然有，而且還極其重要。舉個搜索引擎的日常：

　　當你在淘寶搜索框裡輸入“杜蕾斯”的時候，搜索引擎就馬上行動，從億萬賣家出售中的寶貝裡幫你找到合适的 TT(及其他産品)，然後按照推薦順序排列在搜索結果裡。

　　注意，有趣的硬核要來了：

　　如果，商家的 TT 價格永遠不改，庫存永遠無限，優惠促銷方案永遠不變，那麼搜索團隊隻需要做一個最簡單的查詢系統就行了。

　　但是，現實中商家會随時調整價格和優惠，某一款激情大顆粒也可能因為太受歡迎，上架十秒就賣到缺貨。在淘寶網上，你會發現真實的狀态是：每時每刻都有無數賣家的産品參數在改動。

　　所以，搜索引擎的挑戰就是，要根據每時每刻的數據庫來瞬間算出最适合呈現給你的搜索結果。

　　相信我，隻有用鮮的數據算出的結果，才能讓屏幕對面的你露出心滿意足的表情：

　　面對這種現實，一個最穩妥的方式就是，搜索引擎用把現在的數據庫全部算一遍，給出結果。

　　但是，這會耗費大量的計算力。畢竟這一秒相對于上一秒來說，可能發生參數變動的寶貝隻有十個，而沒有參數變動的寶貝有十萬個。

　　那麼，你自然會想：“有沒有一種方法，讓我隻計算改動的部分，再通過特别的數學運算和之前的結果融合，就能達到和計算全量數據一樣的效果呢?”

　　有的，這就叫“流式計算”。

　　打個最簡單的比方：

　　你負責把椰汁平分給10個妹紙。剛開始你有10瓶椰汁，于是你一人分了一個。後來，你又得到了10瓶椰汁，這時候椰汁的總數變成了 20 瓶，平均每個妹紙應該得到兩個。

　　但你沒有必要把之前分給妹紙的椰汁收回來，重新每人給兩個;而是可以讓每個妹紙手上拿着之前的那瓶椰汁的基礎上，每人再補發一瓶。

　　通過這個例子，我猜你已經感受到了“流式計算”的激蕩。當然，實際的數據庫運算比“分椰汁”複雜得多。

　　需要說明的是，當時在阿裡巴巴内部，并不是沒有流式計算引擎，各部門都根據自己的需求研發了特定的流式計算引擎，隻不過，大多引擎隻用來解決各自部門的問題，沒有通用性。

　　很多業務都開發了

　　各自的流式計算引擎

　　但蔣曉偉突然發現，流式計算背後隐藏着一個神奇的事實：

　　既然隻計算增量，就能得知全量的結果;那麼就可以永遠用計算增量的方式來表達計算全量。

　　也就是說：增量計算等效于全量計算;流式計算等效于批處理計算，實時計算等效于離線計算!

　　也就是說，如果按照這個構想做出一套完整功能的“流式計算引擎”，就可以一統江湖，運轉在阿裡巴巴所有的技術底層。這可是一份不小的産業啊!

　　蔣曉偉越想越雞凍。

　　然鵝，讓他激動的最主要原因竟然是：“這個引擎太完美了!”他發現，其實自己身體裡的那個“物理學家”一直都在。物理追求的就是“大一統理論”——用一套機制解決所有問題。沒想到人生峰回路轉，在計算機領域也給發現了一個“大一統”的機會。

　　老實說，蔣曉偉老濕傅這個想法有點危險。危險在哪呢?

　　首先，如果把當時搜索業務需要的流式計算比作汽車發動機的話，蔣曉偉想要研制的發動機，是豪華到可以用到下一代宇宙飛船上的“核能發動機”。自己團隊支持的這攤子業務目前根本不需要這麼好的引擎。

　　其次，研究這個引擎的基本動力居然是“美感”。出于美感開發一個計算引擎，這種動機天然就有一種理想主義氣質。。。能不能研究成，那隻有天知道。

　　再說，面對這麼宏大的任務，手下能用來做研發的團隊，隻有五個人。況且這五個兄弟還有日常的任務，人手極度短缺。

　　“但馬老師不是說了麼，夢想還是要有的，萬一實現了呢?”

　　剛剛加入阿裡的蔣曉偉倒是決心已定。

　　(2)

　　蔣曉偉“能用”的團隊，全員都在北京。

　　這個小分隊的老大叫做王峰。王峰是個老阿裡了，2006年加入阿裡巴巴，在阿裡北京的雅虎中國團隊做搜索，後來又做過一淘和淘寶搜索。此時此刻，他和北京的幾個兄弟主要負責一個開放搜索項目的離線系統。

　　聽到蔣曉偉對于“流式計算引擎”的描述，王峰内心驚呼“卧槽”。對于一個合格技術宅來說，一個好的技術構想比萌妹子更能讓他動心。

　　蔣曉偉和王峰一合計，事情很簡單：腳踩兩隻船，那基本沒戲。要麼就趁早死心，放棄新引擎研發;要麼就大家就把舊工作完全交出去，破釜沉舟幹票大的。

　　王峰的決定是，幹!

　　現在的王峰，

　　笑起來一幅波瀾不驚，

　　當年内心也是慌得一批。

　　王峰回憶，領導們覺得很不可思議。因為交出原有的業務，北京這個小團隊相當于“失業”了。而新的研究——流式計算引擎——當時隻是個構想，連技術方向也沒有，代碼更是一行都還沒寫。對于王峰來說，這相當于一次破釜沉舟的内部創業，前途未蔔，兇險異常。

　　事實也證明，别人的擔心都是對的。一開始團隊努着勁兒寫了三個月代碼，仍然沒辦法達到蔣曉偉理想中的通用性，連他本人都有點心虛。

　　“我剛來阿裡巴巴，就忽悠兄弟們把之前的項目都放棄了，要是最後證明我的構想是個坑，那不是害了别人麼。。。”他想。

　　焦急之中，已經到了 2015 年夏天，蔣曉偉突然在業内的大數據峰會 Hadoop Sumit 的論壇上看到有人發表了一個驚悚的評論：感覺 Flink 出來之後，Hadoop 就顯得不怎麼需要了。。。

　　Hadoop 是當年最火的大數據分布式架構，這個 Flink 是個神馬，根本沒聽過啊。但是當蔣曉偉、王峰和團隊研究完技術資料之後突然發現，這種“用流式計算來等效一切計算”的理念不就和我們想開發的那套引擎一模一樣嗎?

　　蔣曉偉仰天長嘯：

　　真是天助我也!既然已經有開源的技術，那麼我們隻要在此之上繼續開發流計算引擎就好了啊!

　　這裡多介紹一句。Flink 是一個流式計算的開源框架，2010 年誕生于德國研究中心和柏林工業大學，2014年被捐贈給 Apache 基金會，并由創始公司 DataArtisans 繼續運營。

　　Flink 的 Logo 是一隻眼神裡有故事的松鼠。

　　簡單來說，2015年的時候，Flink 剛剛“出道”一年，幾乎沒有人知道，更沒有人大規模使用。就像一個剛剛畢業的大學生，看上去很有潛力，但“穩定性”和“實用性”都缺乏事實驗證。

　　就這樣，這幫阿裡巴巴的技術專家，成為了全球第一批使用 Flink 框架做大數據引擎研發的人，蔣曉偉一瞬間就給自己的引擎起好了名字——“Blink”。這是英文眨眼的意思。”一眨眼，所有東西都計算好了!“

　　2015年底，搜索部門要向阿裡巴巴 CTO 行癫彙報。每人20分鐘時間，結果蔣曉偉上去講 Blink，沉浸在對這個“完美引擎”的想象中，一下就說了40分鐘。

　　作為阿裡巴巴所有核心技術的，行癫素來對新技術很敏感。他聽懂了蔣曉偉的技術路線，内心也覺得相當靠譜。但這畢竟是搜索團隊自己“偷偷”搞的項目，這幫兄弟究竟可以堅持走多遠，行癫心裡也沒底。于是鼓勵蔣曉偉說：“那就等你們明年做出來，我們再看!”

　　阿裡巴巴 CTO 行癫 張建鋒

　　(3)

　　說到底，Blink 是一個通用引擎。它就像一個萬能發動機，可以裝載到轎車、卡車、飛機、火箭任何地方。

　　蔣曉偉手握這台“萬能發動機”的1.0版本，到處去找車實驗。他盯上的“第一批車”，就是搜索業務中的使用場景。

　　簡單科普一下：

　　搜索業務的機器學習平台内部代号叫“保時捷”(還真是一輛車。。。)，可以根據你浏覽商品的時間和動作，實時判斷出你可能會對什麼感興趣，從而在下一秒就能給你智能推薦可能喜歡的商品。這是阿裡巴巴非常有技術含量的一個應用。

　　實際上，機器學習平台當時已經“心有所屬”，配有一台流式計算引擎——之前王峰帶領搜索團隊自研的 iStream。iStream 是專門為搜索設計的，雖然目前可以很好地完成任務，但結構簡單，不具有特别強的通用性。

　　機器學習算法團隊的一位負責人仁基，技術思想非常超前，非常巧的是，他同樣是個執着于“美感”的人。他相信，未來 Flink 很可能會成為下一代機器學習算法重要的底層計算框架，于是在 Blink 系統研發的早期，就把團隊裡一百多位算法工程師的力量都用來配合蔣曉偉。

　　“一兩百人的團隊，被我一個人折騰。”回憶到這裡，蔣曉偉露出了羞赧的表情。

　　說得很美好，結果真拿來 Blink 一用，動不動就躺屍。。。說實話，算法工程師沒有義務為 Blink 的技術問題買單。畢竟算法工程師是“生産汽車的”，而 Blink 這個“發動機”質量不穩定，導緻人家的汽車備受诟病，可以說相當冤枉了。

　　所以那幾個月一百多位算法工程師的日常就是各種吐槽“瘋子”蔣曉偉。

　　後來蔣曉偉才知道，這些吐槽，全都被仁基扛下來。仁基盡自己一切所能，在保護着這個弱小的 Blink。

　　終于，2016年5月，第一個基于 Blink 的機器學習小功能“A/B Testing”上線。雖然還存在一些青澀的小毛病，但所有的技術人都看到了，Blink 已經像會呼吸的小獸一樣，泛出誘人的引擎光澤。

　　最激動的，當然是蔣曉偉本人。

　　他把自己在 Flink 上成功的應用作為一個演講，投給了當年的 Hadoop Sumit 大會。非常巧，Flink 的創始人 Kostas 和 Stephan 也在同一個大會上有一個演講。他們兩撥人實際是那次 Hadoop 大會上唯二的 Flink 演講。

　　Kostas 提前看到了議程，頓感相見恨晚，于是主動聯系了蔣曉偉，希望他能用團隊研究的成果影響社區。

　　“本來之前是想自己玩玩的，我們連阿裡都不敢影響，還敢影響社區?”蔣曉偉說。但是 Kostas 和 Stephan 覺得這群阿裡人的嘗試簡直不要太酷，特别支持。

　　蔣曉偉深受感動，“從那時候開始就覺得，我們不僅得把阿裡内部的業務做好，還要為 Flink 社區做貢獻，把 Flink 社區做好。”

　　就這樣，蔣曉偉和團隊就跟組織“接上了頭”，成為了 Flink 社區的核心成員。

　　Flink 創始人 Kostas

　　這麼帥還來搞技術

　　可以說是相當想不開了

　　(4)

　　在搜索團隊内部證明了 Blink 能力，又得到了 Flink 社區的認可，蔣曉偉終于有資格正視自己的“野心”了。

　　他提出要讓 Blink 支撐“雙11”上的實時機器學習任務，對方同意了。

　　也就是說，雙11當天，數億人在淘寶天貓搜索商品，他們的每次查看，點擊，都會影響個性化的智能推薦，在下一秒就能看到為自己量身定做的寶貝推薦。而這背後的實時計算，都要由 Blink 來支撐。

　　然而擡眼一看，夏天已經到了，距離雙11隻有不到半年了。

　　整個九、十月份，Blink 和機器學習系統的聯調都處在各種花式崩潰之中。Blink 還小，壓根就沒見過雙十一這種“人類狂歡”的陣仗。出現了一個死結：一旦超大規模數據進來，Blink 的性能立刻大幅下降。

　　要知道，在 AI 領域，性能就是功能。性能大幅下降的 Blink 分分鐘就把人工智能坑成“人工智障”。

　　老程序猿都知道，數據規模是對一個系統的考驗。一個系統承受不住大規模的數據浪潮，有可能證明這個架構就是無解的。如果真是架構缺陷，那麼解決方案隻有一個：放棄。

　　帶領團隊攻堅的王峰回憶，那幾天“自己已經崩潰了”。

　　十一假期，所有團隊的人都從北京沖到了杭州，别說休假，連覺都不睡了。六七個人就在工位上吃住，尋找究竟是哪個節點出了問題。即使是面對這樣的情況，蔣曉偉、王峰，還有其他同事都完全相信，Flink 架構是完美的，問題一定是局部的可解的，隻是我們還沒找到它。

　　終于，問題找到了!是不同層級算子之間的調度模式需要優化。解決這個問題之後，系統能處理的數據量立刻躍升。十月中旬，Blink 正式切上線。本以為劫波渡盡，沒成想又是一大堆系統配合的問題接踵而來。

　　蔣曉偉記得，将近11月，Blink 還有一些問題沒搞定。這邊基礎引擎不搞定，算法團隊就沒辦法在它的基礎上調優雙11的算法。到最後，算法團隊的老大都直接找到蔣曉偉，着急地質問：“你們究竟是怎麼回事啊?”

　　現在想想，他的意思可能是想讓我别折騰，直接換回去年的舊系統。但我的情商低，當時沒聽明白。就是一門心思地組織大家調優 Blink。。。

　　蔣曉偉回憶。

　　終于趕在11月前，Blink 完成了聯調。原則上，從11月1日開始，雙11的系統就要封閉代碼，誰都不能動了。但是，這是 Blink 第一次承擔這麼重大的任務，為了萬無一失，相關團隊又提了很多冗餘性的建議。

　　王峰記得很清楚，一直到11月10日，還有幾個小時雙11就開始了，代碼還最後改了幾行，最終封閉。

　　人事已盡，唯聽天命。

　　11月11日，巨大的數據像海嘯一樣湧向 Blink，蔣曉偉和王峰都捏了一把汗。然而，這個年輕的引擎應對自如。

　　第二天，Blink 在阿裡巴巴一炮而紅。

　　2016年“雙11”

　　交易額定格在1207億

　　(5)

　　你以為故事結束了麼?圖樣圖森破。緊随而來的 2017 年對于蔣曉偉來說，簡直不要更刺激。

　　意識到大數據引擎這麼重要，阿裡巴巴集團決定調整組織架構，集全公司之力發展大數據引擎，由原阿裡雲的首席科學家周靖人組建計算平台事業部，在流式計算方面，把公司發展的三個引擎團隊合三為一。

　　周靖人

　　他也是阿裡巴巴達摩院的“禅師”之一

　　這三個引擎分别是：阿裡中間件團隊的 JStorm、阿裡雲的 Galaxy、阿裡巴巴搜索團隊的 Blink。

　　得知大牛周靖人負責整合三個團隊，正在美國參加 Flink 官方大會 Flink Foward 的蔣曉偉和王峰内心有點波瀾。他們知道，三個隊伍合并之後，很可能在三條技術路線之中選擇一條。

　　蔣曉偉當然覺得自己的開源技術路線技術前景。但平心而論，Galaxy 的框架同樣非常。更關鍵的問題在于，Galaxy 一直是周靖人團隊的成果。雖然在阿裡巴巴不會出現因為親疏遠近而偏袒某個技術路線，但不可否認周靖人一定對于 Galaxy 更為熟悉。

　　那時的蔣曉偉，和這個即将成為新領導的周靖人完全不熟悉，他完全無法預測将會發生什麼。

　　我擔心，不會一回到國内，就沒工作了吧。。。。

　　蔣曉偉回憶。

　　回國之後，周靖人來找蔣曉偉，蔣曉偉的心已經快跳到嗓子眼了。周靖人說：“我想把整合之後的團隊交給你來負責，你們三人一起商量未來的技術路線，你覺得怎麼樣?”

　　這意味着，蔣曉偉突然擁有了80人的豪華陣容。那一瞬間他在心裡默念：“穩了!”隻要不是強制采用某個技術路線，他就有信心說服 Galaxy 和 JStorm 的負責人。技術擺在這裡，孰優孰劣是能講得清道理的。

　　蔣曉偉回憶，三個技術負責人的“談判”整整維持了一周。

　　大家都知道，這次技術路線的抉擇，将會影響阿裡巴巴未來十年甚至更遠的技術發展，誰都不敢掉以輕心。

　　談到最後，争奪的焦點就集中在 Blink 和 Galaxy 之間。

　　Flink 的開源生态，最終說服了Galaxy 的支持者。此時的 Flink 已經不像兩年那樣鮮有人問津，而是已經形成了巨大的社區，中國已經有騰訊、滴滴、美團等公司開始用 Flink 建造自己的流式計算引擎。

　　在這個社區裡，會有無數國内外大牛對 Flink 的代碼做貢獻。建立在這個開源基座上的架構，也會發展得更快速。

　　至此，Blink 正式成為了阿裡巴巴計算引擎的軍。

　　Flink 社區逐漸聲勢浩蕩

　　(6)

　　軍可不是白當的。

　　2017年雙十一，Blink 領到了自己的艱巨任務——支持全集團(阿裡巴巴、阿裡雲、菜鳥)的流式計算任務。

　　王峰告訴我，其實2016年雙11 Blink 承擔的搜索任務，已經是一個重頭戲，有過這個經曆墊底，再适配很多系統的時候隻不過是麻煩一點而已。唯獨有一樣：Blink 要接管後台所有的交易數據的實時計算任務。

　　交易數據計算，是淘寶天貓業務的最核心。也是支撐背後支付、物流的核心依據。

　　很多其他的計算都要基于訂單數據的結果。這就像面包店的面粉一樣，無論你做什麼蛋糕，都需要面粉。如果面粉的供應出問題，那整個面包店就要關門了。所以無論面臨多大的訂單量，交易數據計算必須穩定、快速、實時。一旦出現錯誤，損失無可估量。

　　每年雙十一狂歡晚會上的那塊大屏幕上顯示的實時成交數字，也是由訂單數據彙總而成的。也就是說，如果 Blink 當天挂掉，不僅對淘寶天貓的運轉影響巨大，還會導緻一個略為明顯的結果：成交量大屏一直維持“0”，一秒把人丢到全球無死角。

　　2014、2015、2016 這三年，這個核心任務都是由兄弟引擎 Galaxy 來承擔的。

　　所有人都想到一個穩妥的方案：2017年“雙11”讓 Blink 和準備退役的 Galaxy 來個雙備份，如果 Blink 臨時廢掉，還可以用 Galaxy 作為備份頂上，至少不會丢人。

　　然鵝，2016年雙11的成交量是1207億元，按照曆年經驗推測，2017年的成交量八成是會超過1500億的(事實證明确實如此，達到了1682億)。而根據 Galaxy 的技術架構，如果不做大量繁瑣的優化，很可能頂不住。

　　初出茅廬的 Blink，就這樣成為 2017 年雙11媒體大屏“全球指定必須頂上不幹不行合作夥伴”。。。

　　雙11 當天，兩條 Blink 鍊路互為備份。“雖然成功率基本是，但萬裡有一，假設 Blink 本身設計存在未知的缺陷，或者兩條備份鍊路的機器硬件同時壞掉，都可能導緻災難。”蔣曉偉回憶。

　　在雙11到來前一周，王峰帶領兄弟們已經把 Blink 引擎調整到無以複加的好狀态。蔣曉偉想了想，又派同樣是 Facebook 回來的大牛工程師大沙去天竺法喜寺燒了一炷香。。。

　　2017年11月11日零點。狂歡現場。

　　時鐘敲響零點，然後出現五秒。按照流程，留給 Blink 的計算時間隻有這五秒。也就是說，00:00:05 的時候，無論如何大屏幕都會切到 Blink 給出的雙11前五秒交易總額。

　　這五秒，幾乎是蔣曉偉人生當中最漫長的五秒。

　　1、2、3。。。

　　第三秒的時候，蔣曉偉面前的監視器跳出了實時成交數據!再兩秒之後，實時交易數據被投上大屏，穹頂之下，歡聲雷動。

　　蔣曉偉知道，現場觀衆并不一定理解大屏運行原理，内心也并沒有特地把一份掌聲送給幕後的流式計算引擎團隊。

　　但那一刻，他熱淚盈眶。這幾年兄弟們付出的努力值了。

　　168,269,635,159。每一個數字，對蔣曉偉和兄弟們都意味着歲月和付出。

　　(7)

　　經過兩年雙11的考驗，已經沒人懷疑 Blink 是阿裡巴巴最強悍的計算引擎之一。

　　所以，不僅阿裡巴巴集團所有用到流式計算的場景都會選用 Blink，Blink 還開始對外提供服務。雖然在蔣曉偉看來，各個場景的計算都可以用 Blink 來解決，但目前被應用最多的場景有如下幾個：

　　1、實時統計分析。

　　在電商行業，尤其是促銷的場景中，巨大的網絡流量湧來，形勢變幻莫測。每一秒的庫存統計、訂單報表，都能揭示出用戶的行為規律。對這些數據進行實時分析，就能随時調整促銷策略。

　　2、在線機器學習。

　　用戶的行為會展現出他的性格和偏好，用機器學習分析一個人浏覽商品的姿勢，就能為他精準推薦可能感興趣的商品。

　　但是，可能一個用戶隻浏覽一分鐘，如果在這個時間段内沒有能夠吸引他的商品，它就會退出。所以必須在一秒鐘之内，對他剛才的動作進行實時學習，才能保證他第一時間看到感興趣的寶貝。

　　3、實時金融風控。

　　在金融領域，技術就是金錢。每成功阻斷一次欺詐交易，就等于挽回了真金白銀。通過對一個賬戶實時行為的分析，就可以知道現在它有沒有進行危險交易，從而在第一時間阻斷。

　　4、IoT 邊緣計算。

　　在工廠中，每台生産線都會随時産生數據，如果可以實時對這些數據進行分析，就可以減少生産線的損壞幾率，提高産品的良品率。

　　根據參數實時調整生産線

　　如此，才有了開頭一幕所說：阿裡雲承建的城市大腦，可以利用 Blink 來預測道路擁堵，為救護車開拓生命道路。

　　根據阿裡雲首席科學家闵萬裡博士的介紹：

　　2018年，城市大腦第一次出國，被部署在馬來西亞吉隆坡，把救護車到達現場的時間縮短了 48.9%。

　　借助工業大腦，流式計算實時判斷生産線的健康狀況，幫助世界第一大光伏企業協鑫光伏提高了良品率1%，每年可以節省上億元的無謂浪費。

　　2018年12月20日，阿裡巴巴将 Flink 的旗艦會議 Flink Foward 第一次引入中國，現場座無虛席。蔣曉偉、王峰和流式計算團隊的每一個人，在過去的三年都親眼見證了 Flink 從踽踽獨行到集結成軍。

　　Flink Forward 2018 北京

　　為了感謝社區的幫助，在這次會議上周靖人宣布，在未來會把基于 Flink 修改的 Blink 流式計算引擎開源。從2019年1月開始，所有人都可以查閱這個支持了雙11、支持了城市大腦、支持了工業IoT等無數計算的引擎代碼。

　　也就是在這一年，王峰正式接替蔣曉偉，成為流式計算的新掌門。而蔣曉偉則朝着他的“完美夢想”更進一步，帶着一幫兄弟在此基礎上研究“帶有流式計算引擎的數據存儲系統”——交互式查詢系統，讓這個引擎能夠解決更多通用的計算問題。

　　帶有流式計算引擎的數據存儲系統，聽起來有些不知所雲。其實，這個世界上最經典的這類系統，其實就是我們的大腦。

　　我們一生中會接受各種信息，這些信息共同構成大腦的資料庫，幫助我們預測未來。每當有新的信息進來，我們都會根據這一點點信息增量微調我們對于未來的預測。

　　這種調整，毫無疑問是實時的。我們的祖先不小心觸摸野火，從那一刻開始就會告訴自己和家人小心火焰。

　　我們依靠對世界的萬億次反饋，發現了萬有引力，發現了相對論，發現了量子力學。

　　正是千萬人實時更新的預測能力，構成了我們的文明，也書寫了我們的曆史。

　　以前，所有關于未來的預測都在我們的腦海裡，如今，我們終于有機會在軀體之外，利用人類的武器——計算力——建造起一個碩大的預測引擎。

　　角落裡，這些技術英雄笑起來安靜而羞澀。但正因他們存在，人類面對未來，再也不是手無寸鐵。