腾迅绝大多数据推出第3代高特性测算服务平台Angel 并公布2017年全面开源系统

  • 栏目:行业动态 时间:2021-04-12 16:42 分享新闻到:
<返回列表


腾迅绝大多数据推出第3代高特性测算服务平台Angel 并公布2017年全面开源系统


腾迅绝大多数据推出第3代高特性测算服务平台Angel 并公布2017年全面开源系统 腾迅绝大多数据12月18日公布推同意向设备学习培训的第3代高特性测算服务平台——Angel,并预计于2017年1季度对外开放其源码,激励业界工程项目师、学者和技术性人员大经营规模学习培训应用,激起设备学习培训行业的更多自主创新运用与优良绿色生态发展趋势。

腾迅12月18日公布推同意向设备学习培训的第3代高特性测算服务平台 Angel,并预计于2017年1季度对外开放其源码,激励业界工程项目师、学者和技术性人员大经营规模学习培训应用,激起设备学习培训行业的更多自主创新运用与优良绿色生态发展趋势。

腾迅12月18日在腾迅绝大多数据技术性峰会暨KDD China技术性峰会上公布这1信息,腾迅副总裁姚星先生,及腾迅数据信息服务平台部总主管、首席数据信息权威专家蒋杰先生参加了峰会高并发演出讲。

姚星表明: 人力智能化的发展趋势在以往60年中几经沉浮,2020年终究传出了灿烂光辉,很大的缘故便是跟和绝大多数据相关,这是1种演进发展趋势的必定結果。怎样解决好绝大多数据,怎样在比较有限的测算資源上对这些绝大多数据开展深层次发掘和剖析,这是将来全部产业链发展趋势和升級的1个大课题。我坚信绝大多数据将变成这次产业链升級的基本,关键优化算法将变成这次产业链升級的生命。

应对腾迅迅速提高的数据信息发掘要求,大家期待开发设计1个朝向设备学习培训的、能解决超大经营规模数据信息集的、高特性的测算架构,而且它要对客户充足友善,具备很低的应用门坎,就这样,Angel服务平台应运而生。 蒋杰表明: 设备学习培训做为人力智能化的1个关键种别,正处在发展趋势前期,开源系统Angel,便是对外开放腾迅18年来的大量绝大多数据解决工作经验和优秀技术性。大家联接1切联接的資源,激起更多艺术创意,让这个好服务平台逐渐转换成有使用价值的绿色生态系统软件,让公司经营更合理、商品更智能化、客户体验更好。

Angel是腾迅绝大多数据单位第3代的测算服务平台,应用Java和Scala語言开发设计,朝向设备学习培训的高特性遍布式测算架构,由腾迅绝大多数据与中国香港高新科技大学、北大协同产品研发。它选用主要参数服务器构架,处理了上1代架构的拓展性难题,适用数据信息并行处理及实体模型并行处理的测算方式,能适用10亿级別维度的实体模型训炼。

不但这般,Angel还选用了多种多样业界全新技术性和腾迅绝大多数据独立产品研发技术性,如SSP(Stale synchronous Parallel)、多线程遍布式SGD、线程同步主要参数共享资源方式HogWild、互联网带宽总流量生产调度优化算法、测算和互联网恳求流水化、主要参数升级数据库索引和训炼数据信息预解决计划方案等。这些技术性使Angel特性大幅提升,做到普遍开源系统系统软件Spark的数倍到数10倍,能在干万到10亿级的特点维度标准下运作。

在系统软件易用性上,Angel出示丰富多彩的设备学习培训优化算法库及高宽比抽象性的程序编写插口、数据信息测算和实体模型区划的全自动计划方案及主要参数自融入配备,另外,客户能像应用MR、Spark1样在Angel上程序编写,大家还基本建设了拖拽式的1体化的开发设计经营门户网,屏蔽最底层系统软件细节,减少客户应用门坎。此外,Angel还适用深层学习培训,它适用Caffe、TensorFlow和Torch等业界流行的深层学习培训架构,为其出示测算加快。

自2020年初在腾迅內部上线以来,Angel已运用于腾迅视頻、腾迅社交媒体广告宣传及客户画像发掘等精确强烈推荐业务流程。

2020年11月,腾迅云绝大多数据协同精英团队在有 测算奥运会 之称的Sort Benchmark排列比赛中,用时不到99秒进行100TB的数据信息排列,在检测大经营规模遍布式系统软件硬软件构架工作能力友谊台测算高效率的GraySort和MinuteSort两项排列比赛中斩获4个冠军,将上年冠军的记录各自提升2到5倍。冠军的身后是腾迅绝大多数据多年的累积,而Angel更是腾迅绝大多数据下1代的关键测算服务平台。

在此次会上,姚星谈到了腾迅针对绝大多数据和人力智能化的观点。蒋杰详尽共享了此次夺冠身后腾迅绝大多数据的发展趋势之路,及Angel系统软件搭建的绿色生态圈层。下列为演讲全文:

演讲主题:腾迅AI重任:做每一个人的大白,打造广义通用性AI

演讲人:姚星 腾迅企业副总裁

大伙儿早晨好,十分开心今日报名参加kdd china技术性峰会。

以往的20年是信息内容时期迅速发展趋势的20年,信息内容产业链的发展趋势远超别的产业链。信息内容产业链的发展趋势提高了人类的日常生活质量,也深深危害着大家这1代人。信息内容产业链的高速发展趋势离不开测算工作能力的提高,不管是大家应用的解决器测算工作能力還是互联网传送工作能力,在往日20年发展趋势中都维持了 摩尔基本定律 的发展趋势,使得大家互联网技术商品深层次千家万户,获得了普遍运用。伴随着互联网技术商品渗入率的逐渐趋稳,互联网技术产业链将来的发展趋势发展趋势在哪儿里?甚么样的技术性、业务流程形状会引领后续的产业链发展趋势?直到现在,我想回答没什么疑惑是人力智能化。人力智能化在往日的60年发展趋势中几经沉浮,起起落落,在2020年释放出灿烂的光辉,人力智能化的盛行是绝大多数据、云计算技术科学研究发展的物质。充足运用测算資源,对大量绝大多数据根据优化算法开展进1步的发掘剖析,这是互联网技术商品和产业链的将来发展趋势发展趋势。绝大多数据是基本、关键优化算法是生命。

腾迅企业根据18年的发展趋势今日早已变成了全球级的互联网技术企业。以往大家在商品体验上更为关心的是简易、功能强大。根据简易的方法提高人们的沟通交流高效率,根据简易的方法令人们轻轻松松享有数据內容时期。在技术性上,大家以往更为关心的是工程项目技术性,也便是大量特性解决工作能力、大量数据信息储存工作能力、工程项目构架遍布容灾工作能力。将来腾迅势必发展趋势变成1家引领高新科技的互联网技术企业,大家将在绝大多数据、关键优化算法等技术性行业勤奋行积极主动的投入和合理布局,和协作小伙伴相互促进互联网技术产业链的发展趋势。

腾迅企业是1家信息服务平台+数据內容的企业,实质上来说大家也是1家绝大多数据企业,今日大家每日造成数千亿的收发信息,超出10亿的共享照片,高峰期期内百亿的收发红包。每日造成的看新闻、听歌曲、看视頻的总流量峰值高达数10T。这么大的数据信息怎样解决好,应用好确实是极具挑戰的。在绝大多数据上腾迅也秉持对外开放绿色生态理念与协作小伙伴1起共建绝大多数据绿色生态,在云、付款、LBS、安全性层面,与绿色生态协作小伙伴共建基本设备,与协作小伙伴1起助推产业链升級。

2020年腾迅创立了AI试验室,大家确立的是4个基本的科学研究方位,包含测算机视觉效果、视频语音鉴别,当然語言解决,和设备学习培训。大家也确立了4个业务流程发展趋势方位:最先大家汇聚焦于內容AI,关键聚焦于检索和个性化化强烈推荐,除文字之外的深层內容再再加富新闻媒体內容的深层了解。第2个是手机游戏AI,这是根据腾迅业务流程实质特点有关的。大家会打造竞技类手机游戏有关的AI工作能力。第3个方位大家会搭建社交媒体AI,这是根据大家腾迅最关键的社交媒体服务平台的AI。坚信在将来的商品形状上会出現智能化音响也好,智能化小助手也好。第4个是云AI,大家会把大家的图像鉴别工作能力、视频语音鉴别工作能力、当然語言解决工作能力和绝大多数据设备学习培训的服务平台对外开放给更多的客户应用。腾迅的AI重任是最后打造广义通用性AI,完成每一个内心中的 大白 。使得大家的小盆友更为的 被了解 ,使得大家的成人更为的 被维护 ,使得大家的老年人人更为的 被照料 。

现阶段AI全部制造行业还处在初期环节,尽管在一些竖直行业早已或做到了一些人类的均值智能化水平,可是这与人的综合性智能化还相差甚远。不管大家有怎样优秀的优化算法实体模型,大家都必须再次训炼数据信息。不管大家有怎样深层次的互联网实体模型,实质上全是根据算力处理难题。这和人难能可贵的智能化,和 造就力 、 举1反3 、 梳理总结 工作能力都相差甚远。可是大家也看到了积极主动的方位,例如deepmind的reinfocement的强有机化学习的发展趋势发展,openai的gan转化成抵抗互联网的发展趋势。这些积极主动的发展趋势使得AI的行业发展趋势飞速发展。

我坚信在预会的各位权威专家和各位从事精英的积极主动投入和参加下,AI的发展趋势势必生气朝气蓬勃、势不能挡!最终预祝交流会完满取得成功!感谢!

演讲主题:Sort Benchmark夺冠身后

演讲人:蒋杰 腾迅数据信息服务平台部总主管

大伙儿好,许多人早已了解腾迅得到了2020年的Sort benchmark的排列的4项冠军,许多盆友来问我,腾迅是如何保证的,身后支撑点的到底是甚么样的技术性?今日,我借这个机遇,跟大伙来说讲身后的1些故事。

坚信许多人看过大家在许多大城市飞机场投放的这个广告宣传,这个广告宣传里边画的是1个赛跑的选手,排列赛事,就跟奥运会的百米赛跑1样,都要很快。但我想说的是,实际上大家更像1个慢跑选手,大家在跑马拉松,这场马拉松,大家跑了7年。

回望以往几年的赛事的考试成绩,几年前冠军全是被美国公司垄断性的,近期3年则是BAT拿了冠军。应当说,这几年,中国互联网技术的发展趋势速率不比美国慢,与此另外,以BAT为意味着的中国互联网技术公司的测算工作能力也不落伍于美国。

以往几年,得到冠军的精英团队,用的基础上全是Hadoop和Spark,实际上腾迅的绝大多数据服务平台,也是起源于Hadoop的。

大家之因此能得到4项的冠军,是大家亲身经历了几年的打磨,追求完美极致,大家期待最大程度地榨取设备的特性。

最先,从成本费的角度,仅有把硬件配置榨取到极致,成本费才会低。大家选用的是OpenPower构架的设备,按连接点数测算,大家经营规模仅有上年冠军的6份1,依照2020年的硬件配置价钱,大家总的TCO成本费远低于上年冠军。

在生产调度层面,大家对生产调度优化算法做了深层提升,使得每台设备的CPU、运行内存、互联网、硬盘IO等每一个阶段都能充分发挥到极致。本次赛事的在其中两项为MinuteSort,比拼的便是1分钟内的排列数据信息量,这个時间生产调度的高效率就变得十分关键,而这两项赛事大家比上年提高了5倍,是提高力度最高的;这也从另外一个层面表明了大家在生产调度高效率上的领跑性。总结为1句话,便是最大程度地榨取了硬件配置的特性,才让大家获得这个考试成绩。

现阶段大家用于赛事的这个群集,早已在大家的现网选用起来了,在高特性测算、图测算、深层学习培训等行业支撑点腾迅的现网运用。

回望大家走过的7年,大家是2009年1月刚开始根据Hadoop来开发设计大家的绝大多数据服务平台,7年的征程,大家经历了3代服务平台的发展趋势。

2009⑵011年是大家的第1代服务平台,大家的第1代服务平台,只适用大批量测算的情景,关键便是表格,这个全过程,大家关键发展趋势了服务平台的可拓展性,大家持续增大群集的经营规模,从09年的几10台,发展趋势到如今总经营规模贴近3万台。总结成几个字,第1代便是经营规模化。

第2代,用3个字总结便是即时化。这是2012年到2014年。关键适用线上剖析和即时测算的情景,例如即时表格,即时查寻、即时监管等。

第3代是上年到如今,关键基本建设设备学习培训服务平台,适用腾迅各业务流程数据信息发掘的要求。这是从数据信息剖析到数据信息发掘的变化,3个字总结便是 智能化化 。

第1代是线下测算的构架,是根据Hadoop开发设计的, 大家起名叫TDW,腾迅遍布式数据信息库房的意思。

小区的Hadoop迭代更新慢,单1群集经营规模小,平稳性和易用性都很差,不可以做到腾迅的规定,因而大家按腾迅的业务流程经营规范,做了深层订制开发设计,大家侧重发展趋势群集的经营规模,处理Master多点短板不可以拓展的难题,大家提升了生产调度对策来提升Job的高并发性,也提升HA容灾基本建设,也有很重要的1点的是,大家丰富多彩了Hadoop的附近绿色生态,基本建设了配套的专用工具和商品来减少客户的应用门坎,英语的语法上,大家适配Oracle的英语的语法,便捷腾迅各商品单位做程序流程的转移,Hadoop绝大多数据的特性很强,可是小数据信息剖析的高效率很差,大家就集成化了PostgreSQL来提高小数据信息的剖析特性,连通Hadoop和PG的浏览界线。

就这样,大家从最初的几10台、到几百台、到几千台,几年之后,在2013年单1群集做到4400台,2014年单1群集提升8800台,处在业界领跑的水平。现阶段大家的总经营规模贴近3万台。

TDW的建成,处理了大家內部3大业务流程痛点:

第1,它使大家具有了T/P级的数据信息解决工作能力,几10亿、百亿级的数据信息量,基础上30分钟就可以算出来。

第2,它的成本费很低,大家可使用很一般的PC Server,就可以做到之前小型机1样的实际效果;

第3,容灾层面,原先要是有设备服务器宕机,业务流程的数据信息毫无疑问就有危害,各种各样表格、数据信息查寻,都出不来。如今TDW的设备服务器宕机,业务流程彻底无认知,系统软件会全自动做切换、数据信息备份数据这些的事儿。

更是处理了业务流程的这些痛点,业务流程单位都想要把测算转移到TDW。到2012年末,大家把全部原先在Oracle和mysql上跑的表格都切换到TDW。

TDW的建成,让大家具有了结合全部商品服务平台的数据信息的工作能力。

之前的各商品的数据信息全是分散化在各有的DB里边的,是1个个数据信息孤岛,如今,大家以客户为管理中心,建变成10亿客户量级、每一个客户万维特点的客户画像管理体系。

之前的客户画像,仅有10几个维度关键便是客户的1些基本特性,例如年纪、性別、地区等,之前搭建1主次消耗许多天,数据信息全是按月升级,有了TDW,大家每日升级1次。

这个客户画像,运用在腾迅全部跟精确强烈推荐有关的商品里边。

再举个强烈推荐的事例。强烈推荐坚信大伙儿如今都耳熟能详,可是放在6年前,这還是1个不久新起起的运用;TDW 为大家出示了1个迅速切入迅速支撑点的工作能力。根据 MapReduce 的程序编写范式,根据 TDW 的服务平台,大家能够潜心于各种各样强烈推荐优化算法逻辑性自身的完成,例如大伙儿普遍的 CF,MF,LR 这些优化算法,和各种各样 hash 聚类算法优化算法;这个情况下的强烈推荐技术性,应对大量的客户人群浏览,更多還是根据1种即时查寻的服务方法。

第1代服务平台处理了量大的痛点,可是在速率层面也有难题,数据信息是线下的,每日任务测算是线下的,即时性差。因此,大家基本建设了第2代的绝大多数据服务平台。

在第1代基本上,集成化了Hadoop的第2代 Spark,另外,还结合了Storm流式的测算的架构。这1代服务平台的集成化,让大家的测算的粒度从原先的小时,发展趋势到分钟,直至秒级。

数据信息收集层面,大家搭建了TDBank,让原先根据插口机传文档的方法,T+1的粒度,变为了毫秒级的即时收集。在这个收集服务平台里边,大家自研的信息正中间件,每日收集的信息条数超出6.5万亿,能够说是全球上信息量最大的信息正中间件。另外,大家也有高靠谱版本号的信息正中间件,能适用像金融业、计费等高1致性的要求,确保信息不丢。

在資源生产调度层面,大家根据Yarn,发展趋势了大家的Gaia生产调度服务平台,Yarn只适用CPU和运行内存的维度,而大家的Gaia还适用互联网和硬盘IO的维度,Yarn只支撑点线下测算,Gaia能适用线上的情景,此外,大家还适用Docker,大家服务平台如今每日有1.5亿个container。

再拿刚刚提到的强烈推荐事例,根据第1代服务平台的强烈推荐运用会碰到2个难题,1个是伴随着客户量,浏览量的增多,造成的数据信息会愈来愈多,多到在比较有限的時间压根不能能批解决的测算完,也有1点是客户的个人行为方式转变很快,必须更快的去升级各种各样维度的客户画像;数据信息的即时收集让客户个人行为,即时画像的测算变成将会,这组成了流式的测算的 数据信息流,遍布式的流式的测算即时升级各个维度的统计分析量,进1步产生了强烈推荐优化算法的即时训炼数据信息,从而把上1代的 offline 的强烈推荐系统软件变为了 online 的即时强烈推荐系统软件。在广告宣传的强烈推荐运用上,大家能够看到每次的即时加速,都带来了更大的点一下率提高。

第2代的服务平台,即时性和体量层面,都能考虑绝大部分业务流程要求。但伴随着大家的数据信息量愈来愈大,大家的短板很快也出現了。

大家在Spark上做数据信息训炼的情况下,每轮的迭代更新,在升级数据信息的情况下,都会遇到互联网层面的短板,由于升级数据信息的地区是1个多点,假如数据信息的维度很大,这套架构就没法支撑点。在大家的具体运用中,干万级的维度,都可以以run得非常好,可是到了亿级,特性就十分低了,乃至跑不出来。

因此,大家务必要基本建设1个能适用超大经营规模数据信息集的1套系统软件,能考虑billion级別的维度的数据信息训炼,并且,这个系统软件务必能考虑大家现网运用要求的1个工业生产级的系统软件。它能处理big data,和big model的要求,它既能做数据信息并行处理,也能做实体模型并行处理。

有两种思路。

1个是根据第2代服务平台的基本上做演进,处理大经营规模主要参数互换的难题。此外1个,便是新基本建设1个高特性的测算架构。

大家看了那时候业内较为时兴的几个商品,GraphLab,关键做图实体模型,容错机制差;Google的Distbelief,还没开源系统;也有CMU Eric Xing的Petuum,那时候很火,但是它更多是1个试验室的商品,易用性和平稳性达不到大家的规定。

看了1圈,大家决策自研,走自研的路。大家前两代全是根据开源系统的,第3代则刚开始了自研的历程。实际上在第2代,大家早已尝试自研,大家信息正中间件,无论是高特性的,還是高靠谱的版本号,全是大家自研的。她们亲身经历了腾迅千万总流量的考验,这也给了大家在自研层面很大的自信心。

因而,第3代总体的测算架构层面,大家也走了自研的路面。第3代的服务平台,关键是1个叫Angel的高特性测算服务平台。

大家聚焦在高特性的测算架构层面,另外,也是大家往设备学习培训、深层学习培训演进的1个线路。

相比第2代,第3代的测算架构,能够适用10亿级维度的优化算法训炼,由之前的数据信息并行处理,到能够适用实体模型并行处理。

另外,大家第3代的服务平台,还适用GPU深层学习培训,适用文字、视频语音、图象等非构造化的数据信息。

Angel是根据主要参数服务器的1个构架,它跑在大家的Gaia服务平台上面的。

它适用BSP、SSP、ASP3种测算方式;适用数据信息并行处理和工业生产界更注重的实体模型并行处理,由于大家关键碰到的還是实体模型大的难题;

此外,在互联网上大家有个原創的尝试,大家用了港科大杨老师的精英团队做的诸葛弩来做互联网生产调度,ParameterServer优先选择服务较慢的Worker,当实体模型较大时,能显著减少等候時间,每日任务整体耗时降低5%~15%。

Angel出示很丰富多彩的优化算法,适用LR、SVM、LDA、GDBT这些,而且集成化了十分丰富多彩的数学课涵数库,此外,还出示十分友善的程序编写页面,能跟Spark、MR连接,你能像用MR、Spark1样程序编写。

Angel跟别的服务平台相比,例如Petuum,和spark等,就大家的检测結果,在同样量级下,Angel的特性要优于别的服务平台。例如大家用Netflix的数据信息跑的SGD优化算法,大伙儿看1下这个图的比照。

另外,Angel更合适超大经营规模的数据信息训炼。现阶段Angel适用了许多腾迅內部的现网业务流程。

这里举两个事例,例如,在搭建客户画像层面,之前全是根据Hadoop和Spark来做,跑1次实体模型要1天乃至几日,话题仅有1k;而在Angel上,20多亿文本文档、几百万个词,3000亿的token,1个小时就跑完了。之前Spark能跑的,如今Angel快几10倍;之前Spark跑不上的,Angel也能轻轻松松跑出来。

再看1个case,视頻的点一下预测分析,同样数据信息量下,Angel的特性是Spark的44倍以上。用了Angel之后,大家维度从干万拓展到亿,训炼時间从天减少到半小时,而精确度也是有不小的提高。

Angel不仅是1个只做并行处理测算的服务平台,它更是1个绿色生态,大家紧紧围绕Angel,创建了1个小绿色生态圈,它适用Spark之上的MLLib,适用上亿的维度的训炼;大家也适用更繁杂的图测算实体模型;另外适用Caffe、TensorFlow、Torch等深层学习培训架构,完成这些架构的多机多卡的运用情景。

各位,邻近尾声了,我想总结1下腾迅绝大多数据服务平台发展趋势的3个环节:

大家从线下测算起步,历经即时测算环节,进到了设备学习培训的时期。

大家从追随开源系统,发展趋势到自研,大家的发展趋势经历了经营规模化、即时化,和智能化化的变化。

最终,我要借这个机遇跟大伙儿发布1个信息,那便是:大家的绝大多数据服务平台将全面开源系统。

大家会在2020年上半年把Angel和Angel附近的系统软件开展开源系统。

大家服务平台源自开源系统,大家的发展趋势离不开开源系统,因此大家会以最大的幅度拥抱开源系统。

实际上在开源系统的路面上,大家1直都在参加:大家第1代服务平台的关键,TDW-Hive,早已在2014年就开源系统了;大家还在许多小区新项目奉献了许多关键编码,塑造了好几个mitter。

而将来,大家的开源系统幅度只会愈来愈大。

感谢大伙儿。

AI世代(手机微信号:tencentAI)专访了Angel精英团队,下列为问与答实录:

问:为何Angel挑选在这个時间开源系统?

答:其实不是大家有意挑选1个時间,这是1个顺理成章的全过程。Angel今年初已刚开始在腾迅內部应用,1段時间后,系统软件平稳性和特性历经了腾迅业务流程的检测,系统软件做到了1定完善度,因而如今到了对外开放给全部客户的情况下,期待能激起更多对外开放艺术创意,让这个好服务平台逐渐转换成有使用价值的绿色生态系统软件,

问:Angel关键有哪些运用行业?Angel将运用范畴扩张了吗?

答:自2020年初在腾迅內部上线以来,Angel已运用于腾迅视頻、腾迅社交媒体广告宣传及客户画像发掘等精确强烈推荐业务流程,将来期待能适用腾迅等公司级的大经营规模设备学习培训每日任务。

问:怎样看待谷歌、Facebook等高新科技企业的人力智能化合理布局?

答:伴随着神经系统互联网优化算法的发展,再加摩尔基本定律带来的强劲测算工作能力,和高新科技企业发掘出来的巨大客户数据信息,人力智能化的新时期已打开序幕,高新科技公司无疑也要遇上人力智能化层面的产品研发及运用过程,加大该行业的投入。

问:我国/华人在人力智能化行业已确立优点了吗?怎样看待我国在AI行业的国际性影响力。

答:华人是AI行业很关键的1支能量,有许多领士兵物。全世界来说,美国处在领导影响力,我国在一些行业的水平很高,总体仍需勤奋。

问:现阶段已有1大批人力智能化自主创业企业,怎样看待?如今是不是是AI自主创业的金子阶段?

答:很多的自主创业企业,能总体拉动AI行业的技术性和运用的发展趋势,并能塑造更多AI行业及跨行业的有关从事优秀人才,对AI的发展趋势是是非非常有促进功效的。

分享新闻到:

更多阅读

腾迅绝大多数据推出第3代高特性测算服务

行业动态 2021-04-12
腾迅绝大多数据推出第3代高特性测算服务平台Angel 并公布2017年全面开源系统腾迅绝大多数据...
查看全文

微信小程序开发示例-支付宝钱包商家怎么

行业动态 2021-04-12
付款宝店家如何启用花呗收付款频道:有关刷脸付款 查询() 花呗是互连网时期的借助于情景的...
查看全文

福永网站建设企业-中国技术创协会生物技

行业动态 2021-04-12
[ 我国技术性自主创业研究会微生物药业产业园区发展趋势同盟官方网站 ] [ 企业网站建设 ·...
查看全文
返回全部新闻


区域站点: 南丰县食堂就餐小程序免费的   南宫市小程序抽签   囊谦县如何生成小程序二维码   南和县如何做微信小程序   南华县食堂就餐小程序免费的   南江县小程序抽签   南京市如何生成小程序二维码   南靖县如何做微信小程序   南康市食堂就餐小程序免费的   南乐县小程序抽签   南陵县如何生成小程序二维码   南宁市如何做微信小程序   南平市食堂就餐小程序免费的   南皮县小程序抽签   南市区如何生成小程序二维码   南通市如何做微信小程序   南投县食堂就餐小程序免费的   南雄市小程序抽签   南溪县如何生成小程序二维码   南阳市如何做微信小程序   南漳县食堂就餐小程序免费的   南召县小程序抽签   南郑县如何生成小程序二维码   那坡县如何做微信小程序   那曲县食堂就餐小程序免费的   纳雍县小程序抽签   讷河市如何生成小程序二维码   内黄县如何做微信小程序   内江市食堂就餐小程序免费的   内丘县小程序抽签   内乡县如何生成小程序二维码   嫩江市如何做微信小程序   聂荣县食堂就餐小程序免费的   尼玛县小程序抽签   尼木县如何生成小程序二维码   宁安市如何做微信小程序   宁波市食堂就餐小程序免费的   宁城县小程序抽签   宁德市如何生成小程序二维码   宁都县如何做微信小程序   宁国市食堂就餐小程序免费的   宁海县小程序抽签   宁化县如何生成小程序二维码   宁晋县如何做微信小程序   宁陵县食堂就餐小程序免费的   宁明县小程序抽签   宁南县如何生成小程序二维码   宁强县如何做微信小程序   宁陕县食堂就餐小程序免费的   宁武县小程序抽签   宁乡市如何生成小程序二维码   宁阳县如何做微信小程序   宁远县食堂就餐小程序免费的   农安县小程序抽签   磐安县如何生成小程序二维码   盘锦市如何做微信小程序   盘山县食堂就餐小程序免费的   磐石市小程序抽签   盘州市如何生成小程序二维码   蓬安县如何做微信小程序   澎湖县食堂就餐小程序免费的   蓬莱市小程序抽签   彭山县如何生成小程序二维码   蓬溪县如何做微信小程序   彭阳县食堂就餐小程序免费的   彭泽县小程序抽签   彭州市如何生成小程序二维码   偏关县如何做微信小程序   平安县食堂就餐小程序免费的   平昌县小程序抽签   平定县如何生成小程序二维码   屏东县如何做微信小程序   平度市食堂就餐小程序免费的   平果县小程序抽签   平和县如何生成小程序二维码   平湖市如何做微信小程序   平江县食堂就餐小程序免费的   平乐县小程序抽签   平凉市如何生成小程序二维码   平利县如何做微信小程序   平罗县食堂就餐小程序免费的   平陆县小程序抽签   屏南县如何生成小程序二维码   平泉市如何做微信小程序   屏山县食堂就餐小程序免费的   平顺县小程序抽签   平塘县如何生成小程序二维码   平潭县如何做微信小程序   平武县食堂就餐小程序免费的   萍乡市小程序抽签   平乡县如何生成小程序二维码   平阳县如何做微信小程序   平遥县食堂就餐小程序免费的   平阴县小程序抽签   平邑县如何生成小程序二维码   平远县如何做微信小程序   平舆县食堂就餐小程序免费的   皮山县小程序抽签   普安县如何生成小程序二维码   浦北县如何做微信小程序   浦城县食堂就餐小程序免费的   普洱市小程序抽签   普格县如何生成小程序二维码   浦江县如何做微信小程序   普兰县食堂就餐小程序免费的   普宁市小程序抽签   莆田市如何生成小程序二维码   迁安市如何做微信小程序   乾安县食堂就餐小程序免费的   潜江市小程序抽签   潜山市如何生成小程序二维码  

友情链接: 抽号小程序 有客小程序 小程序搭建 微信小程序点餐系 手机版 装修知识 软件下载 果树种植 深圳新闻 H5制作 H5小游戏

Copyright © 2002-2020 如何生成小程序二维码_如何做微信小程序_食堂就餐小程序免费的_小程序抽签_线下活动小程序 版权所有 (网站地图) 备案号:粤ICP备10235580号