那个拍出《纸牌屋》的Netflix, 靠什么黑科技成为了行业霸主？
提到硅谷的科技公司，当所有人的目光都聚焦在Google、Facebook时，Netflix正以超乎想象的速度崛起。
Netflix CEO Reed Hastings
以在线付费电影订阅业务起家，到自己制作如《纸牌屋》、《黑镜》、《怪奇物语》这样的爆款原创剧集，Netflix不仅成为了美国流媒体巨头，也被冠以了硅谷“好莱坞”的美称。
Netflix上的热门原创剧集
不仅如此，在投资者最看重的市盈率（衡量一家公司的增长前景和投资者信心的指标）上，Netflix居然超过了240点！
要知道Facebook的市盈率是26个点，就连Google也只有32个点。
这意味着，投资者愿意在Netflix上下的注，是Facebook或Google的9倍。
如此优秀的公司，让人不禁想问：
Netflix成功背后的秘密，
究竟是什么呢？
良好的用户体验，
永远不卡的云计算平台
Netflix每天要执行成百上千个应用程序，且种类非常繁多。
有的像内容编码这样工作流量非常大的；有的是需要面对用户的关键服务；还有的是像算法训练这种内存和GPU负担很重的工作……
如何保证让用户拥有流畅的体验，避免服务器不堪重负时出现的页面错误、无法登陆、卡顿等问题，是Netflix得以成功锁住用户的一大关键。
那么，Netflix到底是如何做到的呢？
Netflix开发了一个容器管理平台Titus，该平台融合了现在软件应用领域非常热门的技术 — — 微服务的理念！
与一般的架构不同，微服务的思路不是开发一个巨大的单体式的应用，而是将应用分解为小的、互相连接的微服务。
这样的架构在实际工业实践当中更加稳定，容错性也更高。
现在，已经有越来越多的公司，将自己的架构向微服务迁移，对会这项技术的软件工程师的需求量也越来越大。
“
想学习微服务架构、云计算和API的使用，做相关的项目，丰富自己的技术背景？
”
不妨了解一下来Offer全栈开发项目实践课程的王牌项目之一：
项目介绍
基于云计算和大数据
的用户行为分析系统
本项目将教你在工业界是如何在云平台收集、清洗、保存Log，并使用Kibana做出具有高度商业价值的用户分析，例如基于时间序列的系统资源分析和基于地理信息的用户行为分析。
涵盖的主流技术包括了ElasticSearch, Amazon Cloud, Kibana, Logstash，MapReduce等。
本项目将帮助你掌握热门技术，武装你的简历，增加你的面试机会。
了解用户喜好的
个性化推荐系统
一直以来Netflix都致力于通过个性化推荐系统，“在合适的时间，为用户推荐合适、抓住他们胃口的的视频”。
可是，光是不同类别的影片就有成千上万种，更别提Netflix上还有超过1亿的注册用户了。
很多公司在推荐算法上，用的是A/B测试，而强大的Netflix技术团队，推出了更优化的交错测试个性化推荐算法，其计算速度提高了 100 倍，秒杀 A/B 测试。
在未来，产品的用户体验会越来越趋向于个性化，而推荐系统又几乎是所有IT公司获取利润的来源。
因此，无论是大公司如Google、Facebook、Amazon，还是各类Startup如Airbnb、Uber、Pinterest都对这方面的人才有极高的需求。
“
想学习个性化推荐系统，做相关的项目，成为炙手可热的软件工程师？
”
不妨了解一下来Offer全栈开发项目实践课程的王牌项目之一：
项目介绍
基于AWS的Event
推荐系统设计项目
本项目将让你成为推荐系统设计与开发的专家。你将实际设计和开发一个Event推荐系统API和门票搜索系统，同时在AWS上部署一套可靠的后端服务与数据库，学习如何对其进行测试与维护。
涵盖的主流技术包括MySQL, MongoDB, MapReduce, REST API, Java Servlet, OOD, Test, Cloud Computing等等。
本项目将帮助你掌握一个后端工程师所必须的设计和开发能力，获得面试官的青睐。
抓住你眼球的
图像处理技术
对于想了解一部新影片内容的用户来说，一张剧照图片胜过千言万语。
如果一张配图对用户有足够的吸引力，比如用户喜爱的演员、刺激的汽车追逐场面，充满戏剧性的场景….就会吸引用户点开视频。
那么，到底如何决定哪部影片该使用哪1张封面图呢？
并且，鉴于用户的品味偏好存在巨大差异，怎么才能让同一部影片，在不同的用户页面里，呈现出不同的让他们感兴趣的配图？
传统上，选择影片配图的工作是由人来完成的，他们必须在几千几万帧中，挑出1帧来作为该影片的宣传图片。但这样的工作，不仅乏味且缺乏效率。
于是，Netflix构建了一个AVA（一个工具和算法的集合），能够快速有效地识别出哪些帧能够最佳地表达出该影片的主题。
大致步骤如下：
首先，让电脑对每个视频的每一帧注释不同的变量，以便最好地得出帧的内容。
然后，让电脑对收集到的数据，做一个分类和算法排名，以便理解该帧是否会受欢迎，或对于剧情是否重要。
而这其中，就运用到了一项重要的技术 — — 视觉处理。
举个例子，在电脑收集每一帧的数据的时候，一个要记录的重点就是，这一帧有没有“亮点” — — 如热门的演员出现？
运用视觉处理、人脸识别等功能，Netflix可以成功识别出图像中的演员，也可以筛除出暴力、血腥等不良画面。
“
想学习图像处理技术？动手做相关实践项目？
”
不妨了解一下来Offer全栈开发项目实践课程的王牌项目之一：
项目介绍
基于Geo-index的
下一代社交网络项目
本项目将带你分析各种社交网络形态的利弊，并从零开始搭建一个基于Geo-index理念的Go+React社交网络。
其中，还加入了众多热门技术的功能模块，比如基于Tensorflow的社交图片处理等。
本项目涵盖的热门技术内容包括Go+React, Google Cloud Platform, Bigtable, BigQuery, Dataflow, ElasticSearch等。
还想参与更多
有趣、尖端、
又能帮助你求职
的项目吗？
5月9日（周三）来Offer
全栈开发项目实践课
美西时间 7PM，
免费试听！
课程介绍
（点击图片即可查看）
— 课程咨询 —
— 关于我们 —
硅谷IT黄埔军校 — — 来Offer，是硅谷最具实力的高科技在线教育平台。
来Offer由清华CS校友和来自硅谷一线公司的资深高级工程师精英共同创立，秉承清华大学计算机人的传统，以严谨、认真的治学和科研精神，为学员提供IT培训、面试指导与职业发展咨询等一站式服务。
5年来，我们已成功帮助超过2千名学员拿到他们的dream offer！
查看完整offer榜单 (1–116周)，欢迎登陆来Offer官方网站： www.laioffer.com
求职，你只需要一门课程！
