LINE 台灣今(18)日在南港展覽館舉行一年一度的 LINE 台灣開發者大會「LINE TAIWAN TECHPULSE 2020」,超過 1600人報名,今年大會首次採用人臉辨識技術迅速完成上千人的報到流程。上午主題專講中,LINE 分享今年在台的技術躍進,包括今年初台灣開發團隊將「容器化平台服務(Verda Kubernetes Services, VKS)」建置完成,到第三季時已將所有台灣的專案服務轉移到 VKS 上,結合 LINE 的基礎設施及全球資源,加快服務開發,讓系統更容易承載瞬間的大流量;也揭露 LINE CLOVA 在台發展方向,除了 CLOVA Face 人臉辨識技術外,2021 年 LINE 還將投入在 CLOVA Chatbot 以及 CLOVA OCR 的發展;此外亦分享 LINE 如何突破業界作法,率先以 DevOps 工法打造 MLU 機器學習運算輔助平台,大幅提升開發效率。

疫情推波助瀾,LINE 數位服務使用量顯著攀升

今年,在疫情衝擊下,民眾生活習慣改變,LINE 的服務使用量也有巨大的起伏。全球官方帳號數量四月較三月成長 140%,全球視訊通話數五月較二月成長了 235%。台灣的中華職棒一度閉門比賽,球迷轉往線上觀看球賽,使中華職棒本季在 LINE TODAY 上的觀看次數年成長率達 74%,總觀看次數創歷史新高,透過 LINE 直播的線上音樂會在第二季末需求大增,與第一季相比,觀看次數成長近 300%,而 LINE 旅遊的國內票券與體驗類商品,因國旅大爆發促使合作夥伴新增品項,業績順勢在九月、十月連假時呈現超跳躍性成長,與去年同期相比成長了 2,483%。

疫情導致LINE 數位服務使用量顯著攀升。全球官方帳號數量四月較三月成長 140%,中華職棒本季在 LINE TODAY 上的觀看次數年成長率達 74%。(LINE提供/黃慧雯台北傳真)
疫情導致LINE 數位服務使用量顯著攀升。全球官方帳號數量四月較三月成長 140%,中華職棒本季在 LINE TODAY 上的觀看次數年成長率達 74%。(LINE提供/黃慧雯台北傳真)

導入 VKS 容器化平台,強化開發部署效率

疫情不僅讓民眾對網路服務的依賴度提高,也促使網路服務提供商加速優化基礎設施。VKS 由總部在年初所建,台灣團隊在地完成所有服務的容架化架構重構,第二季開始把所有專案和服務搬到 VKS上,目前已全部完成搬移。VKS 具有彈性,當流量暴增時能自動平行擴展,承載瞬間的流量峰值,為用戶提供更平穩的服務體驗;VKS 整合許多開源的生態系資源,知識共享,提早解決問題,因此易用性也高;且因全世界 Kubernetes 開發社群非常活躍,由全球社群共同維護,這樣的平台對單一廠商而言維護成本相對較低。

LINE 台灣技術長陳鴻嘉。(LINE提供/黃慧雯台北傳真)
LINE 台灣技術長陳鴻嘉。(LINE提供/黃慧雯台北傳真)

LINE 台灣技術長陳鴻嘉在主題演說時提到,「台灣專案數快速成長,如何更有效的發揮人力資源便成為一個重要的課題,其中就包括如何強化開發部署的效率,讓新進人員加入團隊後,盡快加入應用開發。以往只靠 Verda 虛擬機器時,新人大約需要一、兩週建置開發工作環境;從虛擬機器轉到 VKS 容器化平台後,新人在報到的半小時後就可以加入開發。到今年十月份,LINE 台灣已有20多個專案在 VKS 上面運作,部署了超過 130 個 App 配置以及 50 多個叢集。台灣團隊是總部認定,目前在 VKS 上實施容器化技術平台最多樣、最完整的團隊。」

攜手台灣技術夥伴,運用 LINE CLOVA 技術提升服務價值

LINE 近年全力發展人工智慧,今年將 LINE BRAIN 商用產品線和 LINE Clova 產品合併為 LINE CLOVA,2021 年在台灣將優先投入三大方向:CLOVA Face 人臉辨識技術、CLOVA Chatbot 聊天機器人應用以及 CLOVA OCR 文字辨識技術。LINE 將與台灣的技術夥伴合作以 LINE CLOVA 技術提高商業服務的價值,做出不同領域的應用先例,讓 LINE CLOVA 的應用融入台灣市場。更多關於 LINE CLOVA 的分享內容,請參閱LINE CLOVA新聞稿。

打造 MLU 機器學習平台,優化專案開發管理流程

今年開發者大會的另一亮點是 MLU 機器學習平台。LINE 台灣在 2018 年成立資料工程研發團隊,正規化資料獲取流程,逐步累積台灣使用者行為資料,團隊會利用海量的去識別化資料來訓練機器學習模型。原本訓練好的模型需要人工部署到線上環境,過程中有許多繁瑣的重複工作。今年 LINE 以 MLOps 觀念打造 MLU 機器學習平台,讓團隊訓練完的模型能快速測試,直接部署到服務中,大幅提升開發效率。除此以外,MLU 對機器學習相關專案的流程管理也是很有效的輔助平台;原先在機器學習專案的開發過程中,每個階段都是獨立運作,一個階段完成後就交棒給下一階段,每個階段成員不同,交接之間的協作不完全順暢。LINE 台灣資料工程部資深經理蔡景祥特別強調:「MLU 讓團隊可以在同一個平台上執行每個階段所需要的工作。當每個階段成員的角色都定義清楚時,團隊就能以一致的、標準化的流程開發,讓稀缺的開發人力達到最佳化部署,也讓機器學習技術規模化並落實在各個大小專案中。」

「LINE TECH FRESH」邁第三屆,持續紮根開發者社群

LINE 對於台灣開發者社群的投入不遺餘力,從 2018 年開始啟動的「LINE TECH FRESH-技術新星人才計畫」,便提供校園開發者累積實務經驗的機會。LINE 台灣透過這項計畫,每年共開出 30 個實習職缺,如此大規模推動技術人才培育,實屬業界少見,而獲選的同學每週進公司三天,有充裕的時間跟著開發團隊實際參與專案。待實習屆滿一年後,若表現優異更有機會成為正式員工,加入 LINE 工程團隊。看好在地開發人才潛力,LINE 希望透過LINE TECH FRESH 給予台灣的技術人才學習與挑戰的舞台,協助將在校所學與業界實務接軌,發揮企業正向影響力。

(科技)

#LINE #TECHPULSE #開發者大會