体育数据栈正在被悄悄重建:过去72小时真正说明了什么
9月30日,Tigris发布了一份复盘文章,讲它为什么把对象存储的队列从FoundationDB里搬出来,把异步任务迁到Kafka上。这不是体育新闻,但它描述的正是如今承载海量体育媒体的那套底层管线。而它出现的同一周,欧洲的数据中心被告知,不能再对自己的用水和用电数字保密。

过去72小时里关于体育技术最有用的那篇文章,跟体育本身没什么关系。9月30日,对象存储厂商Tigris发布了一份工程复盘,解释它为什么把垃圾回收这类异步任务从FoundationDB里挪出来、放到Kafka上。原因对任何做体育数据分析的人都成立:一个worker如果在任务中途挂掉,任务就跟着一起死了。公司写道:“worker一旦消费了某个任务,这个任务就不再在队列里,它会随着worker一起消失。”
如今的体育就是一大堆这样的任务。追踪数据流、视频管线、博彩结算、集锦渲染。这些环节没有一个能容忍消息丢失。
Tigris对这个取舍说得很直接。它仍然把一部分队列留在FoundationDB里,因为数据库消除了双写问题。但调度“需要大量写入和扫描,这会给FoundationDB带来读负载,直接与用户请求争抢资源”。公司实现了苹果的QuiCK论文,也就是CloudKit背后的队列系统,并把它描述为“一个利用FoundationDB的Record Layer、按时间实现消息队列的排队系统”。这篇文章谈起Kafka时也少见地幽默,把自建Kafka比作一觉醒来变成“一只巨大的害虫”,而身边每个人都客客气气地劝你继续过日子。
把它和体育扯上关系并不牵强。联赛和转播商花了十年时间承诺数据原生的报道,而卖点通常到仪表盘就停了。真正在台下的是编排:哪些事件被处理、按什么顺序处理,以及比赛进行到凌晨三点、某个worker突然倒下时会发生什么。
欧洲数据中心对数字保持沉默
同一天,荷兰媒体NL Times报道了Lighthouse Report联合Trouw及其他欧洲媒体进行的一项为期一年的调查,对象是数据中心的环境信息披露。结论很刺眼:在荷兰,规模较大的数据中心里,公布用电和饮用水数据的不到四分之一。
这个缺口背后的数字很具体。据荷兰数据中心协会统计,截至去年年底,荷兰有186座容量在500千瓦及以上的商用数据中心。负责为欧盟收集这些数据的荷兰企业局,只掌握其中104座的记录。有公开用电数据的只有44座,有公开用水数据的只有47座。欧盟《能源效率指令》要求达到这一门槛的数据中心披露信息,已经三年了。
荷兰中央统计局的数据显示,2024年荷兰数据中心的用电量为51亿千瓦时,占全国用电量的4.6%,接近五年前水平的两倍。电网运营商TenneT预计到2030年这一比例将达到10%至15%。荷兰企业局今年夏天披露,仅微软在荷兰最大的那座数据中心,就占全国用电量的1%。谷歌在荷兰运营着两座大型数据中心,却不公布自己的数字。
对体育来说这不是抽象问题。流媒体、实时追踪和计算机视觉都接在同一张电网上,也落在同一片信息披露的盲区里。
不搬数据也能查数据湖
同样在9月30日,AWS宣布Aurora PostgreSQL现在可以通过外部表直接查询Apache Iceberg和Parquet数据,用的是嵌入PostgreSQL的DuckDB查询引擎。公司表示,该能力从Aurora PostgreSQL 17.11和18.6版本起,在所有商业区域和GovCloud区域正式可用,不额外收费。
卖点是省掉ETL。公告写道:“访问这些数据通常需要管线把数据从数据湖复制到Aurora,随着模式演变,成本和工程工作量都会上升。”对一家体育机构来说,这决定了数据湖是躺在仓库里,还是分析师在赛季进行中就能真正查询。
整整一周,俱乐部和联赛都在行业活动上承诺数据原生的体育生态。Consultancy-me.com在9月29日报道了Pure Sports的一位负责人在LEAP 2026上谈的正是这件事。SVG Europe同一天也发了一篇关于海量媒体基础设施的文章。两者都不是产品发布。它们描述的是一个默认数据层已经能正常运转的市场。
它确实越来越能正常运转了。故事就在这里。
研究层也在动
9月29日,研究人员Osayamen Jonathan Aimuyo、Swapnil Gandhi和Christos Kozyrakis向arXiv提交了一篇论文,介绍Purlin,一个把编排与数据通路分离的GPU集合通信框架。论文报告,在A100、H200和B200 GPU上的七种集合通信操作中,延迟最多提速5.14倍,带宽最多提升4.50倍。集成进SGLang服务栈后,Purlin把离线LLM服务的吞吐和交互性平均提升1.13倍、最高1.37倍,把在线推理的交互性平均提升1.26倍、最高2.85倍,过载时增益最大。
这些不是体育基准测试。但它们的负载形态和自动集锦生成、多机位追踪、实时战术推理是一样的。在这些场景里,负载下的延迟就是产品本身。
论文里2.85倍的交互性提升,和一个能在场边跑起来的系统之间,差距巨大。材料里没有任何迹象表明有人已经把这个差距补上。不过,本周发布的每一份材料指向的方向都一致:有意思的工作发生在界面之下,在编排、查询引擎和网络集合通信里。
这一周没有解决的问题
它没有解决隐私问题。9月30日,404 Media报道,特朗普政府正利用1980年代的高强度毒品贩运地区计划,把Flock、Axon等厂商的本地自动车牌识别数据汇入联邦监控中心,有些还进一步流向美国缉毒局的国家车牌识别计划。这些记录由HaveIBeenFlocked.com的创建者Cris van Pelt通过公共记录申请获得。电子隐私信息中心的Jeramie Scott对404 Media说:“如果你对Flock感到愤怒,那你对这件事也该感到愤怒。”
体育场馆就是这套摄像头资产的一部分。场馆周围的停车场也是。
它也没有解决健康数据的问题。《卫报》9月30日报道,超过44000人依据英国GDPR第21条,对英格兰NHS由Palantir提供支持的联邦数据平台处理其信息提出正式反对。活动人士提到Palantir为以色列军方和美国移民执法部门做过的工作。Palantir表示该平台正在帮助缩短等待名单,并援引了117000例额外手术、长期住院患者出院延迟下降14.3%、28天内癌症诊断改善5.6%等数据。
环境问题同样没有解决。Lighthouse Report的调查发现,在披露义务生效三年之后,欧洲数据中心大多仍不愿说明自己消耗了多少水和电。
把这些放在一起,过去72小时描绘出的体育技术行业是这样的:可见的那一层,仪表盘、追踪图形、AI解说,跑在一个看不见的层上。这个层正在公开的工程博客和arXiv预印本里被重建,同时它的资源和隐私成本基本没有披露。这算不上丑闻。这是一个度量问题,也是值得盯住的那一个问题。
资料来源
6- 01We used a database as a message queue. Now we use Kafka.EN
- 02Most data centers refusing to say how much water, electricity they useEN
- 03Aurora PostgreSQL now supports querying of Apache Iceberg and Parquet dataEN
- 04Purlin: Separating Orchestration from the Datapath of CollectivesEN
- 05How Cities Are Forced to Funnel License Plate Data to a Massive Federal Surveillance ProgramEN
- 06More than 44,000 file legal objections to Palantir NHS platform handling their dataEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。