ما الذي يُمكّن ليفت؟ نظرة متعمقة على مجموعة تقنيات ليفت

لقد قطعت ليفت شوطًا طويلًا منذ انطلاقها عام ٢٠١٢. بعد أن كانت منافسًا شرسًا لأوبر، نمت لتصبح لاعبًا رئيسيًا في سوق خدمات النقل التشاركي في الولايات المتحدة. في عام ٢٠٢٤، سجلت ليفت إيرادات سنوية بلغت ٥.٧٩ مليار دولار، بزيادة قدرها ٣١٪ على أساس سنوي. ووصل عدد مستخدميها النشطين إلى ٤٤ مليونًا، وأكملت ٨٢٨ مليون رحلة، مما يُظهر انتعاشًا قويًا وزخمًا في النمو.

لم يكن هذا التوسع ممكنًا لولا وجود مجموعة تقنيات ليفت متينة وتطلعية. تدعم المنصة الآن تتبع الرحلات في الوقت الفعلي، وتكامل المركبات ذاتية القيادة، والدعم المُدعّم بالذكاء الاصطناعي، والإعلانات البرمجية، وأنظمة التنقل الصغيرة على مستوى المدينة. تستكشف هذه المدونة التقنيات الأساسية وراء نجاح ليفت وكيف تطورت لتلبية احتياجات المستخدمين والعملاء بحلول عام ٢٠٢٥.

دعونا نكسر المكدس الذي يغذي كل شيء.

TL؛ DR

سجلت شركة Lyft إيرادات بقيمة 5.79 مليار دولار في عام 2024 مع 44 مليون راكب نشط، مدفوعة بأساس تكنولوجي قوي.

• تم إنشاء الواجهة الأمامية باستخدام React وRedux وNext.js وTailwind CSS لتوفير تجربة مستخدم سريعة تركز على الأجهزة المحمولة.
• يتم تشغيل Backend بواسطة Golang وPython وKubernetes وFacetController وEnvoy لإدارة الخدمات المصغرة القابلة للتطوير.
• يستخدم Lyft Apache Kafka وSpark وSnowflake لمعالجة البيانات وتحليلها في الوقت الفعلي.
• تنفيذ Anthropic Claude، ونماذج التعلم الآلي المخصصة، وTensorFlow، وPyTorch لأغراض الذكاء الاصطناعي والتعلم الآلي.
• الشراكة مع Mobileye وMay Mobility، مع إدارة الأسطول من خلال Flexdrive لإدارة الأساطيل المستقلة.
• يقومون بتشغيل الإعلانات داخل التطبيق من خلال Kevel و StackAdapt، مع توحيد بيانات المستخدم بواسطة Segment.

يمكن للشركات إطلاق منصات نقل الركاب القابلة للتطوير بشكل أسرع مع مجموعة التقنيات الجاهزة للاستخدام من Appscrip.

تقنيات الواجهة الأمامية لـ Lyft Tech Stack

فهم تقنيات الواجهة الأمامية لمكدس التكنولوجيا Lyft يعد أمرًا بالغ الأهمية لفهم كيف قامت شركة مشاركة الرحلات العملاقة هذه بدمج المكونات المختلفة بسلاسة لدفع أعمالها إلى الأمام. دعونا نستكشف تعقيدات مجموعة تقنيات الواجهة الأمامية لشركة Lyft، بما في ذلك لغات البرمجة والأطر والمكتبات والأدوات الأخرى التي ساهمت في نجاحها في سوق مشاركة الرحلات العالمية.

تعد حزمة Lyft التقنية للواجهة الأمامية عبارة عن مزيج من التقنيات الحديثة والقوية التي تعمل معًا لتوفير تجربة مستخدم سلسة وممتعة. بعض المكونات الرئيسية تشمل:

تتفاعل: React هي مكتبة JavaScript شائعة تُستخدم لبناء واجهات المستخدم. يستخدم Lyft React لإنشاء تطبيق ويب تفاعلي وسريع الاستجابة يمكنه التعامل مع التحديثات في الوقت الفعلي، مثل موقع السائق وتغييرات حالة الرحلة. تسمح بنية React القائمة على المكونات بسهولة الصيانة وقابلية التوسع، مما يجعلها خيارًا مثاليًا لبيئة تطوير Lyft سريعة الخطى.

إعادة: كحل لإدارة الدولة، ريدوكس شبيبة يُستخدم جنبًا إلى جنب مع React لإدارة حالة التطبيق بطريقة متسقة ويمكن التنبؤ بها. من خلال مركزية حالة التطبيق، يمكّن Redux Lyft من الحفاظ على مصدر واحد للحقيقة، مما يضمن اتساق البيانات عبر أجزاء مختلفة من التطبيق.

حزمة الويب: Webpack عبارة عن أداة تجميع وحدات قوية ومرنة تساعد Lyft على تحسين تطبيق الويب الخاص بها عن طريق تجميع الأصول وتقليلها، مثل ملفات JavaScript وCSS وHTML. وينتج عن ذلك أوقات تحميل أسرع للصفحة وتحسين الأداء، وهو أمر ضروري لتوفير تجربة مستخدم سلسة.

بابل: Babel هو مترجم JavaScript يسمح لمكدس Lyft الفني باستخدام أحدث ميزات JavaScript مع الحفاظ على التوافق مع المتصفحات الأقدم. من خلال نقل التعليمات البرمجية إلى إصدار متوافق مع مجموعة واسعة من المتصفحات، يضمن Babel أن يظل تطبيق الويب الخاص بـ Lyft في متناول قاعدة مستخدمين متنوعة.

إنزيم: لضمان موثوقية واستقرار مكونات الواجهة الأمامية لـ Lyft، يتم استخدام Enzyme كأداة اختبار لتطبيقات React. فهو يتيح سهولة التعامل مع مكونات React واجتيازها ومحاكاتها، مما يمكّن Lyft من اكتشاف الأخطاء والحفاظ على تجربة واجهة أمامية عالية الجودة.

تقنيات الواجهة الخلفية لـ Lyft Tech Stack

تم تصميم مجموعة التكنولوجيا الخلفية لـ Lyft لدعم مهمة الشركة هي توفير خدمات النقل الفعالة والموثوقةتتضمن المكونات الرئيسية لمجموعة التقنيات الخلفية الخاصة بهم ما يلي:

بايثون: باعتبارها لغة البرمجة الأساسية لشركة Lyft، يتم استخدام Python على نطاق واسع في البرمجة النصية من جانب الخادم، وتحليل البيانات، والتعلم الآلي. سهولة قراءته وبساطته تجعله خيارًا ممتازًا لإدارة الأنظمة والخوارزميات المعقدة.

جافا: Lyft كما تستفيد أيضًا من Java في خدماتها الخلفية، خاصة للتطبيقات عالية الأداء والقابلة للتطوير. تعمل مكتبات وأطر عمل Java القوية على تمكين تطوير أنظمة موثوقة وفعالة يمكنها التعامل مع متطلبات صناعة النقل.

اذهب: Go هي لغة أخرى مستخدمة في حزمة التكنولوجيا الخلفية لـ Lyft. يُعرف Go ببساطته وسرعته وتزامنه، ويتم استخدامه لإنشاء خدمات صغيرة يمكنها التعامل مع كميات كبيرة من البيانات والطلبات.

سويفت: Swift هي لغة قوية ومتعددة الاستخدامات، تستخدمها Lyft لتطوير تطبيقات iOS الخاصة بها. تضمن ميزات الأمان وتحسينات الأداء في Swift تجربة مستخدم سلسة لركاب وسائقي Lyft على أجهزة Apple.

قارورة: Flask هو إطار عمل ويب خفيف الوزن يستخدم في تطوير واجهات برمجة التطبيقات وتطبيقات الويب الخاصة بـ Lyft. تعقيد الوقت في بايثون يمكن أن يساعد في تحسين تطبيقات Flask لتحسين الأداء وقابلية التوسع. يسمح تصميمه البسيط وطبيعته المعيارية بتطوير أسرع وتكامل سهل مع المكونات الأخرى لمجموعة أدوات Lyft التقنية.

عامل ميناء: لضمان بيئات متسقة وقابلة للتكرار، يستخدم Lyft عامل في حوض السفن للحاويات. يتيح Docker تجميع التطبيقات وتبعياتها معًا، مما يبسط عمليات النشر والتوسع.

شخص سخيف: يعتمد Lyft على Git للتحكم في الإصدار والتعاون. يسمح نظام التحكم في الإصدار الموزع للمطورين بتتبع التغييرات بكفاءة والتعاون في المشاريع وإدارة قاعدة التعليمات البرمجية.

خدمات أمازون ويب (AWS): باعتبارها عنصرًا مهمًا في البنية التحتية لشركة Lyft، توفر AWS حلاً قابلاً للتطوير وآمنًا وفعالاً من حيث التكلفة لاستضافة وإدارة بيانات الشركة وخدماتها. تستفيد Lyft من خدمات AWS المتنوعة مثل EC2 وS3 وRDS لضمان التوفر والأداء العالي.

أباتشي كافكا: يستخدم Lyft Apache Kafka، وهو نظام أساسي للبث المباشر الموزع، لإدارة معالجة البيانات في الوقت الفعلي والبنيات المستندة إلى الأحداث. يضمن كافكا اتصالاً موثوقًا وقابلاً للتطوير بين خدمات Lyft الصغيرة المتنوعة.

مبعوث: تم تطوير Envoy داخليًا في Lyft، وهو عبارة عن حافة مفتوحة المصدر وخدمة وكيل مصممة للتطبيقات السحابية الأصلية. فهو يوفر حلاً عالي الأداء وقابل للتوسيع ومرنًا للاتصالات من خدمة إلى خدمة وإدارة حركة المرور وإمكانية المراقبة.

تقنيات البنية التحتية لـ Lyft Tech Stack

AWS (خدمات ويب أمازون): يعتمد ليفت على AWS لبنيتها التحتية للحوسبة السحابية، والتي توفر مجموعة متنوعة من الخدمات مثل EC2 وS3 وRDS للحوسبة والتخزين وإدارة قواعد البيانات، على التوالي. يتيح ذلك لشركة Lyft توسيع نطاق عملياتها بسلاسة والحفاظ على التوفر العالي خلال فترات ذروة الطلب.

كوبرنيتيس: يستخدم Lyft tech Stack نظام Kubernetes، وهو نظام أساسي مفتوح المصدر لتنسيق الحاويات، لأتمتة نشر التطبيقات الموجودة في حاويات وتوسيع نطاقها وإدارتها. يساعد Kubernetes شركة Lyft في إدارة بنية الخدمات الصغيرة الخاصة بها من خلال توفير طريقة فعالة لنشر وإدارة التطبيقات المعبأة في حاويات على نطاق واسع.

مبعوث: قامت Lyft بتطوير Envoy، وهي حافة مفتوحة المصدر ووكيل خدمة، لإدارة الاتصالات من خدمة إلى خدمة في بنية الخدمات الصغيرة الخاصة بها. يوفر Envoy ميزات قيمة مثل موازنة التحميل واكتشاف الخدمة وإدارة حركة المرور، مما يساعد Lyft في الحفاظ على بنية تحتية مرنة وعالية الأداء.

القابض: قامت Lyft بإنشاء Clutch، وهي عبارة عن منصة واجهة مستخدم وواجهة برمجة تطبيقات قابلة للتوسيع لأدوات البنية التحتية. فهو يسمح لشركة Lyft ببناء واجهات مخصصة وسهلة الاستخدام لإدارة جوانب مختلفة من بنيتها التحتية، مثل عمليات النشر وخطوط الأنابيب وإدارة الحوادث.

أباتشي كافكا: تستخدم Lyft منصة Apache Kafka، وهي منصة بث موزعة، لمعالجة البيانات في الوقت الفعلي والبنيات المستندة إلى الأحداث. يمكّن Kafka شركة Lyft من معالجة كميات هائلة من البيانات الناتجة عن خدمة سيارات الأجرة عند الطلب وميزات الطاقة مثل تتبع الرحلات وحساب الوقت المتوقع للوصول والتسعير الديناميكي.

اباتشي سبارك: تستفيد Lyft من Apache Spark، وهو نظام حوسبة موزع مفتوح المصدر، لمعالجة البيانات على نطاق واسع ومهام التعلم الآلي. يتيح Spark لفرق علوم وهندسة البيانات في Lyft تحليل ومعالجة الكميات الهائلة من البيانات التي تم إنشاؤها بواسطة منصتها، مما يؤدي إلى رؤى قيمة وتحسين عملية صنع القرار.

التضاريس: تستخدم Lyft أداة Terraform، وهي بنية تحتية مفتوحة المصدر كأداة للتعليمات البرمجية (IaC)، لتوفير مواردها السحابية وإدارتها. يمكّن Terraform شركة Lyft من أتمتة وتبسيط إدارة بنيتها التحتية، مما يقلل من الجهد اليدوي ويزيد الموثوقية.

البنية التحتية السحابية لـ Lyft tech Stack عبارة عن مزيج من التقنيات والمنصات المتطورة المصممة لدعم خدمة سيارات الأجرة عند الطلب. من خلال الاستفادة من AWS، وKubernetes، وEnvoy، وClutch، وApache Kafka، وApache Spark، وTerraform، يمكن لشركة Lyft ضمان الأداء العالي وقابلية التوسع والموثوقية مع تقديم تجربة مستخدم سلسة لعملائها.

مكونات الذكاء الاصطناعي والتعلم الآلي في مجموعة تقنيات Lyft

تكامل كلود الأنثروبي: اعتبارًا من عام ٢٠٢٥، تستخدم Lyft نظام Claude لإدارة معظم استفسارات دعم العملاء. وقد أدى ذلك إلى تقليل وقت الحل بنسبة ٨٧٪، وإلغاء آلاف طلبات الدعم أسبوعيًا.

نماذج التعلم الآلي المخصصة: تستخدم Lyft نماذج تنبؤية لإدارة أوقات الوصول المتوقعة، وتسعير الزيادة، وتراجع عدد الركاب، واكتشاف الاحتيال، وتحسين المسار في الوقت الفعلي.

TensorFlow و PyTorch: يُستخدم كلا الإطارين داخليًا حسب حالة الاستخدام. يدعم TensorFlow نماذج الاستدلال على مستوى الإنتاج، بينما يُستخدم PyTorch غالبًا للتجريب والبحث.

مجموعة المركبات ذاتية القيادة وسيارات الأجرة الآلية

تكامل Mobileye: تتعاون Lyft مع Mobileye في مجال تقنية AV، مما يساعد إطلاق خدمات القيادة الذاتية التجريبية في مدن مثل أوستن ودالاس. تتيح تقنية Mobileye إمكانية رسم خرائط عالية الدقة واتخاذ القرارات على الطرق الحضرية.

شراكة التنقل في مايو: تشغّل شركة Lyft سيارات تويوتا سيينا ذاتية القيادة عبر شركة May Mobility. تعمل هذه السيارات في مناطق خاضعة للرقابة، وتوفر رحلات مشتركة لاختبار جاهزية المركبات ذاتية القيادة في المناطق الحضرية المكتظة.

فليكس درايف: يتم استخدامه لإدارة عمليات أسطول المركبات ذاتية القيادة، بما في ذلك الصيانة التنبؤية، وتتبع المركبات، وتحليلات الاستخدام.

الربح من Lyft ومجموعة الإعلانات

كيفيل: يستخدم Lyft منصة Kevel لبناء خادم إعلانات مخصص. يساعد هذا النظام على عرض إعلانات ملائمة داخل التطبيق دون إبطاء تجربة المستخدم.

StackAdapt: لشراء الإعلانات البرمجية، تتعاون Lyft مع StackAdapt. يتيح هذا للمعلنين الوصول المباشر إلى أكثر من 40 مليون راكب Lyft، واستهدافهم بناءً على موقعهم وسلوكهم ووقتهم.

قطعة: يُستخدم Segment لتوحيد بيانات العملاء من مصادر مختلفة عبر منظومة Lyft. وهو يُمكّن من التخصيص واستهداف الإعلانات والقياس دون المساس بخصوصية المستخدم.

تعمل هذه الأدوات معًا على مساعدة Lyft في بناء طبقة تحقيق دخل قابلة للتطوير مع تحسين تفاعل المستخدم وعائد الاستثمار للمعلنين.

من الخدمات المصغرة القابلة للتطوير إلى أنظمة AV المتقدمة والدعم المدعوم بالذكاء الاصطناعي، تم تصميم كل جزء من المنصة ليكون قادرًا على التوسع والسرعة والتخصيص.

من المرجح أن يتضمن المستقبل طرحًا أوسع لأنظمة AV، وتكاملات أعمق للذكاء الاصطناعي اتخاذ القرارات في الوقت الفعلي باستخدام حلول روبوتاكسي، وتعزيز الربح من خلال الإعلانات والاشتراكات داخل التطبيق. ومن المتوقع أيضًا أن تُعزز ليفت جهودها في مجال الاستدامة من خلال وسائل النقل الصغيرة وإدارة الأساطيل الصديقة للبيئة.

بالنسبة للشركات التي تتطلع إلى إنشاء تطبيقات في مجال مشاركة الرحلات أو التوصيل أو التنقل، فإن هذا النوع من الأساس التكنولوجي ضروري. تقدم Appscrip حلولاً جاهزة لتأجير السيارات التي تتوافق مع هذا المستوى من الحجم والمرونة - مثالية لأي شخص يتطلع إلى التحرك بسرعة والمنافسة في مجال تكنولوجيا التنقل.

لماذا تختار Appscrip لتطوير تطبيقات النقل التشاركي؟

• بنية تحتية مثبتة تدعم إمكانية التوسع والميزات في الوقت الفعلي مثل التتبع الجغرافي وحساب وقت الوصول المتوقع وإدارة الأجرة.
• دعم متكامل مسبقًا لمطابقة السائق والراكب، والتسعير الديناميكي، والدردشة داخل التطبيق.
• إمكانيات التشغيل السريع مع التطبيقات ذات العلامة البيضاء لنظامي التشغيل Android وiOS.
• دعم مدمج لإدارة الأسطول ولوحات معلومات التحليلات وبوابات الدفع.
• خيارات دعم وتخصيص مخصصة لما بعد الإطلاق للميزات الجديدة، بما في ذلك وحدات AV والتنقل الدقيق.

سواء كنت استهداف سوق متخصصة أو بناء حل على مستوى المدينة، يساعد Appscrip في تقليل الوقت المستغرق لطرح المنتج في السوق بينما نقدم لك مجموعة من التقنيات المستوحاة من منصات مثل Lyft.