猿輔導(dǎo)公司的數(shù)據(jù)中臺(tái)部門為猿輔導(dǎo)、斑馬、猿編程、小猿搜題、猿題庫(kù)、南瓜科學(xué)等各個(gè)業(yè)務(wù)線的產(chǎn)品、運(yùn)營(yíng)、研發(fā)提供標(biāo)準(zhǔn)化的數(shù)據(jù)集（OneData）和統(tǒng)一數(shù)據(jù)服務(wù)（OneService）。OLAP平臺(tái)作為數(shù)據(jù)中臺(tái)的一個(gè)核心部分，為各個(gè)業(yè)務(wù)線提供統(tǒng)一標(biāo)準(zhǔn)化的、可復(fù)用的、高可靠的數(shù)據(jù)服務(wù)，支持各個(gè)業(yè)務(wù)線人員進(jìn)行快速靈活的查詢和分析，是連接前臺(tái)和后臺(tái)的橋梁。

我們引入了性能強(qiáng)悍的新一代MPP數(shù)據(jù)庫(kù)：DorisDB，來(lái)構(gòu)建OLAP平臺(tái)�；�于DorisDB，我們統(tǒng)一了實(shí)時(shí)數(shù)據(jù)分析和離線數(shù)據(jù)分析。當(dāng)前DorisDB有3個(gè)集群，每天百萬(wàn)級(jí)有效查詢請(qǐng)求，p99延遲1s，用于廣告投放渠道轉(zhuǎn)化、用戶成單和續(xù)報(bào)、直播質(zhì)量監(jiān)控等多個(gè)數(shù)據(jù)場(chǎng)景，支持各業(yè)務(wù)線進(jìn)行更加快速靈活的查詢和分析，全面提升數(shù)據(jù)分析能力。

一、平臺(tái)選型的業(yè)務(wù)背景

1．業(yè)務(wù)特點(diǎn)和需求

猿輔導(dǎo)作為互聯(lián)網(wǎng)教育行業(yè)賽道中的領(lǐng)先品牌，每日有海量數(shù)據(jù)生成，為實(shí)現(xiàn)科技助力教育，十分重視數(shù)據(jù)在公司發(fā)展中發(fā)揮的作用，需要不斷解決在數(shù)據(jù)建設(shè)上遇到的諸多挑戰(zhàn)。

在互聯(lián)網(wǎng)教育數(shù)據(jù)體系中，不僅僅要關(guān)注用戶活躍、訂單收入，也很看重渠道推廣轉(zhuǎn)換率和用戶續(xù)報(bào)率。這些指標(biāo)存在不同的維度和不同的計(jì)算口徑，以及多樣化的業(yè)務(wù)系統(tǒng)接入模式，給我們OneService的底層設(shè)計(jì)帶來(lái)了挑戰(zhàn)。另一方面，數(shù)據(jù)時(shí)效性需求逐漸增強(qiáng)，離線T＋1的數(shù)據(jù)已經(jīng)越來(lái)越無(wú)法滿足驅(qū)動(dòng)業(yè)務(wù)的需求，數(shù)據(jù)逐步實(shí)時(shí)化也成為不可逆轉(zhuǎn)的行業(yè)發(fā)展趨勢(shì)。

在這樣的背景下，我們的OLAP平臺(tái)需要同時(shí)支持實(shí)時(shí)和離線數(shù)據(jù)寫(xiě)入，以支持不同時(shí)效的查詢需求；需要支持復(fù)雜、多樣的數(shù)據(jù)查詢邏輯，以滿足各種不同的業(yè)務(wù)場(chǎng)景的數(shù)據(jù)分析需求；需要能夠進(jìn)行快速的在線擴(kuò)展，以支持業(yè)務(wù)快速發(fā)展帶來(lái)的數(shù)據(jù)規(guī)模增長(zhǎng)。

2．對(duì)OLAP引擎的需求

總結(jié)起來(lái)，我們對(duì)于OLAP的需求大概包括以下幾點(diǎn)：

·數(shù)據(jù)查詢延遲在秒級(jí)／毫秒級(jí)；

·同時(shí)高效支持大寬表和多表join查詢，以支持復(fù)雜查詢場(chǎng)景；

·需要支持高并發(fā)查詢場(chǎng)景；

·同時(shí)支持流式數(shù)據(jù)和批式數(shù)據(jù)攝入，支持實(shí)時(shí)／離線數(shù)據(jù)ETL任務(wù)；

·支持標(biāo)準(zhǔn)化SQL，大幅度降低用戶使用成本；

·具有高效的精準(zhǔn)去重能力；

·較好的在線擴(kuò)展能力，較低的運(yùn)維管理成本。

3．技術(shù)選型和優(yōu)劣勢(shì)對(duì)比

OLAP（On－line Analytical Processing，聯(lián)機(jī)分析處理）是在基于數(shù)據(jù)倉(cāng)庫(kù)多維模型的基礎(chǔ)上實(shí)現(xiàn)的面向分析的各類操作的集合，強(qiáng)調(diào)數(shù)據(jù)分析性能和SQL執(zhí)行時(shí)間。

在當(dāng)今，各類OLAP數(shù)據(jù)引擎可謂百花齊放，可以分為MOLAP（Multi－dimensional OLAP）、ROLAP（Relational OLAP）和HOLAP（Hybrid OLAP）三類。

（1）MOLAP引擎的代表包括：Druid，Kylin等，本質(zhì)是通過(guò)空間和預(yù)計(jì)算換在線查詢時(shí)間。在數(shù)據(jù)寫(xiě)入時(shí)生成預(yù)聚合數(shù)據(jù)，這樣查詢的時(shí)候命中的就是預(yù)聚合的數(shù)據(jù)而非明細(xì)數(shù)據(jù)，從而大幅提高查詢效率，在一些固定查詢模式的場(chǎng)景中，這種效率提升可謂非常明顯。但是他的缺點(diǎn)也來(lái)自于這種預(yù)聚合模型，因?yàn)樗鼧O大的限制了數(shù)據(jù)模型的靈活性，比如在數(shù)據(jù)維度變化時(shí)的數(shù)據(jù)重建成本非常高，而且明細(xì)數(shù)據(jù)也丟失了。

（2）ROLAP引擎的代表包括：Presto，Impala，GreenPlum，Clickhouse等，和MOLAP的區(qū)別在于，ROLAP在收到查詢請(qǐng)求時(shí)，會(huì)先把query解析成查詢計(jì)劃，執(zhí)行查詢算子，在原始數(shù)據(jù)基礎(chǔ)上進(jìn)行諸如sum、groupby等各種各類計(jì)算，查詢靈活，可擴(kuò)展性好，往往使用MPP架構(gòu)通過(guò)擴(kuò)大并發(fā)來(lái)提升計(jì)算效率。這種模型的引擎優(yōu)點(diǎn)是靈活性好，但是對(duì)于一個(gè)大查詢／復(fù)雜查詢它的性能是不穩(wěn)定的，同時(shí)可能造成冗余的重復(fù)計(jì)算，消耗更多資源。

（3）HOLAP引擎是MOLAP和ROLAP的融合體，對(duì)于聚合數(shù)據(jù)的查詢請(qǐng)求，使用類似于MOLAP的預(yù)計(jì)算數(shù)據(jù)模型。對(duì)于明細(xì)數(shù)據(jù)和沒(méi)有預(yù)聚合的數(shù)據(jù)場(chǎng)景下使用ROLAP的計(jì)算方式，比拼資源和算力，這樣即使沒(méi)有明確的場(chǎng)景要求下，也可以實(shí)現(xiàn)最優(yōu)化的查詢性能，適應(yīng)性更好。這方面做的比較好的系統(tǒng)主要有DorisDB。

在團(tuán)隊(duì)的小伙伴們一系列調(diào)研和論證之后，首先排除了無(wú)法提供低延遲查詢性能的引擎，比如Presto等，其次我們同時(shí)需要兼顧復(fù)雜業(yè)務(wù)場(chǎng)景支持能力，易用性和生產(chǎn)運(yùn)維成本最低化，因此在這些維度上對(duì)比了Druid、ClickHouse、Kylin和DorisDB。

DorisDB作為一個(gè)MPP架構(gòu)的HOLAP引擎，保證了數(shù)據(jù)模型的靈活性和查詢性能，Rollup和物化視圖功能使用了MOLAP引擎的預(yù)計(jì)算思想，在一些場(chǎng)景上通過(guò)空間換時(shí)間的方式極大地提高數(shù)據(jù)查詢效率。最終我們選擇DorisDB，一方面是因?yàn)镈orisDB查詢性能強(qiáng)悍，同時(shí)兼容MySQL協(xié)議極大降低了用戶的使用門檻；另一方面它可以在高并發(fā)和高吞吐的不同場(chǎng)景下都表現(xiàn)出較好的適用性，和數(shù)據(jù)中臺(tái)流批一體的OneService發(fā)展思路不謀而合。

二、應(yīng)用場(chǎng)景

我們基于DorisDB構(gòu)建了實(shí)時(shí)和離線統(tǒng)一的OLAP平臺(tái)，交互查詢和BI報(bào)表應(yīng)用在數(shù)據(jù)中臺(tái)的應(yīng)用層發(fā)揮了巨大作用，為各個(gè)業(yè)務(wù)線的主管／產(chǎn)品運(yùn)營(yíng)同學(xué)的運(yùn)營(yíng)策略、廣告投放策略等提供了可靠支持。

基于DorisDB，我們構(gòu)建的全新數(shù)據(jù)架構(gòu)如下：

下面簡(jiǎn)單介紹幾個(gè)典型的應(yīng)用場(chǎng)景：

1．實(shí)時(shí)直播質(zhì)量監(jiān)控

我們使用DorisDB在直播質(zhì)量分析相關(guān)系統(tǒng)中提供支持。這部分是直播引擎的研發(fā)同事十分關(guān)心的一些指標(biāo)，直接關(guān)系到直播上課中的服務(wù)質(zhì)量，一般是分鐘級(jí)／亞分鐘級(jí)的時(shí)效性要求。場(chǎng)景包括：網(wǎng)絡(luò)質(zhì)量、宏觀丟包率、高峰時(shí)段可用率、音視頻可用率等。

2．離線數(shù)據(jù)交互查詢和BI報(bào)表

在數(shù)據(jù)架構(gòu)升級(jí)前，離線T＋1數(shù)據(jù)最終落地到MySQL上進(jìn)行交互式查詢和BI報(bào)表展示，查詢的Query多是單表查詢，維度組合較為靈活。但是隨著業(yè)務(wù)增長(zhǎng)和數(shù)據(jù)規(guī)模擴(kuò)大，MySQL的查詢性能逐漸遇到瓶頸，無(wú)法支持一些多維度數(shù)據(jù)的查詢場(chǎng)景，同時(shí)運(yùn)維成本也越來(lái)越重。

在架構(gòu)升級(jí)過(guò)程中，我們引入了DorisDB計(jì)算引擎作為BI數(shù)據(jù)的落地層。由于DorisDB兼容MySQL協(xié)議，數(shù)據(jù)應(yīng)用層可以通過(guò)JDBC直接連接，因此在遷移過(guò)程中幾乎沒(méi)有成本，而數(shù)據(jù)攝入和查詢效率得到了幾倍到幾百倍的提升，為各個(gè)業(yè)務(wù)線的主管／產(chǎn)品運(yùn)營(yíng)同學(xué)提供了可靠的決策支持。

3．準(zhǔn)實(shí)時(shí)用戶成單和續(xù)報(bào)數(shù)據(jù)

我們?cè)谟唵危�續(xù)報(bào)等核心數(shù)據(jù)場(chǎng)景中，T＋1的離線數(shù)據(jù)已經(jīng)無(wú)法為業(yè)務(wù)提供最有力的決策支撐，越來(lái)越多需要當(dāng)天數(shù)據(jù)的場(chǎng)景和報(bào)表需求。這里的主要挑戰(zhàn)是：

·跨團(tuán)隊(duì)合作、跨源、跨庫(kù)的數(shù)據(jù)場(chǎng)景。

·數(shù)據(jù)有時(shí)效性要求，查詢響應(yīng)要快。

·對(duì)線上業(yè)務(wù)沒(méi)有侵入性，屏蔽影響。

我們的解決方法是，導(dǎo)入Hive歷史存量數(shù)據(jù)＋訂閱binlog增量數(shù)據(jù)通過(guò)flinkSQL實(shí)時(shí)灌進(jìn)DorisDB中，同時(shí)針對(duì)不用的業(yè)務(wù)需求場(chǎng)景做表結(jié)構(gòu)設(shè)計(jì)和查詢優(yōu)化。

4．實(shí)時(shí)推廣投放策略

對(duì)于廣告投放類的效果數(shù)據(jù)，我們會(huì)需要分鐘級(jí)或更高的時(shí)效性要求，因?yàn)閿?shù)據(jù)的變化可能直接影響到投放效果的評(píng)估和投放策略的變化。

我們同樣用flinkSQL訂閱業(yè)務(wù)DB的binlog，最終落地到DorisDB，作為BI報(bào)表和業(yè)務(wù)系統(tǒng)的統(tǒng)一數(shù)據(jù)產(chǎn)出口徑。

三、實(shí)踐心得

1．集群監(jiān)控

目前我們關(guān)注的核心集群監(jiān)控指標(biāo)包括：

·FE節(jié)點(diǎn)失聯(lián)

·BE節(jié)點(diǎn)失聯(lián)

·BE磁盤壞盤

·BE CPU平均使用率過(guò)高

·FE Master的內(nèi)存水位過(guò)高

基于Query級(jí)別的監(jiān)控主要有：

·大查詢告警，例如ScanBytes、ScanRows

·超過(guò)2分鐘的慢查詢告警

·用戶連接數(shù)過(guò)多

·用“select 1”查詢探活整體服務(wù)的可用性

2．打通生態(tài)

在早期使用時(shí)，DorisDB當(dāng)時(shí)和其他大數(shù)據(jù)開(kāi)源生態(tài)的適配能力還有不足，因此我們做了一些改造性工作。

（1）Flink Connector

我們目前實(shí)時(shí)的攝入任務(wù)大部分都是通過(guò)Flink來(lái)實(shí)現(xiàn)。我們基于Stream Load實(shí)現(xiàn)了flink connector，線上使用性能良好，數(shù)據(jù)批次的時(shí)效性一般控制在分鐘／半分鐘級(jí)別。

（2）離線數(shù)據(jù)攝入

對(duì)于離線數(shù)據(jù)的攝入，基本是T＋1的時(shí)效，在凌晨調(diào)度中完成。

我們主要是使用Stream Load和Broker Load兩種方式，我們?cè)趥}(cāng)庫(kù)ETL調(diào)度框架中對(duì)于兩種Load分別進(jìn)行了封裝，區(qū)別是：

·數(shù)據(jù)量不大／需要加工計(jì)算的，先落地本地磁盤文件，然后通過(guò)Stream Load導(dǎo)入DorisDB

·數(shù)據(jù)量較大的，先寫(xiě)入Hive臨時(shí)表，然后Broker Load導(dǎo)入DorisDB

（3）Presto DorisDB Catalog

我們使用Presto查詢DorisDB的時(shí)候主要是針對(duì)于一些需要跨源查詢的場(chǎng)景，比如DorisDB中的實(shí)時(shí)同步數(shù)據(jù)與Hive中的歷史數(shù)據(jù)通過(guò)一定條件join并最終產(chǎn)出小時(shí)級(jí)的數(shù)據(jù)報(bào)表。

這里遇到的問(wèn)題是Presto原生的MySQL Catalog無(wú)法讀取DorisDB元數(shù)據(jù)，主要原因是information＿schema中元數(shù)據(jù)的類型和Presto數(shù)據(jù)類型需要適配，我們最終通過(guò)重新實(shí)現(xiàn)的Presto DorisDB Catalog來(lái)解決。

（4）DorisDB審計(jì)平臺(tái)

另外我們也打造了DorisDB DDL工單審計(jì)平臺(tái)，幫助用戶能夠更好的建立正確的表結(jié)構(gòu)。

審計(jì)平臺(tái)會(huì)監(jiān)控大查詢和慢查詢，這些對(duì)集群性能影響較大的查詢，通過(guò)告警機(jī)器人的方式通知到用戶，督促大家去做查詢的優(yōu)化。

3．基于審計(jì)日志數(shù)據(jù)治理

之前常見(jiàn)遇到的一個(gè)問(wèn)題是：BE CPU被吃光了／磁盤IO打滿

不同的case都可能導(dǎo)致這個(gè)現(xiàn)象：

·某一個(gè)大查詢scan數(shù)據(jù)量太多、耗時(shí)較長(zhǎng)直接吃掉所有io

·表buckets過(guò)多導(dǎo)致scan所有盤

·大查詢頻繁提交等

這類問(wèn)題排查起來(lái)較為困難，除了手動(dòng)殺掉查詢，好像沒(méi)什么好的處理辦法。另一方面大量的導(dǎo)入操作（compaction）是否也會(huì)造成cpu和io的壓力。

目前的解決方案就是通過(guò)審計(jì)日志和BE服務(wù)日志來(lái)監(jiān)控查詢和寫(xiě)入，對(duì)于有問(wèn)題的請(qǐng)求及時(shí)處理避免對(duì)集群性能影響的進(jìn)一步擴(kuò)大。

我們通過(guò)filebeat采集了fe．a(chǎn)udit．log日志，并最終導(dǎo)入到ES中，基于ES做query的分析和監(jiān)控。

目前監(jiān)控主要是：大查詢和慢查詢，這些對(duì)集群性能影響較大的查詢，通過(guò)告警機(jī)器人的方式通知到用戶，督促大家去做查詢的優(yōu)化。并實(shí)現(xiàn)了大查詢／慢查詢的告警，監(jiān)控和明細(xì)分析。

四、未來(lái)展望和規(guī)劃

1．應(yīng)用場(chǎng)景

后續(xù)我們計(jì)劃基于DorisDB做更多的場(chǎng)景實(shí)踐探索：

·基于Bitmap的多維分析／BI自助工具

·通用事件分析平臺(tái)（支持明細(xì)＋聚合）

2．運(yùn)維建設(shè)

在組件運(yùn)維層面的工作包括：自動(dòng)化運(yùn)維，建設(shè)回歸測(cè)試框架、自動(dòng)化集群擴(kuò)縮容腳本、自動(dòng)化集群升級(jí)腳本等，降低人工操作成本。

3．平臺(tái)推廣

在數(shù)據(jù)中臺(tái)的平臺(tái)化建設(shè)中也少不了DorisDB的參與，包括：

·技術(shù)分享，最佳實(shí)踐和用戶培訓(xùn)；

·統(tǒng)一元數(shù)據(jù)平臺(tái)，打通不同引擎的DDL、權(quán)限／租戶管理等功能；

·用戶自助BI工具，屏蔽引擎細(xì)節(jié)，用戶簡(jiǎn)單操作的可視化報(bào)表平臺(tái)。

總結(jié)

通過(guò)引入DorisDB計(jì)算引擎，我們實(shí)現(xiàn)了流式數(shù)據(jù)、批式數(shù)據(jù)融合的一站式數(shù)據(jù)存儲(chǔ)和查詢引擎，對(duì)外提供語(yǔ)義一致和易用的數(shù)據(jù)服務(wù)�？梢哉f(shuō)DorisDB為猿輔導(dǎo)數(shù)據(jù)中臺(tái)的標(biāo)準(zhǔn)化數(shù)據(jù)集（OneData）和統(tǒng)一數(shù)據(jù)平臺(tái)服務(wù)（OneService）能力奠定了一個(gè)穩(wěn)固的基礎(chǔ)，支持各業(yè)務(wù)線進(jìn)行更加快速靈活的查詢和分析，全面提升數(shù)據(jù)分析能力，也為未來(lái)的數(shù)據(jù)平臺(tái)化建設(shè)提供了更多可能性。

最后，十分感謝DorisDB鼎石科技團(tuán)隊(duì)專業(yè)的支持服務(wù)，希望我們能一起把DorisDB建設(shè)得更好。