大众点评代运营:大众点评数据平台架构变迁

 行业动态     |      2020-04-27 16:28
 

鲸点网络科技(dzyunying.com)以下从 数据&架构&应用的角度对2012.07-2014.12期间大众点评数据平台的架构变迁做一个概括性的总结,希望对还处在数据平台发展初期的同学有一些帮助,欢迎线下沟通。
 
1.0(2012.07)
 
1.1 数据:
 
以支持用户报表需求为主
初步沉淀出了一些底层模型
模型计算程序以python为主
1.2 架构:
 
存储和计算都在GreenPlum
GreenPlum采用双集群热备,一大一小,部分关键报表数据同时在两个集群存储、计算。
传输:公司的DBA同学将数据从Mysql、SQLServer拉出来,落地成文件。传输程序每天凌晨解析落地的文件,然后将数据load到greenplum
调度:使用Quartz框架,依赖关系存放到表中,将依赖检查做成一个脚本,下游job 调用方法check上游任务是否完成
监控:用户程序自主判断异常,邮件、手机报警。
1.3 数据应用:
 
报表数据以邮件的形式发送给用户
用户可以使用自定义sql的web查询工具主动查询数据
2.0(2013.04)

 
2.1 数据:
 
1. 有了明确的模型分层:
 
ODS:存放从原系统采集来的原始数据
DW:保存经过清洗,转换和重新组织的历史数据,数据将保留较长时间,满足系统最细粒度的查询需要
DM: 数据集市。基于部门或某一特定分析主题需要
RPT:直接面向用户的报表
2. 形成了流量、团购、信息三大基础模型及构建于三大基础模型之上的数据集市
 
3. 基于volocity开发了canaan计算框架。
 
4. 开发了一些自定义的UDF
 
2.2 架构:
 
1. 存储和计算都基于HIVE
 
2. GREENPLUM作为HIVE的“cache”存在,供用户做一些小数据的快查询,报表存储。
 
3. 调度:和canaan框架进行整合,支持用户快速新增任务,并自动导入任务依赖。
 
4. 主数据:保存了数据仓库元数据信息,供用户查询和系统内部各个模块交互。
 
5. ACL:构建了数据仓库数据访问权限控制,包括用户权限申请、审批者审批、数据赋权等。
 
6. 传输:
 
参考阿里DataX的设计,实现了点评的异构数据离线传输工具wormhole
可视化界面,用户通过界面操作,方便的将数据导入导出数据
和调度、主数据等系统打通
7. 监控:由于任务数量增长较快(2000+),运维已经是个问题此外,因此,我们花了较大精力做了可视化的工作:
 
 
2.3 数据应用
 
运营工具:用户自定义SQL,存储基于HIVE
指标(KPI):用户自定义SQL,计算基于HIVE,结果放到GREENPLUM中,用户可以根据指标通过时间拼接成报表
HIVE WEB:非常便捷的HIVE WEB工具,可用性可以甩hive原生的web界面HWI几条街了
3.0(2013.12)
 
 
3.1 数据:
 
有了明确的上层数据集市,各层数据集市打通,例如团购数据和流量数据打通
形成了用户集市、商户集市两大主题
和算法团队合作建设推荐系统
提供框架和工具支持,引入外部数据开发者
3.2 架构:
 
引入mysql、hbase,支持线上服务
数据访问接口支持:API、Query Engine、RPC Service
引入shark支持临时查询,出于稳定性考虑,牺牲性能,shark/spark集群和hadoop/hive集群物理隔离
数据质量:用户指定以条件,对计算结果做检查
3.3 数据产品:
 
支持DashBoard
 
4.0(2014.12)
 
 
4.1 数据:
 
持续扩充/完善数据模型
数据规范化,主要包括:APP日志、渠道
完善数据开发平台,其他部门数据开发者100+
4.2 架构:
 
建设Redis Cluster,支持实时推荐、用户画像等服务
Hadoop升级到YARN
引入Storm支持实时计算
推出类Kafka的分布式消息系统,结合日志框架,支持日志数据的快速/低成本接入
建设元数据中心
dp64.3 数据产品:
 
推出专有数据产品,包括:运营效果评估、流量分析产品等。