当前位置:首页 > 公众号精选 > 架构师社区
[导读]导读:随着大数据的快速发展,行业大数据服务越来越重要。同时,对大数据实时计算的要求也越来越高。今天会和大家分享下爱奇艺基于Apache Flink的实时计算平台建设实践。 今天的介绍会围绕下面三点展开: Flink的现状与改进 平台化的探索和实践:实时计算平台

linkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;white-space: normal;background-color: rgb(255, 255, 255);text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;">
基于Apache Flink的爱奇艺实时计算平台建设实践

导读:随着大数据的快速发展,行业大数据服务越来越重要。同时,对大数据实时计算的要求也越来越高。今天会和大家分享下爱奇艺基于Apache Flink的实时计算平台建设实践。

今天的介绍会围绕下面三点展开:

  • Flink的现状与改进

  • 平台化的探索和实践:实时计算平台

  • Flink业务案例

01
Flink的现状与改进

1. Flink现状

首先和大家分享下爱奇艺大数据服务的发展史。

基于Apache Flink的爱奇艺实时计算平台建设实践

我们从2012年到2019年,大数据服务经过了一系列持续的改进和发展:

  • 2012年搭建了第一个Hadoop集群,当时只有大概20几个节点,使用的计算框架是MapReduce和Hive等

  • 到2013,2014年,开始使用Hadoop 2.0,上线了Storm和Spark,由于Storm的使用性和稳定性不够好,被放弃使用,转而使用Spark

  • 2015年发布了第一个实时计算平台Europa,上线了Kafka

  • 2017年使用了Flink,同时我们基于Spark和Flink打造了流式计算引擎StreamingSQL

  • 2018年推出了自研的实时计算平台Real-time Analytics Platform (RAP)

  • 2019年基于Flink达到了内部的流数据生态平台;

然后介绍一下Flink在爱奇艺的使用情况:

基于Apache Flink的爱奇艺实时计算平台建设实践

这是Flink在爱奇艺的一些使用情况,目前的节点规模大约15000多台,总的作业规模有800多个,每天的数据流的生产量大概在万亿级别,约2500TB左右。注:本数据仅代表嘉宾分享时的数据。

下面是目前爱奇艺基于Spark,Flink打造的实时计算平台框架:

基于Apache Flink的爱奇艺实时计算平台建设实践

  • 底层存储使用的HDFS,HBase,Kafka和OSS。

  • 实时计算框架通过Spark和Flink部署,在这两个服务之上,构建了一个独立的流式系统引擎StreamingSQL。

  • 在引擎之上,打造了多种类型的平台,用来实现管理计算的任务,流数据的生产分发和实时数据分析等不同需求。

  • 实时计算在爱奇艺业务上有些典型的应用场景:实时分析、报警,信息流(如广告类)推荐,内部数据在线训练,实时风控(内容追踪等)。

2. Flink改进

Flink改进-监控和报警:

以前只是做了简单的状态监控,在出现问题之后,不知道内部状态是怎么样的。近期做了一些改进,并和内部的监控平台Hubble进行集成,主要有三个级别的监控指标:

  • Job级别监控指标:Job状态、Checkpoint状态和耗时。如果没有进入到running状态,会对其进行重启操作,防止其查询卡在不健康状态下

  • Operator级别监控指标:时延、反压、Source/Sink流量,对每个Operator进行指标聚合

  • TaskManager级别监控指标:CPU使用率、内存使用率、JVM GC等

Flink改进-状态管理:

基于Apache Flink的爱奇艺实时计算平台建设实践

问题一:长时间运行Flink job,会因为各种原因导致它重启。Checkpoint只在Flink作业内部有效,一旦主动重启或异常重启时,上一个job的状态会全部丢失。

解决方法:作业重启时,找到上一次运行成功的Checkpoint,从中恢复。

缺陷:对于状态很大的作业,会使用RockDBStateBackend做增量Checkpoint;上一次的Checkpoint被依赖而无法删除,会导致状态堆积(生产环境中的一个作业的Checkpoint总共多达8TB)。

对于这个缺陷也就是:

问题二:Checkpoint无限依赖

基于Apache Flink的爱奇艺实时计算平台建设实践

解决方法:使用Savepoint打断增量Checkpoint的依赖链,并与流计算平台集成。

主要有两种产品,一种是通过业务通过平台主动重启,重启之前对此job做一次Savepoint操作,启动时从Savepoint的路径去启动。

第二种是发生异常重启时,来不及做Savepoint。那么会在Checkpoint启动起来,一旦job进入到running状态以后,立即做一次Savepoint,解决依赖问题。

StreamingSQL:

StreamingSQL是基于Spark和Flink构建的一个统一的流数据ETL工具,具有以下一些特征:

  • SQL化:业务上去写流计算任务时,不需要去写Scala程序,只需要编写一些SQL代码即可完成流计算ETL任务的开发。

  • DDL:流表、临时表、维度表、结果表。

  • UDF:系统预定义常用函数、用户自定义函数。

  • 提供SQL编辑器。

下面是StreamingSQL的一个实例:

基于Apache Flink的爱奇艺实时计算平台建设实践

02
实时计算平台

1. 实时计算管理平台

基于Apache Flink的爱奇艺实时计算平台建设实践

上图是Spark、Flink任务开发和管理的web IDE的例子,用户可以在页面上配置一些参数和字段,进行任务的开发,上传,作业的重启,运行状态的查看等常规操作。

此外,还提供其他的一些管理:

  • 文件管理:任务Jar包、依赖库。

  • 函数管理:提供丰富的系统函数、支持用户注册UDF。

  • 版本管理:支持任务、文件的版本对比以及回滚。

  • 常规管理:监控大盘、报警订阅、资源审计、异常诊断。

2. 实时数据处理平台

为了确保数据发挥该有的价值,让数据的流转更加通畅,让业务处理数据、使用数据和分析数据更加便捷,我们改进服务,推出了数据处理平台和数据分析平台。

以下是实时数据处理平台演进过程:

2015 – 2016

基于Apache Flink的爱奇艺实时计算平台建设实践

  • 场景:离线报表为主,少量实时报表需求,数据生产规模50万QPS;

  • Venus 1.0数据采集平台:基于Apache Flume;在Venus agents上通过tail+grep/awk/sed等脚本过滤;

  • 缺陷:不方便变更过滤规则,需重启所有agents;不同用户需求存在大量重复处理逻辑。

2017 – 2018

基于Apache Flink的爱奇艺实时计算平台建设实践

  • 场景:实时分析、信息流推荐等实时需求增加,500万QPS

  • Venus 2.0数据采集分析平台:实时过滤从Venus agent迁移到Flink,采用两级Kafka;无需重启即可动态增减处理规则

  • 缺陷:Kafka数据冗余,不方便分享Kafka数据

2019

基于Apache Flink的爱奇艺实时计算平台建设实践

  • 场景:大量实时业务需求,1500万QPS

  • Venus 3.0流数据生产分发平台:通过web配置实时处理规则,可自由组合常见算子;参考离线数仓,按照数据使用场景构建流式数仓

  • 优点:减少流数据重复生产,促进流数据共享

下面是一个例子,流数据处理平台的一个页面。目前平台支持Projection、Filter、Split、Union、Window、UDF等常见算子。

基于Apache Flink的爱奇艺实时计算平台建设实践

3. 实时分析平台

目前我们实时数据OLAP分析平台主要有两大类:一类是实时报表,主要有A/B测试、精细化运营等;另一类是实时报警,主要有VV/UV、播放故障等。

下图是现在的一个架构图:

基于Apache Flink的爱奇艺实时计算平台建设实践

目前支持流处理平台,Kafka,Hubble监控系统,MySQL binlog这些数据源。用户可以通过UI配置处理规则,分析规则,需要展示的报表的风格,以及一些报警的规则。这些处理规则和分析规则等,后台会自动把它们的function对应的服务转成一个job,然后自动把结果上传到MySQL里。此外,用户可以在多平台上面进行分析查看、观测报警率等,也可以方便的通过api对接到自己的第三方的定制化平台里。

目前,我们实时分析平台拥有以下一些优势:

  • 开发门槛低:无需写程序或SQL

  • 开发效率高:由以前的几天到现在的半小时就能完成

  • 报表实时:从小时级别优化到现在只需要1分钟

  • 查询更快:支持大规模数据亚秒级查询

下面展示的是一些页面的模块。

配置处理规则:

基于Apache Flink的爱奇艺实时计算平台建设实践

配置OLAP模型:

基于Apache Flink的爱奇艺实时计算平台建设实践

03
Flink业务案例

1. 信息流推荐

基于Apache Flink的爱奇艺实时计算平台建设实践

我们所有的数据都是通过实时收集到二级Kafka里面,通过Stream处理平台分级成点击、查看、订阅、搜索等一系列行为不同的Kafka里。然后再经过处理平台处理以后,生产相应的用户特征,用户画像等实时流,最后被推荐引擎去使用。

我们从Spark Streaming迁移到Flink,消除了批处理延迟。目前单个任务延迟从1分钟缩短到1-2秒,端到端性能提升86倍,并且显著提升了推荐效果。

2. 使用Flink生产深度学习训练数据

基于Apache Flink的爱奇艺实时计算平台建设实践

上图是一个广告推荐相关的例子,这是以前的一个架构,通过Hive/Spark离线ETL生成广告深度学习算法所需要的训练数据,算法模型更新周期为6小时。

基于Apache Flink的爱奇艺实时计算平台建设实践

从2018年初开始,对框架做了实时的一个改造。实时过来的用户行为数据会实时投递到Kafka里,通过Flink处理完以后,生成一些新的Delta数据;过去7天分析的广告特征、用户特征投到Kafka,通过Flink处理完以后,存到HBase里。Kafka实时流(最近24小时)和HBase维度表(最近7天)这两部分数据Join之后生成一个Session流,再给算法预测使用。

通过框架的改进,目前算法模型更新从6小时缩短到1小时,并且支持实时CTR预估,更好指导广告决策,提升广告收益。

3. 端到端Exactly-Once处理

由于目前存在一个问题:Kafka节点故障重启或人工运维时,业务方重复消费数据。因此最近正在研究端到端Exactly-Once处理的一个方案:Kafka Exactly-Once Semantics + Flink two-phase commit.      

基于Apache Flink的爱奇艺实时计算平台建设实践

但是,这个方案会造成Flink任务计算性能的20%损耗,从业务方向角度来讲,这个是在可接受范围内的。

4. 挑战与规划

以下是未来的一些规划:

  • 流批一体化

  • SQL化:进一步完善和推广StreamingSQL,降低开发门槛

  • 基于Flink的机器学习的尝试和使用

  • 提高Flink作业的资源利用率,支持动态资源调整

  • Flink on Kubernetes

作者介绍:

linkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;white-space: normal;background-color: rgb(255, 255, 255);line-height: 2em;box-sizing: border-box !important;overflow-wrap: break-word !important;">梁建煌,爱奇艺大数据服务负责人,2012-硕士毕业于上海交通大学后,先后在 SAP、爱奇艺工作,从 2013 年起开始负责爱奇艺大数据服务体系的建设工作,包括大数据存储、计算、OLAP 以及开发平台等。

特别推荐一个分享架构+算法的优质内容,还没关注的小伙伴,可以长按关注一下:

基于Apache Flink的爱奇艺实时计算平台建设实践

基于Apache Flink的爱奇艺实时计算平台建设实践

基于Apache Flink的爱奇艺实时计算平台建设实践

长按订阅更多精彩▼

基于Apache Flink的爱奇艺实时计算平台建设实践

如有收获,点个在看,诚挚感谢


免责声明:本文内容由21ic获得授权后发布,版权归原作者所有,本平台仅提供信息存储服务。文章仅代表作者个人观点,不代表本平台立场,如有问题,请联系我们,谢谢!

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭