- 1、本文档共37页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
唯品会大数据实践
CONTENT 目录
关于唯品会
01
数据平台建设
02
大数据应用建设
03
一些想法
04
数据平台实践
离线计算分析平台演化
实时计算平台演化
一些技术选型和经验
数据应用实践
系统开发和运营
业务和产品运营
恶意用户识别/风控系统
商品品牌推荐
个性化排序
| 产品
| 系统
| 算法
数据仪表盘 、数据魔方、比价系统、地图服务等
精准推荐
基础算法库
选品、分仓与预调拨
数据实时接入
离线计算平台
实时计算平台VRC
资源管理平台
运维
监控
测试
| 数据
细分人群
用户Lookalike
唯品会用户画像
唯品会大数据
VIP Big Data
整体规划
平台服务
数据服务
数坊
分析师平台
对外服务
VRC
开发者平台
画像计算
VRE
Sqoop/VDP/Flume/Kafka
Job调度/Yarn调度
运维
监控
测试
数据产品
自助
报表平台
应用
产品
服务
接入
计算
存储
调度
系统-大数据基础平台规划
自助
取数平台
数据平台的建设
离线计算分析平台选建设
混合平台:Hadoop+Greenplum
迁移策略和计划
daily job, hourly job, min job
扩容,扩容,扩容
离线和实时的混合
开放平台
实时计算平台的建设
Binlog2Kafka VDP
MySQL2Kafka
Spark vs Storm
Redis Challenge
稳定性挑战
开放平台
碰到的问题
离线平台的演化-1
2012 年底:CDC调度+GP10节点 系统稳定
2013 Q1:CDC调度+ETL Gp + Query Gp, Tuning
2013 Q2:
自有调度平台开发 + 自有抽取系统+
Hadoop 流量开始迁移 +
GP交易数据 + Query GP
2013 Q3:
自有调度平台+抽取迁移
Hadoop流量迁移结束(70), 交易数据迁移开始
GP交易数据+Query GP
核心数据小时级ETL
2013 Q4
元数据管理系统,数据质量工具
ETL Gp完整迁移开始
Query GP扩容40节点
2014 Q1
全部ETL@Hadoop
~200 nodes cluster + 40 Ad-Hoc EDW
Hybrid node configuration
离线混合平台-2
Referene:
Netflex, LinkedIn, eBay
GreenPlum + Hadoop
保护现有投资
Hadoop 海量数据分析
ETL复杂计算
权限打通
Greenplum:
GP擅长adhoc query速度快,
分析师适应
不足够scalable
长期成本
Hadoop
Massive scalable,但是单个查询慢
海量ETL计算
Web查询
离线开放平台-3
开放平台
自助ETL开发
自助报表开发和展现
自助取数分析
成本breakdown, change back
性能,实时,扩展性,成本
Presto
Druid
实时计算系统架构
VRC
模型训练平台
Flume/VDP/VMS
VRE
应用开发:
任务配置
可视化编程
Esper EPL
平台组件:
输入组件
输出组件
UDF
VRC Portal:
任务发布
日志查看
监控告警
Rule Layer
Hbase vs Redis
背景:
个性化user profile, high QPS, very time sensitive
用户信用体系user profile ,low QPS, non-critical
用户实时浏览,订单历史,high tps, high qps
都是海量数据
看上去Hbase更加合适, 但是不放心
选择:
Critical 的Redis
Non-critical 的Hbase
积累经验,逐渐往Hbase dual write
其实Hbase也不便宜,就是scale不动系统
Redis某种程度上也可以实现
21:48:43
11
Redis
Storm计算用redis保存中间和结果数据
流量一直增加
大促流量狂涨
计算复杂度一直增加
不停拆分。。。
每次改代码
怎么办?
逐个模块拆分
一开始就按模块写不同instance
一开始就Shard
Twemproxy
优化数据结构
Pipeline/Batch
不求100%准确hll log
Redis Cluster
21:48:43
12
Challange
实时计算作为平台
离线和实时的融合
离线向实时的迁移成本
应用实践
业务应用
运营分析
帮助公司买
帮助公司卖
技术开发和运营
Telescope 业务监控(storm)
Logvi
您可能关注的文档
- 中国古典建筑木构技术发展的几个阶段.ppt
- 中国各省标志性建筑课件.ppt
- 中国后循环缺血的专家共识课件.ppt
- 中国地质大学武汉水力学课件.ppt
- 中国家庭理财教育活动智慧理财营造多彩人生.ppt
- 中国家庭理财教育活动智慧理财营造多彩人生.ppt
- 中国式生产培训课件.ppt
- 中国政府的组织结构精.ppt
- 中国教育改造.ppt
- 中国文化经典研读:《朱子语类》三则课件.ppt
- 给荔红简约中国风员工述职报告.pptx
- 2023门窗行业招商加盟数据分析报告.pdf
- 《基于基因表达数据的胰腺癌预后研究现状综述》3900字.docx
- 《连云港美致医疗器械公司员工激励问题及对策分析》9300字.docx
- 《惠州名道时尚武夷岩茶股份有限公司企业文化建设研究》9000字.docx
- 2024年02月中国共产党崇左市委员会党史研究室(广西)2024年招考1名编外工作人员笔试参考题库后附答案详解.docx
- 2024年02月中共清远市委办公室(广东)2024年公开选调2名公务员笔试参考题库后附答案详解.docx
- 2024年02月中共雅安市雨城区委组织部2024年公开考核招考4名高层次人才笔试参考题库后附答案详解.docx
- 2024年02月中国基本建设优化研究会2024年招考笔试参考题库后附答案详解.docx
- 2024年02月中国伊斯兰教协会2024年度面向社会公开招考2名工作人员笔试参考题库后附答案详解.docx
文档评论(0)