大众点评数据平台架构变迁

jopen 10年前

以下从数据&架构&应用的角度对2012.07-2013.12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）


20131212173752687.png
数据：
1. 以支持用户报表需求为主
2. 初步沉淀出了一些底层模型
3. 模型计算程序以python为主
架构：
1. 存储和计算都在GreenPlum
2. 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。
3.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
4.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
5.监控：用户程序自主判断异常，邮件、手机报警。
数据应用：
1.报表数据以邮件的形式发送给用户
2.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）

20131212175329500.png

模型：
1. 有了明确的模型分层：
　a) ODS:存放从原系统采集来的原始数据
    b) 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
    c) DM: 数据集市。基于部门或某一特定分析主题需要
    d) 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
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：
  a)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
  b)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
  c)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：
   20131212181625156.png 
   

数据应用
1. 运营工具：用户自定义SQL，存储基于HIVE
2. 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
3. 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）

20131212184452562.png
模型：
1. 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
2. 形成了用户集市、商户集市两大主题
3. 和算法团队合作建设推荐系统
4. 提供框架和工具支持，引入外部数据开发者
架构：
1. 引入mysql、hbase，支持线上服务
2. 数据访问接口支持：API、Query Engine、RPC Service
3. 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
4. 数据质量：用户指定以条件，对计算结果做检查
数据产品：
支持DashBoard

NEXT:

1. 准实时、实时计算支持&平台整合
2. 完善现有展示体系，支持OLAP
3. 数据开发平台建设
4. DAL层建设