Apache Doris在京东双十一大促中的实践

首页版块访问AI主站注册发帖

三寸九州发布于2021-04 浏览:2525 回复:2

快速回复

Doris线下沙龙完美收官！本次沙龙邀请了来自百度、美团、京东的技术大牛带来实战分享。了解更多详情请关注Doris官方公众号。公众号后台回复“1222”立即get现场录像及嘉宾PPT。

2019年12月22日，Doris线下沙龙在百度大厦顺利举办。本次邀请了来自美团、京东、百度的技术大牛来分享实战经验，快来跟随小编一起回顾吧！
来自京东零售-商业提升部的刘航源为大家带来了 Apache Doris 在京东双十一大促活动的实践。

航源主要负责京东的广告平台报表业务，京东的广告平台每天支撑了千万级以上的查询量，同时每天有百亿级的增量需要维护。所有的报表级查询需要毫秒级返回数据，场景主要包括报表查询、多维分析、日志分析等。

以账户报表为例，京东的报表平台有如下特点：

存储介质多、逻辑计算复杂且延迟敏感：一张报表中通常会有非常多的指标列，涉及多个存储介质（MySQL、Doris、Redis等），这些列都需要实时关联，且需要保证报表是毫秒级数据返回。

聚合数据为主：与Doris的聚合模型场景贴合。

对外业务，服务质量要求高：面对的客户是所有京东的广告主。

京东广告平台在京东内部支持了十余个业务线，300+报表，涵盖了270个底层数据。覆盖了京准通内绝大多数的效果报表。超过80%的业务需求可以通过修改配置支持，并且平台作为统一的数据出口，拥有完善的权限管理系统。

京东使用Doris解决当下面临的问题

在使用Doris前，原有的业务系统如图所示。报表系统下对接包括MySQL、Redis以及自有系统等，在今年年初时遇到一些困难。主要包括：

性能问题：查询速度慢，满足不了大批量毫秒级返回数据的需求

运维问题：运维困难，难以保障

开发成本高

SQL兼容难

于是在19年年初决定使用Doris。

业务现状

在大规模将系统切入Doris时遇到了下面几个问题：

产品线众多，甚至包括海外产品线

对接的业务方众多

维护集群众多，面临资源隔离和数据隔离的问题

财务相关数据，数据安全性要求高

在切换时有如下几个诉求：

统一化

增量可回溯/可查询：对于导入增量进行把控

更强的抗泄洪能力：因为对接产品线众多，不能因为任务激增而影响到众多产品线

业务方可自助查数、补数

可接受秒级的任务延迟

平台化

数据定时备份

支持任务优先级

细化延迟监控

国际化

支持时区功能

多集群多环境/同名HDFS NS的区分

优化后整体架构如下：

Web Server：

集群运维可视化

统一运维

对外接口系统

ReportEngine：

查询业务引擎

业务逻辑处理

主要作为对外出口对接业务

AdminServer：

任务的管理系统

控制Load并发

数据最开始从Kafka进行导入，经过ETL层。ETL会做一份增量数据，数据批次会取决于业务需求。目前线上大部分是每分钟会有一个批次。通过HTTP的接口调用Admin Server，收到Load的任务后，会写到MySQL的消息队列上，向Doris提交一个Load的任务。Doris收到任务后会提交Broker Load将HDFS的数据导入到Doris中。所有历史数据导入任务存储在MySQL中，通过Admin Server来实现可回溯可查询的功能，可同时可实现定期的Backup。同时Load任务的并发是可控制的，也提供了更强的抗泄洪能力及支持任务优先级的能力。

具体实现：

所有提交的任务会通过HTTP的JSON发送到Admin Server里，主要是Doris的Broker Load需要的字段。Label，Path和Type（目前支持csv和Parquet，未来会支持orc）

WebServer功能

WebServer是京东研发的功能，覆盖了大部分Doris的操作功能，包括建表、建Rollup、建Partition、数据管理、数据查询、数据导入、任务管理、性能监控、集群导入、操作日志查询的功能。业务方可以方便地通过这个平台来提交任务。

数据管理

数据导入

任务管理

未来京东考虑将WebServer贡献给社区，让更多用户享受到WebServer带来的便利。

如何处理历史数据变更

Doris修改数据的成本很高，但数据的修改和删除需求在真实业务中时常出现。

京东经历了几个阶段。

从最开始的无法进行删除操作，发展成采用了外部留存重新刷数的方式。即原来导入的错误数据不要删除，采用replace的方式，将原来的数据全部倒入一份负值的，从而将value刷成0，再将正确的数据导入进去。这种方式的不便之处在于要留存原始错误数据。

后来采用了Doris的delete功能，把错误数据删除后再将正确数据insert进来。

但所有这些方式都存在一个问题，即总有一段时间窗口内数据value为0。这对于外部系统来说是不能容忍的。例如广告主需要查看自己的账户信息，如果因数据变更问题而导致账户显示为0，将是难以接受的，很不友好。

京东非常期待Spark Doris connector的功能正式发布，也已经试用了很大一部分。

应用Spark Doris connector后，对于这类操作将会更加便捷。例如上一行是错误数据，下面的一行是正确数据。Spark可以链接两条流，一条流链接Doris，一条流链接外部的正确数据（例如业务部门给的Parquet文件），做diff操作，将所有value算出diff值。可以看到最后一行的结果，将其导入进Doris即可。这样的好处是可以消除中间的时间窗口，同时也便于平时经常使用Spark的业务方来进行操作，非常友好。

京东双十一大促期间Doris的表现

稳定性

整个大促期间Doris的内存、CPU非常平稳，即使11日凌晨也没有出现大规模上涨

整个集群规模已经的达到了上百台

整个大促期间没有Bug和事故

导入性能

双11当天达到了120亿行的增量（聚合后的数据）

峰值导入在2000万/分钟

所有事实表基本都可以做到秒级延迟

查询性能

京东只用了40台16核Docker支撑了查询，且最高峰CPU占用率仅30%左右。达到的效果：

双11当天承载了8000万+的查询

TP99 58毫秒，TP999 164毫秒

双11当天00:20左右达到峰值QPS达到4500+，压测阶段QPS达到万级以上

不仅如此，所有统计指标也是通过Doris来进行分析的：京东在每台Doris上部署了一个Doris的Agent来收集日志，然后将其导入到Kafka中，再通过Doris的Kafka Load，即可使用Doris分析自己的日志。可以通过Doris优秀的OLAP特性，分析任意时间段，任意维度的查询，为问题定位和性能分析提供了很大的帮助。

未来规划

贡献成熟的Web屏体啊

建立UDF平台，提升业务灵活性

参与SQL优化器开发

支持Apache Doris (incubating)社区发展

欢迎扫码关注：

Apache Doris(incubating)官方公众号