千万QPS毫秒响应：快手数据中台建设实践

[[378386]] 

图片来自 Pexels

他围绕数据资产服务化，服务于业务产生商业价值进行了分享：

• 第一部分是背景介绍，包括数据开发的痛点。
• 第二部分是介绍大数据服务化平台，包括平台架构以及关键细节详解。
• 第三部分是经验总结和未来思考。

数据开发的痛点

快手是一家数据驱动的公司，数据扮演了非常重要的角色，而数据的生产加工主要依靠数据开发工程师，其工作内容会涉及多个方面。

数据开发工程师则首先根据业务需求开发好高质量的数据，通常是结构化数据(数据表);其次，开发稳定可靠的数据服务，并通过 API 方式交付给业务方使用。

数据开发工程师有两个痛点，这其中包括：

• 开发数据服务门槛高
• 重复开发数据服务

开发数据服务门槛高

数据开发工程师除了开发完数据表外，通常还需要思考如下问题：

①数据如何交付：业务通常期望使用数据接口方式来使用数据，而非数据表，这会更加灵活、解耦、高效。数据开发工程师因此需要建立对应的数据服务。

②服务如何开发：数据服务有多种形式，通常要求开发工程师有微服务知识、服务发现注册、高并发等。

③权限、可用性问题：开发完数据服务后，需要考虑权限问题，确保数据资源能被安全的访问;此外还需要考虑可用性问题，要以多种手段保障数据访问的稳定性。

④运维问题：数据服务本身涉及多种运维问题，如扩容、迁移、下线、接口变更、服务报警等。

以上问题都需要数据开发工程师去解决。这要求数据开发不仅仅是开发出数据表，还需要将数据表包装成一个独立的、灵活的、高可用的、安全的数据服务。

这对于数据开发工程师要求很高：除了具备基本的业务需求捕获、数据建模、SQL 开发等能力外，还要具备开发高可用、高性能的数据服务能力(包括 Java 开发、微服务等)。

 

重复开发数据服务

快手很多业务线(如支付业务、直播业务、账户业务等)，都存在数据需求，各业务线都做着：

①数据同步到线上数据库和缓存。

②建设微服务等开发，其中不同业务线下，数据同步和微服务通常有很多共同之处，重复烟囱式的开发意味要重复开发数据服务，造成了人力资源浪费，而且开发效率低，从数据开发到最终交付数据服务，需要经历较长的周期。

 

基于上述痛点，我们开始建设统一的数据服务化平台。由此开启一个新模式去解决问题。

大数据服务化平台

数据平台本身的定位是一站式自助数据服务平台。用户通过平台来创建数据服务接口、运维服务、调用服务。

平台秉承“配置即服务”的理念：数据开发工程师不再需要手写数据服务，只需要在平台上进行简单配置，平台便可自动生产和部署数据服务，从而提升效率。

系统架构

大数据服务化业务架构如下所示，Data Lake 数据湖中存储原始数据，经过数据开发之后，形成按主题域组织的数据资产。

此时数据资产通常是在数据仓库，访问速度较慢，因此需要通过数据加速到更高速的存储介质，最后经过多场景服务接口，服务于业务。

 

在技术架构方面，数据接口形式有 RPC 和 HTTP 两类接口。

RPC 接口不需要重复建立链接，且传输数据时会被高效序列化，适用于高吞吐场景下的微服务，实现负载均衡、流控、降级、调用链追踪等功能。相对而言，HTTP 接口传输效率低一些，但使用非常简单。

关键技术一：配置即开发

平台用户分为两类角色：其一是数据服务生产方，其二是数据服务调用方。数据服务生产方只需要配置，做到“配置即开发”。

配置包括：

• 数据源
• 数据加速到何处
• 接口形态，访问方式
• 配置独立的测试环境，访问隔离的测试数据

当配置完毕后，数据服务平台便会根据配置清单，完成接口的自动化生产和部署。

生产和部署完毕后，调用方在平台申请服务权限调用。通过自动化生产，达到配置即开发的目的，从而极大的提升效率。

 

关键技术二：多模式服务形态

数据服务有多种服务形态，包括：

①KV API：简单点查，可以支撑百万 QPS、毫秒延迟。这类 API 是通过模板自动化创建出来，支持单查、批量查询等接口，返回的结果是 Protobuf (PB) 结构体，从而将结果自动做了 ORM，对于主调方更加友好。

典型场景包括：根据 IP 查询 geo 位置信息、根据用户 Id 查询用户标签画像信息等。

②SQL API：复杂灵活查询，底层基于 OLAP/OLTP 存储引擎。通过 Fluent API 接口，用户可自由组合搭配一种或若干种嵌套查询条件，可查询若干简单字段或者聚合字段，可分页或者全量取回数据。

典型场景包括：用户圈选(组合若干用户标签筛选出一批用户)。

③Union API：融合 API，可自由组合多个原子 API，组合方式包括串行和并行方式。

调用方不再需要调用多个原子 API，而是调用融合 API，通过服务端代理访问多个子查询，可以极大降低访问延迟。

 

关键技术三：高效数据加速

前面提及的数据资产，通常是存在于低速的存储引擎中，无法支撑线上业务高访问流量。因此需要以系统化的方式进行数据加速。

目前有两种加速方式：

• 全量数据加速
• 多级缓存(部分数据加速)

全量数据加速：从多个数据源摄入原始数据(如 Kafka，MySQL、线上访问日志等)，进行加工建模后，得到数据资产。

数据资产经由独立的数据同步服务，同步至其他更高速的存储引擎，如 Redis、Hbase、Druid 等。

数据同步支持一次性或者周期性(小时、天、周等)将数据从 Hive 同步至其他存储中，数据同步本身是基于分布式的调度系统，内核是基于 datax 进行数据同步。

大数据服务化平台单日同步的数据量达到 1200 亿条，数据 size 达到 20TB。

 

多级缓存：大数据服务化平台会使用 Redis、Hbase、Druid、Clickhouse 等方式存储所有数据，但是部分存储如 Hbase 速度可能较慢，针对热点数据需要使用额外的热点缓存来 Cache 数据。

热点缓存是多级缓存，针对每个 API 接口，用户可自由搭配组合多级缓存、灵活设置缓存策略。

此外，针对数据较大的 API，还可配置数据压缩，通过多种压缩方式(如 ZSTD，SNAPPY，GZIP 等)，可将数据量显著减少(部分 API 甚至能减少 90% 的数据存储量)。

 

关键技术四：高可用保障

服务可用性是微服务领域内的一大核心，服务的高可用通常需要组合多种手段来保障。

快手数据服务化平台通过多种方式来达到高可用的目的，主要包括：

• 弹性服务框架
• 资源隔离
• 全链路监控

弹性服务框架

数据服务是部署在容器云环境，容器云是快手自研的弹性可伸缩的容器服务，部署在其中的 RPC 服务会注册到 KESS (快手自研服务注册与发现中心)，供主调方去调用，如有离群坏点，会自动摘除。

服务调用是基于 RPC，全链路都有监控，包括服务可用性、延迟、QPS、容器CPU、容器内存等情况。

 

资源隔离

资源隔离是可用性保障的常见手段之一，通过隔离将意外故障等情况的影响面降低。

不管是微服务，还是存储，我们都按照业务+优先级(高、中、低)粒度隔离部署，独立保障，业务之间互不影响、业务内不同级别也互不影响。

同一业务线内可能有多个不同数据服务，通过混合部署，提高资源使用率。

 

全链路监控

服务很难避免出现问题或者故障，一旦出现问题，及早发现及早介入是非常重要的。

服务平台构建了全链路监控，包括：

• 数据同步：对数据资产同步至高速存储的过程进行监控，包括数据质量检测(过滤脏数据)、同步超时或者失败检测等。
• 服务稳定性：构建一个独立的哨兵服务，来监测每个 API 的运行指标(如延迟、可用性等)，客观的评估健康度。
• 业务正确性：数据服务需要确保用户访问的数据内容和数据资产表内容是一致的，因此哨兵服务会从数据一致性层面去探查，确保每个 API 的数据一致性。

 

总结和展望

大数据服务化平台从 2017 年演化至今，已经支持多类应用场景，涵盖直播、短视频、电商、商业化等在线业务，生产者中台等准在线业务，运营系统等偏内部数据系统等，目前平台在线业务总 QPS 达到 1000W，平均延迟在毫秒级。

对于准在线业务和内部数据系统，基于 CH、Druid 等多种数据引擎，支持多种灵活查询。

数据服务平台支持了多种模式 API，很好满足了多元化需求。此外数据服务平台也支持服务权限、API 市场等丰富功能，进一步赋能业务。

 

大数据服务化平台未来进一步发展方向主要包括：

①贴近业务需求：数据服务平台本身是为业务服务，通过赋能业务而对企业带来价值，业务本身在不断发展，未来也会有更多的需求出现，因此数据服务平台本身会不断抽象和沉淀出公共数据服务能力。

②深耕数据资产：数据资产是数据服务之根本，如果没有完善的数据资产建设，上面就很难构建出结构化的统一的数据服务，针对数据资产有较多内容，包括资产注册和审核、资产地图、资产标签、资产管理、资产开放和服务。

 

大数据服务平台的能力建设会朝着统一的 OneService 体系前进。

主要包括三个方面：

• 支持丰富的数据源：包括大宽表、文本文件、机器学习模型(模型也是一种数据资产)，来构建完善的数据服务。
• 支持多样取数方式：除了支持同步快速取数之外，还支持异步查询取数、推送结果、定时任务等多样化方式，以满足业务多种场景需求。
• 建设统一的 API 网关：集成权限管控、限流降级、流量管理等于一体，不仅平台创建的服务可以注册进 API 网关，用户自己开发的 API 也可注册进 API 网关，从而享受已有的基础网关能力，为业务提供数据服务能力。

作者：倪顺

简介：本硕毕业于北京大学，曾就职于 Hulu，从事视频领域大数据研发工作，包括视频播放质量的数据建设以及基于数据驱动的播放体验提升。目前就职于快手，从事数据中台领域工作，主要负责大数据服务化基础平台建设。目前平台 QPS 达到千万级，已经支持内部多个业务，包括直播、推荐、风控等，在快手支持 2020 年春晚红包活动中起到重要作用，成功扛住流量洪峰。

编辑：陶家龙

出处：转载自公众号壹佰案例(ID：Top100Case)