携程基于Flink的实时特征平台

作者:刘康

本文来自7月26日在上海举行的 Flink Meetup 会议,分享来自于刘康,目前在大数据平台部从事模型生命周期相关平台开发,现在主要负责基于flink开发实时模型特征计算平台。熟悉分布式计算,在模型部署及运维方面有丰富实战经验和深入的理解,对模型的算法及训练有一定的了解。

本文主要内容如下:

  • 在公司实时特征开发的现状基础上,说明实时特征平台的开发背景、目标以及现状

  • 选择Flink作为平台计算引擎的原因

  • Flink的实践:有代表性的使用示例、为兼容Aerospike(平台的存储介质)的开发以及碰到的坑

  • 当前效果&未来规划

一、在公司实时特征开发的现状基础上,说明实时特征平台的开发背景、目标以及现状

1、原实时特征作业的开发运维;

1.1、选择实时计算平台:依据项目的性能指标要求(latency,throughput等),在已有的实时计算平台:Storm Spark flink进行选择

1.2主要的开发运维过程:

  • 80%以上的作业需要用到消息队列数据源,但是消息队列为非结构化数据且没有统一的数据字典。所以需要通过消费对应的topic,解析消息并确定所需的内容

  • 基于需求中的场景,设计开发计算逻辑

  • 在实时数据不能完全满足数据需求的情况,另外开发单独的离线作业以及融合逻辑;

    例如:在需要30天数据的场景下,但消息队列中只有七天内的数据时(kafka中消息的默认保留时间),剩下23天就需要用离线数据来补充。

  • 设计开发数据的校验和纠错逻辑

    消息的传输需要依赖网络,消息丢失和超时难以完全避免,所以需要有一个校验和纠错的逻辑。

  • 测试上线

  • 监控和预警

2、原实时特征作业的开发痛点

  • 消息队列数据源结构没有统一的数据字典

  • 特征计算逻辑高度定制化,开发测试周期长

  • 实时数据不能满足需求时,需要定制离线作业和融合逻辑

  • 校验和纠错方案没有形成最佳实践,实际效果比较依赖个人能力

  • 监控和预警方案需要基于业务逻辑定制

3、基于整理的痛点,确定下来的平台目标

  • 实时数据字典:提供统一的数据源注册、管理功能,支持单一结构消息的topic和包含多种不同结构消息的topic

  • 逻辑抽象:抽象为SQL,减少工作量&降低使用门槛

  • 特征融合:提供融合特征的功能,解决实时特征不能完全满足数据需求的情况

  • 数据校验和纠错:提供利用离线数据校验和纠错实时特征的功能

  • 实时计算延迟:ms级

  • 实时计算容错:端到端 exactly-once

  • 统一的监控预警和HA方案

4、特征平台系统架构

携程基于Flink的实时特征平台

现在的架构是标准lamda架构,离线部分由spark sql + dataX组成。现在使用的是KV存储系统Aerospike,跟redis的主要区别是使用SSD作为主存,我们压测下来大部分场景读写性能跟redis在同一个数据量级。

实时部分:使用flink作为计算引擎,介绍一下用户的使用方式:

  • 注册数据源:目前支持的实时数据源主要是Kafka和Aerospike,其中Aerospike中的数据如果是在平台上配置的离线或者实时特征,会进行自动注册。Kafka数据源需要上传对应的schemaSample文件

  • 计算逻辑:通过SQL表达

  • 定义输出:定义输出的Aerospike表和可能需要的Kafka Topic,用于推送Update或者Insert的数据的key

用户完成上面的操作后,平台将所有信息写入到json配置文件。下一步平台将配置文件和之前准备好的flinkTemplate.jar(包含所有平台所需的flink功能)提交给yarn,启动flink job。

5、平台功能展示

1)平台功能展示-数据源注册
携程基于Flink的实时特征平台

2)实时特征编辑-基本信息
携程基于Flink的实时特征平台

3)实时特征编辑-数据源选择

携程基于Flink的实时特征平台

4)实时特征编辑-SQL计算

携程基于Flink的实时特征平台

5)实时特征编辑-选择输出

携程基于Flink的实时特征平台

二、选择Flink的原因

我们下面一个我们说一下我们选择flink来做这个特征平台的原因。

携程基于Flink的实时特征平台

分为三个维度:最高延迟、容错、sql功能成熟度

  • 延迟:storm和flink是纯流式,最低可以达到毫秒级的延迟。spark的纯流式机制是continuous模式,也可以达最低毫秒级的延迟

  • 容错:storm使用异或ack的模式,支持atLeastOnce。消息重复解决不。spark通过checkpoint和WAL来提供exactlyOnce。flink通过checkpoint和SavePoint来做到exactlyOnce。

  • sql成熟度:storm现在的版本中SQL还在一个实验阶段,不支持聚合和join。spark现在可以提供绝大部分功能,不支持distinct、limit和聚合结果的order by。flink现在社区版中提供的sql,不支持distinct aggregate

三、Flink 实践

1、实⽤示例

携程基于Flink的实时特征平台

2、兼容开发:flink现在没有对Aerospike提供读写支持,所以需要二次开发

携程基于Flink的实时特征平台

3、碰到的坑

携程基于Flink的实时特征平台

四、平台当前效果&未来规划

当前效果:将实时特征上线周期从原平均3天-5天降至小时级。未来规划:

  • 完善特征平台的功能:融合特征等

  • 简化步骤,提高用户体验

  • 根据需求,进一步完善SQL的功能例如支持win的开始时间offset,可以通过countTrigger的win等

下一步的规划是通过sql或者DSL来描述模型部署和模型训练

携程基于Flink的实时特征平台

更多资讯请访问 Apache Flink 中文社区网站

上一篇:实时计算pv/uv Demo


下一篇:数据仓库的基本特征