每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?

每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?

资源成本暴涨与阿里巴巴的应对之道

大数据环境下,海量的数据虽然为业务创造了巨大的价值,但是也带来了大量的计算成本和存储成本,甚至会出现“数据成本增速大于业务增速,不可持续发展”、“赚来的每一分钱都用在了买服务器上”等极端情况。


阿里巴巴在发展的道路上也遇到过这些问题:

1、数据资产完全黑盒。面对海量数据资产,没有统一的数据资产地图,不清楚我们有哪些数据资产,也不清楚做这些资产用在什么地方。

2、数据资产成本极高。阿里巴巴集团的数据量级早就到达了EB量级,如此巨大的数据体量,每年的数据存储和计算成本都高达数十亿元。如此巨大的数据体量,通过人工的方式去治理,往往导致资产治理效率低,人工成本高。

3、数据价值链路断层。这么多的数据,最终被那些业务使用,服务了哪些客户,也不够清晰。

每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?


为了解决以上问题,阿里巴巴孵化出了自己的数据资产管理平台(属于数据中台的一部分),用于对整个集团数据计算和数据存储进行成本统计和优化,每年可以节约数亿元的数据成本,那么阿里巴巴是怎么做的呢?


为了解决以上三个问题,阿里巴巴采取了下面的措施来更好的实现数据资产的管理:

1、做好数据资产的盘点:包括理解数据资产内容,和构建资产类目两部分。需要理解全部的数据资产、业务属性,制定规范的资产类目,做好数据的分类分级和自动识别,摸清数据资产大盘;

2、做好资产成本价值的评估:包括追踪数据应用剖析成本价值两部分追踪数据价值需要构建追踪数据应用的全链路,盘点出每一份数据资产的连接度、贡献度剖析成本价值主要从数据计算和存储两个维度来评估,计算每份数据资产的成本,从每一份资产在应用里的贡献度,来计算每一份数据的价值。每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?


阿里巴巴通过以上步骤,将数据成本、业务收益做到清晰透明可评估,从而可以针对性的对数据资产进行运营,降低数据成本,提升数据效益。


本文我们重点关注资源治理部分,如何实现大数据建设的降本。


阿里巴巴资源治理方法论

首先,我们来看一下,实现资源治理所要遵循的方法论。


要真正实现资源的治理,降低大数据建设的成本,需要以下两个关键步骤:

1、对全域的数据资产进行成本核算,生成全域的成本账单,获得降本目标

1.1、对全域所有数据,统一按照计算成本和存储成本进行核算,生成每一份数据资产的成本估算

1.2、对全域所有数据,进行治理项检测,识别出不合理的数据资产(如无人访问的废弃表)和数据任务(数据倾斜),并评估浪费的成本,从而在宏观的层面,测算出全局可降本的空间


2、以开发者个人为核心,推动部门、集团层面的治理优化,落实降本行动

如果只是算出来了账单,却没有后续的运营手段的话,很难做到降本目标的真正落地。所以需要以技术运营的手段,让人人形成成本意识,真正参与降本。

2.1、对开发者、部门进行账单的汇总,进行总成本、浪费成本的排行并进行通过平台公示,从而能够快速找到最需要优化的个人和部门的数据资产

2.2、对开发者的个人资产情况进行打分,如果成本意识低,资源浪费严重,就会导致个人资产健康分数低,导致该开发者不能提交新的任务,从而使其必须进行资源的治理和任务的优化,从而在微观执行层面,真正落实降本的行动


Dataphin资源治理

在方法论的基础上,我们还需要一个成熟的产品,来帮助我们快速的建立资源治理体系,真正降低我们在大数据建设中的成本。


Dataphin的治理功能,就是阿里巴巴的数据资产管理平台的商业化版本,具备强大的资源统计分析能力,能智能识别当前系统内低价值的数据资产和数据任务,并进行优化提示。

同时Dataphin提供了治理工作台功能, 您可以在治理工作台中,一站式的进行资源的优化处理,全局把控计算与存储成本,提升计算资源使用效率,减少无效的存储和计算成本。


治理场景

首先,我们先看一下资源治理的应用场景,从而对资源治理的价值有一个更直观的认知。以下是通过Dataphin实现资源治理的一些典型的场景:

场景1:存储优化-长期无人使用的表

大数据场景下,一个公司往往有上万张表,随着业务的变更和人员的流动,一些业务表逐渐就无人使用,同时因为多个分区进行存储,会一直占着大量的存储资源。比如一些公司的原始数据,一个分区可能就有1T,但是业务每次都只会用最新的分区,就会导致大量的历史分区的存储浪费,可以设置分区的过期策略,对历史分区进行下线操作。

Dataphin资源治理功能,可以自动发现无人使用的数据表或其他异常数据表,并在治理工作台进行提醒和展示。您可以在治理工作台查看相应数据表,并采取相应的措施(如表下线、设置生命周期等)。


场景2:计算优化-异常计算任务

大数据场景下计算资源的重要价值和昂贵成本,需要每个任务都按需使用。而在实际的业务开发过程中,存在大量的异常计算任务,浪费了大量的计算资源,如暴力扫描(扫描大量分区)、数据膨胀(数据产出远远大于输入)、数据倾斜(部分节点处理时间过长)等情况。比如发现数据的输出远远大于数据的输入,可能就是存在数据膨胀的问题(比如使用了full join),这时候就需要对任务进行优化,以优化性能。

Dataphin的资源治理功能,对任务的执行进行了全链路的监控,自动发现这些异常的计算任务,并在治理工作台进行提醒和展示。您可以在治理工作台查看相应任务,并采取相应的措施(对相应的任务进行代码优化、下线等操作)。

每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?

产品能力介绍

1、使用流程

下面我们看一下资源治理模块的详细流程图每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?


*虚线框的流程为可选流程


可以看到流程主要分为4步:

1、管理员制定治理规则。主要是正式治理前的一些准备工作,因为Dataphin内置了众多规则,所以这一部分是可选的,包括元数据注册、治理项管理、推送管理等功能。

2、数据负责人执行具体的资源治理。数据负责人登录系统,对具体的存储资源和计算资源进行优化。

3、管理员定期查看治理效果。管理员通过对治理效果进行分析和查看,了解当前的资源现状和治理效果,包括资源分析、治理分析、治理效果等功能。

4、管理员优化治理流程,提升后续治理效果。管理员根据上一步的治理效果,优化整个治理流程,比如增加新的治理项、增加新的推送任务、单独通知重点项目负责人等。


2、产品功能

每年节约数亿元大数据成本,阿里巴巴数据中台成本治理怎么做的?


模块包括主要包括 资源管理治理概览治理工作台治理项管理回收站等功能:

  • 资源管理主要用于资源分析。资源分析是从全局视角为您展示资源消耗、资源消耗增速、资源消耗分布及资源治理概况。
  • 治理概览治理分析治理效果组成。治理分析针对全局进行问题诊断、待治理问题点的分析。治理效果助您分析治理后效果,评定治理情况、推动治理优化。
  • 治理工作台我的治理项目治理组成。我的治理面向当前登录用户,根据其所参与和所负责的项目,为您提供高效快捷的治理入口和能力。项目治理面向当前登录用户,根据其所参与和所负责项目的信息进行管理。
  • 治理项管理元数据注册治理项管理推送管理任务管理组成。您可以自定义创建治理项、发起推送、查看任务执行,也可以使用系统内置的通用治理项。
  • 回收站将您在治理工作台中删除或下线的表格暂时存留起来,以防止对数据的误操作,支持对表格的恢复和彻底删除。


3、特点优势

  • 内置治理项,开箱即用:Dataphin对Dataphin系统内部的数据生产和存储都进行了元数据的采集,同时内置了最常见的存储和计算治理项,确保开箱即用,可以快速看到全局的资源情况,并进行相应的优化分析。
  • 治理项支持灵活自定义:Dataphin同时支持客户自定义治理元数据和治理项,支持更加灵活的治理场景,比如想进行小表格的检测,就可以新建治理项【小于1MB的表】,从而自动检验出这部分的数据表,并进行针对性治理。
  • 密切结合数据生产场景:Dataphin的治理模块和数据研发模块、数据资产模块进行了紧密的结合。针对检验出来的治理事项,可以直接在治理工作台进行处理,直接在研发任务和资产存储等方面生效,从而做到一站式做好资源治理工作。

未来展望

随着数据的不断累积和业务的不断发展,大数据的体量将会变得越来越大,而随之而来的庞大成本,也成为了大数据建设中越来越无法忽视的问题。


从整体的功能来看,从新建治理项,到具体资源的优化,再到治理结果的分析,当前Dataphin已经有了比较完善的资源治理体系。但是基于客户资源治理场景的多样性,未来会陆续支持以下功能,从而帮助客户更好的进行资源的治理优化,降低客户进行大数据建设的成本。


1、对Hadoop等新引擎的支持。原有的治理模块和阿里云的云上资源紧密结合,仅能对云上环境实现完整的治理操作。对其他引擎,比如Hadoop,当前仅支持部分核心流程,我们会在后续版本中实现对Hadoop体系治理需求的完整支持。

2、治理和研发更紧密结合,确保资源治理效果。当前治理只是对负责人进行提示,在团队规模大、数据体量大的时候,比较难有较强的约束力。后续会支持严格模式,开启后,当个人浪费资源过多,健康分过低时,会直接跳转到治理模块,完成资源的治理后,才能执行新的开发任务,从而真正保证每个人都有成本意识,让企业真正实现降本增效。


更多详细内容参考:

1、Dataphin资源治理产品手册

2、EB级别数据资产如何高效管理

上一篇:《个人信息保护法》解读


下一篇:myrocks之事务处理