一、背景

事情是從公司前段時(shí)間的需求說起，大家知道宜信是一家金融科技公司，我們的很多數(shù)據(jù)與標(biāo)準(zhǔn)互聯(lián)網(wǎng)企業(yè)不同，大致來說就是：

目前成都創(chuàng)新互聯(lián)公司已為上1000家的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)絡(luò)空間、網(wǎng)站改版維護(hù)、企業(yè)網(wǎng)站設(shè)計(jì)、獨(dú)山網(wǎng)站維護(hù)等服務(wù)，公司將堅(jiān)持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長(zhǎng)，共同發(fā)展。

玩數(shù)據(jù)的人都知道數(shù)據(jù)是非常有價(jià)值的，然后這些數(shù)據(jù)是保存在各個(gè)系統(tǒng)的數(shù)據(jù)庫中，如何讓需要數(shù)據(jù)的使用方得到一致性、實(shí)時(shí)的數(shù)據(jù)呢？

過去的通用做法有幾種，分別是：

• DBA開放各個(gè)系統(tǒng)的備庫，在業(yè)務(wù)低峰期（比如夜間），使用方各自抽取所需數(shù)據(jù)。由于抽取時(shí)間不同，各個(gè)數(shù)據(jù)使用方數(shù)據(jù)不一致，數(shù)據(jù)發(fā)生沖突，而且重復(fù)抽取，相信不少DBA很頭疼這個(gè)事情。
• 公司統(tǒng)一的大數(shù)據(jù)平臺(tái)，通過Sqoop 在業(yè)務(wù)低峰期到各個(gè)系統(tǒng)統(tǒng)一抽取數(shù)據(jù)， 并保存到Hive表中, 然后為其他數(shù)據(jù)使用方提供數(shù)據(jù)服務(wù)。這種做法解決了一致性問題，但時(shí)效性差，基本是T+1的時(shí)效。
• 基于trigger的方式獲取增量變更，主要問題是業(yè)務(wù)方侵入性大，而且trigger也帶來性能損失。

這些方案都不算完美。我們?cè)诹私夂涂紤]了不同實(shí)現(xiàn)方式后，最后借鑒了 linkedin的思想，認(rèn)為要想同時(shí)解決數(shù)據(jù)一致性和實(shí)時(shí)性，比較合理的方法應(yīng)該是來自于log。

（此圖來自：https://www.confluent.io/blog/using-logs-to-build-a-solid-data-infrastructure-or-why-dual-writes-are-a-bad-idea/）

把增量的Log作為一切系統(tǒng)的基礎(chǔ)。后續(xù)的數(shù)據(jù)使用方，通過訂閱kafka來消費(fèi)log。

比如：

• 大數(shù)據(jù)的使用方可以將數(shù)據(jù)保存到Hive表或者Parquet文件給Hive或Spark查詢；
• 提供搜索服務(wù)的使用方可以保存到Elasticsearch或HBase 中；
• 提供緩存服務(wù)的使用方可以將日志緩存到Redis或alluxio中；
• 數(shù)據(jù)同步的使用方可以將數(shù)據(jù)保存到自己的數(shù)據(jù)庫中；
• 由于kafka的日志是可以重復(fù)消費(fèi)的，并且緩存一段時(shí)間，各個(gè)使用方可以通過消費(fèi)kafka的日志來達(dá)到既能保持與數(shù)據(jù)庫的一致性，也能保證實(shí)時(shí)性；

為什么使用log和kafka作為基礎(chǔ)，而不使用Sqoop進(jìn)行抽取呢？ 因?yàn)椋?/p>

為什么不使用dual write（雙寫）呢？，請(qǐng)參考https://www.confluent.io/blog/using-logs-to-build-a-solid-data-infrastructure-or-why-dual-writes-are-a-bad-idea/

這里就不多做解釋了。

二、總體架構(gòu)

于是我們提出了構(gòu)建一個(gè)基于log的公司級(jí)的平臺(tái)的想法。

下面解釋一下DWS平臺(tái)，DWS平臺(tái)是有3個(gè)子項(xiàng)目組成：

• Dbus（數(shù)據(jù)總線）：負(fù)責(zé)實(shí)時(shí)將數(shù)據(jù)從源端實(shí)時(shí)抽出，并轉(zhuǎn)換為約定的自帶schema的json格式數(shù)據(jù)(UMS 數(shù)據(jù))，放入kafka中；
• Wormhole（數(shù)據(jù)交換平臺(tái)）：負(fù)責(zé)從kafka讀出數(shù)據(jù) 將數(shù)據(jù)寫入到目標(biāo)中；
• Swifts（實(shí)時(shí)計(jì)算平臺(tái)）：負(fù)責(zé)從kafka中讀出數(shù)據(jù)，實(shí)時(shí)計(jì)算，并將數(shù)據(jù)寫回kafka中。

圖中：

• Log extractor和dbus共同完成數(shù)據(jù)抽取和數(shù)據(jù)轉(zhuǎn)換，抽取包括全量和增量抽取。
• Wormhole可以將所有日志數(shù)據(jù)保存到HDFS中； 還可以將數(shù)據(jù)落地到所有支持jdbc的數(shù)據(jù)庫，落地到HBash，Elasticsearch，Cassandra等；
• Swifts支持以配置和SQL的方式實(shí)現(xiàn)對(duì)進(jìn)行流式計(jì)算，包括支持流式j(luò)oin，look up，filter，window aggregation等功能；
• Dbus web是dbus的配置管理端，rider除了配置管理以外，還包括對(duì)Wormhole和Swifts運(yùn)行時(shí)管理，數(shù)據(jù)質(zhì)量校驗(yàn)等。

由于時(shí)間關(guān)系，我今天主要介紹DWS中的Dbus和Wormhole，在需要的時(shí)候附帶介紹一下Swifts。

三、dbus解決方案

3.1 日志解析

如前面所說，Dbus主要解決的是將日志從源端實(shí)時(shí)的抽出。 這里我們以MySQL為例子，簡(jiǎn)單說明如何實(shí)現(xiàn)。

我們知道，雖然MySQL InnoDB有自己的log，MySQL主備同步是通過binlog來實(shí)現(xiàn)的。如下圖：

圖片來自：https://github.com/alibaba/canal

而binlog有三種模式：

• Row 模式：日志中會(huì)記錄成每一行數(shù)據(jù)被修改的形式，然后在slave端再對(duì)相同的數(shù)據(jù)進(jìn)行修改。
• Statement 模式: 每一條會(huì)修改數(shù)據(jù)的sql都會(huì)記錄到 master的bin-log中。slave在復(fù)制的時(shí)候SQL進(jìn)程會(huì)解析成和原來master端執(zhí)行過的相同的SQL來再次執(zhí)行。
• Mixed模式： MySQL會(huì)根據(jù)執(zhí)行的每一條具體的sql語句來區(qū)分對(duì)待記錄的日志形式，也就是在Statement和Row之間選擇一種。

他們各自的優(yōu)缺點(diǎn)如下：

此處來自：http://www.jquerycn.cn/a\_13625

由于statement 模式的缺點(diǎn)，在與我們的DBA溝通過程中了解到，實(shí)際生產(chǎn)過程中都使用row 模式進(jìn)行復(fù)制。這使得讀取全量日志成為可能。

通常我們的MySQL布局是采用 2個(gè)master主庫（vip）+ 1個(gè)slave從庫 + 1個(gè)backup容災(zāi)庫 的解決方案，由于容災(zāi)庫通常是用于異地容災(zāi)，實(shí)時(shí)性不高也不便于部署。

為了最小化對(duì)源端產(chǎn)生影響，顯然我們讀取binlog日志應(yīng)該從slave從庫讀取。

讀取binlog的方案比較多，github上不少，參考https://github.com/search?utf8=%E2%9C%93&q=binlog。最終我們選用了阿里的canal做位日志抽取方。

Canal最早被用于阿里中美機(jī)房同步， canal原理相對(duì)比較簡(jiǎn)單：

• Canal模擬MySQL Slave的交互協(xié)議，偽裝自己為MySQL Slave，向MySQL Slave發(fā)送dump協(xié)議
• MySQL master收到dump請(qǐng)求，開始推送binary log給Slave(也就是canal)
• Canal解析binary log對(duì)象(原始為byte流)

圖片來自：https://github.com/alibaba/canal

3.2 解決方案

Dbus 的MySQL版主要解決方案如下：

對(duì)于增量的log，通過訂閱Canal Server的方式，我們得到了MySQL的增量日志：

• 按照Canal的輸出，日志是protobuf格式，開發(fā)增量Storm程序，將數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)換為我們定義的UMS格式(json格式,稍后我會(huì)介紹），并保存到kafka中；
• 增量Storm程序還負(fù)責(zé)捕獲schema變化，以控制版本號(hào)；
• 增量Storm的配置信息保存在Zookeeper中，以滿足高可用需求。
• Kafka既作為輸出結(jié)果也作為處理過程中的緩沖器和消息解構(gòu)區(qū)。

在考慮使用Storm作為解決方案的時(shí)候，我們主要是認(rèn)為Storm有以下優(yōu)點(diǎn)：

• 技術(shù)相對(duì)成熟，比較穩(wěn)定，與kafka搭配也算標(biāo)準(zhǔn)組合；
• 實(shí)時(shí)性比較高，能夠滿足實(shí)時(shí)性需求；
• 滿足高可用需求；
• 通過配置Storm并發(fā)度，可以活動(dòng)性能擴(kuò)展的能力；

3.3 全量抽取

對(duì)于流水表，有增量部分就夠了，但是許多表需要知道最初（已存在）的信息。這時(shí)候我們需要initial load（第一次加載）。

對(duì)于initial load（第一次加載），同樣開發(fā)了全量抽取Storm程序通過jdbc連接的方式，從源端數(shù)據(jù)庫的備庫進(jìn)行拉取。initial load是拉全部數(shù)據(jù)，所以我們推薦在業(yè)務(wù)低峰期進(jìn)行。好在只做一次，不需要每天都做。

全量抽取，我們借鑒了Sqoop的思想。將全量抽取Storm分為了2 個(gè)部分：

• 數(shù)據(jù)分片
• 實(shí)際抽取

數(shù)據(jù)分片需要考慮分片列，按照配置和自動(dòng)選擇列將數(shù)據(jù)按照范圍來分片，并將分片信息保存到kafka中。

下面是具體的分片策略：

全量抽取的Storm程序是讀取kafka的分片信息，采用多個(gè)并發(fā)度并行連接數(shù)據(jù)庫備庫進(jìn)行拉取。因?yàn)槌槿〉臅r(shí)間可能很長(zhǎng)。抽取過程中將實(shí)時(shí)狀態(tài)寫到Zookeeper中，便于心跳程序監(jiān)控。

3.4 統(tǒng)一消息格式

無論是增量還是全量，最終輸出到kafka中的消息都是我們約定的一個(gè)統(tǒng)一消息格式,稱為UMS(unified message schema)格式。

如下圖所示：

消息中schema部分，定義了namespace 是由 類型+數(shù)據(jù)源名+schema名+表名+版本號(hào)+分庫號(hào)+分表號(hào) 能夠描述整個(gè)公司的所有表，通過一個(gè)namespace就能唯一定位。

• _ums_op_ 表明數(shù)據(jù)的類型是I（insert），U（update），D（刪除）；
• _ums_ts_ 發(fā)生增刪改的事件的時(shí)間戳，顯然新的數(shù)據(jù)發(fā)生的時(shí)間戳更新；
• _ums_id_ 消息的唯一id，保證消息是唯一的，但這里我們保證了消息的先后順序（稍后解釋）；

payload是指具體的數(shù)據(jù)，一個(gè)json包里面可以包含1條至多條數(shù)據(jù)，提高數(shù)據(jù)的有效載荷。

UMS中支持的數(shù)據(jù)類型，參考了Hive類型并進(jìn)行簡(jiǎn)化，基本上包含了所有數(shù)據(jù)類型。

3.5 全量和增量的一致性

在整個(gè)數(shù)據(jù)傳輸中，為了盡量的保證日志消息的順序性，kafka我們使用的是1個(gè)partition的方式。在一般情況下，基本上是順序的和唯一的。

但是我們知道寫kafka會(huì)失敗，有可能重寫，Storm也用重做機(jī)制，因此，我們并不嚴(yán)格保證exactly once和完全的順序性，但保證的是at least once。

因此_ums_id_變得尤為重要。

對(duì)于全量抽取，_ums_id_是唯一的，從zk中每個(gè)并發(fā)度分別取不同的id片區(qū)，保證了唯一性和性能，填寫負(fù)數(shù)，不會(huì)與增量數(shù)據(jù)沖突，也保證他們是早于增量消息的。

對(duì)于增量抽取，我們使用的是MySQL的日志文件號(hào) + 日志偏移量作為唯一id。Id作為64位的long整數(shù)，高7位用于日志文件號(hào)，低12位作為日志偏移量。

例如：000103000012345678。 103 是日志文件號(hào)，12345678 是日志偏移量。

這樣，從日志層面保證了物理唯一性（即便重做也這個(gè)id號(hào)也不變），同時(shí)也保證了順序性（還能定位日志）。通過比較_ums_id_ 消費(fèi)日志就能通過比較_ums_id_知道哪條消息更新。

其實(shí)_ums_ts_與_ums_id_意圖是類似的，只不過有時(shí)候_ums_ts_可能會(huì)重復(fù),即在1毫秒中發(fā)生了多個(gè)操作，這樣就得靠比較_ums_id_了。

3.6 心跳監(jiān)控和預(yù)警

整個(gè)系統(tǒng)涉及到數(shù)據(jù)庫的主備同步，Canal Server，多個(gè)并發(fā)度Storm進(jìn)程等各個(gè)環(huán)節(jié)。

因此對(duì)流程的監(jiān)控和預(yù)警就尤為重要。

通過心跳模塊，例如每分鐘（可配置）對(duì)每個(gè)被抽取的表插入一條心態(tài)數(shù)據(jù)并保存發(fā)送時(shí)間，這個(gè)心跳表也被抽取，跟隨著整個(gè)流程下來，與被同步表在實(shí)際上走相同的邏輯（因?yàn)槎鄠€(gè)并發(fā)的的Storm可能有不同的分支），當(dāng)收到心跳包的時(shí)候，即便沒有任何增刪改的數(shù)據(jù)，也能證明整條鏈路是通的。

Storm程序和心跳程序?qū)?shù)據(jù)發(fā)送公共的統(tǒng)計(jì)topic，再由統(tǒng)計(jì)程序保存到influxdb中，使用grafana進(jìn)行展示，就可以看到如下效果：

圖中是某業(yè)務(wù)系統(tǒng)的實(shí)時(shí)監(jiān)控信息。上面是實(shí)時(shí)流量情況，下面是實(shí)時(shí)延時(shí)情況?？梢钥吹?，實(shí)時(shí)性還是很不錯(cuò)的，基本上1~2秒數(shù)據(jù)就已經(jīng)到末端kafka中。

Granfana提供的是一種實(shí)時(shí)監(jiān)控能力。

如果出現(xiàn)延時(shí)，則是通過dbus的心跳模塊發(fā)送郵件報(bào)警或短信報(bào)警。

3.7 實(shí)時(shí)脫敏

考慮到數(shù)據(jù)安全性，對(duì)于有脫敏需求的場(chǎng)景，Dbus的全量storm和增量storm程序也完成了實(shí)時(shí)脫敏的功能。脫敏方式有3種：

總結(jié)一下：簡(jiǎn)單的說，Dbus就是將各種源的數(shù)據(jù)，實(shí)時(shí)的導(dǎo)出，并以UMS的方式提供訂閱， 支持實(shí)時(shí)脫敏，實(shí)際監(jiān)控和報(bào)警。

四、Wormhole解決方案

說完Dbus，該說一下Wormhole，為什么兩個(gè)項(xiàng)目不是一個(gè)，而要通過kafka來對(duì)接呢？

其中很大一個(gè)原因就是解耦，kafka具有天然的解耦能力，程序直接可以通過kafka做異步的消息傳遞。Dbus和Wornhole內(nèi)部也使用了kafka做消息傳遞和解耦。

另外一個(gè)原因就是，UMS是自描述的，通過訂閱kafka，任何有能力的使用方來直接消費(fèi)UMS來使用。

雖然UMS的結(jié)果可以直接訂閱，但還需要開發(fā)的工作。Wormhole解決的是：提供一鍵式的配置，將kafka中的數(shù)據(jù)落地到各種系統(tǒng)中，讓沒有開發(fā)能力的數(shù)據(jù)使用方通過wormhole來實(shí)現(xiàn)使用數(shù)據(jù)。

如圖所示，Wormhole 可以將kafka中的UMS 落地到各種系統(tǒng)，目前用的最多的HDFS，JDBC的數(shù)據(jù)庫和HBase。

在技術(shù)棧上， wormhole選擇使用spark streaming來進(jìn)行。

在Wormhole中，一條flow是指從一個(gè)namaspace從源端到目標(biāo)端。一個(gè)spark streaming服務(wù)于多條flow。

選用Spark的理由是很充分的：

• Spark天然的支持各種異構(gòu)存儲(chǔ)系統(tǒng)；
• 雖然Spark Stream比Storm延時(shí)稍差，但Spark有著更好的吞吐量和更好的計(jì)算性能；
• Spark在支持并行計(jì)算方面有更強(qiáng)的靈活性；
• Spark提供了一個(gè)技術(shù)棧內(nèi)解決Sparking Job，Spark Streaming，Spark SQL的統(tǒng)一功能，便于后期開發(fā)；

這里補(bǔ)充說一下Swifts的作用：

• Swifts的本質(zhì)是讀取kafka中的UMS數(shù)據(jù)，進(jìn)行實(shí)時(shí)計(jì)算，將結(jié)果寫入到kafka的另外一個(gè)topic。
• 實(shí)時(shí)計(jì)算可以是很多種方式：比如過濾filter，projection（投影），lookup， 流式j(luò)oin window aggregation，可以完成各種具有業(yè)務(wù)價(jià)值的流式實(shí)時(shí)計(jì)算。

Wormhole和Swifts對(duì)比如下：

4.1 落HDFS

通過Wormhole Wpark Streaming程序消費(fèi)kafka的UMS，首先UMS log可以被保存到HDFS上。

kafka一般只保存若干天的信息，不會(huì)保存全部信息，而HDFS中可以保存所有的歷史增刪改的信息。這就使得很多事情變?yōu)榭赡埽?/p>

• 通過重放HDFS中的日志，我們能夠還原任意時(shí)間的歷史快照。
• 可以做拉鏈表，還原每一條記錄的歷史信息，便于分析；
• 當(dāng)程序出現(xiàn)錯(cuò)誤是，可以通過回灌（backfill），重新消費(fèi)消息，重新形成新的快照。

可以說HDFS中的日志是很多的事情基礎(chǔ)。

介于Spark原生對(duì)parquet支持的很好，Spark SQL能夠?qū)arquet提供很好的查詢。UMS落地到HDFS上是保存到Parquet文件中的。Parquet的內(nèi)容是所有l(wèi)og的增刪改信息以及_ums_id_，_ums_ts_都存下來。

Wormhole spark streaming根據(jù)namespace 將數(shù)據(jù)分布存儲(chǔ)到不同的目錄中，即不同的表和版本放在不同目錄中。

由于每次寫的Parquet都是小文件，大家知道HDFS對(duì)于小文件性能并不好，因此另外還有一個(gè)job，每天定時(shí)將這些的Parquet文件進(jìn)行合并成大文件。

每個(gè)Parquet文件目錄都帶有文件數(shù)據(jù)的起始時(shí)間和結(jié)束時(shí)間。這樣在回灌數(shù)據(jù)時(shí)，可以根據(jù)選取的時(shí)間范圍來決定需要讀取哪些Parquet文件，不必讀取全部數(shù)據(jù)。

4.2 插入或更新數(shù)據(jù)的冪等性

常常我們遇到的需求是，將數(shù)據(jù)經(jīng)過加工落地到數(shù)據(jù)庫或HBase中。那么這里涉及到的一個(gè)問題就是，什么樣的數(shù)據(jù)可以被更新到數(shù)據(jù)？

這里最重要的一個(gè)原則就是數(shù)據(jù)的冪等性。

無論是遇到增刪改任何的數(shù)據(jù)，我們面臨的問題都是：

• 該更新哪一行；
• 更新的策略是什么。

對(duì)于第一個(gè)問題，其實(shí)就需要定位數(shù)據(jù)要找一個(gè)唯一的鍵，常見的有：

• 使用業(yè)務(wù)庫的主鍵；
• 由業(yè)務(wù)方指定幾個(gè)列做聯(lián)合唯一索引；

對(duì)于第二個(gè)問題，就涉及到_ums_id_了，因?yàn)槲覀円呀?jīng)保證了_ums_id_大的值更新，因此在找到對(duì)應(yīng)數(shù)據(jù)行后，根據(jù)這個(gè)原則來進(jìn)行替換更新。

之所以要軟刪除和加入_is_active_列，是為了這樣一種情況：

如果已經(jīng)插入的_ums_id_比較大，是刪除的數(shù)據(jù)（表明這個(gè)數(shù)據(jù)已經(jīng)刪除了）， 如果不是軟刪除，此時(shí)插入一個(gè)_ums_id_小的數(shù)據(jù)（舊數(shù)據(jù)），就會(huì)真的插入進(jìn)去。

這就導(dǎo)致舊數(shù)據(jù)被插入了。不冪等了。所以被刪除的數(shù)據(jù)依然保留（軟刪除）是有價(jià)值的，它能被用于保證數(shù)據(jù)的冪等性。

4.3 HBase的保存

插入數(shù)據(jù)到Hbase中，相當(dāng)要簡(jiǎn)單一些。不同的是HBase可以保留多個(gè)版本的數(shù)據(jù)（當(dāng)然也可以只保留一個(gè)版本）默認(rèn)是保留3個(gè)版本；

因此插入數(shù)據(jù)到HBase，需要解決的問題是：

• 選擇合適的rowkey：Rowkey的設(shè)計(jì)是可以選的，用戶可以選擇源表的主鍵，也可以選擇若干列做聯(lián)合主鍵。
• 選擇合適的version：使用_ums_id_+ 較大的偏移量（比如100億） 作為row的version。

Version的選擇很有意思，利用_ums_id_的唯一性和自增性，與version自身的比較關(guān)系一致：即version較大等價(jià)于_ums_id_較大，對(duì)應(yīng)的版本較新。

從提高性能的角度，我們可以將整個(gè)Spark Streaming的Dataset集合直接插入到HBase，不需要比較。讓HBase基于version自動(dòng)替我們判斷哪些數(shù)據(jù)可以保留，哪些數(shù)據(jù)不需要保留。

Jdbc的插入數(shù)據(jù)：插入數(shù)據(jù)到數(shù)據(jù)庫中，保證冪等的原理雖然簡(jiǎn)單，要想提高性能在實(shí)現(xiàn)上就變得復(fù)雜很多，總不能一條一條的比較然后在插入或更新。

我們知道Spark的RDD/dataset都是以集合的方式來操作以提高性能，同樣的我們需要以集合操作的方式實(shí)現(xiàn)冪等性。

具體思路是：

• 首先根據(jù)集合中的主鍵到目標(biāo)數(shù)據(jù)庫中查詢，得到一個(gè)已有數(shù)據(jù)集合；
• 與dataset中的集合比較，分出兩類：

A：不存在的數(shù)據(jù)，即這部分?jǐn)?shù)據(jù)insert就可以；

B：存在的數(shù)據(jù)，比較_ums_id_， 最終只將哪些_ums_id_更新較大row到目標(biāo)數(shù)據(jù)庫，小的直接拋棄。

使用Spark的同學(xué)都知道，RDD/dataset都是可以partition的，可以使用多個(gè)worker并進(jìn)行操作以提高效率。

在考慮并發(fā)情況下，插入和更新都可能出現(xiàn)失敗，那么還有考慮失敗后的策略。

比如：因?yàn)閯e的worker已經(jīng)插入，那么因?yàn)槲ㄒ恍约s束插入失敗，那么需要改為更新，還要比較_ums_id_看是否能夠更新。

對(duì)于無法插入其他情況（比如目標(biāo)系統(tǒng)有問題），Wormhole還有重試機(jī)制。插入到其他存儲(chǔ)中的就不多介紹了，總的原則是：根據(jù)各自存儲(chǔ)自身特性，設(shè)計(jì)基于集合的，并發(fā)的插入數(shù)據(jù)實(shí)現(xiàn)。這些都是Wormhole為了性能而做的努力，使用Ｗo(hù)rmhole的用戶不必關(guān)心 。

五、運(yùn)用案例

5.1 實(shí)時(shí)營(yíng)銷

說了那么多，DWS有什么實(shí)際運(yùn)用呢？下面我來介紹某系統(tǒng)使用DWS實(shí)現(xiàn)了的實(shí)時(shí)營(yíng)銷。

如上圖所示：

系統(tǒng)A的數(shù)據(jù)都保存到自己的數(shù)據(jù)庫中，我們知道，宜信提供很多金融服務(wù)，其中包括借款，而借款過程中很重要的就是信用審核。

借款人需要提供證明具有信用價(jià)值的信息，比如央行征信報(bào)告，是具有最強(qiáng)信用數(shù)據(jù)的數(shù)據(jù)。 而銀行流水，網(wǎng)購流水也是具有較強(qiáng)的信用屬性的數(shù)據(jù)。

借款人通過Web或手機(jī)APP在系統(tǒng)A中填寫信用信息時(shí)，可能會(huì)某些原因無法繼續(xù)，雖然可能這個(gè)借款人是一個(gè)優(yōu)質(zhì)潛在客戶，但以前由于無法或很久才能知道這個(gè)信息，所以實(shí)際上這樣的客戶是流失了。

應(yīng)用了DWS以后，借款人已經(jīng)填寫的信息已經(jīng)記錄到數(shù)據(jù)庫中，并通過DWS實(shí)時(shí)的進(jìn)行抽取、計(jì)算和落地到目標(biāo)庫中。根據(jù)對(duì)客戶的打分，評(píng)價(jià)出優(yōu)質(zhì)客戶。然后立刻將這個(gè)客戶的信息輸出到客服系統(tǒng)中。

客服人員在很短的時(shí)間（幾分鐘以內(nèi)）就通過打電話的方式聯(lián)系上這個(gè)借款人（潛客），進(jìn)行客戶關(guān)懷，將這個(gè)潛客轉(zhuǎn)換為真正的客戶。我們知道借款是有時(shí)效性的，如果時(shí)間太久就沒有價(jià)值了。

如果沒有實(shí)時(shí)抽取/計(jì)算/落庫的能力，那么這一切都無法實(shí)現(xiàn)。

5.2 實(shí)時(shí)報(bào)表系統(tǒng)

另外一個(gè)實(shí)時(shí)報(bào)表的應(yīng)用如下：

我們數(shù)據(jù)使用方的數(shù)據(jù)來自多個(gè)系統(tǒng)，以前是通過T+1的方式獲得報(bào)表信息，然后指導(dǎo)第二天的運(yùn)營(yíng)，這樣時(shí)效性很差。

通過DWS，將數(shù)據(jù)從多個(gè)系統(tǒng)中實(shí)時(shí)抽取，計(jì)算和落地，并提供報(bào)表展示，使得運(yùn)營(yíng)可以及時(shí)作出部署和調(diào)整，快速應(yīng)對(duì)。

六、總結(jié)

• DWS技術(shù)上基于主流實(shí)時(shí)流式大數(shù)據(jù)技術(shù)框架，高可用大吞吐強(qiáng)水平擴(kuò)容，低延遲高容錯(cuò)最終一致。
• DWS能力上支持異構(gòu)多源多目標(biāo)系統(tǒng)，支持多數(shù)據(jù)格式（結(jié)構(gòu)化半結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)）和實(shí)時(shí)技術(shù)能力。
• DWS將三個(gè)子項(xiàng)目合并作為一個(gè)平臺(tái)推出，使得我們具備了實(shí)時(shí)的能力， 驅(qū)動(dòng)各種實(shí)時(shí)場(chǎng)景應(yīng)用。
• 適合場(chǎng)景包括：實(shí)時(shí)同步／實(shí)時(shí)計(jì)算／實(shí)時(shí)監(jiān)控／實(shí)時(shí)報(bào)表／實(shí)時(shí)分析／實(shí)時(shí)洞察／實(shí)時(shí)管理／實(shí)時(shí)運(yùn)營(yíng)／實(shí)時(shí)決策

作者：王東

來源：宜信技術(shù)學(xué)院

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

網(wǎng)頁名稱：如何基于日志，同步實(shí)現(xiàn)數(shù)據(jù)的一致性和實(shí)時(shí)抽取?-創(chuàng)新互聯(lián)
地址分享：http://jinyejixie.com/article22/csohcc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站改版、用戶體驗(yàn)、定制網(wǎng)站、標(biāo)簽優(yōu)化、App開發(fā)、商城網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)