唱吧基于 MaxCompute 的大数据之路

使用 MaxCompute之前，唱吧使用自建体系来存储处理各端收集来的日志数据，包括请求访问记录、埋点数据、服务器业务数据等。初期这套基于开源组件的体系有力支撑了数据统计、业务报表、风控等业务需求。但随着每天处理数据量的增长，积累的历史数据越来越多，来自其他部门同事的需求越来越复杂，自建体系逐渐暴露出了能力上的短板。同时期，唱吧开始尝试阿里云提供的ECS、OSS等云服务，大数据部门也开始使用 MaxCompute来弥补自建体系的不足。

在内部ELK实现的基础上，从自建机房向MaxCompute进行数据同步工作是比较简单的，实践中我们主要采取两种方式：一是利用阿里云提供的datahub组件，直接对接logstash；二是把待同步数据落地到文件，然后使用tunnel命令行工具上传至MaxCompute的对应表中。

数据进入MaxCompute后，我们按照数据的主题和使用场景构造了三层结构：原始数据层ODS、中间数据层MDS、报表数据层DM。ODS层中保存直接同步的数据，在此基础上加工整理到的原始表，例如增量同步的原mysql表，经过风控清洗的访问日志表等。MDS层存放原始层数据聚合、抽象加工过的结果，这一层的数据表更可读、读取计算时更经济，一般情况下要求其他部门的同事使用这一层的数据。DM层是处理理的最终结果，支持QuickBI直接读取进行报表展示，同时也支持同步回自建机房，供其他业务使用。

目前除了某些对实时要求比较高的场景还使用自建体系外，MaxCompute承担了唱吧全部的离线计算工作。每天有近千个任务定时运行，处理TB级别的数据，生成上百个数据报表在QuickBI进行展示。可视化的管理理界面和基于SQL的计算方式大大降低了使用门槛，提升了效率。除此之外，推荐和风控业务也都利用了MaxCompute的计算能力，实现了对需求的快速跟进和迭代。MaxCompute云服务和自建体系的结合，让我们能充分满足业务需求，在效率成本和灵活性上取得了很好的平衡。

下一步，对于MaxCompute我们有几个方向上的计划：
一是利用机器学习能力，进一步挖掘数据的价值。
二是对那些历史比较久的冷数据，利用MaxCompute的外表功能，定期转移至OSS等服务中，保证可读的基础上降低成本。
三是评估阿里云的实时计算服务，作为自建体系的补充。

本文作者：马星显 （唱吧大数据负责人）

原文链接

本文为云栖社区原创内容，未经允许不得转载。