簡介：Dataphin作為一款企業(yè)級(jí)智能數(shù)據(jù)構(gòu)建與管理產(chǎn)品，具備全鏈路實(shí)時(shí)研發(fā)能力，從2019年開始就支撐可集團(tuán)天貓雙11的實(shí)時(shí)計(jì)算需求，文章將詳細(xì)介紹Dataphin實(shí)時(shí)計(jì)算的能力。

-更多關(guān)于數(shù)智化轉(zhuǎn)型、數(shù)據(jù)中臺(tái)內(nèi)容請(qǐng)加入阿里云數(shù)據(jù)中臺(tái)交流群—數(shù)智俱樂部 和關(guān)注官方微信公總號(hào)（文末掃描二維碼或點(diǎn)此加入）

-阿里云數(shù)據(jù)中臺(tái)官網(wǎng) https://dp.alibaba.com/index

---

背景

每當(dāng)雙11全球購物狂歡節(jié)鐘聲響起，上千萬用戶涌入天貓、淘寶，流暢的購物體驗(yàn)背后是阿里工程師用技術(shù)打造出的營地，支撐了每年雙11所帶來的數(shù)據(jù)洪峰。2020年11月1日至11月12日0:00，天貓“雙11”累計(jì)總交易額達(dá)4982億元，物流訂單總量達(dá)到23.21億單。這一切的背后都離不開實(shí)時(shí)計(jì)算技術(shù)。

Dataphin作為一款企業(yè)級(jí)智能數(shù)據(jù)構(gòu)建與管理產(chǎn)品，具備全鏈路實(shí)時(shí)研發(fā)能力，從2019年開始支撐集團(tuán)天貓雙11的實(shí)時(shí)計(jì)算需求。就以下文介紹Dataphin實(shí)時(shí)計(jì)算的能力。

傳統(tǒng)的數(shù)倉架構(gòu)

在數(shù)倉建設(shè)過程中，一般來說都是先建設(shè)離線數(shù)倉，同時(shí)圍繞著離線數(shù)據(jù)構(gòu)建應(yīng)用。然后隨著業(yè)務(wù)的發(fā)展或者體驗(yàn)的優(yōu)化，再建設(shè)實(shí)時(shí)計(jì)算的鏈路去提升數(shù)據(jù)的時(shí)效性。

在這個(gè)過程中相似的代碼寫兩遍就難以避免，還會(huì)出現(xiàn)實(shí)時(shí)和離線口徑不一致，分別維護(hù)成本增加等各種各樣的問題。

傳統(tǒng)的數(shù)倉架構(gòu)流與批從存儲(chǔ)計(jì)算中分離帶來以下的問題：

效率問題：流批底層數(shù)據(jù)模型不一致，導(dǎo)致應(yīng)用層做大量的拼接邏輯（同比、環(huán)比、二次加工等），搭建效率低且容易出錯(cuò)

質(zhì)量問題：一個(gè)業(yè)務(wù)邏輯，兩個(gè)引擎兩套代碼，SQL邏輯不能復(fù)用，數(shù)據(jù)一致性和質(zhì)量問題難以保證

成本問題：

流批存儲(chǔ)系統(tǒng)隔離（面向不同寫入場(chǎng)景），提供的數(shù)據(jù)服務(wù)不一，維護(hù)成本高

手工建數(shù)據(jù)同步任務(wù)，開發(fā)成本/存儲(chǔ)成本高（兩份）

批處理&流處理集群無法做到錯(cuò)峰，資源利用率低

Dataphin流批一體優(yōu)勢(shì)

為解決傳統(tǒng)數(shù)倉架構(gòu)的存儲(chǔ)計(jì)算分離的問題，有了“流批一體”的思路：

流批存儲(chǔ)透明化，查詢邏輯完全一致，應(yīng)用端接入成本大幅降低，點(diǎn)查/OLAP分析統(tǒng)一支持?

服務(wù)層統(tǒng)一存儲(chǔ)，無需手工同步，無重復(fù)存儲(chǔ)

一套代碼，兩種計(jì)算模式，邏輯統(tǒng)一，靈活切換，研發(fā)效率大幅提升

流批計(jì)算資源混部，資源利用率提升

Dataphin在Flink流批一體的能力之上額外提供了更多的平臺(tái)能力，如數(shù)據(jù)源管理、元數(shù)據(jù)管理、資產(chǎn)血緣、資產(chǎn)質(zhì)量控制、預(yù)編譯、調(diào)試等能力：

開發(fā)生產(chǎn)隔離：提供開發(fā)環(huán)境和生產(chǎn)環(huán)境隔離，保證開發(fā)環(huán)境開發(fā)的業(yè)務(wù)代碼和生產(chǎn)相互之間不干擾

元數(shù)據(jù)管理：各系統(tǒng)組件包括數(shù)據(jù)源、元表、UDX等具備權(quán)限控制功能，敏感型配置信息加密保護(hù)。支持?jǐn)?shù)據(jù)源敏感字段訪問訂閱。元表、函數(shù)、資源等全部單元化可視化的管理，支持跨項(xiàng)目鑒權(quán)（字段級(jí)）調(diào)用，讓使用者聚焦業(yè)務(wù)邏輯。

流批一體：流批存儲(chǔ)層的統(tǒng)一管理，實(shí)現(xiàn)模型層統(tǒng)一，流批代碼統(tǒng)一、通過流批各自專屬配置，生產(chǎn)獨(dú)立有協(xié)同的額調(diào)度實(shí)例

研發(fā)提效：

提供了預(yù)編譯的能力，提供語法校驗(yàn)、權(quán)限校驗(yàn)、字段血緣提取的功能；

容器化調(diào)試，支持上傳自定義數(shù)據(jù)或直接消費(fèi)真實(shí)生產(chǎn)數(shù)據(jù)用來觀察作業(yè)運(yùn)行、檢查各個(gè)節(jié)點(diǎn)的輸出結(jié)果

支持元數(shù)據(jù)檢索，作業(yè)依賴、字段血緣的可視化探查

穩(wěn)定性及質(zhì)量保障：

支持流量閾值設(shè)置，防止計(jì)算資源過度競爭，避免下游系統(tǒng)過載

支持實(shí)時(shí)元表質(zhì)量監(jiān)測(cè)，可配置統(tǒng)計(jì)趨勢(shì)監(jiān)測(cè)、實(shí)時(shí)多鏈路對(duì)比、實(shí)時(shí)離線數(shù)據(jù)核對(duì)。

開發(fā)生產(chǎn)隔離

Dataphin支持開發(fā)生產(chǎn)隔離的項(xiàng)目，支持開發(fā)和生產(chǎn)雙環(huán)境的數(shù)據(jù)源配置。這樣在開發(fā)模式下，任務(wù)就會(huì)自動(dòng)使用開發(fā)數(shù)據(jù)源和開發(fā)環(huán)境下的物理表；而當(dāng)發(fā)布到生產(chǎn)環(huán)境時(shí)，Datpahin則會(huì)自動(dòng)切換為生產(chǎn)數(shù)據(jù)源及生產(chǎn)環(huán)境的物理表。這個(gè)過程完全自動(dòng)化，不用手動(dòng)修改代碼或配置。

元數(shù)據(jù)管理

Dataphin創(chuàng)造性的引入了實(shí)時(shí)元表和鏡像表的概念，將實(shí)時(shí)研發(fā)過程中的表進(jìn)行了平臺(tái)化、資產(chǎn)化的統(tǒng)一管理，并簡化了研發(fā)，提升研發(fā)效率和體驗(yàn)。

傳統(tǒng)實(shí)時(shí)任務(wù)研發(fā)工具需要用戶重復(fù)寫Create table建表語句，需要進(jìn)行繁瑣的輸入輸出表映射等操作。實(shí)時(shí)元表將實(shí)時(shí)開發(fā)任務(wù)中所有用到的數(shù)據(jù)表進(jìn)行了統(tǒng)一表構(gòu)建與管理，統(tǒng)一維護(hù)了所有實(shí)時(shí)元表和相關(guān)schema信息。開發(fā)者在開發(fā)過程中不用重復(fù)寫DDL語句；同時(shí)，也不需要進(jìn)行繁雜的輸入、輸出、維表映射，采用簡單的純代碼研發(fā)模式，簡單的SET語句及權(quán)限申請(qǐng)，即可引用表數(shù)據(jù)，進(jìn)行直接查詢或?qū)懭霐?shù)據(jù)，輕松做到一次建表，多次引用，大幅度提升研發(fā)效率和體驗(yàn)。

鏡像表顧名思義則是用于維護(hù)離線表與實(shí)時(shí)表之間字段的映射關(guān)系。創(chuàng)建鏡像表并提交發(fā)布后，就可以在流批一體的Flink任務(wù)中使用鏡像表的字段，Datpahin會(huì)在編譯時(shí)自動(dòng)映射到流表和批表上，實(shí)現(xiàn)一份代碼，兩種計(jì)算，代碼邏輯、口徑變更強(qiáng)一致。

流批一體的代碼任務(wù)

除了引入實(shí)時(shí)元表與鏡像表，Dataphin也支持了流批一體的任務(wù)，使用Flink引擎作為統(tǒng)一的流批計(jì)算引擎，在一份代碼上可同時(shí)配置流+批的任務(wù)配置，基于同一份代碼生成不同模式下的實(shí)例。而對(duì)于流批差異化的代碼，Dataphin也提供了不同的方式給與支持。

流批一體任務(wù)中會(huì)廣泛使用鏡像表，而鏡像表在最終使用時(shí)會(huì)翻譯為對(duì)應(yīng)的流表/批表，為了適應(yīng)流表/批表的多樣性（流表/批表的數(shù)據(jù)源可能不一樣，帶來with參數(shù)中key可能不一樣；流表/批表的某些設(shè)置可能不一樣，比如batchSize等），可以利用tableHints進(jìn)行流表/批表的對(duì)應(yīng)。方法如下：

set project.table.${mode}.${key} --mode: 流任務(wù)：`stream` 批任務(wù)：batch

舉個(gè)例子，設(shè)置批任務(wù)的起停時(shí)間：

set project.table.batch.startTime='2020-11-11 00:00:00'; set project.table.batch.endTime='2020-11-12 00:00:00';

第二種是在Dataphin的任務(wù)配置實(shí)時(shí)和離線模式分別任務(wù)參數(shù)的方式是利用任務(wù)參數(shù)進(jìn)行替換。

實(shí)時(shí)質(zhì)量監(jiān)控

Dataphin實(shí)時(shí)數(shù)據(jù)質(zhì)量主要面向開發(fā)者，針對(duì)產(chǎn)品中實(shí)時(shí)產(chǎn)出的數(shù)據(jù)表，通過對(duì)產(chǎn)出結(jié)果進(jìn)行數(shù)據(jù)質(zhì)量分析和校驗(yàn)，來保障數(shù)據(jù)的最終有效與準(zhǔn)確。Dataphin支持統(tǒng)計(jì)趨勢(shì)監(jiān)測(cè)、實(shí)時(shí)多鏈路對(duì)比、實(shí)時(shí)離線數(shù)據(jù)核對(duì)。

統(tǒng)計(jì)趨勢(shì)監(jiān)測(cè)：趨勢(shì)監(jiān)測(cè)指的是基于數(shù)據(jù)趨勢(shì)變化以及專家經(jīng)驗(yàn)以捕獲波動(dòng)異常的監(jiān)測(cè)方式；如 實(shí)時(shí)GMV的趨勢(shì)陡增有些異常

實(shí)時(shí)多鏈路趨勢(shì)對(duì)比：實(shí)時(shí)多鏈路指的是在實(shí)時(shí)計(jì)算的場(chǎng)景中，由于數(shù)據(jù)的恢復(fù)成本較高，無法快速從起點(diǎn)重新計(jì)算，因此需要使用多個(gè)計(jì)算鏈路，當(dāng)發(fā)生計(jì)算異常時(shí)，自動(dòng)/手動(dòng)切換計(jì)算鏈路，是一種用資源換穩(wěn)定的策略，當(dāng)有重大的保障業(yè)務(wù)時(shí)，往往會(huì)采用該種類型；如每年雙十一大屏都會(huì)采用多鏈路保障。

實(shí)時(shí)離線核對(duì)：實(shí)時(shí)離線核對(duì)，是保障實(shí)時(shí)數(shù)據(jù)常用的一種措施，由于實(shí)時(shí)計(jì)算處于一種持續(xù)運(yùn)算狀態(tài)，計(jì)算時(shí)間持久且受資源與源數(shù)據(jù)的擾動(dòng)較大；離線數(shù)據(jù)在邏輯、數(shù)據(jù)復(fù)用性方面可以被更好地操作，因此，為了保障實(shí)時(shí)數(shù)據(jù)的準(zhǔn)確性，常用離線數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)進(jìn)行對(duì)比；如每年雙十一前都會(huì)使用離線數(shù)據(jù)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行校驗(yàn)；

雙十一大屏后的Dataphin

回到文章開始的天貓雙十一，了解了Dataphin平臺(tái)特有的能力，我們來具體拆解Dataphin為什么能支撐天貓雙十一的實(shí)時(shí)數(shù)據(jù)大屏。

快

Dataphin為實(shí)時(shí)提供研發(fā)、調(diào)試、測(cè)試、運(yùn)維全鏈路一站式服務(wù)，極大降低用戶開發(fā)門檻；

同時(shí)提供統(tǒng)一元數(shù)據(jù)管理，元數(shù)據(jù)僅需初始化一次，輕松做到一次建表，多次引用，讓開發(fā)聚焦業(yè)務(wù)邏輯，大幅度提升研發(fā)效率和體驗(yàn)；

另外有數(shù)據(jù)研發(fā)經(jīng)歷的同學(xué)都有這樣的體會(huì)，很多數(shù)據(jù)口徑都驚人的類似，甚至有些只是輸入輸出表不同，典型的場(chǎng)景比如主備鏈路，針對(duì)這種場(chǎng)景我們提供了模版研發(fā)的能力，相同邏輯封裝在模版中，差異邏輯通過模版參數(shù)體現(xiàn)，新任務(wù)僅需引用模版配置模版參數(shù)即可，極大提升研發(fā)效率的同時(shí)也降低了口徑維護(hù)成本。

基于以上能力，在雙十一大屏的支持上，盡管業(yè)務(wù)玩法很多，需求井噴，仍然僅以2人便支撐上百需求。

穩(wěn)

Dataphin提供任務(wù)監(jiān)控及數(shù)據(jù)質(zhì)量監(jiān)控全方位保障任務(wù)穩(wěn)定，快速發(fā)現(xiàn)問題；基于模版的主備多鏈路在異常發(fā)生時(shí)可以秒級(jí)切換，快速止血；基于實(shí)時(shí)任務(wù)血緣，快速定位問題根因；基于調(diào)試、測(cè)試、細(xì)粒度資源配置，快速驗(yàn)證并修復(fù)，真正做到1min發(fā)現(xiàn)、5min定位、10min解決。

準(zhǔn)

基于流批一體的能力，真正做到代碼統(tǒng)一，口徑統(tǒng)一，存儲(chǔ)統(tǒng)一，數(shù)據(jù)服務(wù)接口統(tǒng)一，研發(fā)提效的同時(shí)，保證數(shù)據(jù)一致。

未來規(guī)劃

在即將發(fā)布的Flink VVP（Ververica Platform）適配版本將支持新的VVR引擎，也將在未來支持開源Flink引擎已支持更多的部署環(huán)境。Dataphin也將持續(xù)提升實(shí)時(shí)研發(fā)的能力和體驗(yàn)，幫助企業(yè)降低實(shí)時(shí)研發(fā)的門檻，挖掘更多的場(chǎng)景，獲得實(shí)時(shí)數(shù)據(jù)帶來的業(yè)務(wù)價(jià)值！

---

數(shù)據(jù)中臺(tái)是企業(yè)數(shù)智化的必經(jīng)之路，阿里巴巴認(rèn)為數(shù)據(jù)中臺(tái)是集方法論、工具、組織于一體的，“快”、“準(zhǔn)”、“全”、“統(tǒng)”、“通”的智能大數(shù)據(jù)體系。

目前正通過阿里云對(duì)外輸出系列解決方案，包括通用數(shù)據(jù)中臺(tái)解決方案、零售數(shù)據(jù)中臺(tái)解決方案、金融數(shù)據(jù)中臺(tái)解決方案、互聯(lián)網(wǎng)數(shù)據(jù)中臺(tái)解決方案、政務(wù)數(shù)據(jù)中臺(tái)解決方案等細(xì)分場(chǎng)景。

其中阿里云數(shù)據(jù)中臺(tái)產(chǎn)品矩陣是以Dataphin為基座，以Quick系列為業(yè)務(wù)場(chǎng)景化切入，包括：

• - Dataphin，一站式、智能化的數(shù)據(jù)構(gòu)建及管理平臺(tái)；
• - Quick BI，隨時(shí)隨地 智能決策；
• - Quick Audience，全方位洞察、全域營銷、智能增長；
• - Quick A+， 跨多端全域應(yīng)用體驗(yàn)分析及洞察的一站式數(shù)據(jù)化運(yùn)營平臺(tái)；
• - Quick Stock， 智能貨品運(yùn)營平臺(tái)；
• - Quick Decision，智能決策平臺(tái)；

官方站點(diǎn)：

數(shù)據(jù)中臺(tái)官網(wǎng) https://dp.alibaba.com

釘釘溝通群和微信公眾號(hào)

原文鏈接：https://developer.aliyun.com/article/785938?

版權(quán)聲明：本文內(nèi)容由阿里云實(shí)名注冊(cè)用戶自發(fā)貢獻(xiàn)，版權(quán)歸原作者所有，阿里云開發(fā)者社區(qū)不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。具體規(guī)則請(qǐng)查看《阿里云開發(fā)者社區(qū)用戶服務(wù)協(xié)議》和《阿里云開發(fā)者社區(qū)知識(shí)產(chǎn)權(quán)保護(hù)指引》。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，填寫侵權(quán)投訴表單進(jìn)行舉報(bào)，一經(jīng)查實(shí)，本社區(qū)將立刻刪除涉嫌侵權(quán)內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的解读Dataphin流批一体的实时研发的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。