如何基于Flink实现通用的聚合指标计算框架

网易云信作为一个 PaaS 服务,需要对线上业务进行实时监控,实时感知服务的“心跳”、“脉搏”、“血压”等健康状况。通过采集服务拿到 SDK、服务器等端的心跳埋点日志,是一个非常庞大且杂乱无序的数据集,而如何才能有效利用这些数据?服务监控平台要做的事情就是对海量数据进行实时分析,聚合出表征服务的“心跳”、“脉搏”、“血压”的核心指标,并将其直观的展示给相关同学。这其中核心的能力便是 :实时分析和实时聚合。

作者:圣少友 网易云信数据平台资深开发工程师

一、序言

基于明细数据集进行实时聚合,生产一个聚合指标,业界常用的实现方式是 Spark Streaming、Flink SQL / Stream API。不论是何种方式,我们都需要通过写代码来指定数据来源、数据清洗逻辑、聚合维度、聚合窗口大小、聚合算子等。如此繁杂的逻辑和代码,无论是开发、测试,还是后续任务的维护,都需要投入大量的人力/物力成本。而我们程序员要做的便是化繁为简、实现大巧不工。本文将阐述网易云信是如何基于 Flink 的 Stream API,实现一套通用的聚合指标计算框架。

二、整体架构

图1

Figure 1整体架构

如上图所示,是我们基于 Flink 自研的聚合指标完整加工链路,其中涉及到的模块包括:

  • Source:定期加载聚合规则,并根据聚合规则按需创建 Kafka 的 Consumer,并持续消费数据。
  • Process:包括分组逻辑、窗口逻辑、聚合逻辑、环比计算逻辑等。从图中可以看到,我们在聚合阶段分成了两个,这样做的目的是什么?其中的好处是什么呢?做过分布式和并发计算的,都会遇到一个共同的敌人:数据倾斜。在我们 PaaS 服务中头部客户会更加明显,所以倾斜非常严重,分成两个阶段进行聚合的奥妙下文中会详细说明。
  • Sink:是数据输出层,目前默认输出到 Kafka 和 InfluxDB,前者用于驱动后续计算(如告警通知等),后者用于数据展示以及查询服务等。
  • Reporter:全链路统计各个环节的运行状况,如输入/输出 QPS、计算耗时、消费堆积、迟到数据量等。

下文将详细介绍这几个模块的设计和实现思路。

(一)source

1.配置规则:

为了便于聚合指标的生产和维护,我们将指标计算过程中涉及到的关键参数进行了抽象提炼,提供了可视化配置页面,如下图所示。下文会结合具体场景介绍各个参数的用途。

图2

Figure 2 规则配置页面

2.规则加载: 

在聚合任务运行过程中,我们会定期加载配置。如果检测到有新增的 Topic,我们会创建 kafka-consumer 线程,接收上游实时数据流。同理,对于已经失效的配置,我们会关闭消费线程,并清理相关的 reporter。

3.数据消费:

对于数据源相同的聚合指标,我们共用一个 kafka-consumer,拉取到记录并解析后,对每个聚合指标分别调用 collect() 进行数据分发。如果指标的数据筛选规则(配置项 ⑤)非空,在数据分发前需要进行数据过滤,不满足条件的数据直接丢弃。

(二)Process

1.整体计算流程: 

基于 Flink 的 Stream API 实现聚合计算的核心代码如下所示:

如何基于Flink实现通用的聚合指标计算框架

Figure 3聚合计算核心代码

  • MetricWatermark():根据指定的时间字段(配置项 ⑧) 获取输入数据的 timestamp,并驱动计算流的 watermark 往前推进。
  • MetricKeyBy():指定聚合维度,类似于 MySQL 中 groupby,根据分组字段(配置项 ⑥),从数据中获取聚合维度的取值,拼接成分组 key。
  • MetricTimeWindow():配置项 ⑧ 中指定了聚合计算的窗口大小。如果配置了定时输出,我们就创建滑动窗口,否则就创建滚动窗口。
  • MetricAggFuction():实现配置项 ② 指定的各种算子的计算,下文将详细介绍各个算子的实现原理。

2.二次聚合:

  • 对于大数据量的聚合计算,数据倾斜是不得不考虑的问题,数据倾斜意味着规则中配置的分组字段(配置项 ⑥)指定的聚合 key 存在热点。我们的计算框架在设计之初就考虑了如何解决数据倾斜问题,就是将聚合过程拆分成 2 阶段:
  • 第 1 阶段:将数据随机打散,进行预聚合。
  • 第 2 阶段:将第 1 阶段的预聚合结果作为输入,进行最终的聚合。
  • 具体实现:判断并发度参数 parallelism(配置项 ⑦)是否大于1,如果 parallelism 大于1,生成一个 [ 0, parallelism)之间的随机数作为 randomKey,在第1阶段聚合 keyBy() 中,将依据分组字段(配置项⑥)获取的 key 与 randomKey 拼接,生成最终的聚合 key,从而实现了数据随机打散。

3.聚合算子:

作为一个平台型的产品,我们提供了如下常见的聚合算子。由于采用了二次聚合逻辑,各个算子在第 1 阶段和第 2 阶段采用了相应的计算策略。

算子

第1阶段聚合

第2阶段聚合

min/max/sum/count

直接对输入数据进行预聚合计算,输出预聚合结果

对第1阶段预聚合结果进行二次聚合计算,输出最终结果

first/last

对输入数据的 timestamp 进行比较,记录最小/最大的 timestamp 以及对应的 value 值,输出 <timestamp,value> 数据对

对 <timestamp,value> 数据对进行二次计算,输出最终的 first/last

avg

计算该分组的和值和记录数,输出 <sum,cnt> 数据对

对 <sum,cnt> 数据对分别求和,然后输出:总sum / 总cntcount

median/tp90/tp95

统计输入数据的分布,输出 NumericHistogram

对输入的 NumericHistogram 做 merge 操作,最终输出中位数/tp90/tp95

count-distinct

输出记录桶信息和位图的 RoaringArray

对 RoaringArray 进行 merge 操作,最终输出精确的去重计数结果

count-distinct(近似)

输出基数计数对象 HyperLoglog

对 HyperLoglog 进行 merge 操作,最终输出近似的去重计数结果

Figure 4集合算子计算逻辑

对于计算结果受全部数据影响的算子,如 count-distinct(去重计数),常规思路是利用 set 的去重特性,将所有统计数据放在一个 Set 中,最终在聚合函数的 getResult 中输出 Set 的 size。如果统计数据量非常大,这个 Set 对象就会非常大,对这个 Set 的 I/O 操作所消耗的时间将不能接受。

对于类 MapReduce 的大数据计算框架,性能的瓶颈往往出现在 shuffle 阶段大对象的 I/O 上,因为数据需要序列化 / 传输 / 反序列化,Flink 也不例外。类似的算子还有 median 和 tp95。

为此,需要对这些算子做专门的优化,优化的思路就是尽量减少计算过程中使用的数据对象的大小,其中:

  • median/tp90/tp95:参考了 hive percentile_approx 的近似算法,该算法通过 NumericHistogram(一种非等距直方图)记录数据分布,然后通过插值的方式得到相应的 tp 值(median 是 tp50)。
  • count-distinct:采用 RoaringBitmap 算法,通过压缩位图的方式标记输入样本,最终得到精确的去重计数结果。
  • count-distinct(近似):采用 HyperLoglog 算法,通过基数计数的方式,得到近似的去重计数结果。该算法适用于大数据集的去重计数。

后处理:

后处理模块,是对第 2 阶段聚合计算输出数据进行再加工,主要有 2 个功能:

  • 复合指标计算:对原始统计指标进行组合计算,得到新的组合指标。例如,要统计登录成功率,我们可以先分别统计出分母(登录次数)和分子(登录成功的次数),然后将分子除以分母,从而得到一个新的组合指标。配置项 ③ 就是用来配置组合指标的计算规则。
  • 相对指标计算:告警规则中经常要判断某个指标的相对变化情况(同比/环比)。我们利用 Flink 的state,能够方便的计算出同比/环比指标,配置项 ④ 就是用来配置相对指标规则。

异常数据的处理:

这里所说的异常数据,分为两类:迟到的数据和提前到的数据。

  • 迟到数据:
  • 对于严重迟到的数据(大于聚合窗口的 allowedLateness),通过 sideOutputLateData 进行收集,并通过 reporter 统计上报,从而能够在监控页面进行可视化监控。
  • 对于轻微迟到的数据(小于聚合窗口的 allowedLateness),会触发窗口的重计算。如果每来一条迟到数据就触发一次第 1 阶段窗口的重计算,重计算结果传导到第 2 阶段聚合计算,就会导致部分数据的重复统计。为了解决重复统计的问题,我们在第 1 阶段聚合 Trigger 中进行了特殊处理:窗口触发采用 FIRE_AND_PURGE(计算并清理),及时清理已经参与过计算的数据。
  • 提前到的数据:这部分数据往往是数据上报端的时钟不准导致。在计算这些数据的 timestamp 时要人为干预,避免影响整个计算流的 watermark。

(三)sink

聚合计算得到的指标,默认输出到 Kafka 和时序数据库 InfluxDB。

  • kafka-sink:将指标标识( 配置项①)作为 Kafka 的topic,将聚合结果发送出去,下游接收到该数据流后可以进一步处理加工,如告警事件的生产等。
  • InfluxDB-sink:将指标标识( 配置项①)作为时序数据库的表名,将聚合结果持久化下来,用于 API 的数据查询、以及可视化报表展示等。

(四)reporter

为了实时监控各个数据源和聚合指标的运行情况,我们通过 InfluxDB+Grafana 组合,实现了聚合计算全链路监控:如各环节的输入/输出 QPS、计算耗时、消费堆积、迟到数据量等。

图4

Figure 5全链路监控

三、总结

目前,通过该通用聚合框架,承载了网易云信 100+ 个不同维度的指标计算,带来的收益也是比较可观的:

  • 提效:采用了页面配置化方式实现聚合指标的生产,开发周期从天级缩短到分钟级。没有数据开发经验的同学也能够自己动手完成指标的配置。
  • 维护简单,资源利用率高:100+ 个指标只需维护 1 个 flink-job,资源消耗也从 300+ 个 CU 减少到 40CU。
  • 运行过程透明:借助于全链路监控,哪个计算环节有瓶颈,哪个数据源有问题,一目了然。

作者介绍

圣少友,网易云信数据平台资深开发工程师,从事数据平台相关工作,负责服务监控平台、数据应用平台、质量服务平台的设计开发工作。

关于网易云信

网易云信:网易智企旗下融合通信云服务专家、通信与视频 PaaS 平台。集网易 24 年 IM 以及音视频技术打造的融合通信云服务专家,稳定易用的通信与视频 PaaS 平台。提供融合通信与视频的核心能力与组件,包含 IM 即时通讯、5G 消息平台、一键登录、信令、短信与号码隐私保护等通信服务,音视频通话、直播、点播、互动直播与互动白板等音视频服务,视频会议等组件服务,并联合网易易盾推出一站式安全通信方案「安全通」。目前,网易云信已经成功发送 1.6 万亿条消息,覆盖智能终端 SDK 数累计超过 186 亿,我们期待每个智能终端都有云信的融合通信能力。

文章标题:如何基于Flink实现通用的聚合指标计算框架,发布者:网易智企,转载请注明出处:https://worktile.com/kb/p/5956

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022年3月17日 上午12:19
下一篇 2022年3月17日 上午12:30

相关推荐

  • 敏捷管理有哪些方法

    敏捷项目管理有比较常用的方法包括1、XP(也叫极限编程);2、Scrum;3、kanban(看板)这三种。三种方法虽有不同,但理念基本一致,完全可以根据项目的实际情况,相互补充,裁剪整合使用。 1、XP(极限编程) XP(极限编程)出现的很早,1996年,Kent Beck提出“极限编程”(Extr…

    2022年11月16日
    2600
  • Kubernetes是什么

    Kubernetes,是谷歌开源的容器集群管理系统,简称K8s。Kubernetes用于自动部署、扩缩和管理容器化应用程序。它将组成应用程序的容器组合成逻辑单元,以便于管理和服务发现。

    2022年10月14日
    4000
  • 什么是用户故事

    用户故事是在项目的开始阶段,人们对项目中的一个元素进行的编码、记录和表达。如果要在项目中推广这个概念,则需要使用用户故事的部分来描述用户所经历的所有行为或想法,并描述他们如何在实际的产品或服务中使用这些故事和想法。 什么是用户故事 在项目的开始阶段,人们会对项目中的一个元素进行编码、记录和表达。这就…

    2022年11月15日
    1600
  • 创投圈人脉王吴世春:肺炎,Long China,精益创业,回归听云…

    文| babayage 编辑 |笑 笑 2020年1月1日,吴世春在梅花创投的公众号上发表了《一切应对挑战的力量都来自我们的内心》,文中有这样一句话:“悲观者总是正确,乐观者收获成功,希望我能成为后者。” 本文献给同样希望成为后者的朋友们。 前置彩蛋·吴世春谈肺炎影响下的商机变化: 1.受影响最大的…

    2022年3月20日
    12000
  • 什么是 KRACK

    KRACK 是 Key Reinstallation Attack(密钥重新安装攻击)的首字母缩写。KRACK 是针对用于保护 Wi-Fi 连接的 Wi-Fi 保护访问协议 (WPA2) 的一种严重重播攻击。黑客使用 KRACK来破解 WPA2 中的漏洞。 什么是 KRACK KRACK 是 Key…

    2022年11月4日
    3700
  • 研发文档软件有哪些

    研发文档软件有:1、文件管理软件;2、OA协同办公;3、设计管理;4、数据分析;5、员工关系管理。随着软件技术的不断发展,软件的功能也是越来越多,很多企业开始用研发文档软件来进行企业的内部资料管理,例如文档管理、 OA协同办公、文件编辑、设计管理和数据分析等功能。 研发文档软件有哪些 随着软件技术的…

    2022年11月14日
    3300
  • 域名劫持——网易云信 IM SDK 服务高可用技术方案

    “域名劫持是互联网攻击的一种方式,通过攻击域名解析服务器(DNS),或伪造域名解析服务器(DNS)的方法,把目标网站域名解析到错误的 IP 地址从而实现用户无法访问目标网站的目的,或者蓄意/恶意要求用户访问指定 IP 地址(网站)的目的。”(以上内容引自「域名劫持」百度百科) 。网易云信 IM SD…

    2022年3月17日
    22500
  • cdn的技术原理是什么

    CDN的基本原理是在用户访问相对集中的地区和网络设置一些缓存服务器。当用户访问网站时,利用全局的负载均衡技术将用户的访问指向距离最近的缓存服务器,由缓存服务器代替源站响应用户的访问请求。 CDN的概念 CDN的全称是Content Delivery Network,即内容分发网络。CDN是构建在现有…

    2022年10月12日
    30400
  • 美国服务器硬盘数据恢复的工具有哪些

    美国服务器硬盘数据恢复的工具有:1、Test Disk;2、Ease US Partition Master Free;3、Win Dir Stat;4、Clone Zilla;5、OSF Mount;6、Defraggler;7、SSD Life free;8、Recuva;9、HD Tune。服…

    2022年11月7日
    2800
  • 工作负载管理软件有哪些

    工作负载管理软件有:1、DataCenter多功能负载管理软件;2、云硬盘;3、EXEF;4、Impression。在复杂的业务环境中进行工作负载管理以大大减少人员的浪费和工作负载管理软件对企业的整体工作效率的影响。 工作负载管理软件有哪些 随着现代企业越来越依赖计算机和网络技术的发展,许多企业都面…

    2022年11月14日
    2000

发表回复

登录后才能评论
联系我们
关注微信
关注微信
分享本页
返回顶部