客户介绍
好未来（NYSE：TAL）是一家以才智教育和开放渠道为主体，在全球范围内服务公办教育，助力民办教育，探索未来教育新形式的科技教育公司。好未来的前身学而思成立于 2003年，2010年在美国纽交所正式挂牌买卖。好未来以“爱和科技让教育更夸姣”为使命，努力成为受敬重的教育组织。当时，好未来已构建起从东西、渠道到内容的多元化教育生态，满意从-1岁到 24岁各年龄段人群个性化学习需求。目前，好未来旗下具有学而思素质、学而思网校、彼芯、美校、学而思国际、学而思文创出书中心、学而思大学生、妈妈帮等品牌，并战略出资了赫石少儿体能等多个品牌。集团事务掩盖素质教育、技能服务、海外教育服务、数字内容出书、教育硬件、保管服务等领域。
学而思网校，纽交所上市公司好未来旗下在线教育品牌，为6-14岁的孩子供给素质教育服务。2008年成立至今，积累了十余年教研经验和学习数据，陪同千万孩子生长，在家长间口口相传。学而思网校首创“直播+教导”的双师教育形式，大力投入AI和全真互联网等前沿技能，继续推进教育立异。2021年学而思网校全面晋级素质体系，推出人文美育、科学创想、编程与机器人等抢手素质课程。
网校实时数仓开展背景介绍
网校实时数仓1.0从2019年开端建立，依据Kudu OLAP引擎构建，前期承载事务不多，使命量不大，运行安稳、性能也很高，比较合适前期的技能选型；自2020年后，网校进入事务快速开展期，实时开端接受更多的事务需求，包含营销域、买卖域、教育域等数据域的建造以及实时大屏，随着需求增多，实时数仓使命量、数据量也不断攀升，Kudu开端遇见技能瓶颈，无法快速满意事务需求，运维难、本钱贵等问题也开端凸显。
与此一起，2021年7月教育职业遭受“双减”，公司事务开端面对事务减缩以及转型等事务改变，很多学科类、无效使命空跑，形成资源的极大糟蹋，本钱办理提升日程，开端着手调研建造本钱更低的实时数仓OLAP引擎。经过市面上几款OLAP引擎的比照，终究选型Hologres，并于2022年1月开端实时数仓晋级，经过半年多的本钱办理以及数仓建造，网校实时数仓迈入2.0阶段，比较于1.0版数仓，愈加安稳、可靠，建造本钱也更低。此次晋级首要是针对实时数仓的底层OLAP引擎的晋级，运用阿里云Hologres替换Kudu，完结实时数仓降本增效，助力事务愈加精细化增长。
实时数仓1.0：以Kudu为OLAP引擎，技能瓶颈凸显
1、网校实时数仓1.0全景图
实时数仓1.0支撑着网校大部分的线上数据，用于报表剖析，精准营销等多个场景，其事务数据流程如下图：
- ODS层首要存储日志、事务库同步过来的原始数据，包含用户行为等埋点日志以及事务数据等。
- ODS层数据清洗后，写入DWD层，并在DWD层对依据事务需求数据做细分，分为教育、买卖、营销等明细数据。
- DWS层将DWD数据与学员、课程、班级、讲次信息等维表进行相关，生成事务宽表或许事务模型汇总等数据。
- ADS层从DWS获取数据，面向使用层，首要是运用MSQL、Polardb作为查询引擎，依据事务场景对接实时看板、实时大屏、实时接口等，赋能实时销量、转化、续报、在线、出勤、完课等场景。
2、依据Kudu架构的场景计划
整个实时数仓1.0都是依据Kudu来建造的。其背后的技能架构如下图：
依据事务的时效性，将网校的场景分为分钟级场景和实时秒级场景。
1）准实时数仓模型（分钟级）：
在分钟级实时数仓中，会经过Spark/Flink对数据进行预处理后写入Kudu，并在Kudu中依据ODS、DWD、DWS分层核算，然后将数据写入ADS层的PolarDB或许MySQL，最终对接实时大屏、报表等事务。
2）实时数仓模型（实时秒级）：
在实时秒级的场景中，对数据的时效性要求非常高，选用Flink+Kafka架构，DWD明细数据一起会落地一份到Kudu，DWS层核算过程中 相关Kudu维表、以及前史DWD数据来完结汇总模型构建，输出成果数据到ADS层的PolarDB、MySQL、Kafka消息行列等，最终对接线上服务。
网校实时80%左右场景，运用分钟级完结；20%场景运用秒级实时链路完结。当然也有部分场景可能运用混合链路完结，比方实时在线、出勤，Flink程序实时接入心跳明细数据到数仓DWD层，然后在DWS层进行分钟级汇总班级出勤、在线等数据，在ADS层进行数据的输出。
3、事务应战：Kudu技能瓶颈凸显，事务本钱办理刻不容缓
实时数仓1.0中，Kudu作为底层OLAP引擎，运用Impala进行数据加载、运算，当事务上量时，Kudu的技能瓶颈开端凸显，首要表现在以下几个方面：
- 事务开展后期，Impala服务器内存压力较大，内存不足问题频发：网校80%的事务运用分钟级数仓完结且都是每隔5分钟核算一次，Impala承载Kudu数据的加载、核算，很多杂乱核算的Sql使命在同一时间瞬时打到服务器，导致Impala节点内存压力较大，甚至呈现部分批次使命履行失败情况。
- 运维困难：缺少Kudu专业运维同学，当某个数据目标核算呈现问题，或许集群不安稳时，有比较长的运维流程和修订流程，严重影响实时服务的安稳性，无法保证实时数据的SLA，使得用户体会非常欠好。
- 毛病康复时间长，当呈现节点毛病的时分，为了快速康复事务，短期靠扩容节点来暂时解决问题，导致运维和本钱压力逐步增大。
- “双减”原因，急需对本钱进行办理，迫切需求将Kudu切换到建造本钱更低、更安稳、可靠的OLAP引擎。
综上，依据Kudu实时数仓，正逢“双减”，面对着事务快速改变、本钱压力以及运维困难等一系列的内、外部应战，咱们迫切的期望能够找到一款OLAP产品将Kudu进行替换，解决当时遇见的各种问题，建立一个愈加简洁、易用、运维快捷、资源动态伸缩容的数仓底座。
实时数仓2.0：Hologres读写别离布置全面替换Kudu
依据实时数仓1.0的技能痛点，在对市面上的多种OLAP引擎进行调研以及比照后，咱们终究挑选了阿里云Hologres替换Kudu建立网校实时数仓，即实时数仓2.0版本。
1、OLAP引擎技能选型需求：高吞吐、高可用
依据事务，咱们梳理了对OLAP引擎的需求如下：
- 强壮的OLAP才能
- 支撑SQL，支撑更新、删去、Upsert操作
- 高吞吐、高可用
- 运维方便，资源伸缩快捷
一起咱们也比照了市面上常见的OLAP引擎，如下表所示，终究挑选了Hologres为新的OLAP引擎
2、Hologres全面替换Kudu作为主OLAP引擎
挑选了Hologres作为实时数仓的主OLAP引擎之后，经过Hologres替换了Kudu的一切数据处理链路，一起也经过Hologres读写别离布置的方法，以只读从实例（简称从库）替换了原PolarDB/MySQL等查询引擎，以此构成了实时数仓2.0。数据链路如下：
- 数据分为离线和实时两部分。离线部分数据源数据经过集团采集东西T-Collect接入Hologres ODS层，实时部分经过Flink实时接入MySQL Binlog、埋点日志等数据入仓。
- 在Hologres中对数仓分为ODS、DWD、DWS、ADS等4层，每一层的数据经过集团T-Data渠道分钟级调度、清洗，并最终由Hologres从库供给线上服务出口。
- 实时和离线数据一致由Hologres存储，并由从库作为查询引擎一致供给线上数据出口，支撑的事务场景包含实时看板、实时大屏、实时接口服务、实时推送等场景。
3、查询引擎一致切换到Hologres从实例
实时数仓1.0核算在Kudu中，算完之后把成果同步到查询引擎PolarDB或许MySQL中，实时链路相对来说比较长，而且数据移动本钱也很高，对实时数据的安稳性有必定的影响。
实时数仓2.0中，咱们选用Hologres同享存储多实例的高可用布置计划，Hologres主实例承载数据的加载、核算，从库同享主库的一切表和数据承载数据查询，完结读写别离计划，而且从库作为实时数仓唯一的数据出口，一致数仓技能架构。这种计划的优点是减少了ADS层数据同步导出链路的保护，降低了开发本钱。
Hologres的同享存储多实例的高可用布置计划如下图所示：
实时数仓2.0查询引擎一致晋级切换到Hologres从库后的数据流转图前后比照如下：
一起，咱们计划对外开放Hologres从库ADS层，剖析师或许懂SQL的产品教师后期可经过集团T-Query渠道查询东西对实时数据进行探索、剖析，骄傲意部分暂时需求，减少人工需求、释放实时数仓开发人力。
助力数仓事务晋级，完结降本增效
实时数仓2.0经过半年多的建造，在本钱办理上取得了非常好的效果，一起依据Hologres的实时数仓架构在集团推广使用上也有比较成功的事例：
1、百万级写入和毫秒级查询才能
- 实际事务中，Hologres的写入才能达到百万行+/秒，事务就能快速拿到数据并查询。一起在查询上不仅能支撑秒级OLAP剖析，还能支撑在线服务毫秒级响应，使得事务探索数据的功率变得更快。
- 经过Hologres多子实例的布置方法，天然的就支撑了网校实时数仓的多个查询场景，一致了数据的出口，简化了数仓的运用。而且写入和查询之间互不影响，非常有用的做到了读、写别离。
2、降低本钱近百万/年
- 实时数仓底座晋级Hologres后，无需保护多套体系，经过Hologres一套体系支撑了实时数仓的全部场景，OLAP引擎本钱比较Kudu节约了近百万/年的费用。
- 公司事务转型背景下，经过数据办理、使命办理等使命数下降80%，Yarn行列资源本钱节约几十万/月，数据冗余存储减少90%，提升了数据的利用率。
3、减少运维压力
- 经过Hologres替换Kudu后，依托阿里强壮的技能运维才能，很大程度减少了咱们在运维层面上的压力，愈加专注于事务开发，有更多精力去做好实时数据的安稳性、准确性、及时性，把用户体会做好。
- 周末、暑假等事务高峰资源不足时，可随时进行扩容；事务低峰时，能够对资源进行缩容处理，做到很好的一个资源伸缩和本钱操控。
4、集团内Hologres实时数仓架构推广
- 网校实时数仓天然带有K9基因，期望学成功复制网校实时数仓2.0架构，并承载中心实时数据服务，比方实时续报、转化、企微等
未来规划和期望
未来规划：
- 网校实时数仓的继续建造
- 数据办理：元数据、数据质量、数据资产、数据安全等
- 流批一体技能探索
最终谈一谈，在Hologres运用过程中碰到一些问题以及对Hologres的等待
- Hologres暂时还不支撑自定义函数，体系自带函数满意不了部分特别需求，自定义函数这块能够同阿里的技能同伴一起去共建、推进此功用的完结、上线。
- 其次是Hologres权限配置问题，目前支撑简单权限模型、专家权限模型和Schema等级权限模型三种形式，专家模型功用最强壮（支撑细粒度表等级权限操控），但配置比较杂乱，需求履行的指令细节多，从而运维不方便，线上运用的是简单权限模型，权限要操控到schema、表等级，需求在使用体系层面加一层库、表权限办理体系，增加了开发本钱；开源Hadoop离线数仓有Range等权限操控结构，能做到精准库、表等权限操控，期望Hologres以后能把权限模型优化得愈加简单易用，更多白屏化操作，方便上手。
- 一起，咱们等待Hologres后面能够支撑查询开源架构Hive表的数据，这样的话做流批一体能够有愈加快捷、简单的完结计划。
相信Hologres未来会变得越来越好用，变成一款功用更全面、愈加强壮的OLAP引擎！咱们也期望经过Hologres建造出愈加优秀的实时数仓，赋能更多的事务。
作者：刘标新，好未来网校实时数仓开发工程师、负责人。王洋，好未来网校实时数仓开发工程师
参阅文章：
学而思网校：touch.xueersi.com/
实时数仓Hologres中心技能揭秘：developer.aliyun.com/article/779…
实时数仓Hologres同享存储实例介绍：help.aliyun.com/document_de…
