“雙十一”流量大考過關(guān) 流計算功不可沒 什么是流計算?

如何扛住流量“洪峰”，是每年“雙十一”的技術(shù)大考。隨著流量的飆升，這一大考無疑變得越來越難。

“雙十一”剛過，各大電商紛紛公布當(dāng)日戰(zhàn)績。從目前公布的數(shù)據(jù)不難看出，今年“雙十一”的訂單創(chuàng)建量峰值創(chuàng)下新高，單日數(shù)據(jù)處理量紀(jì)錄也再次被刷新。

“雙十一”的數(shù)據(jù)量不僅大，還會實時變化?？梢哉f，每個購物數(shù)據(jù)都是個性化的、動態(tài)的，完成處理它們的工作，需要有強(qiáng)大的計算能力作為支撐。

“今年的數(shù)據(jù)處理工作，除了批處理(對數(shù)據(jù)進(jìn)行批量處理)外，還有流處理，就是實時處理數(shù)據(jù)。龐大的交易數(shù)據(jù)每分鐘、每秒鐘都在變，它們并不是從數(shù)據(jù)庫里面統(tǒng)計出來的，而是系統(tǒng)自動一層層把它們匯集上來的。”阿里巴巴集團(tuán)首席技術(shù)官張建鋒表示。他口中的“流處理”就是流計算，即實時計算。對于扛住“雙十一”流量“洪峰”，它功不可沒。

那么，什么是流計算?它是如何抗住“雙十一”流量“洪峰”的?對此，科技日報記者采訪了業(yè)內(nèi)專家。

以內(nèi)存取代硬盤實現(xiàn)快速處理

北京理工大學(xué)計算機(jī)學(xué)院副院長、教授劉馳在接受科技日報記者采訪時解釋道，流計算指當(dāng)一條數(shù)據(jù)被處理完后，立刻被序列化到內(nèi)存中，然后通過網(wǎng)絡(luò)傳輸?shù)较乱粋€節(jié)點，由下一個節(jié)點繼續(xù)處理。“這種流式處理技術(shù)，是以內(nèi)存取代硬盤的方式來實現(xiàn)數(shù)據(jù)快速處理，這是流計算之所以能夠高效處理數(shù)據(jù)的根本原因。”他表示。

據(jù)劉馳介紹，流計算具有高性能、海量式、實時性、分布式、易用性、可靠性等多項優(yōu)勢，主要的應(yīng)用方向有，對金融與科學(xué)計算中的數(shù)據(jù)進(jìn)行快速運算和分析;對存在于社交網(wǎng)站、電子郵件、視頻、電話記錄、電子感應(yīng)器中的數(shù)字格式信息流進(jìn)行快速處理并反饋等。

“流式處理可被用于兩種不同的計算場景：事件流和持續(xù)計算。”劉馳介紹道，在事件流場景，系統(tǒng)會持續(xù)產(chǎn)生大量的數(shù)據(jù)，這類數(shù)據(jù)最早出現(xiàn)在銀行和股票交易領(lǐng)域，也會在互聯(lián)網(wǎng)監(jiān)控、無線通信等領(lǐng)域出現(xiàn)。這些領(lǐng)域的相關(guān)業(yè)務(wù)，需要流計算技術(shù)以近乎實時的方式對數(shù)據(jù)流進(jìn)行復(fù)雜分析。

“而在持續(xù)計算場景，比如大型網(wǎng)站，流計算技術(shù)可以動態(tài)實時地刷新用戶訪問數(shù)據(jù)，展示網(wǎng)站實時流量的變化情況，分析每天各小時的流量和用戶分布情況。一些需要實時處理數(shù)據(jù)的場景也能應(yīng)用到流計算技術(shù)，比如對根據(jù)用戶行為產(chǎn)生的日志文件進(jìn)行實時分析，對用戶進(jìn)行商品的實時推薦等。”劉馳介紹道。

實時采集、實時計算、實時查詢

劉馳向記者介紹道，流計算的處理流程一般包含三個階段：數(shù)據(jù)實時采集、數(shù)據(jù)實時計算和實時查詢服務(wù)。

首先，后臺工作人員會用實時數(shù)據(jù)集成工具，將數(shù)據(jù)實時傳輸?shù)搅魇綌?shù)據(jù)存儲系統(tǒng)。具體過程是，系統(tǒng)將長時間累積的大量數(shù)據(jù)，平攤到每個計算時間節(jié)點，數(shù)據(jù)會被不停地進(jìn)行小批量實時傳輸。此時，數(shù)據(jù)將會被源源不斷地寫入流數(shù)據(jù)存儲系統(tǒng)，不需要預(yù)先加載的過程。同時，在此過程中，數(shù)據(jù)是持續(xù)流動的，在計算完成后就會被立刻丟棄。

然后，不同于批量計算等待數(shù)據(jù)集成全部完成后才啟動計算作業(yè)，流式計算作業(yè)是一種常駐計算服務(wù)，一旦啟動將一直處于等待事件觸發(fā)的狀態(tài)，即一有小批量數(shù)據(jù)進(jìn)入流式數(shù)據(jù)存儲系統(tǒng)，流計算系統(tǒng)就會立刻計算并得出結(jié)果。“同時，部分電商平臺的流計算團(tuán)隊，還使用了增量計算模型，將大批量數(shù)據(jù)分批進(jìn)行增量計算，進(jìn)一步減少單次運算規(guī)模并有效降低整體運算時延。”劉馳說。

最后，采用數(shù)據(jù)批處理方式，通常需要等待數(shù)據(jù)計算結(jié)果得出后，才能批量將數(shù)據(jù)傳輸?shù)皆诰€系統(tǒng)。而流式處理方式可在每次小批量數(shù)據(jù)計算工作完成后，就立刻將計算結(jié)果寫入在線系統(tǒng)。“這樣無需等待全部數(shù)據(jù)計算工作完成，我們就可在流計算數(shù)據(jù)查詢系統(tǒng)中，查詢到在線系統(tǒng)的數(shù)據(jù)處理結(jié)果。技術(shù)人員也可將實時結(jié)果發(fā)送給可視化系統(tǒng)，以實現(xiàn)計算結(jié)果的實時化展示。”劉馳說。

技術(shù)雖強(qiáng)大但仍存在短板

不過，劉馳表示，流計算雖然強(qiáng)大，也存在技術(shù)短板。

“如果在系統(tǒng)內(nèi)存不足的情況下，還要滿足多個用戶的數(shù)據(jù)請求，那么每個用戶實際被分到的內(nèi)存就會很少。此時，應(yīng)用流式處理技術(shù)后，由于內(nèi)存需求量增加，系統(tǒng)會把原來分給多個用戶的內(nèi)存資源，全部分給一個用戶。其他需要內(nèi)存的用戶，則會因為沒有內(nèi)存可用，被迫進(jìn)入等待狀態(tài)，直到那個占有內(nèi)存資源用戶退出后，其他用戶才能使用內(nèi)存。”劉馳說，同時，實時的計算環(huán)境會由于各種各樣的原因，比如網(wǎng)絡(luò)延時等，導(dǎo)致程序到達(dá)計算節(jié)點的順序出現(xiàn)變化。

“此外，流計算技術(shù)面對的是源源不斷涌入的數(shù)據(jù)，而如果還像批處理那樣來計算數(shù)據(jù)的話，就可能會導(dǎo)致計算根本無法結(jié)束，或隨著時間的推移需要保存的數(shù)據(jù)越來越多，給內(nèi)存造成巨大壓力。”劉馳補充道，“數(shù)據(jù)不斷產(chǎn)生，就需要計算持續(xù)進(jìn)行。但計算時間一長，出問題的概率就會大大增加。一旦出現(xiàn)問題，一些在計算過程中緩存下來的數(shù)據(jù)該被怎么長期保存、怎么恢復(fù)就會成為比較大的問題。”(記者 崔 爽)

關(guān)鍵詞： 雙十一流量大考