阿里云Hologres助力好未来网校实时数仓降本增效
客户介绍
好未来（NYSE：TAL）是一家以智慧教育和开放平台为主体，在全球范围内服务公办教育，助力民办教育，探索未来教育新模式的科技教育公司。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交易。好未来以“爱和科技让教育更美好”为使命，致力成为受尊敬的教育机构。当前，好未来已构建起从工具、平台到内容的多元化教育生态，满足从-1岁到 24岁各年龄段人群个性化学习需求。目前，好未来旗下拥有学而思素养、学而思网校、彼芯、美校、学而思国际、学而思文创出版中心、学而思大学生、妈妈帮等品牌，并战略投资了赫石少儿体能等多个品牌。集团业务覆盖素质教育、技术服务、海外教育服务、数字内容出版、教育硬件、托管服务等领域。
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岁的孩子提供素质教育服务。2008年成立至今，积累了十余年教研经验和学习数据，陪伴千万孩子成长，在家长间口口相传。学而思网校首创“直播+辅导”的双师教学模式，大力投入AI和全真互联网等前沿技术，持续推动教育创新。2021年学而思网校全面升级素养体系，推出人文美育、科学创想、编程与机器人等热门素养课程。
网校实时数仓发展背景介绍
网校实时数仓1.0从2019年开始搭建，基于Kudu OLAP引擎构建，前期承载业务不多，任务量不大，运行稳定、性能也很高，比较适合前期的技术选型；自2020年后，网校进入业务快速发展期，实时开始承接更多的业务需求，包括营销域、交易域、教学域等数据域的建设以及实时大屏，随着需求增多，实时数仓任务量、数据量也不断攀升，Kudu开始遇见技术瓶颈，无法快速满足业务需求，运维难、成本贵等问题也开始凸显。
与此同时，2021年7月教育行业遭受“双减”，公司业务开始面临业务缩减以及转型等业务变化，大量学科类、无效任务空跑，造成资源的极大浪费，成本治理提升日程，开始着手调研建设成本更低的实时数仓OLAP引擎。经过市面上几款OLAP引擎的对比，最终选型Hologres，并于2022年1月开始实时数仓升级，经过半年多的成本治理以及数仓建设，网校实时数仓迈入2.0阶段，相比于1.0版数仓，更加稳定、可靠，建设成本也更低。此次升级主要是针对实时数仓的底层OLAP引擎的升级，使用阿里云Hologres替换Kudu，实现实时数仓降本增效，助力业务更加精细化增长。
实时数仓1.0：以Kudu为OLAP引擎，技术瓶颈凸显
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，用于报表分析，精准营销等多个场景，其业务数据流程如下图：
- ODS层主要存储日志、业务库同步过来的原始数据，包括用户行为等埋点日志以及业务数据等。
- ODS层数据清洗后，写入DWD层，并在DWD层对根据业务需求数据做细分，分为教学、交易、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关联，生成业务宽表或者业务模型汇总等数据。
- ADS层从DWS获取数据，面向应用层，主要是使用MSQL、Polardb作为查询引擎，根据业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、基于Kudu架构的场景方案
整个实时数仓1.0都是基于Kudu来建设的。其背后的技术架构如下图：
根据业务的时效性，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，会通过Spark/Flink对数据进行预处理后写入Kudu，并在Kudu中根据ODS、DWD、DWS分层计算，然后将数据写入ADS层的PolarDB或者MySQL，最后对接实时大屏、报表等业务。
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，采用Flink+Kafka架构，DWD明细数据同时会落地一份到Kudu，DWS层计算过程中 关联Kudu维表、以及历史DWD数据来完成汇总模型构建，输出结果数据到ADS层的PolarDB、MySQL、Kafka消息队列等，最后对接线上服务。
网校实时80%左右场景，使用分钟级实现；20%场景使用秒级实时链路实现。当然也有部分场景可能使用混合链路实现，比如实时在线、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、业务挑战：Kudu技术瓶颈凸显，业务成本治理刻不容缓
实时数仓1.0中，Kudu作为底层OLAP引擎，使用Impala进行数据加载、运算，当业务上量时，Kudu的技术瓶颈开始凸显，主要表现在以下几个方面：
- 业务发展后期，Impala服务器内存压力较大，内存不足问题频发：网校80%的业务使用分钟级数仓实现且都是每隔5分钟计算一次，Impala承载Kudu数据的加载、计算，大量复杂计算的Sql任务在同一时间瞬时打到服务器，导致Impala节点内存压力较大，甚至出现部分批次任务执行失败情况。
- 运维困难：缺乏Kudu专业运维同学，当某个数据指标计算出现问题，或者集群不稳定时，有比较长的运维流程和修订流程，严重影响实时服务的稳定性，无法保证实时数据的SLA，使得用户体验非常不好。
- 故障恢复时间长，当出现节点故障的时候，为了快速恢复业务，短期靠扩容节点来暂时解决问题，导致运维和成本压力逐步增大。
- “双减”原因，急需对成本进行治理，迫切需要将Kudu切换到建设成本更低、更稳定、可靠的OLAP引擎。
综上，基于Kudu实时数仓，正逢“双减”，面临着业务快速变化、成本压力以及运维困难等一系列的内、外部挑战，我们迫切的希望能够找到一款OLAP产品将Kudu进行替换，解决当前遇见的各种问题，搭建一个更加简洁、易用、运维便捷、资源动态伸缩容的数仓底座。
实时数仓2.0：Hologres读写分离部署全面替换Kudu
基于实时数仓1.0的技术痛点，在对市面上的多种OLAP引擎进行调研以及对比后，我们最终选择了阿里云Hologres替换Kudu搭建网校实时数仓，即实时数仓2.0版本。
1、OLAP引擎技术选型需求：高吞吐、高可用
根据业务，我们梳理了对OLAP引擎的需求如下：
- 强大的OLAP能力
- 支持SQL，支持更新、删除、Upsert操作
- 高吞吐、高可用
- 运维方便，资源伸缩便捷
同时我们也对比了市面上常见的OLAP引擎，如下表所示，最终选择了Hologres为新的OLAP引擎
2、Hologres全面替换Kudu作为主OLAP引擎
选择了Hologres作为实时数仓的主OLAP引擎之后，通过Hologres替换了Kudu的所有数据处理链路，同时也通过Hologres读写分离部署的方式，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通过集团采集工具T-Collect接入Hologres ODS层，实时部分通过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，每一层的数据通过集团T-Data平台分钟级调度、清洗，并最后由Hologres从库提供线上服务出口。
- 实时和离线数据统一由Hologres存储，并由从库作为查询引擎统一提供线上数据出口，支撑的业务场景包括实时看板、实时大屏、实时接口服务、实时推送等场景。
3、查询引擎统一切换到Hologres从实例
实时数仓1.0计算在Kudu中，算完之后把结果同步到查询引擎PolarDB或者MySQL中，实时链路相对来说比较长，而且数据移动成本也很高，对实时数据的稳定性有一定的影响。
实时数仓2.0中，我们采用Hologres共享存储多实例的高可用部署方案，Hologres主实例承载数据的加载、计算，从库共享主库的所有表和数据承载数据查询，实现读写分离方案，并且从库作为实时数仓唯一的数据出口，统一数仓技术架构。这种方案的好处是减少了ADS层数据同步导出链路的维护，降低了开发成本。
Hologres的共享存储多实例的高可用部署方案如下图所示：
实时数仓2.0查询引擎统一升级切换到Hologres从库后的数据流转图前后对比如下：
同时，我们计划对外开放Hologres从库ADS层，分析师或者懂SQL的产品老师后期可通过集团T-Query平台查询工具对实时数据进行探索、分析，自满足部分临时需求，减少人工需求、释放实时数仓开发人力。
助力数仓业务升级，完成降本增效
实时数仓2.0经过半年多的建设，在成本治理上取得了非常好的效果，同时基于Hologres的实时数仓架构在集团推广应用上也有比较成功的案例：
1、百万级写入和毫秒级查询能力
- 实际业务中，Hologres的写入能力达到百万行+/秒，业务就能快速拿到数据并查询。同时在查询上不仅能支持秒级OLAP分析，还能支持在线服务毫秒级响应，使得业务探索数据的效率变得更快。
- 通过Hologres多子实例的部署方式，天然的就支持了网校实时数仓的多个查询场景，统一了数据的出口，简化了数仓的使用。并且写入和查询之间互不影响，非常有效的做到了读、写分离。
2、降低成本近百万/年
- 实时数仓底座升级Hologres后，无需维护多套系统，通过Hologres一套系统支持了实时数仓的全部场景，OLAP引擎成本相比Kudu节约了近百万/年的费用。
- 公司业务转型背景下，通过数据治理、任务治理等任务数下降80%，Yarn队列资源成本节约几十万/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
- 通过Hologres替换Kudu后，依托阿里强大的技术运维能力，很大程度减少了我们在运维层面上的压力，更加专注于业务开发，有更多精力去做好实时数据的稳定性、准确性、及时性，把用户体验做好。
- 周末、暑假等业务高峰资源不足时，可随时进行扩容；业务低峰时，可以对资源进行缩容处理，做到很好的一个资源伸缩和成本控制。
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，希望学成功复制网校实时数仓2.0架构，并承载核心实时数据服务，比如实时续报、转化、企微等
未来规划和期望
未来规划：
- 网校实时数仓的持续建设
- 数据治理：元数据、数据质量、数据资产、数据安全等
- 流批一体技术探索
最后谈一谈，在Hologres使用过程中碰到一些问题以及对Hologres的期待
- Hologres暂时还不支持自定义函数，系统自带函数满足不了部分特殊需求，自定义函数这块可以同阿里的技术伙伴一起去共建、推动此功能的实现、上线。
- 其次是Hologres权限配置问题，目前支持简单权限模型、专家权限模型和Schema级别权限模型三种模式，专家模型功能最强大（支持细粒度表级别权限控制），但配置比较复杂，需要执行的命令细节多，从而运维不方便，线上使用的是简单权限模型，权限要控制到schema、表级别，需要在应用系统层面加一层库、表权限管理系统，增加了开发成本；开源Hadoop离线数仓有Range等权限控制框架，能做到精准库、表等权限控制，期望Hologres以后能把权限模型优化得更加简单易用，更多白屏化操作，方便上手。
- 同时，我们期待Hologres后面可以支持查询开源架构Hive表的数据，这样的话做流批一体可以有更加便捷、简单的实现方案。
相信Hologres未来会变得越来越好用，变成一款功能更全面、更加强大的OLAP引擎！我们也希望通过Hologres建设出更加优秀的实时数仓，赋能更多的业务。
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
参考文章：
学而思网校：https://touch.xueersi.com/
实时数仓Hologres核心技术揭秘：https://developer.aliyun.com/article/779118
实时数仓Hologres共享存储实例介绍：https://help.aliyun.com/document_detail/360394.html