关于大数据:诺亚财富-X-Hologres-统一OLAP分析引擎全面打造金融数字化分析平台

作者： 李欣 诺亚财产数据总监，卢帅  诺亚财产高级数据开发

客户简介

诺亚控股有限公司以“诺亚财产”为品牌，源起于中国，是首家在港美两地上市的中国独立财产管理机构，首家创始了财产治理和资产治理的双轮驱动业务模式，同时也是国内首家取得规范普尔“投资级”评级的财产治理公司，公司业务涵盖财产治理、资产治理和其余业务。诺亚数据智能部门负责公司大数据体系框架建设，次要工作是撑持日常的 BI 剖析，数据看板，人群画像，自助剖析等场景。

在公司数字化转型的背景下，业务增长带来了数据量的激增，不同的数据需要衍生出各种数据服务，不同的数据服务抉择不同的数据库和数仓技术，比方 MySQL，Impala, Greenplum，ElasticSearch 等。为了最大化的升高运维老本，提供高性能的数据服务，做到真正的极速对立，从 2021 年上半年开始，诺亚数据智能部门开始上云，将自建 CDH 替换成阿里云对立大数据平台，同时正式引入 Hologres，替换外围的 Impala OLAP 剖析局部，晋升数据查问效率，全面打造金融数字化剖析平台。因而在本文中，咱们将会具体介绍诺亚从 CDH 迁徙阿里云大数据平台的前因后果，以帮忙更多的业务更加方便快捷的建设实时数仓。

业务挑战：自建 CDH 组件多运维难、交易指标多元查问慢

为了反对业务，诺亚原大数据架构采纳 Impala 和 CDH 构架构建，架构图如下：

在最后的架构中，咱们从 Cloudera 购买了 License 基于 CDH 搭建了一套数据服务平台：上游的源数据库次要是 MySQL，Oracle，Mongo 等，业务相干的数据和局部日志数据都记录在外面。咱们通过 DataX 和 Sqoop 将数据库中的数据导入到 HDFS，通过 Hive 的元数据映射生成 Schema，并接入 Impala 实现数据的即席查问。数据仓库的分层和建模全副都在 Hive 中实现，借助 LDAP 和 Sentry 进行用户权限治理，分析师在 HUE 中进行查问。

对于实时指标，咱们通过 Debezium 采集 MySQL 的 Binlog 日志，解析到 Flink 中对数据进行解决建模，并关联 Kafka 中的埋点日志数据，生成实时指标写入到 MySQL 中。该流程实用于大部分的报表需要，然而因为 MySQL 对于 OLAP 的工作执行效率较低，在单日报表超过 50 万记录的状况下，一些多维分析后果可能须要 8 + 秒以上能力返回，十分影响报表查看体验。同时咱们也提供了相应的数据服务，分析师通过 JDBC 的连贯形式对数仓数据进行查问，数仓数据通过数据 API 间接利用于一线业务，相应的 BI 报表展现也基于 Impala 计算实现。

随着业务的增长，此架构面临如下挑战：

1、业务方面：

• 数据分析性能有余 ：因为咱们的用户可能多年的存量和交易指标特地多，数据须要简单关联查问能力失去数据指标，还有高并发查问工夫周期比拟长的数据，返回工夫太长，业务方体验很差。
• 实时剖析场景有余 ：历史的数据架构导致数据提早频繁，无奈满足业务方及时做出决策。
• 查问引擎不对立 ：零碎可能有多种查问引擎组成，每一种查问引擎都有本人的 DSL，减少了用户的学习老本，同时须要跨多数据源查问也是一种不不便的的事，异构查问引擎也容易造成数据孤岛。
• 用数据难 ：因为数据分布在各个系统中，用户无奈在一个零碎满足所有的数据需要。特地是一线的经营和剖析同学，须要通过各个系统导出大量的 excel 表格的形式做数据分析，费时费力，同时也存在肯定的数据隐患。

2、技术方面：

• 应用的组件过多 ：实现不同的需要须要不同的组件，例如批处理采纳的 Hive , 即席查问应用的 Greenplum 和 Impala，这对于数仓外部的治理提出了较高的要求，对于分析师和报表同学不够敌对。
• 运维难度大 ：CDH 尽管是商业软件平台，提供了界面化操作，然而大多数组件仍然须要本人去摸索保护，并且官网文档重大缺失。因为 CDH 曾经不在中国市场提供更新，裸露进去的破绽也越来越多，并且将来的不确定性也在减少，不足稳定性。
• 大数据量查问较慢 ：咱们应用 Impala 进行减速查问，然而数据文件没有无效的索引，对于数据量的扫描过大的查问，有时候须要几十秒能力返回后果。并且本身的 SQL 优化器比拟毛糙，SQL 略微写的不够标准，就会产生不必要的资源开销，导致查询卡死。
• Impala 的本身的缺点 ：在表数据或者表构造更新的状况下，须要手动的刷新元数据能力查问到最新的数据，极其不不便。
• 老本高 ：业务倒退快，产生数据疾速收缩，Impala 的线性扩容老本比拟高。

技术选项多维比照

为了解决下面的痛点，咱们想要对架构进行降级，在寻求解决方案的过程中，OLAP 剖析是咱们十分看重的一个局部，因而咱们依据业务需要评估了四个维度：

解决方案：自建 CDH 迁徙上云，Hologres 助力对立 OLAP 剖析

通过 4 个维度的充分考虑和论证，咱们决定将自建 CDH 迁徙成阿里云大数据平台。迁徙后诺亚基于阿里云大数据平台架构图如下：

诺亚数据智能核心在 2021 年进行了上云的打算，全面实现数据中台的云原生，摈弃掉原来的 CDH 那套数据架构，咱们花了一年的工夫进行了整个数据中台的革新和迁徙，原来的数仓基于 impala 的表大略有 1w+ 张，烟囱式开发，老架构的数仓是 DL 层 + DH 层，没有对于数据进行分层和积淀，导致数据冗余重大，工作之间相互依赖重大，没有很好的进行对于业务模块的划分。

整个数据中台依靠于 DataWorks，离线局部在 MaxCompute 中进行，通过 DataWorks 的数据同步模块把离线局部同步到 MaxCompute 和实时局部同步到 Hologres, 而后利用 Flink 的把神策埋点的 Kafka 数据荡涤同步到 Hologres 中，同时也通过 Hologres 的表面把 MaxCompute 的数据迁徙到 Hologres 中，保障对立 OLAP 剖析引擎。

在迁徙的过程中，咱们是两套中台并行，新的业务咱们间接依赖阿里云进行开发，老的工作，咱们依据业务线对于数仓进行了重构和分层，ODS , CDM (DIM,DWD,DWS) ,ADS 层，对于表进行了梳理和整合，计算资源和工作缩小了一半，工作之间的依赖关系通过 DAG 图清晰明了，不要再为了改一个脚本，进行俄罗斯套娃式的革新脚本，大大节俭了人力老本。

业务价值：更简的架构，更快的查问，更低的老本，全面金融数字化剖析

通过将将技术架构从自建 CDH 全面上云后，对咱们以及业务来说，都带来了十分多的益处，次要有以下几点：

• 原来的 IDC 的 CDH , 每年破费在机房的费用也很高，当初上云也满足了公司降本增效的整体方针，主动上云之后，咱们在大数据运维层面的投入变少，让一些基础设施根底服务交给阿里云去做，更多的工夫专一于业务，缩短了需要的交付工夫，同时也保障了交付的品质；其次，阿里云的云原生的拓展性，弹性计算，能够随时的扩容缩容，可能满足业务收缩带来的紧急需要，高效稳固。阿里云的平台能力很强，对于开发，分析师都很敌对，上手能力很快，操作简略便捷，学习老本较低。
• 实时的广告投放多维分析，帮忙市场部门及时提供数据撑持，及时调整投放策略，进步投资回报率。原来的神策埋点数据是通过 Kafka 间接进入到 HBase, 而后通过挂载 hive 的表面的形式来做各种维度的聚合，指标类的计算，而后再借助 Impala 的减速查问，这样的形式整个数据链路太长，经常出现数据失落的状况，无奈满足业务方的真正的实时数据需要，后续咱们把 kafka 的数据间接 sink 到 Hologres 中，借助于 Hologres+ Flink 的实时数仓的能力，满足业务部门的实时需要。
• 作为用户指标的载体，实现用户画像等的精细化剖析需要，为公司数字化赋能。准确的数据去重，Hologres 兼容 PostgreSQL 生态，原生反对 Roaring Bitmap 函数。通过对标签表构建索引，将用户 ID 编码后以 Bitmap 格局保留，将关系运算转化 Bitmap 的交并差运算，进而减速实时计算性能。在超大规模用户属性洞察剖析的场景中，应用 RoaringBitmap 组件可能实现亚秒级的查问响应。
• 以 Hologres 作为业务部门拜访数据仓库的入口和外围，欠缺交互式查问体验。应用 Hologres，在性能上显著显著，之前千万级的表的查问在 5s+ , 以后在查问在 300ms 左右，查问均匀性能晋升 90% 以上，目前整体曾经迁徙了全副的报表 800 张 +。Hologres 能够依据业务场景做行列存储的优化，既缩小了运维压力，又对于查问性能晋升显著。
• 作为数据部门提供 OneSevice 的数据服务平台的底座，稳定性和高性能的撑持业务零碎，进步了客户的体验感。原来提供的 API 是查问 MySQL，然而面临一个问题就是数据量大和并发数大时，接口相应速度很慢，影响到客户的体验，前面咱们借助于 DataWorks 的数据服务模块，把这块的接口的底层查问引擎全副切换到 Hologres，接口又原来的均匀 800+ms 缩减到 300+ms , 同时也缩小了数同步，借助于 Hologres 和 MaxCompute 的生态完整性，间接刷成 Hologres 的表面，减速查问。

写在最初

孙甜 诺亚财产数据智能核心总经理 寄语：

阿里云 Hologress 团队和技术支持团队真正做到了以客户为核心，不以销售额为导向，而是一路陪伴客户成长，并被动帮忙咱们实现降本增效。诺亚面向高净值客户提供简单资产配置服务，高端金融服务的业务属性人造带有“行少列多”的数据特点。大多数数据厂商偏爱服务数据量大且结构化水平高的互联网客户 – 算力耗费大且场景较为标准化；而高端金融服务的“行少列多”则是数据服务的深水区，算力耗费无限但客户需要又极为简单，如果不是抱着用数据扭转行业的信心和过硬的技术，是很难服务好金融行业客户的。Hologres 反对同学不仅亲自来诺亚为咱们提供了高水平的数据培训，还不厌其烦地在钉钉群里解答咱们的各类问题。甚至咱们深夜发问，也会有 Hologres 的搭档迅速响应并踊跃解决。更让我打动的是，咱们上云以来在 Hologres 团队的反对下做了大量计算优化，在进步了数据计算速度的同时也升高了一半以上的老本。Hologres 团队素来没有因为咱们生产升高而埋怨，把咱们当做战友一样全力支持。Holo 团队对咱们来说亦师亦友，陪伴咱们一路成长，也心愿未来可能一起打造金融大数据的最佳实际！