乐趣区

关于图数据库:Nebula-Graph-在微众银行数据治理业务的实践

本文为微众银行大数据平台:周可在 nMeetup 深圳场的演讲这里文字稿,演讲视频参见:B 站

自我介绍下,我是微众银行大数据平台的工程师:周可,明天给大家分享一下 Nebula Graph 在微众银行 WeDataSphere 的实际状况。

先来说下图数据库利用背景。

WeDataSphere 图数据库架构是基于 JanusGraph 搭建,正如邸帅在演讲《NebulaGraph – WeDataSphere 开源介绍》中提及的那样,次要用于解决微众银行数据治理中的数据血统问题 。在应用 JanusGraph 过程中, 微众银行发现 JanusGraph 自身依赖组件较多,数据存储在 HBase 中,索引存储在 Eleasticsearch 中,而因为受分布式高可用和两地三核心架构标准要求,要搭建一套残缺的图数据库系统波及技术点较多,比方高可用问题,再加上三个组件串联,须要解决很多技术问题。而且,自身 JanusGraph 这块数据写入性能也存在问题,当然自身咱们对 JanusGraph 的优化也较少,次要集中在参数调整和平安性能晋升。

过后用这套零碎解决的数据量大略是每天 60 万个点,百万级的边,差不多一天要花 5 个小时左右能力实现写入。这就导致业务方须要应用血统数据时,大数据平台不能及时提供。

至于微众银行大数据平台为什么选用 Nebula Graph,微众银行晚期调研过一些商用、开源的图数据库解决方案,测试局部这里不做赘述,能够参考下 Nebula Graph 社区 美团、腾讯云平安团队和 Boss 直聘 做的性能测评。

这里说下方才 60 万个点、百万级别边这个场景的状况,在单节点低配机器部署状况下,微众银行导入数据基本上在 20 分钟内实现。Nebula Graph 的写入性能十分好,微众银行大数据平台这块业务对查问的性能要求并不高,Nebula Graph 也能满足大数据平台这块的查问要求。

微众银行的图数据库抉择还有一个分量考核点,高可用和容灾的架构反对 。这个考核项,Nebula Graph 自身的架构存在肯定劣势,合乎微众银行行内硬性的架构要求和标准。加上大数据平台自身旨在构建一个残缺的数据流生态,Nebula Graph 提供了一些大数据相干开源组件,比方:Connector,Exchange,这些工具能 很好地同大数据平台进行联合

最初一点,回归到人的问题——微众银行同开源社区的交换等同于跟其余技术人的交换。和 Nebula Graph 社区交换过程中发,微众银行发现不论是在 PoC 微信群,还是在 Nebula Graph 社区论坛上提问题,官网反馈十分及时。印象较深的一点是,有一天早晨 10 点多,大数据平台在 Nebula Graph 研发人员领导下优化了一个参数,咱们在微信群里和 Nebula Graph 反馈,这个参数调整之后解决了生产问题,Nebula Graph 研发同学还给咱们发了一个 666 的表情。[手动狗头] 哈哈哈哈挺好。

OK,上面来解说下 WeDataSphere 架构,次要集中在架构设计中所思考的点。

上图和大多数利用的层级划分相似,从上往下看,应用层产生数据,通过数据交换层的各种工具,同底层的图数据库系统替换数据。利用场景方面这里不作具体介绍,在本文前面会具体地解说金融行业的利用状况。

从行业来看,两头的数据层个别分为三个局部:批量数据 流式数据 在线数据。而数据交换方面,微众银行大数据平台基于 Nebula 提供的开源计划做了接入优化,底层则应用 Nebula Graph 图数据库系统。此外,微众银行大数据平台还有一套运维自动化零碎叫 Managis,基于 Managis 构建了自动化部署工具,Nebula 配置也是在类 CMDB 零碎中治理。

服务监控模块,微众银行大数据平台外部应用 Zabbix 监控,通过写脚本调用 Metric HTTP 接口,将监控指标传输到 Managis Monitor (Zabbix) 零碎中。

总体的架构如上图所示,从上至下的 4 层架构体系。

回到用户层面,搭建这套零碎在银行架构标准下如何提供给用户应用,保障服务稳定性以及可用率,是大数据平台的首要思考条件。通过借鉴 WeDataSphere 之前计算存储组件的成功经验,例如 HBase、ES 等组件,如果业务方的系统对稳定性和一致性有所要求,业务接入端须要实现双写性能;针对数据一致性方面,大数据平台做了 T+1 的数据写入校对。当然这种双写形式接入,业务端会存在革新和开发成本。

前期,基于大数据平台开源的解决方案 Linkis 提供的 Orchestrator 模块实现编排、回放、高可用。业务端无需理解具体的技术实现细节,通过调用大数据平台的 SDK 接入 Linkis 的 Orchestrator 解决方案实现高可用和数据的双读双写性能。目前这块性能尚在开发中,会在近期开源。

上图为异地容灾过程,次要依赖于 Nebula Graph 自身提供的容灾个性,比方:Checkpoint。目前,大数据平台的具体操作是每天将 Checkpoint 做数据备份同步到上海的容灾集群。一旦主集群出问题,即刻切换零碎到上海灾备集群,等主集群复原后,将数据同步到主集群。

上面来介绍下 Nebula Graph 在大数据平台 WeDataSphere 数据治理零碎中的利用。

先简略地介绍一下 WeDataSphere 数据治理零碎,它包含
数据建模工具
元数据管理系统
数据脱敏零碎
数据品质管理系统

元数据管理系统会对接数据建模工具、数据品质管控零碎、以及数据脱敏零碎,最终提供给用户一套前端的操作界面。

当中比拟要害的组件叫数据地图,次要为整个银行的数据资产目录,它采集各个数据源的数据,通过 WeDataSphere 对数据进行加工存储,最初返回一份全行残缺的数据资产 / 数据字典。在这个过程中,大数据平台构建了数据治理的标准和要求。

这套数据系统升高了用户应用门槛,直观地通知用户数据在哪,如果某个用户要审批数据,提交一个数据申请单便可提取他想要的数据,甚至在数据提取之前,零碎告知用户数据源是谁,能够找到谁要数据。这也体现了这套数据治理零碎中数据血统的能力:数据源是哪里,上游又是哪里。

上图为数据治理零碎的性能架构,最上层为零碎须要采集的数据,以及它对应的数据存储中央。在这个架构中,大数据平台采纳 3 个底层存储引擎:次要存储元数据的 TiDB存储图数据的 Nebula Graph存储索引数据的 ES。在底层存储的下面,数据地图提供了多个微服务提供给内部应用的申请接口。

上面解说下 WeDataSphere 数据治理零碎中血统数据的处理过程。咱们 通过各种组件 Hook 从 Hive、Spark、Sqoop 等工作脚本中解析输出数据和输入数据构建血统数据。例如:当中的 Hive Hook 次要解决大数据平台外部的表与表之间的关系,咱们通过 Hive 自身提供的 Lineage SDK 包装了数据接口,构建一个 Hook 去解析 SQL 语句的输出数据和输入数据,从而建设血缘关系记录在 Log 中。Spark 相似,不过微众银行是自研 Spark 在 Drive 层的 Hook。Sqoop 这块实现是基于 Sqoop 的 Patch 解析数据在 importer 和 exporter job 过程中提供的 Public Data,最终构建关系型数据库(比方:MySQL、Oracle、DB2)和大数据平台 Hive 数据之间的流向关系。血统数据生成之后写入执行节点,即 Driver 所在节点,从而造成 Lineage Log。

再用微众银行外部的自动化运维工具 AOMP 每日从各个节点导入数据存储到 Hive ODS DB。在这个过程中,大数据平台对 Hive 进行 ETL 加工同现有数据进行关联剖析失去导入图数据库的 DM 表。最初应用 Nebula Graph 提供的 Spark Writer 从 Hive 中将点和边的数据写入图数据库对应 Schema 中。

以上便是数据加工过程。

上图为大数据平台的整体数据模型,两头的 DATA 大表为 Hive 加工后的利用表,将下面的点、边信息写入 Nebula Graph Schema 中,包含解决某个 SQL 语句的 job_id,数据源 src_db_id,数据上游 dst_db_id 等等数据信息。

相对而言上图比「数据治理零碎血统图模型设计 1/3」图更直观,Schema 左侧为点,右侧为边,一个 job 对应某个 SQL 语句或 Sqoop 工作。举个例子,一个 SQL 语句会存在多个输出表,最终写入到一个输出表,在图构造中出现便是 job 入边和 job 出边,对应 source table 和 destination table。表和 DB 自身存在 Contain 关系,而微众银行基于本人的业务减少了表和表的间接 Join 关系,可查问表和表之间关系,比方:一度关系。

上图是一个数据过程,下面有个 db_id,比方:158364,通过一个 job_id,例如:0555261f733b4e90824343b19810a73d 构建起了一个图构造。

这是数据治理的实时查问和批量剖析架构,次要通过 ETL 加工血统数据再写入到数据存储系统中。而上图中的 Metadata Service 会依据实时剖析需要通过 SDK 调用图数据库,将查问的返回后果传给前端做展现。

在利用场景这块,次要有两个场景,一是 实时查问 ,以某个表为起始节点,遍历上游和上游表,遍历实现后在 UI 中展现。具体的技术实现是调用 Nebula Java Client 连贯 Nebula Graph 查问失去血缘关系。二是 批量查问,当然批量查问所需的血统数据已构建好并存储在 Nebula Graph 中。针对批量查问,这里举个例子:有一个部门的表,在某个时刻处于出现异常,会影响一批表,要找到这个部门的表,首先咱们得找到它到底影响了哪些上游表,把这个残缺的链路追踪进去后挨个确认这些表是否修复。那么这时候就须要做批量查问。具体技术实现是通过 Nebula Spark Connector 连贯 Nebula Graph 批量将点和边数据导入到 Spark 封装为 DataFrame,再通过 GraphX 等图算法批量剖析失去残缺的血统链路。

上图为 WeDataSphere 实时查问界面,因为波及到敏感信息打了个马赛克,以上图的蓝色表为核心数据,查问上游的一度关系表和上游的一度关系表,大数据平台构建图数据库数据模型时退出了工夫属性,能够查问特定工夫,比方:某张表昨天到明天的血缘关系,可基于工夫维度进行数据过滤和检索

以上,Nebula Graph 在 WeDataSphere 数据治理过程中的利用状况介绍结束。

在邸帅在演讲《NebulaGraph – WeDataSphere 开源介绍》中,WeDataSphere 提供两层数据连贯和扩大能力,前者是一站式数据业务开发治理套件 WeDataSphere,后者是计算中间件 Linkis 用于连贯底层的根底组件。而 Nebula Graph 也基于 WeDataSphere 这两层性能同现有数据业务进行联合,买通数据开发流程。

上图为 WeDataSphere 一站式数据利用开发治理门户 Studio 的数据处理流程。上图的 Exchangis 为数据交换零碎,读取不同异构数据源的数据导到大数据平台,再通过 Maskis 零碎做前置脱敏,遮挡敏感数据或进行 Hash 转换提供给业务剖析人员应用。这个零碎中有一个 Online 写 SQL 环境 Scriptis,相干研发人员能够写些 SQL 剖析语句做前置数据处理,而后数据传输给零碎中的机器学习工具 Prophecis 做建模解决。最初,数据处理实现后交付给 Qualitis 零碎做数据品质校验,失去平安、牢靠数据之后再由可视化零碎 Visualis 进行后果展现和剖析,最终发送邮件给报表接管方。

上图为用户可感知的一个流程,但整个解决流程会应用到底层技术组件,在 WeDataSphere 外部次要通过 Linkis 这个计算中间件去解决和底层组件连贯、串联问题。除此之外,Linkis 还提供了通用的多租户隔离、分流、权限管控的能力。基于 Linkis 这个计算中间件,大数据平台实现了 Linkis Nebula Engine 图剖析引擎,和 WeDataSphere 现有的大数据处理流程联合。

当初来介绍下 Linkis 数据处理流程:

第一阶段:一个工作在 DataSphere Studio 提交后,进入上图所示 Entrance,这个组件次要用于工作解析和参数接管。

第二个阶段:也是一个要害的筹备阶段,进入 Orchestrator 模块,在下面 PPT 的「同城业务数据双写」章节说过 Orchestrator 模块实现编排、分流、回放、高可用。编排会将一个 Job 拆分成 N 个细小的 Task,而这些 Task 对应的资源申请须要连贯底层 Linkis Manager,Linkis Manager 会把 Task 散发、映射到对应的执行引擎做数据处理,最初,通过 EngineConn Manger 连贯到对应执行引擎,可见和 Nebula Graph 进行数据交互的次要是 EngineConn Manger。

第三个阶段:执行。

下面整个过程的实现逻辑是可复用的,做数据利用接入时,只需建设中间件同底层引擎的连贯,数据通过 Orchestrator 模块会主动散发到对应的执行引擎做数据处理。

数据加工解决流程如上所示,和 WeDataSphere 一站式数据利用开发治理门户 Studio 的数据处理流程相似:捞数据 -> 大数据平台 -> Qualitis 数据品质校验 -> 写 SQL -> Hive / Spark 做简单的数据加工解决,最终输入之前进行数据品质校验,通过 Nebula Graph 的 Spark Writer 写到 Nebula。

这里,大数据平台提供了一个 nGQL 编程界面,因为这时数据已写入 Nebula Graph,进入 nGQL 界面后执行如下查问语句:

USE nba;
GO FROM 100 OVER follow;

即可在界面返回图数据库 Nebula Graph 的查问后果,同 Nebula Graph 官网提供的可视化工具 Studio 不同,WeDataSphere 的 nGQL 界面次要是解决数据流程的串联问题,不波及具体的可视化性能,前期微众银行大数据团队也会思考和官网进行可视化方面的单干。

最初一部分是将来瞻望,先来讲下 WeDataSphere 这套图数据库系统在微众银行外部的利用,目前咱们大数据平台外部次要是利用 Nebula Graph 做 血统数据存储和剖析 ;其余业务部门也有理论利用,例如: 资管零碎解决企业关系时有用到 Nebula;咱们的 AIOPS 零碎目前也在做这块业务测试,次要是 构建运维常识图谱去实现故障的根因剖析和解决方案发现 ;此外,咱们的 审计零碎 也在基于图数据库做常识图谱构建,相干部门目前在尝试接入这套图数据库系统;咱们 风控场景业务 也已接入 WeDataSphere 图数据库系统进行测试,接下来会有更多的业务方来做这一块的尝试。

将来的话,大数据平台这边会基于 Nebula Graph 2.0 凋谢的性能和架构搭建更加自动化、更加稳固的技术架构,服务好更加要害的业务。

还有同 Nebula Graph 一起拓展图剖析这块能力,接入到整个大数据平台 WeDataSphere 这套数据处理流程中。

最初,最重要的,心愿有更多适合的业务场景可能接入到 WeDataSphere 这套图数据处理的流程和零碎中,以上是微众银行大数据平台——周可的技术分享,谢谢。

喜爱这篇文章?来来来,给咱们的 GitHub 点个 star 表激励啦~~ ????‍♂️????‍♀️ [手动跪谢]

交换图数据库技术?欢送报名加入 nMeetup 北京场,和 BOSS 直聘文洲大佬现场谈笑自若,更有美团 NLP 技术大佬和你分享美团的图数据库技术实际,以及知乎反作弊工程师和你聊 Nebula Graph 在知乎的利用。报名地址:nMeetup·北京场 | 图数据库经验之谈

举荐浏览

  • 图数据库选型 | 360 数科的图数据库迁徙史
退出移动版