火山引擎ByteHouse數(shù)據(jù)導(dǎo)入能力升級，助力企業(yè)強化數(shù)字基礎(chǔ)建設(shè)

來源：中國網(wǎng)科學(xué)  |  作者：袁夢  |  責(zé)任編輯：科學(xué)頻道

隨著ByteHouse內(nèi)外部用戶規(guī)模不斷擴大,越來越多用戶對數(shù)據(jù)導(dǎo)入提出更高的要求,這也為ByteHouse的數(shù)據(jù)導(dǎo)入能力帶來了更大的挑戰(zhàn)。

從字節(jié)跳動內(nèi)部來看,ByteHouse主要以Kafka為實時導(dǎo)入的主要數(shù)據(jù)源。對于大部分內(nèi)部用戶而言,其數(shù)據(jù)體量偏大,用戶更看重數(shù)據(jù)導(dǎo)入的性能、服務(wù)的穩(wěn)定性以及導(dǎo)入能力的可擴展性。在數(shù)據(jù)延時性方面,用戶的需求一般為秒級左右。

據(jù)火山引擎ByteHouse產(chǎn)品專家的介紹,基于以上場景和需求,ByteHouse首先基于ClickHouse引擎進行升級,其次又針對數(shù)據(jù)導(dǎo)入能力進行一系列定制性優(yōu)化,主要包括兩個方面,第一為MaterializedMySQL增強;第二個是HaKafka引擎。

在引擎優(yōu)化方面,在TB級數(shù)據(jù)量級下,ClickHouse容易出現(xiàn)集群故障,還存在讀性能較低、耗損內(nèi)存的問題。針對這些痛點,ByteHouse自研的HaMergeTree和HaUniqueMergeTree可以降低負(fù)載,確保集群在單節(jié)點故障下能平穩(wěn)運行服務(wù),還能平衡讀寫性能,保障讀取時性能一致。

在數(shù)據(jù)導(dǎo)入能力的定制化優(yōu)化方面,社區(qū)版MaterializedMySQL不支持分布式表等功能,也存在無法定位問題、無法同步狀態(tài)等運維問題。一方面,通過構(gòu)建分布式模式的MaterializedMySQL庫,用戶可將每個表都對應(yīng)同步至ByteHouse的一個分布式表,讓數(shù)據(jù)不重復(fù)存儲,充分利用分布式集群的計算能力,又降低了對源端的同步壓力。另一方面,ByteHouse也提供可視化運維的功能,支持同步狀態(tài)和任務(wù)管理,一旦出現(xiàn)系統(tǒng)運維故障,用戶會收到異常警告。

而HaKafka引擎則是ByteHouse推出的一種特殊的表引擎,主要基于 ClickHouse社區(qū)的 Kafka engine進行了優(yōu)化。用戶可以通過一個Kafka消費表、分布式存儲表、物化視圖表,三元組實現(xiàn)數(shù)據(jù)消費、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)寫入功能。

目前,以上能力已經(jīng)在短視頻、營銷實時數(shù)據(jù)監(jiān)控、游戲廣告數(shù)據(jù)分析等領(lǐng)域落地。以營銷實時數(shù)據(jù)監(jiān)控為例,在字節(jié)跳動內(nèi)部,活動運營人員需要對營銷活動效果進行實時監(jiān)控,以便通過實時獎勵發(fā)放來動態(tài)調(diào)整獎勵流量分配,提升ROI收益。這類場景要求數(shù)據(jù)實時寫入,對系統(tǒng)性能具備高要求。另外,為保障獎勵不會發(fā)放錯誤,系統(tǒng)也需要保證數(shù)據(jù)在傳輸和落盤時都不丟失、不重復(fù),且穩(wěn)定運行。

火山引擎ByteHouse基于自研HaKafka引擎,能支持流式數(shù)據(jù)實時入庫,用自研事務(wù)保障機制,確保數(shù)據(jù)精準(zhǔn)一次傳輸,最后通過自研Unique引擎實現(xiàn)數(shù)據(jù)實時寫入實時去重。在效果上,ByteHouse可以實現(xiàn)實時寫入、實時分析30MB/s/node,活動運營人員可以根據(jù)不同用戶群實時發(fā)放獎勵,做到秒級延遲、秒級監(jiān)控。