竞速榜实时离线对数方案演进介绍-Toy模板网

这篇具有很好参考价值的文章主要介绍了竞速榜实时离线对数方案演进介绍。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、背景

竞速榜是大促期间各采销群提供的基于京东实时销售数据的排行榜，同样应对大促流量洪峰场景，通过榜单撬动品牌在京东增加资源投入。竞速榜基于用户配置规则进行实时数据计算，榜单排名在大促期间实时变化，相关排名数据在微博、朋友圈广泛传播，相关计算以及排名的准确性至关重要。

竞速榜的每个榜单配置规则都会有差异，为保障榜单数据计算准确，需要在大促开始前对榜单实时排名数据进行核对，主要验证方案为在第二天取前一天的实时排名数据，另外根据榜单规则配置信息，计算相关的离线数据，进行实时离线数据对比，验证数据的一致性。

单个榜单规则有20+个不同配置项，每个配置都相互独立，需要针对每个规则分别进行数据验证

二、对数方案演进过程

2.1、纯人工 - 成本高且无法完整覆盖

最初阶段为纯人工对数，分别获取对应竞速榜的实时和离线数据，进行人工比对

1）实时数据：每天23:59 定时读取榜单数据接口，记录对应榜单数据

2）离线数据：根据榜单规则手动编写离线SQL脚本，通过数据查询执行SQL获取榜单排名数据

整个操作过程消耗时间较长，SQL编写需要1小时，单SQL执行0.5小时，为覆盖所有规则，一次需要完成100多个规则的配置和SQL编写以及数据验证，在规则不变情况下，预计需要消耗20人日才能完成一次完整测试，且脚本编写需要对业务规则深入了解，对测试人员SQL水平要求也较高。

2.2、半自动化 - 持续消耗人力

竞速榜主要在大促期间使用，除功能测试覆盖规则外，在大促前还要对业务方配置的规则进行数据验证，确保用户配置规则的计算准确性，以23年618为例，共有5000+榜单规则，如果仍然使用纯人工验证数据的方案，需要900+天，完全不可行。因此实现了半自动化对数方案，和人工对数方案相比，解决了离线SQL的自动化生成，实时数据的自动获取等问题。

具体方案如下：

1、实时数据获取：基于榜单快照功能，自动记录榜单每日快照数据并写入数据库，

2、离线SQL生成和数据计算：

2.1、规则配置入库：通过系统自带的榜单规则导出功能，将榜单规则导出到excel，进而导入到hive表中；同时将榜单规则依赖的其他配置数据也导入到hive

2.2、规则化生成SQL：根据榜单规则配置信息，使用case when的方法，针对不同情况分别生成对应SQL片段，最后人工组合为上述SQL

2.3、合并SQL执行计算任务：将多个组合生成的SQL合并为1个，并配置离线调度任务，通过任务执行分别计算不同榜单的离线数据

2.4、数据推送到对数MySQL：将生成的离线榜单数据推送到实时数据存储的MySQL

3、实时离线数据对比：将实时和离线数据全部推送入数据库后，直接查询数据库，进行数据对比，并对超过阈值的数据进行高亮提示。

通过以上方法，完成了半自动化的实时离线对数，解决了人工对数中最消耗人力的SQL手动编写问题。但是，该方案仍然存在以下问题：

SQL需要人工介入：SQL的生成还存在多次人工操作，中间需要人工对生成的SQL进行调整
规则变化引发SQL调整：在大促前，用户会持续调整规则，这样就导致之前配置好的SQL 和用户规则不一致，进而导致对应榜单对数失败，需要重新生成对应SQL，配置调度任务并重新执行对数操作。

在22年618和双11期间，主要是研发同学使用进行相关SQL调整和数据验证，需要3个开发人员持续3周，整体消耗人力45人日。

2.3、全自动化 - 解放人力

为了进一步解放人力消耗，将对数操作从半自动化升级到全自动化，需要实现以下内容

无需人工介入，自动生成SQL，自动执行SQL
执行用的SQL根据规则变化每日自动调整，保证SQL可以自动持续更新

完整的自动化对数方案如下图所示：

优化点细节：

1. 每天自动更新并存储SQL：榜单规则从手动页面导出变为每天自动抽取规则数据到HIVE中，进而每天自动更新目标SQL并将SQL存储到HIVE表中

2. 自动获取目标SQL并执行：将执行的目标SQL从HIVE中获取到后再执行SQL（使用了hive命令的一些特殊方法，预先获取到SQL再执行）

#HiveTask增加run_shell_cmd_out函数只返回标准流的内容在标准客户端执行如下python脚本
from HiveTask import HiveTask
ht = HiveTask()
ht.run_shell_cmd_out(shellcmd='hive -e "select *  from table;"')

该方案在23年618期间投入使用，恰逢研发团队交接，新团队毫无对数经验，且有其他业务同步进行，无法投入全量人力。通过全自动化对数，解放了研发人力投入，极大提高了大促备战效率。需要人力主要是测试同学对整个链路的调度任务进行维护性处理。