HTAP 为实时数据服务插上翅膀

成为主流趋势的 HTAP

由 Gartner 提出的 HTAP 数据库（混合事务 / 分析处理，Hybrid Transactional/Analytical Processing）成为希望。基于创新的计算存储框架，HTAP 数据库能够在一份数据上同时支撑 OLTP 和 OLAP 场景，避免在传统架构中，在线与离线数据库之间大量的数据交互。

HTAP 数据库基于分布式架构，支持弹性扩容，可按需扩展吞吐或存储，轻松应对高并发、海量数据场景。当下，由 HTAP 数据库提供的实时分析能力已经成为企业的核心竞争力之一。

业务挑战

智慧芽（PatSnap）是一家科技创新情报 SaaS（软件即服务）服务商，聚焦科技创新情报和知识产权信息化服务两大板块，为全球 50 多个国家超 10000 家科技公司、高校、科研与金融机构提供大数据情报服务。在数据源方面，智慧芽已存储了 1.5 亿多个全球专利数据、1.7 亿多个化学结构数据，以及千万级财务新闻、科技文献、市场报告、投资信息等海量数据。

随着业务场景的不断拓展和用户规模的迅速增长，业务运营过程中，智慧芽深度依赖对实时数据的分析和结果呈现，需要进行用户行为分析，提供实时大盘和特定场景的运营数据，对流量和服务的分析也不可或缺。

智慧芽原先采用 Segment 与 Redshift 的数据分析架构，仅构建出了 ODS 层，数据写入的规则和 schema 不受控制，且需要针对 ODS 编写复杂的 ETL，按照业务需求进行各类指标的计算来完成上层业务的数据请求。Redshift 中落库数据量大，计算慢（T+1 时效），影响对外服务的效率。

TiDB + Flink 实时数仓方案

经过多轮选型和对比测试，智慧芽选用 TiDB + Flink 实时数仓方案拓展数据分析架构体系的能力版图。

TiDB HTAP 是一个可扩展的行存和列存整合的架构，在存储上是可以使用分离的不同节点，可以确保 OLTP 和 OLAP 两边互相之间没有干扰，实时性、一致性、可延展性都能得到很好的保证。Flink 是一个低延迟、高吞吐、流批统一的大数据计算引擎，被普遍用于高实时性场景下的实时计算，具有支持 exactly-once 等重要特性。

结合了 TiDB HTAP 与 Flink 两者的特性，TiDB + Flink 的方案优势显而易见：首先是速度有保障，两者都可以通过水平扩展节点来增加算力；其次，TiDB 深度兼容 MySQL 协议，Flink 提供 Flink SQL 和强大的连接器来编写和提交任务，学习和配置成本相对较低。

智慧芽实时数据分析平台架构示意图

替换为基于 TiDB + Kinesis + Flink 构建的实时数仓架构后，不再需要构建 ODS 层。Flink 作为前置计算单元，直接从业务出发构建出 Flink Job ETL，完全控制了落库规则并自定义 schema，即仅把业务关注的指标进行清洗并写入 TiDB 来进行后续的分析查询，写入数据量大幅减少。

按用户/租户、地区、业务动作等关注的指标，结合分钟、小时、天等不同粒度的时间窗口等，在 TiDB 上构建出 DWD/DWS/ADS 层，直接服务业务上的统计、清单等需求，上层应用可直接使用构建好的数据，且获得了秒级的实时能力。

这套实时数据分析平台架构实现了真正意义的 Real Time Data as a Service，目前应用于慧芽用户行为分析和追踪、租户行为分析等实时分析场景，并为业务运营大盘提供实时数据支撑。

应用价值

在使用了新架构后，入库数据量、入库规则和计算复杂度都显著下降，数据在 Flink Job 中已经按照业务需求处理完成并写入 TiDB，无需基于 Redshift 的 全量 ODS 层进行 T+1 ETL。

基于 TiDB 构建的实时数仓，通过合理的数据分层，架构上获得了极大的精简，开发维护也变得更加简单，在数据查询、更新、写入性能上都获得大幅度提升。

在满足不同的 adhoc 分析需求时，不再需要等待类似 Redshift 预编译的过程，易于开发且扩容方便。

头图：Unsplash

作者：PingCAP

原文：https://mp.weixin.qq.com/s/p_hhX_UG2AfOvStaP8Ht0w

原文：TiDB X 智慧芽 | HTAP 为实时数据服务插上翅膀

来源：PingCAP - 微信公众号 [ID：pingcap2015]

转载：著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。