37手游云平台基于Flink+Hologres大数据建设实践

本文整理自37手游大数据平台资深开发工程师史飞翔在实时数仓Workshop · 广州站的演讲。主要内容包括：

1. 37云平台大数据建设背景
2. 37云平台大数据建设方案
3. 应用实践
4. 未来规划

作者：史飞翔 37手游大数据平台资深开发工程师

公司介绍

37手游是37互娱的子公司，主要负责运营，也就是发行业务。在中国大陆地区37手游以10%占有率仅次于腾讯和网易排第三。现在在非中国大陆地区也已经进入月收入过亿的俱乐部，成功发行了包括《永恒纪元》、《一刀传世》、《斗罗大陆》这几款游戏，当前已经累计4亿用户。
37手游之前是自建的大数据集群，考虑到集群未来的扩展性、稳定性以及成本问题，决定大数据全部上云，本次workshop的分享就是基于IDC集群上云的建设实践。

37手游云平台大数据建设背景

痛点：自建集群组件多，架构复杂，成本高

首先看一下这张图，做大数据的同学对这些组件应该都很熟悉，刚开始我们也一样，像动物园一样，管理了很多 “小动物”。

• 2019 年，我们的很多离线作业是基于Hadoop集群做的。基于这个集群之上，我们有一些OLAP查询场景，当时可选的组件不多，于是我们用了Kylin、Druid。但是这只能应对一些简单的场景，复杂的场景还是没办法直接基于这些组件对外提供服务。
• 2020 年，引入了实时计算，当时用的是社区版Flink，其中ClickHouse跟ADB主要是做OLAP的查询，另外的ElasticSearch是用来存储画像的数据。
• 2021 年，随着业务场景的需要，我们用到的组件也越来越多，所以不得不选用基于多数据源的查询引擎，于是引入了 Presto，这个时候可以基于Presto做一些联邦查询 ，Hive、MySQL、ADB、ClickHouse等做一个打通关联。基于Presto，我们会在上层做一个报表的查询。
• 2022 年，我们大数据全部上云了，只需要用到三个重要组件：MaxCompute、Hologres、Flink。

以上是我们大数据演进的过程，下面先分析一下IDC集群的情况。

1. 资源成本：

• 机器成本高；
• 机房成本高，因为有一百台机器要有单独的机房；
• 空闲时间多。我们的离线作业大部分在晚上运作，白天的时间基本上是比较浪费的。

1. 人力成本：

• 组件多，运维成本高。一个人要负责三四个组件的维护；
• 组件学习成本高，一些业务开发的同学会使用我们提供的组件，对于他们来说，会有一定的学习成本；
• 开发成本高。

1. 稳定性、扩展性。

• IDC 集群做扩容时流程很复杂，从申请，到机器的采购，再到部署、上线等，至少要一个月的时间，扩展性很差；
• 机房部署周期长；
• 故障率较高。

上云需求：低成本、运维简单、可扩展

基于IDC集群的综合评估，跟上云在技术和业务做了综合对比。下图是随着节点数的增加自建机房与基于阿里云的对比。在集群节点不断扩大的情况下，可以看到自建机房的单位成本逐渐增高，基于阿里云的单位成本基本稳定不变。

从技术上：

1. 上云后用到的组件很少，维护成本低。