云栖大会|小米大数据运维管理体系的建设与实践

Posted BigData之路

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了云栖大会|小米大数据运维管理体系的建设与实践相关的知识,希望对你有一定的参考价值。

前言

前段时间,很荣幸能参加云栖大会,并分享交流一个议题,接下来我们来回顾一下

介绍

这次给大家带来的题目是《小米大数据运维管理体系的建设和实践》

今天整个分享分两部分,第一部分我们先来聊聊大数据运维数字化转型相关的内容 看看运维层面如何做到化繁为简,打造极致效率的;

紧接着第二部分,会给大家介绍一下小米大数据的技术架构 大家可以从中了解到小米怎样应对海量数据挑战的。

服务定位

为了帮助大家理解,我们先来简单聊一聊小米服务的架构

整个业务架构按照云计算的分层模型来说分为三层,依次是iass层、pass层、sass层

小米的iass层是一个混合云的现状,涉及IDC、公有云、网络等资源

小米的saas层不仅包含战略业务手机 * IOT * 汽车,还包括互联网、电商等数百个业务线

大数据作为pass层的一员,向下对接基础资源,向上承接业务的数据需求

提供离线报表、实时数仓等多种场景化能力

进一步帮助业务沉淀数据资产,提升整体数据效率

同时,大数据是的集团数字化底座,起到中流砥柱的作用

大数据服务架构

我们再来看下小米服务架构

整个小米的大数据服务是立足于x86和ecs之上的自下而上分为4层,依次是数据采集层、数据存储层、数据计算层、数据平台层

  • 数据采集层:主要使用自研的LCS和以Talos为代表的消息队列组合去实现的,这一块也会在后面的分享中展开讲述

  • 数据存储层:各类开源和自研存储引擎,包含我们的文件存储HDFS、KV存储HBase、对象存储Ceph等等;其中Pegasus是小米自研的,目前在apache已经开源。

  • 数据计算层:小米使用Yarn作为统一的资源管理,基于Yarn之上提供了批处理、流处理多种计算引擎,比如我们常见的MapReduce、Spark、Flink等;除此之外提供丰富的Olap引擎, 满足即席查询和检索需求。

  • 数据平台层:我们内部称之为数据工场,主要提供一站式的数据开发和数据管理能力

小米大数据业务发展非常迅速,已经覆盖国内海外多个区域

现已达到千+集群,数万节点的规模,在存储总量上已经近EB,计算任务30w/天

大数据运维转型挑战

如此数据规模,给服务运维带来了很多挑战,接下来,我们重点聊一聊

  • 运维成本高:传统运维方案和服务快速发展间的摩擦越来越多,导致运维成本呈墒增趋势,表现在质量、成本、效率各方面

  • 服务生命周期断层:大数据服务场景多、差异大,进一步增加了运维复杂度

  • 数据孤岛问题导致数据效率难以达到最佳状态

  • 运维层面呈经验型单核心发展,导致流程多落地难

轻舟整体能力结构

识别到问题后我们内部经过充分讨论,结合小米长期处于混合云的状态,发起了大数据运维中台-轻舟的整体规划

轻舟的主线是通过建设通用的基线能力、打造极致的垂域能力,来彻底贯通服务的生命周期

轻舟的整体能力结构是两能力+三中心

  • 基线能力层包含数据集市和发布中心,是整个运维管理体系的基础

  • 垂域能力层是贯穿服务的生命周期的,从服务的创建、运营到消亡,运营是我们日常工作花费时间精力最多的部分,包含服务升级迭代、机器管理、巡检管理等等

轻舟-一体化运维数据集市

在数据上为了解决孤岛问题,我们的解决方案是数据集成、架构解耦

通过构建大数据的一体化运维数据集市,收敛运维周边的所有数据,在数据源头和数据使用方之间做了一层解耦

在数据集市层我们制定了数据规范,将运维数据进行建模和分层处理

最后针对现有的数据源进行ETL调度,最终实现数据统一存储和使用

新的数据架构统一了运维数据体系,解决数据孤岛问题的同时,降低数据使用门槛,

目前整套数据体系已经应用到所有的大数据服务当中,真正做到了数出一孔

再有整个数据场景是闭环的,复杂度由O(n^2)变成O(n),并且核心数据分析逻辑可复用

整个新的数据架构是以数据场景为中心,取代之前以人为中心

轻舟-发布中心

轻舟的发布中心,通过调度编排+低代码的模式,去灵活定义工作流

同时依托模版将SOP进行沉淀,将个人经验转化为组织能力

上图就是发布中心的工作流模版,我们将执行系统和自定义脚本抽象为操作池

在调度编排上定义了多种逻辑区域,如我们的单次执行区,循环区和异步执行区。

目前整套正在逐步推广到所有大数据服务中,并且在一些场景中实现了变更的无人值守,效率提升30%;

后续整个发布中心也会在现有基础上继续优化和迭代,打造全局互联互通,最终实现全流程自动化

轻舟-运营中心

在运营中心中,我们结合数据和混合ops的理念,重点解决协同、服务差异和经验化等多个核心痛点

目前整体的效果还是不错的,比如在机器故障处理上已经实现了全流程自动

覆盖了95%的大数据服务,年均自动化处理机器故障近万次

在容量管理上,通过数据趋势的分析,覆盖全场景的容量的检测,降低大量的人工介入

在巡检管理上,通过将风险量化打分,进一步固化了巡检标准和处理流程

此外还有环境管理、配置管理,这里由于时间关系,就不一一介绍了

目前整个运营中心还在持续建设和完善中

核心数据链路

接下来是第二部分,大数据的架构实践

小米的核心数据链路,是以消息队列Talos+接入转储这样的组合,作为数据总线去实现数据从端到端的打通

各类原始数据,通过Agent的采集方式,进入到消息队列中,同时也支持基于binlog的存量和增量采集

在转储层一般通过的统一transfer模块,将数据灌入其他大数据的存储引擎中,供进一步使用

目前小米半数以上的数据都是通过这套方案接入的

整套流程做了产品化的设计,用户可以基于平台可自由定义数据链路

实时+离线湖仓架构

小米在数仓这个方向上也经历了基于Hadoop的离线数仓、Kappa实时数仓、Lambda架构数仓的过程

最新的数仓体系是基于数据湖iceberg+flink+spark构建的离线+实时数仓

结合上面提到的,数据经过MQ,最终进入到数据湖当中

数仓的每一层之间通过spark或flink方式进行etl建设

同时小米的olap引擎经过改造可直接查询湖中数据

整个方案在性能上效果表现很好,相比历史架构,其复杂度更低

由于了数仓存储层的统一和ztsd压缩算法的升级,在存储上也有很大的优化

HDFS Tiering 冷热数据分层

上面提到的数据湖iceberg的底座也是基于HDFS的,这里我们聊聊HDFS 的数据架构实践

一般业界实现中,为了实现数据分层的目的,会使用固态盘、机械盘和高密度存储的方式

在小米内部实现中,为了进一步压缩成本,自研了一套HDFS Tering的架构,将冷数据直接上云管理

上面就是整体的架构图,可以看到后台会有一个mover程序自动的将HDFS冷数据的转储到阿里云OSS上

随后更新Namenode上的元数据,实现文件属性到block到对象的变化

同时对用户透明,在架构上增加了proxydn模块

目前整套方案,已经累计冷备了200+PB数据,数据成本降低80+%

Lindorm引入(一)

为了支撑小米IOT的战略,解决业务海量数据索引+事务的需求

小米历史是基于封装HBase Coprocessor实现的自研存储,我们内部称之为SDS

但随着数据规模不断上涨,暴露了很多架构问题,比如基于范围分片,failover时间慢,依赖链路多等等

同时无法支撑业务的时序数据需求;此外SDS在开发维护成本上也非常高昂

Lindorm引入(二)

经过我们选型后,阿里云的Lindorm是非常符合我们需求的,在图中我们可以看到

Lindorm兼容HBase、Hadoop等协议,提供了宽表引擎的同时,还提供了时序等多种引擎

与此同时结合多级混合存储、Serverless等多种特性,可以解决很多遗留问题

小米内部测试后性能还是蛮不错的,符合我们的整体需求

Lindorm引入(三)

选型完成后,如何低成本的由sds迁移到lindorm上也是一个至关重要的问题。

图中就是整体的迁移架构,我们为IDC到云间打通百G的网络链路

服务层面,SDS和Lindorm之间会提前建立好数据同步链路,保证SDS 和Lindorm都是最新数据

为了最小化业务改动成本,提供了sds proxy的组件

将数据代理到lindorm上,最终实现业务迁移

大数据事件云图

这一页是最近一段时间参与的大数据相关的事件云图,由于时间关系,很遗憾不能展开说,感兴趣的老师可以线下沟通

「原创推荐」

「好文推荐」

「最佳实践」

云智慧携AIOps最佳应用实践亮相阿里巴巴云栖大会


最新消息

2018年6月7日,阿里巴巴云栖大会上海峰会在上海世博中心拉开帷幕,本次大会以“驱动数字中国”为主题,汇聚了人工智能、金融、零售等行业的新发展和新应用。卓越智能业务运维服务商云智慧(北京)科技有限公司携AIOps解决方案亮相大会。

随着数字化转型的加速,云计算、大数据、人工智能等新技术得到广泛应用,企业IT规模呈指数级增长,传统运维模式已然无法适应数字化业务敏捷、高效发展的需要,智能运维成为IT运维发展的必然选择。为此,云栖大会特开设AIOps分会场,由阿里巴巴全球运行指挥中心(GOC)掌门人沈乘黄先生和云智慧等深耕AIOps领域的服务商代表与参会嘉宾,围绕AIOps 解决方案的落地、应用与实践进行深入交流分享与探讨。

作为阿里云首批智能运维(AIOps)技术生态合作伙伴,云智慧专家发表了《AIOps在业务运维的最佳应用实践》的主题演讲,向大家分享了AIOps对数字化业务的发展究竟有何帮助,讲述了如何通过大数据和人工智能技术,围绕核心业务建立统一管控平台,实现业务与IT性能数据的双向关联分析,实时追踪和准确定位IT故障及造成的业务影响,确保业务持续稳定运行。

云智慧是国内第一家实现AIOps跨行业场景化应用的业务运维解决方案提供商,依托最先进的大数据和人工智能技术,为业务精细化运营提供源动力,提供多维度、全视角的实时分析、异常预测、故障预警和可视化呈现,实现IT驱动管理决策和业务的精细化运营。

未来,随着人工智能技术的不断完善,云智慧将赋予智能业务运维平台更多AI和大数据的能力,与阿里巴巴等行业领先的云服务商携手,通过智能化业务运维(AIOps)平台,为中国企业的数字化转型提供更智能、更有力的支持。

以上是关于云栖大会|小米大数据运维管理体系的建设与实践的主要内容,如果未能解决你的问题,请参考以下文章

运维数据:建设与落地AIOps的基石

干货 | AIOps-百度的思考与实践

云栖大会中你不可以错过的技术盛宴!

广通优云亮相云栖大会呈现火爆现场

云栖技术分享日走进苏州,为您解读DataV大数据可视化与阿里巴巴机器!

小米——数据管理与应用实践