基于Flink+ClickHouse构建实时游戏数据分析最佳实践

Posted 2021-05-29 阿里云开发者

简介：本实践介绍如何快速收集海量用户行为数据，实现秒级响应的实时用户行为分析，并通过实时流计算、云数据库ClickHouse等技术进行深入挖掘和分析，得到用户特征和画像，实现个性化系统推荐服务。

直达最佳实践：【基于Flink+ClickHouse构建实时游戏数据分析最佳实践 】
最佳实践频道：【最佳实践频道】
这里有丰富的企业上云最佳实践，从典型场景入门，提供一系列项目实践方案，降低企业上云门槛的同时满足您的需求！

场景描述

在互联网、游戏行业中，常常需要对用户行为日志进行分析，通过数据挖掘，来更好地支持业务运营，比如用户轨迹，热力图，登录行为分析，实时业务大屏等。当业务数据量达到千亿规模时，常常导致分析不实时，平均响应时间长达10分钟，影响业务的正常运营和发展。

方案优势

• 通过云数据库ClickHouse替换原有Presto数仓，对比开源Presto性能提升20倍。
• 利用云数据库ClickHouse极致分析性能，千亿级数据分析从10分钟缩短到30秒。
• 云数据库ClickHouse批量写入效率高，支持业务高峰每小时230亿的用户数据写入。
• 云数据库ClickHouse开箱即用，免运维，全球多Region部署，快速支持新游戏开服。

产品列表

• 专有网络VPC
• 弹性公网IP EIP
• 云服务器ECS
• 消息队列Kafka版
• 云数据库ClickHouse
• 实时计算Flink版
• Quick BI数据可视化分析平台

业务架构

直达最佳实践 》》

原文链接：https://developer.aliyun.com/article/781585?

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。