“双十一”流量大考过关 流计算功不可没

如何扛住流量“洪峰”，是每年“双十一”的技术大考。随着流量的飙升，这一大考无疑变得越来越难。
“双十一”刚过，各大电商纷纷公布当日战绩。从目前公布的数据不难看出，今年“双十一”的订单创建量峰值创下新高，单日数据处理量纪录也再次被刷新。
“双十一”的数据量不仅大，还会实时变化。可以说，每个购物数据都是个性化的、动态的，完成处理它们的工作，需要有强大的计算能力作为支撑。
“今年的数据处理工作，除了批处理（对数据进行批量处理）外，还有流处理，就是实时处理数据。庞大的交易数据每分钟、每秒钟都在变，它们并不是从数据库里面统计出来的，而是系统自动一层层把它们汇集上来的。”阿里巴巴集团首席技术官张建锋表示。他口中的“流处理”就是流计算，即实时计算。对于扛住“双十一”流量“洪峰”，它功不可没。
那么，什么是流计算？它是如何抗住“双十一”流量“洪峰”的？对此，科技日报记者采访了业内专家。
　　以内存取代硬盘实现快速处理
北京理工大学计算机学院副院长、教授刘驰在接受科技日报记者采访时解释道，流计算指当一条数据被处理完后，立刻被序列化到内存中，然后通过网络传输到下一个节点，由下一个节点继续处理。“这种流式处理技术，是以内存取代硬盘的方式来实现数据快速处理，这是流计算之所以能够高效处理数据的根本原因。”他表示。
据刘驰介绍，流计算具有高性能、海量式、实时性、分布式、易用性、可靠性等多项优势，主要的应用方向有，对金融与科学计算中的数据进行快速运算和分析；对存在于社交网站、电子邮件、视频、电话记录、电子感应器中的数字格式信息流进行快速处理并反馈等。
“流式处理可被用于两种不同的计算场景：事件流和持续计算。”刘驰介绍道，在事件流场景，系统会持续产生大量的数据，这类数据最早出现在银行和股票交易领域，也会在互联网监控、无线通信等领域出现。这些领域的相关业务，需要流计算技术以近乎实时的方式对数据流进行复杂分析。
“而在持续计算场景，比如大型网站，流计算技术可以动态实时地刷新用户访问数据，展示网站实时流量的变化情况，分析每天各小时的流量和用户分布情况。一些需要实时处理数据的场景也能应用到流计算技术，比如对根据用户行为产生的日志文件进行实时分析，对用户进行商品的实时推荐等。”刘驰介绍道。
　　实时采集、实时计算、实时查询
刘驰向记者介绍道，流计算的处理流程一般包含三个阶段：数据实时采集、数据实时计算和实时查询服务。
首先，后台工作人员会用实时数据集成工具，将数据实时传输到流式数据存储系统。具体过程是，系统将长时间累积的大量数据，平摊到每个计算时间节点，数据会被不停地进行小批量实时传输。此时，数据将会被源源不断地写入流数据存储系统，不需要预先加载的过程。同时，在此过程中，数据是持续流动的，在计算完成后就会被立刻丢弃。
然后，不同于批量计算等待数据集成全部完成后才启动计算作业，流式计算作业是一种常驻计算服务，一旦启动将一直处于等待事件触发的状态，即一有小批量数据进入流式数据存储系统，流计算系统就会立刻计算并得出结果。“同时，部分电商平台的流计算团队，还使用了增量计算模型，将大批量数据分批进行增量计算，进一步减少单次运算规模并有效降低整体运算时延。”刘驰说。
最后，采用数据批处理方式，通常需要等待数据计算结果得出后，才能批量将数据传输到在线系统。而流式处理方式可在每次小批量数据计算工作完成后，就立刻将计算结果写入在线系统。“这样无需等待全部数据计算工作完成，我们就可在流计算数据查询系统中，查询到在线系统的数据处理结果。技术人员也可将实时结果发送给可视化系统，以实现计算结果的实时化展示。”刘驰说。
　　技术虽强大但仍存在短板
不过，刘驰表示，流计算虽然强大，也存在技术短板。
“如果在系统内存不足的情况下，还要满足多个用户的数据请求，那么每个用户实际被分到的内存就会很少。此时，应用流式处理技术后，由于内存需求量增加，系统会把原来分给多个用户的内存资源，全部分给一个用户。其他需要内存的用户，则会因为没有内存可用，被迫进入等待状态，直到那个占有内存资源用户退出后，其他用户才能使用内存。”刘驰说，同时，实时的计算环境会由于各种各样的原因，比如网络延时等，导致程序到达计算节点的顺序出现变化。
“此外，流计算技术面对的是源源不断涌入的数据，而如果还像批处理那样来计算数据的话，就可能会导致计算根本无法结束，或随着时间的推移需要保存的数据越来越多，给内存造成巨大压力。”刘驰补充道，“数据不断产生，就需要计算持续进行。但计算时间一长，出问题的概率就会大大增加。一旦出现问题，一些在计算过程中缓存下来的数据该被怎么长期保存、怎么恢复就会成为比较大的问题。”