一次讲清楚京东科技百亿级用户画像平台的探索和实践 | 京东云技术团队

背景

如果你是用户，当你使用抖音、小红书的时候，假如平台能根据你的属性、偏好、行为推荐给你感兴趣的内容，那就能够为你节省大量获取内容的时间。

如果你是商家，当你要进行广告投放的时候，假如平台推送的用户都是你潜在的买家，那你就可以花更少的钱，带来更大的收益。

这两者背后都有一项共同的技术支撑，那就是用户画像。

业务能力

京东科技画像系统，提供标准的画像功能服务，包含标签市场、人群管理、数据服务、标签管理等，可以将用户分群服务于其他各个业务系统。

挑战

• 数据量大

目前平台拥有百亿+的用户ID、5000+的标签，单个人群包内的用户数量可达数十亿级，每天更新的人群也有2W多个。

• 计算复杂

标签圈选的条件复杂，底层依赖的数据量级较高，人群计算需要进行大量的交并差计算。

• 查询时间短

如果人群数预估、人群创建的耗时较长，对业务方的影响较大。

• 数据存储成本高

大量的人群数据存储需要高昂的存储成本。

• 数据查询量大、性能要求高

大促期间接口调用量高达百万QPS，接口响应要求要在40毫秒以内，而且要支持批量人群调用。

压缩的Bitmap

Bitmap 是一个二进制集合，用0或1标识某个值是否存在，使用Bitmap的特点和标签、人群结果的结构高度契合，正常1亿的人群包使用Bitmap存储只需要50MB左右。

在求两个集合的交并差运算时，不需要遍历两个集合，只要对位进行与运算即可。无论是比较次数的降低（从 O(N^2) 到Ｏ(N) ），还是比较方式的改善（位运算），都给性能带来巨大的提升。

从RoaringBitmap说起

RoaringBitmap(简称RBM)是一种高效压缩位图，本质上是将大块的bitmap分成各个小桶，其中每个小桶在需要存储数据的时候才会被创建，从而达到了压缩存储和高性能计算的效果。

在实际存储时，先把64位的数划分成高32位和低32位，建立一个我们称为Container的容器，同样的再分别为高低32位创建高16位和低16位的Container，最终可以通过多次二分查找找到offset所在的小桶。

选择Clickhouse

• Clickhouse的特点

完备的数据库管理功能，包括DML（数据操作语言）、DDL（数据定义语言）、权限控制、数据备份与恢复、分布式计算和管理。

列式存储与数据压缩: 数据按列存储，在按列聚合的场景下，可有效减少查询时所需扫描的数据量。同时，按列存储数据对数据压缩有天然的友好性（列数据的同类性），降低网络传输和磁盘 IO 的压力。</