阿里EB级大数据体系，如何做到秒级响应、高效赋能？

导读：阿里巴巴如何构建一个从底层的数据采集、处理，到挖掘算法、应用、产品服务的全链路、标准化的大数据体系，使得超过EB级别的海量数据能够高效融合，并以秒级的响应速度，服务并驱动阿里巴巴的业务和外部千万用户的发展？阿里巴巴数据技术及产品部资深技术专家姚滨晖，在2017云栖大会上做了一次非常精彩的分享，今天我们一起来重温。

阿里巴巴资深技术专家姚滨晖

总体来看，阿里巴巴的生态可以分为六个业务板块：电商、物流、健康、文娱、金融，以及云计算。阿里巴巴通过这些业务，服务了数亿用户，上千万的小微企业，以及上千万的商家。伴随着我们的业务服务，同时截止目前，我们已经沉淀的数据量高达EB级规模。

通过全域数据体系，我们建设、融合、链接了这些来自不同业态的数据。下面这张图，勾勒了阿里巴巴大数据体系。

图：阿里巴巴大数据体系   

从下往上看，最底层的是全域数据，第二层是基础数据建设，它包括了人工智能的一些算法。在基础数据建设的上面分别是各种数据服务和数据产品开发平台。

从图中我们也可以发现，我们的数据产品和服务，实际上是通过各类不同的应用场景来达到服务阿里小二、阿里商家、消费者、合作伙伴的目的。

所以，数据服务和数据产品开发平台，它与应用场景是强相关，直接连接，他们的主要作用是把底层建设完的数据、算法，生产成可以直接赋能业务和用户的应用。

数据服务和数据产品开发平台的关系是什么？

数据服务和数据产品开发平台的关系就像齿轮一样，它们是相互依存的一个整体。为什么这么说？

从业务角度来看：业务使用数据有两个最核心的场景：

第一、业务本身需要数据。这时候，业务会通过数据服务来直接获取数据，这是第一个场景。

第二、业务中的运营、分析师，他们需要使用数据来更好地提升数据赋能的效能。这时候

运营和分析师，就会通过相应的数据产品，来使用数据。所以，这就是数据产品开发平台承担的主要职责。所以通过这两个核心的数据赋能业务的场景，我们可以发现数据服务和数据产品开发平台，之间相关依存的关系。

从优势角度来看，将数据服务好和数据产品开发平台组合起来，它们可以体现三个优势：

第一、通过这样的一个组合，能够打破在业务之间的数据壁垒。这里要强调的是它们打破的不是在底层的数据壁垒，而是打破在业务之间的数据壁垒，因为6大业务板块，所产生的数据形态、含义、结构都有很大差异。在底层完成了整个数据打通之后，打破壁垒就是为了在业务层上，让数据在各个业务间像水一样来流通。

第二、满足灵活多变的数据需求。

第三、全域流通和按需自助实现。这个组合可以实现所有用户可以去按需自助来完成，而不需要专业开发、产品来介入。

数据服务介绍

数据服务主要由四个核心能力组成：首先，基础数据服务，它主要是提供基础数据能力，实现上万数据指标跨域获取；其次，标签画像服务，通过这个服务，可以给用户提供上百个标签刻画；第三是人群透视服务，这个服务其实是在标签智商最的提炼，在营销场景中，可以通过接入这个服务，来实现人群的圈选等；第四、除了上述三种服务之外，还有算法模型服务，通过一键服务化的方式，把算法能力通过服务透出。

图：数据服务的架构

上图展示了数据服务的架构。   

从上往下看，portal是一个门户，通过它可以发现，整个阿里巴巴公共层，有多少基础的指标可以去获取，并且这些指标现在已经被哪些业务部门通过什么样的方式来获取。

用户只需要按照同样的方式，就能够获取到对应的数据，极大缩短用户发现数据、获取数据以及使用数据的路径。

中间这层是DSL，通过DSL我们把用户获取数据的标准和规范进行了统一，整个DSL之下有一些大的核心能力。QueryEngine实现所有跟查询相关的能力输出；PushEngine提供实时数据推送的能力；DAG可视化，可配置编排业务逻辑。Algorithm Engine输出算法和人工智能的能力。

图：DSL&DAG实例

现在，我们的数据服务的主要有三大应用场景：第一个是阿里集团内部，诸如搜索、推荐、营销等场景；第二就是数据大屏，大家在双11看到酷炫大屏，它其实就是通过数据服务来实现的；第三就是商业化数据产品，被商家熟知的生意参谋，它所展示的数据也是通过数据服务来实现的。

数据产品开发平台

我们构建数据产品开发平台最核心的目的就是，让非专业的开发人员，也可以根据自己的需求，来搭建数据产品，从而实现自己使用数据的目的。

那么数据产品开发平台，它主要对外提供了四个能力：

第一、用户可以完成数据分析；
第二、用户可以去自助实现报表配置；
第三、非开发人员可以利用它去实现产品配置；

第四、开发人员可以通过它，开发一些更加复杂、更加个性化、更加定制化的一些数据产品。

具体来看数据产品开发平台的架构，整个架构的核心能力依然由两个部分组成：应用端和服务端。

在应用和服务中间是DSL，所有的应用和服务，最终都会按照DSL标准来配置。通过数据产品开发平台构建完成的应用和服务，并不是一个独立运行的实体，它实际上是一个配置，渲染引擎、执行引擎等可以加载和运行这个配置；通过构建引擎生成一个配置，来实现不同国家、不同机房、不同终端都能运行的目的。

事实上，整个数据产品开发平台的构建思路主要由两个核心点：什么是变的以及什么是不变的。其实我们只要能够对数据使用过程分析、分解出变和不变这两个要素，就能够比较快速地解决问题。

举个例子：对于一个应用，我们怎么来分解变和不变两个要素。

应用的布局、样式、分析思路……这些都是不变的；但应用中的组件，可以是一个图表、可以是功能区域，也可以是一个不可见的逻辑……这些是变化的。

继续分析一个组件：组件的类型、属性是不变的；但是每个组件它所能够表达的数据，是可以变化的；同理推导数据：对于一个数据来讲，格式是、权限是不变的；但是数据是从哪个服务能够获取到数据，这个是可以变化的。

最后到服务这一层，服务里面有两部分组成：通过SQL获取的原始数据和业务逻辑；通过业务逻辑对原始数据的加工和编排，最后以服务化的方式，把数据开放给上层应用。

了解思路之后，我们再来看一下整个平台的构建过程，它们分别是在应用端和在服务端的构建引擎。

对于应用端的构建引擎，需要注意的是非开发人员，通过构建引擎，只需要输入四个要素——样式、布局、组件以及分析思路，就能构建出一个基于DSL描述的一个应用；同理，在服务端也是一样的，非开发人员通过输入SQL，和一些业务逻辑的实现，就能够生成一个基于DSL描述的服务。在应用层，上述的服务是可以实现PC、无线和大屏的跨端。

在使用过程中，下图是一个使用过程的示意：就是通过两个引擎：渲染引擎和执行引擎。

它们都会去加载DSL描述的应用和服务，然后进行交互来完成整个这个产品的实现。

数据产品开发平台在阿里的应用对象主要是四块：

首先是业务运营，在日常运营中，运营人员可以通过这个平台去自助的去生成所需要的产品；

第二块是决策分析，分析师会帮助行业来进行业务分析指导，他们会通过整个平台来使用和开发自己的数据分析产品，完成决策分析；

第三，后端营销其实也可以通过它来搭建产品；

最后就是刚才提到的——生意参谋，这是通过这个平台开发商业应用产品，目前已经累积服务了两千万商家。

关注「技术边城」

把握前沿技术脉搏