难对齐、难保障、难管理？一文了解字节跳动如何解决数据SLA治理难题

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

基于字节跳动分布式治理的理念，数据平台数据治理团队自研了SLA保障平台**，**目前已在字节内部得到广泛使用，并支持了绝大部分数据团队的SLA治理需求，每天保障的SLA链路数量过千，解决了数据SLA难对齐、难保障、难管理的问题。

背景介绍

SLA（Service Level Agreement）：服务级别协议，对互联网公司来说是网站服务可用性的保证。数据SLA，即数据可用性保证，一般以数据产出时间作为SLA。

在海量数据任务开发场景中，因业务多样化、数据量大、数据任务复杂等问题，导致数据任务链路依赖复杂、链路长、跨团队节点依赖多，因此，在实际开发运维过程中，任务负责人为保证自身数据准时产出，会遇到如下困难：

• **沟通成本高：**任务负责人尝试与上游任务负责人约定SLA，但由于上游任务数多（可至上千个），且跨越多个团队，沟通成本非常高
• **权责不清晰：**由于链路复杂，如何制定SLA？谁来负责保障SLA？
• **运维压力大：**无法及时发现上游任务延迟，导致下游任务负责人承担绝大部分运维压力，且运维效果较差，往往发现延迟已经错过了补救的时间。

为解决上述问题，字节跳动数据平台通过自研的SLA保障平台，规范并推进各业务团队进行任务链路治理，有效保障数据的SLA，数据SLA达标率达到99.1%。

理想的一组任务的完成时间与对应SLA之间的关系如下图所示，即各个任务及其上游任务都在对应的SLA之前完成，这也是平台的治理目标。

应用场景

SLA保障平台除了解决上文的困难外，对不同的用户还有以下使用场景：

• 数据业务方：“我们团队的业务很依赖一份重要数据，希望能对其进行保障，希望上游能承诺SLA”
• 数据负责人：“我们团队有很多对外承诺SLA的数据，希望能有一个平台对SLA进行集中管理，并能提供一些统计大盘、风险分析等内容”
• 数据治理方：“我们希望能提升团队内核心数据的数据质量，对齐进行SLA管理，及时发现风险，并进行事故复盘和改进，最终不断优化数据质量”

根据以上不同角色需求，SLA保障平台提出自身解决方案。针对团队数据治理需求，平台提供完善的治理看板能力；针对任务链路复杂导致的SLA难达成，平台通过各项优化，简化了SLA达成流程；针对下游任务运维压力大的问题，平台优化通知体系，及时播报SLA状态。

那么࿰