火山引擎DataTester:5个优化思路,构建高性能A/B实验平台

A/B测试

导读: DataTester是由火山引擎推出的A/B测试平台,覆盖推荐、广告、搜索、UI、产品功能等业务应用场景,提供从A/B实验设计、实验创建、指标计算、统计分析到最终评估上线等贯穿整个A/B实验生命周期的服务。DataTester经过了字节跳动业务的多年打磨,在字节内部已累计完成150万次A/B实验,在外部也应用到了多个行业领域。

指标查询的产品高性能是DataTester的一大优势。作为产品最复杂的功能模块之一,DataTester的指标查询能够在有限资源的前提下,发挥出最极致的A/B实验数据查询体验,而在这背后是多次的技术方案的打磨与迭代。

本文将分享DataTester在查询性能提升过程中的5个优化思路。

01现状及问题

1. 挑战 1:版本管理

实验指标报告页是DataTester系统最核心的功能之一,报告页的使用体验直接决定了DataTester作为数据增长和实验评估引擎在业界的竞争力。该功能具有以下特点:

① 牵连系统多、链路长:报告页涉及到控制台(Console)、科学计算模块、查询引擎、OLAP存储引擎。整个链路包括了:DSL到sql转化、后端查询结果缓存处理、查询结果的加工计算、前端查询接口的组装和数据渲染。

实现复杂:实验指标有多种算子,在查询引擎侧中都有一套定制SQL,通过DSL将算子转换成SQL。这是DataTester中最复杂的功能模块之一

02 优化思路

从一条SQL说起。

举一个例子,在DataTester中一次AB测试的查询分三部分逻辑。

① 实时扫描事件表,做过滤

② 根据用户首次进组时间过滤出用户

③ 做聚合运算

需要查询详细的SQL代码,也可以点击展开查看详情。

printf("hello world!");SELECT event_date,
       count(DISTINCT uc1) AS uv,
       sum(value) AS sum_value,
       sum(pow(value, 2)) AS sum_value_square
FROM
  (SELECT uc1,
          event_date,
          count(s) AS value
   FROM
     (SELECT hash_uid AS uc1,
             TIME,
             server_time,
             event,
             event_date,
             TIME AS s
      FROM rangers.tob_apps_all et
      WHERE tea_app_id = 249532
        AND ((event = 'purchase'))
        AND (event_date >= '2021-05-10'
             AND event_date <= '2021-05-19'
             AND multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME) >= 1620576000
             AND multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME) <= 1621439999)
        AND (event in ('rangers_push_send',
                       'rangers_push_workflow')
             OR ifNull(string_params{'$inactive'},'null')!='true') ) et GLOBAL ANY
   INNER JOIN
     (SELECT min(multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME)) AS first_time,
             hash_uid AS uc2
      FROM rangers.tob_apps_all et
      WHERE tea_app_id = 249532
        AND arraySetCheck(ab_version, (29282))
        AND event_date >= '2021-05-10'
        AND event_date <= '2021-05-19'
        AND multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME) >= 1620651351
        AND multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME) <= 1621439999
        AND (event in ('rangers_push_send',
                       'rangers_push_workflow')
             OR ifNull(string_params{'$inactive'},'null')!='true')
      GROUP BY uc2) tab ON et.uc1=tab.uc2
   WHERE multiIf(server_time < 1609948800, server_time, TIME > 2000000000, toUInt32(TIME / 1000), TIME)>=first_time
     AND first_time>0
   GROUP BY uc1,
            event_date)
GROUP BY event_date

DataTester底层OLAP引擎采用的是clickhouse,根据clickhouse引擎的特点,主要有两个优化方向:

① 减少clickhouse的join,因为clickhouse最擅长的是单表查询和多维度分析,如果做一些轻量级聚合把结果做到单表上,性能可以极大提升。也就是把join提前到数据构建阶段,构建好的数据就是join好的数据。

② 需要join的场景,则通过减小右表大小来加速查询。因为join的时候会把右表拉到本地构建hash表,所以必然会占用大量内存,影响性能。

1. 重点优化方案

picture.image

2. 方案一:预聚合,压缩查询事件量

picture.image

picture.image

picture.image

picture.image

虽然指标很灵活,但是大多数场景用户进入报告页只会查看进组信息,实验结论,指标天级统计数据等,很少实时带条件去查询。因此,天级查询是我们主要使用场景。天级查询可以通过「预计算」加速。为了支持置信度的计算,「预计算」可以从人的粒度着手,即每天保存一条人的聚合后结果,记录下这个人在所有实验下进组之后各指标下的累积值。这样每天数据量与日活量相当,可以大大压缩总体查询量。

(1)方案详情

总体流程图:

picture.image

分为如下几个关键步骤:Dump、Parse、Build、Query

  • Dump

即把事件dump到离线存储中。私有化采用flume来实现:

a. 自定义timestamp interceptor防止数据漂移

b. 使用file channel文件缓冲保证数据不丢失

  • Parse

从指标DSL中解析出聚合字段、聚合类型,事件名、过滤条件指标四要素,再根据这些信息生成md5作为clickhouse存储的key。考虑到不同指标配置可能会配置相同的聚合字段、聚合类型,事件名、过滤条件,生成md5的目的是保证唯一防止多次聚合。聚合类型包括count,sum,max,min,latest,distinct(暂不支持),任何算子都可以用这几个基础聚合结果计算出来。如avg可以通过sum/count来计算。

  • Build

离线构建最核心的部分在于自定义聚合函数(UDAF),自带的聚合函数无法满足我们的要求。

picture.image

  • Query

即数据如何查询,通过对查询引擎增加参数控制是否走预聚合逻辑,同时针对预聚合定制了查询实现。

picture.image

(2)资源使用限制

私有化场景用户机器资源是非常宝贵的,夜间也有很多定时任务在执行会争抢资源。为了保证不占用太多资源,提交任务时会对spark参数做控制。

以如下参数为基准,对
spark.dynamicAllocation.maxExecutors进行控制:

driver-memory:4g

executor-memory:2g

executor-cores:2

配置梯度表:

picture.image

(3)性能提升表现

4亿事件量,100w用户量,查询提升超过4倍。

image.png image.png image.png image.png

3. 方案二:ab_log,减小join时右表的大小

(1)背景

picture.image

(2)方案概览

① 从实时流中过滤出曝光事件,把用户和进组时间写进实时clickhouse表。

② 从clickhouse实时表中构建出天粒度的离线用户进组信息表,每天每个用户仅有1条进组记录,记录了该用户该天最早的进组时间。

③ 查询的时候,为了获得用户首次进组时间,取min(「实时表中该用户当天的进组时间」,「离线表实验开始到T-1天数据中该用户进组时间」)。

picture.image

(3)提升效果

① 通过天级进组表大大加速服务端实验进组人群的圈选。

② 彻底解决私有化进组用户属性的隐患。

③ 在私有化环境可以一定程度上减少曝光事件量。在某些客户下,可减少30%以上事件量。

4. 方案三:GroupBy查询优化

(1)背景

DataTester的数据查询和其他数据应用产品不同,DataTester在数据查询时,所有的查询都会针对每一个实验版本都查一遍,而过程中中唯一的区别就在于实验版本ID,所以和SQL中GroupBy的应用场景特别契合,通过GroupBy查询不仅可以极大的减少查询的数量,也可以降低多次查询造成的重复扫表,提高查询效率。

(2)优化方案

DataTester对每个实验版本的查询语句都是类似的,只是版本id不同。对DataTester用到的所有查询类型和算子做GroupBy的改造,实现细节这里不做过多展开。

(3)提升效果

测试数据规模为日均一亿,7天,3个实验版本

查询引擎接口响应时长(取10次平均):

picture.image

5. 方案四:au类指标优化,减少重复查询次数

(1)背景

指标查询引擎对DataTester的au类型算子都做了定制,一个指标查询会产生两条sql,一条正常指标的查询sql,另一条是对any_event的au的查询,在最后结果处理的时候对两条sql的查询结果做了一个合并,一起返回到DataTester的科学计算模块。但是,每次打开报告页都必定会查进组人数,它和any_event的au是同一个值,au类型算子查询的时候无法复用进组人数的结果,而au查询又可以算是最慢的查询之一,降低了报告页打开的速度。

对有进组指标的算子做了缓存优化,减少重复查询。

(2)优化方案

picture.image

6. 方案五:异步查询优化,解决页面超时问题

(1)背景

DataTester报告页等一些查询数据的接口本身确实比较耗时,需要实时计算,而大部分网关都有超时限制,这个问题在私有化中尤为明显,所以对报告页的整体交互做了优化改造。

(2)方案介绍

  • 前后端交互

picture.image

  • 服务端架构设计

picture.image

(3)用户体验改进效果

① 大幅缩短请求延时,避免出现页面请求失败的情况

② 通过增加redis缓存,同页面的多次刷新响应时间可以控制在100ms左右

7. 其他优化方案

① 业务逻辑优化,报告概览核心指标显著性和进组共用查询结果,去除实验版本按照核心指标显著性的排序,14个SQL降至10个,降低28.5%⬇️

② 多维度并发控制,限制资源使用

③ 默认使用备查询,充分利用备节点的算力

④ 灵活开关多种报告的缓存,保证核心链路正常运行

03 总结

作为一站式A/B测试平台,火山引擎DataTester最核心的功能之一就是指标查询部分,它关系到产品体验和资源占用情况。而作为TOB领域的数据产品,DataTester能在有限的资源下发挥最极致的产品数据体验,也是产品最为重要的竞争力之一。

本次分享了DataTester在报告页查询优化过程中的5个技术方案落地。 预聚合和ablog是从数据构建角度减少查询数据量的角度的优化,groupby和au类指标的优化是从减少并发的角度,异步查询是从产品体验角度。

查询和数据构建密不可分,DataTester未来的产品优化也会按照“去肥”和“增瘦”两个方向进行,“去肥”是优化科学计算模块和查询引擎的整体架构,优化业务逻辑,使得报告页查询逻辑更加清晰和简洁;另一方面“增瘦”就是通过合理的数据构建和数据模型优化加速查询,同时定向对部分难点问题重点优化,比如留存、盒须快照、同期群等等。

立即跳转 A/B测试-火山引擎 了解详情!

173
0
0
0
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论