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。
② 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
2. 方案一：预聚合，压缩查询事件量
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：
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。
- 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。
（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：
（3）性能提升表现
4亿事件量，100w用户量，查询提升超过4倍。
3. 方案二：ab_log，减小join时右表的大小
（1）背景
（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」）。
（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）：
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
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
- 服务端架构设计
（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！
