在2024腾讯全球数字生态大会开发者嘉年华线上直播中，观看了腾讯云流计算oceanus构建流式湖仓的介绍，随笔记录下。
背景
近年来随着数字化的加速发展，企业对数据的实时处理和分析需求日益迫切。实时数据已经成为驱动业务创新，提升竞争力的核心要素。然而传统的批处理方式时效性差、数据孤岛、难以扩展等问题，无法满足现代企业对实时洞察的迫切需求。
Oceanus-流式湖仓的探索
流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的企业级实时大数据分析平台，具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点。
流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。能够帮助企业实时捕捉、处理和分析海量数据。从而实现业务决策的快速响应，提升运营效率，发掘新的增长机会。
传统上，用户会选用Lambda架构来搭建数据分析的链路。Lambda架构是比较稳定的流批数据处理的架构。让离线和实时的数据走单独的链路处理，离线链路的数据一般存储在Hive等离线处理的引擎中，并使用Spark进行多层数据的转换。实时链路的数据会单独处理，一般使用Flink Kafka的实时分层链路。最终数据会写入在线数据库和数仓中。这种架构可以实现数据库秒级的延迟，但也存在一些问题。这种链路不够灵活，kafka无法保存较长时间的数据，没办法实现数据的分析和挖掘。这种链路成本比较高，upsert-kafka依赖于本地的状态存储。Lambda架构模式的实时数据和离线数据都是走单独的链路，造成数据存储的加倍。实时计算和离线存储的逻辑也需要单独开发。
Oceanus 将实时和离线的链路进行统一。统一了数据存储，满足了以下两个要求：一是离线对数仓的数据读取，OLAP需求的分析，二是对写入的数据可以产出完整Flink兼容的changelog，可以接入到Flink作业中进行进一步的流式处理。腾讯推出了Streaming lceberg，它是基于lceberg生态的流式湖仓解决方案。
亮点：
- 打破数据孤岛：打破了数据存储的壁垒，将离线和实时数据统一存储，避免了数据重复存储。
- 简化运维：通过统一的数据存储和计算引擎，简化了系统运维管理。
- 完整的changelog：生成完整的changelog，使得Flink等流处理引擎能够对数据进行增量处理。
- 高效的更新：基于LSM Tree存储引擎，支持高效的主键更新和部分列更新。
- 兼容lceberg生态：用户可以无缝迁移现有的lceberg查询作业。
- 支持多种查询引擎：Spark SQL，Trino/Presto等多种查询引擎。
- 大表优化：提高数据写入速度。
- 压缩编码和分区优化：减小存储空间，提高查询性能。
应用场景：
- 游戏
- 出行
- 教育
- 电商
以下是一个电商行业实时订单交易数据分析场景。
Oceanus-弹性降本方案
企业面临的痛点：
- 困难的资源管理：弹性作业导致资源浪费、用户通常需要大量时间给作业调优，实现精细化资源管理。
- 复杂的运维管理：Flink平台的运维管理工作繁琐复杂，资源监控、作业告警、日志探索、作业事件、性能优化，需要专业技术人员进行操作和维护。
- 弹性扩展困难：难以根据业务负载进行弹性扩展，无法满足业务快速增长的需求。
Oceanus根据以上痛点，推出了新型弹性降本方案
- 支持弹性收缩，配合作业扩缩容灵活利用资源。
- 低成本：弹性包年包月集群
- 集群和平台特性：自动扩缩容、弹性伸缩、细粒度资源
- 专家资源和作业调优：算子级别资源配置、专家作业调优
- 运行时的监控，指标监控和事件监控
- 智能告警，指标告警和事件告警
- 异常诊断：一键快捷诊断和黑窗诊断
- 支持快捷回滚：支持快照管理，从快照恢复作业
- 日志：支持实例、时间、关键字检索
总结
在2024腾讯全球数字生态大会开发者嘉年华活动中，学习到了很多黑科技，丰富了自己的知识，激发了对技术的探索和思考，获得了很多宝贵的经验和见解。非常感谢腾讯的嘉年华活动，希望越办越好，秉持开放兼容的精神，相互学习探讨，共同合作。加油！
