`

Fourinone-4.17.10 新版本发布:单机毫秒完成上亿大数据常规统计

 
阅读更多

虽然现在最火的是AI,但是大数据和计算能力仍然是机器学习/AI算法的重要支撑,我们的业务场景大部分是通过手机终端、服务器日志不断产生日志数据,通过消息通道发送到大数据平台进行存储、加工和统计,然后在统计数据之上提供算法挖掘用户偏好行为和画像,为此,我们的关键任务是需要从海量数据里统计分析每项产品的去重用户、新增用户、pv、uv、dau(日活)、mau(月活)等指标,这个过程存储占用越少,计算时间越快越好。Fourinone(CoolHash)拥有原创数据库引擎设计能力和知识产权,能够在引擎层面灵活扩充各种功能支持,为了提供大数据统计计算的最优解决方案,4.17在引擎上增强了以下特性:

 

一、增加了自加和存在新增两个原子操作

1、Object putPlus(String key, T plusValue)

如果key对应的value是数字类型(int、long、double、float),自增加plusValue(数字类型),如plusValue=1,表示每次自增1,plusValue也可以是小数。如果key对应的value是字符串类型,自增加plusValue(字符串),会累加到原字符串后面,可以用分隔符隔开。putPlus的返回值为该key的上一个值。

 

2、Object putNx(String key, T value)

如果key存在,则不操作,如不存在写入value。putNx返回值为key操作前值,为null表示不存在,否则返回已有值。

 

利用putPlus和putNx可以完成很多原子操作,如count类计数统计,在开源包指南附带的CountDemo.java里的countTest方法演示了putPlus的使用,在ThreadClient.java的putPlusTest方法和putNxTest方法演示了多线程下的使用。

pvTest方法演示了计算pv,如果id不存在则写入,并将pv数自加1,其他线程发现id存在,则无法更新pv数

Object nx = chc.putNx("v0_"+i, i);

if(nx==null)

chc.putPlus("pv_v0",1);

 

二、增加了客户端本地和存储引擎端强大的bitmap支持

上面通过putPlus和putNx原子操作可以计算pv,但并不是最高效的方案,使用bitmap有两个非常显著的优势:位存储占用空间低,位计算效率高。将需要做统计计算的id转换成数字序号,每个只占1个bit,对于20亿的用户id,只需要20亿bit约238m大小,压缩后占用空间更小,最少只要200k;通过单个bitmap可以完成去重操作,通过多个bitmap的且、或、异或、反等位操作可以完成日活、月活、小时分钟活跃、重度用户、新增用户、用户流向等绝大部分的统计计算,而且能在单机毫秒级完成,真正做到实时计算出结果,同比hadoop/hive离线计算执行“select distinct count…from…groupby join…”类似sql的方式统计,往往需要几百台机器,耗用30分钟才能完成,对比非常悬殊,而且容易形成大量sql任务调度和大表join给集群带来繁重压力。(图)

 

 

 

 

 

1、去重用户:求1的总数

2、活跃用户:取或

bitmap1 | bitmap2

3、非活跃用户:取反:

~bitmap1

4、重度用户:取且:

Bitmap1 & bitmap2

5、新增用户:取或加异或:

(Bitmap1 | bitmap2)^bitmap1

6、多种指标组合:

Bitmap1 & bitmap2 & bitmap3 &…

等等

 

同时提供bitmap本地和引擎端互通实现,能够进行更灵活的架构设计,可以将bitmap压缩存储到任何数据库上,客户端拉回后完成聚合计算,计算完成的结果再写回数据库。也可以多个客户端同时连接到CoolHash存储引擎上,通过引擎的bitmap操作支持完成去重、聚合、解压缩等支持。BitMap结合存储引擎如下图:



 

 

1、本地内存实现,CoolBitSet实现了以下bitmap功能:

CoolBitSet(int maxSize),可指定大小限制,默认1000万大小,本地没有最大限制,可以使用多个分区的bitmap表示整型范围或长整型范围的数据,每个1000万的bitmap压缩后在2m以内,很适合放入kv存储。

(1)基本操作:CoolBitSet提供基本的get(int n)、set(int n)、put(int n)操作,其中put为存在返回get,不存在set,除外还提供批量操作:int set(CoolBitSet cbs): 将另外一个bitmap对象合并到当前bitmap,并返回新增的数量。

(2)聚合操作:求且、求或、异或、求反、求新增

CoolBitSet and(CoolBitSet cbs):两个CoolBitSet求且,更新到当前对象,并返回该对象引用

CoolBitSet or(CoolBitSet cbs):两个CoolBitSet求或,同上

CoolBitSet xor(CoolBitSet cbs):两个CoolBitSet求异或,同上

CoolBitSet andnot():将该CoolBitSet对象求反,同上

CoolBitSet setNew(CoolBitSet cbs):求当前CoolBitSet的新增用户,并返回新增用户结果的对象引用

(3)求总数:int getTotal()返回该CoolBitSet的用户总数,bit位是1的总数量

(4)求容量:int getSize()返回该CoolBitSet的容量大小

(5)调试查看:String toString(int num)返回该CoolBitSet的二进制字符串,为了减少长度,参数num为需要查看的byte数,如num=5表示查看前5个byte的二进制串

 

和java的bitmap的实现区别:jdk自带的BitSet类是以long数组实现,而且只能初始化大小,无法限制大小,每个bitset要耗用几百m的内存,多个bitmap容易造成空间大量浪费,BitSet类只是本地内存实现,没有分布式存储引擎持久化支持。

 

2、引擎端持久化实现,CoolHashClient提供了以下接口用来操作存储引擎:

(1)int putBitSet(String key, int index):

单项操作,类似CoolBitSet的put,第一个参数为bitmap的key,第二个参数将该bitmap的index位置设为1。

(2)boolean getBitSet(String key, int index):

单项操作,类似CoolBitSet的get,第一个参数为bitmap的key,第二个参数需要获取的index位置的值。

(3)int putBitSet(String key, CoolBitSet cbs):

批量操作,类似CoolBitSet的批量set,将另外一个bitmap对象合并到指定key的bitmap,并返回新增的数量。获取CoolBitSet对象仍然使用get接口Object get(String key)

(4)Object putBitSet(String key, CoolBitSet cbs, String logical):

聚合操作,参数logical可以设置为“and”,“or”,“xor”,“andnot”,”new”之一,对于“andnot”,参数cbs并不起作用,可以传入任意不为空的CoolBitSet对象。聚合操作会作用到该key指定的bitmap上,返回值为聚合后的CoolBitSet对象。

 

以上操作遵循CoolHash的k/v存储约束,k为字符串,v不超过2m(可修改默认配置大小)。

注意CoolBitSet对象可以用三种方式进行k/v存储和压缩:

(1)存储为bitSet格式,合并数据:putBitSet(String key, CoolBitSet cbs)

(2)存储为bitSet格式,直接覆盖:put(String key, CoolBitSet cbs)

(3)普通kv存储格式,非bitSet格式:put(String key, cbs.getBytes());

由于是对象存储,三种put方式都会对value数据进行压缩,采用压缩率和耗时比较平衡的gzip压缩。

前两种bitSet格式存储方式,会验证CoolBitSet大小不能超过1亿,否则不能提交。

第三种普通kv存储格式,没有1亿的限制,只要压缩后大小不超过2m,可以正常提交,但由于不是CoolBitSet格式,存储引擎无法识别做聚合等操作。

 

和redis的bitmap的实现区别:redis实现了bitmap的单项操作和聚合操作,但是没有批量操作,也没有压缩,通过offset指定偏移量的方式分配空间容易造成浪费。

 

开源包指南附带CountDemo.java里的演示:

bitSetTest方法:先演示了全量存储,写入10亿数据到1个bitmap,耗时不到1秒;再演示了分区存储,将1亿大小的数据分成10个1000万大小的bitmap存储。

realtimeStatistics方法:演示基于bitmap做用户去重、活跃用户、非活跃用户、重度用户、新增用户等实时计算

retainLocal方法和retainServer方法:分别演示了如何使用本地内存和存储引擎计算用户留存

 

3、增加String类型的bitmap支持:

StringBitMap实现了String类型的bitMap,通过对hash算法的改进,能够做到1亿字符串数据只有200多的碰撞率,5000万内数据几乎没有碰撞率,对于不超过1亿的数据是很合适的,但1亿以上的字符串数量仍然不合适,碰撞率会大幅上升。开源包指南附带CountDemo.java里的stringBitMapTest方法演示了模拟1000万随机生成的15位IMEI设备号,并返回碰撞个数。

 

4.17.10版本同时提供jdk1.8.0_151编译下"fourinone.jar"包和jdk1.7.0_80编译下"fourinone-jdk7.jar"包。4.17.10版本更新github code和gitee code,本版本所有开源内容已经进行了公司报备,感谢领导对开源的支持。

https://github.com/fourinone/fourinone 

https://gitee.com/fourinone/fourinone 

 

  • 大小: 14 KB
  • 大小: 93.8 KB
  • 大小: 222.4 KB
分享到:
评论

相关推荐

    fourinone-master.zip

    本篇文章将围绕"fourinone-master.zip"这个压缩包,深入剖析四不像的核心知识点。 首先,我们要了解什么是四不像(FourInOne)。四不像源于淘宝内部的一个项目代号,它是一个集成了多种分布式服务功能的框架,包括...

    fourinone-3.04.25

    fourinone-3.04.25最新版升级内容: 1、编译和运行环境升级为jdk7.0版本; 2、计算中止和超时中止的支持,比如多台计算机工人同时执行查找,一旦某台计算机工人找到,其余工人全部中止并返回。以及可以由工人控制或者...

    大规模分布式框架fourinone-4.05.06

    《大规模分布式框架fourinone-4.05.06详解》 在当前的信息化社会中,大数据处理和高并发访问的需求日益增长,这催生了众多分布式框架的诞生。其中,"fourinone"作为一款高效、稳定且易用的大规模分布式框架,备受...

    fourinone配置文件

    fourinone号称了集成了hadoop,zk,memcache,mq于一身的四不像超级神器,致力于分布式应用。别的我不懂,今儿聊一下fourinone中的分布式缓存以及分布式...在运行的时候需要配置文件,此配置为fourinone-4.17.10配置文件

    Fourinone分布式计算框架

    ### 四合一(Fourinone)分布式计算框架关键知识点总结 #### 一、测试环境描述 **测试背景:** 该测试旨在评估Fourinone分布式计算框架的性能、压力及容灾能力。测试由淘宝测试团队执行,时间为2011年11月。 **...

    fourinone-2.05.28.rar

    .................\............\fourinone-2.05.28-src.jar .................\............\fourinone-2.05.28.jar .................\............\指南和demo .................\............\..........\MQ ...

    java8源码-sprintboot_test:sprintboot_test

    Fourinone-3.04.25:详细的系统架构与设计实战源代码 Spring-Boot-2.0-Samples:spring boot 2.0精髓源代码 Spring 数据示例 此存储库包含不同 Spring Data 模块的示例项目,以展示 API 以及如何使用模块提供的功能...

    fourinone源代码分析

    例如,fourinone-3.04.25.jar是基于jdk1.5编译的,如果使用了更高版本的JDK(如jdk1.7),可能会导致运行错误。解决方法是降级JDK版本,或者使用符合版本要求的JDK重新编译源代码。 编译fourinone时,可以使用`...

    DeviceControltCloud-SmartHome:家庭智能控制云,从安装在家里的传感器收集连续的海量数据,根据时间、喜好和环境变化智能控制您的电器

    从几十个传感器收集数据,包括noicesensor,lightsensor,温度计,湿度,fourinone,fourinone-noice,fourinone-light,fourinone-thermometer,fourinone-湿度,pm25,毒气,powpoint,rfid,红外线等。...

    高级java笔试题-fourinone:Fourinone项目

    中级java笔试题四烯酮 淘宝 Fourinone(中文名“四不像”)提供了一个四合一的分布式框架和简单易用的编程api,将多机的CPU、内存...版本:淘宝Fourinone(中文名字“四像”)是一个四合一应用计算框架,在写这个框架之

    大数据与云计算培训学习资料 Fourinone实现分布式计算 共3页.pdf

    **大数据与云计算培训学习资料——Fourinone实现分布式计算** 在大数据和云计算领域,分布式计算是核心技术之一,它能够处理海量数据并行运算,提高处理效率。Fourinone是淘宝自主研发的一个分布式并行计算框架,它...

    淘宝fourinone 架构原理

    虽然FourInOne和Apache Zookeeper在功能上有相似之处,都提供分布式协调服务,但FourInOne更专注于阿里巴巴内部的业务场景,针对电商领域的特性和需求进行了定制化设计。而Zookeeper则是一个通用的分布式协调服务...

    【Hadoop与大数据54】沈强-基于Windows Azure平台构建云应用

    文章提到的一个具体应用场景是上亿数据的排序。利用Fourinone的分布式计算能力,可以有效地实现大规模数据的快速排序。通过将数据拆分成多个部分,并行处理每一部分,最后再将结果合并,可以在短时间内完成排序任务...

    java简易版开心农场源码-fourinone_tmp:Fourinone_tmp

    我们仅仅是想写个程序把几台甚至更多的机器一起用起来计算,把更多的cpu和内存利用上,来解决我们数量大和计算复杂的问题,当然这个过程中要考虑到分布式的协同和故障处理。如果仅仅是为了实现这个简单的初衷,为...

    Fourinone分布式并行计算四合一框架

    Fourinone(中文名字“四不像”)是一个四合一分布式计算框架,在写这个框架之前,我对分布式计算进行了长时间的思考,也看了老外写的其他开源框架,当我们把复杂的hadoop当作一门学科学习时,似乎忘记了我们想解决问题...

    fourinone架构原理

    **上亿数据排序:**Fourinone 在处理大规模数据排序方面表现出色。通过对数据进行切分,每个节点负责处理一部分数据,最终将各个节点的结果合并,实现高效的大规模数据排序。 #### 五、Fourinone 2.0 新功能介绍 ...

    淘宝分布式框架fourinone介绍.pptx

    在具体实现上,Fourinone采用Java语言编写,2.0版本的大小仅为150k,只有一个jar文件和配置文件,没有额外的依赖,这使得部署和维护变得非常简便。 Fourinone的计算模式包括: - **基于消息中枢的计算模式**:这种...

    大数据机遇和挑战

    标题“大数据机遇和挑战”揭示了我们即将探讨的主题——大数据在现代信息技术领域的应用及面临的问题。大数据是指在规模、速度和复杂性上超出传统数据处理工具能力的数据集合。随着互联网、物联网、社交媒体和其他...

    分布式计算的fourinone四合一框架设计

    domain/node两层节点进行k/v的存储,这样可以满足中小型的互联网或者企业应用的吞吐量,Fourinone的facade[8]算法可以满足上百万并发读写吞吐量,实现了完整的缓存功能。不同于Hadoop,Fourinone采用工头链式结合...

Global site tag (gtag.js) - Google Analytics