快手HBase在千亿级用户特征数据分析中的应用与实践

本文的原文是来自Hbase技术社区的一个PPT分享，个人做了整理和提炼。 原作者：陈杨

大家注意哈，会议类PPT类的东西能学习到的更多的是技术方案和他人在实践过程中的经验。希望对大家有帮助。

背景

快手每天产生数百亿用户特征数据，分析师需要在跨30-90天的数千亿特征数据中，任意选择多维度组合(如:城市=北京&性别=男)，秒级分析用户行为。针对这一需求, 快手基于HBase自主研发了支持bitmap转化、存储、索引、快速计算的分析服务--BitBase，并成功应用于留存分析、用户增长、广告营销、ABTest 等多个业务场景。

业务需求及挑战

快手在实际业务中遇到的需求，需要用的业务场景：在千亿级别的日志中，选择任意的维度，计算7-90日用户留存，秒级返回。

技术选型

为此，快手调研了包含Hive、ES、clickhouse在内的多种技术方案。

技术方案

最后形成了基于bitmap和Hbase的BitBase解决方案。

对bitmap不熟悉的同学看这里：https://www.jianshu.com/p/bf9dbbc147ed

所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，可以大大节省存储空间。

多维计算最后被设计成在bitmap之间做与、或、非、异或、count、list计算。

整个BitBase方案如下：

整体架构：

存储模块：

这里所有table的原信息会存在一个bitmap中，具体数据存在不同的bitmap中，bitmap的位数根据表数据量大小进行确定。

计算模块：

deviceId问题

在实际问题中，复杂的deviceId会被转换成一个index(long)值。并且需要有以下特性：连续、一致、反解、转换速度快。

连续、一致、反解技术方案

如何实现快速转化

业务效果

在实践延迟方面，90天留存计算也可以在10秒内返回。

服务现状：

未来规划

未来规划包括：

• 离线bitmap能够在5min导入

• SQL支持

• 开源