客户案例

客户架构如下。

• 客户简介

  为了快速数字化转型，拥抱新零售，大润发计划两年内将IT系统全面迁移到阿里云上，不再自建IDC。同时与阿里云合作启动数据中台项目，可以帮助大润发降低TCO的同时，更好的依托云上生态，实现数据资产业务化闭环。

• 客户需求

  • 基于Hadoop开源生态打造，软硬件维护成本高昂，稳定性问题不断，严重影响业务经营分析。

  • 线上业务爆发，需求积压严重，期望有整体解决方案，能够快速灵活支持业务发展所需的技术扩展。

• 价值体现

  通过MMA工具，15天完成400TB+历史数据迁移，同时保证了迁移的准确性，让客户拥有平滑高效的上云体验。基于飞天大数据平台产品DataWorks+MaxCompute大大提高了数据业务的开发效率，构建大润发的数据中台体系。

客户架构如下。

• 客户简介

  公司的第一代数据湖是基于Hadoop + OSS搭建的，同时引入的数据中台的执行引擎和存储是 MaxCompute，两套异构的执行引擎带来存储冗余、元数据不统一、权限不统一、湖仓计算不能自由流动的问题。

• 客户需求

  如架构图所示，MaxCompute和EMR不同引擎用于不同的业务场景，使用阿里云数据湖构建DLF统一做元数据管理和统一用户权限管理。通过DataWorks进行全链路数据治理，提升数据质量与应用能力。

• 价值体现

  • 将EMR的元数据统一到DLF，底层使用OSS作统一存储，并通过湖仓一体打通EMR数据湖和MaxCompute数仓两套体系，让数据和计算在湖和仓之间自由流动。

  • 实现湖仓数据分层存储。数据中台对数据湖数据进行维度建模的中间表存储在MaxCompute上，EMR或其他引擎消费ADS层。

客户架构如下。

• 客户简介

  • 多家子公司经过多年建设，系统数量多，技术路线复杂多样。

  • 数据分散，数据标准定义混乱，各类数据出现断层，无法有效用于分析。

  • 数据管理权责不明，缺乏数据治理，没有有效的数据共享机制。

• 客户需求

  • 通过DataWorks+MaxCompute搭建数据中台，打破数据孤岛。

  • 通过Realtime Compute+MaxCompute交互式分析（Hologres）提升数据中台实时性。

  • 通过DataWorks进行全链路数据治理，提升数据质量与应用能力。

• 价值体现

  • 打造B2B智慧营销系统，实现智能制造+互联网模式落地。

  • 打造离线实时一体化数据中台，构建统一、完整的大数据应用链路，服务内部几大核心业务。

  • 全链路数据治理提高数据可用性，让数据在中台进行自由流动，保证数据准确、准时、一致，成本削减1亿元。

  • 提高业务迭代效率，数据更新频率由1天变成10分钟，新需求上线由1周变成1天。

客户架构如下。

• 客户简介

  快狗打车则一直坚持通过“连接网络化”、“运力共享化”、“过程数据化”、“匹配智能化”等数字信息化解决方案，将闲散运力统一整合到平台上，通过大数据将运力精准匹配市场需求，实现运力的节能减排，降低空驶率，有效提升行业运行效率，积极推动绿色物流发展。

• 客户需求

  • 海量数据处理效率下降，离线数据计算时长不稳定。

  • 实时计算不开发维护代价大，希望对数仓进行综合治理。

• 价值体现

  基于飞天大数据平台产品，快狗打车不仅机器成本节约30%以上，数据开发效率提升100%。从Java Storm迁移到Flink SQL使实时计算开发周期大大减少，维护更加容易，数据一致性得到更好地保障，提升了业务监控大屏的准确性和实时性，用户可以更专注于业务，加速了业务的实时化。同时，阿里云的24小时运维服务保证了集群稳定，实现了零故障。

客户架构如下。

• 客户简介

  宝宝树成立于2007年，是中国最大、最活跃的母婴类社区平台。作为最早做互联网2C的社区平台之一，宝宝树很早就建立了自己的IDC集群，而且规模越来越大。

• 客户需求

  • 集群水位高，性能差，亟待大数据综合治理。

  • IDC大数据每年投入成本高，希望降本提效。

• 价值体现

  从大数据平台上云整体“降本增效”的方案快速切入，迁移到大数据MaxCompute、实时计算、DataWorks后，部分任务有10倍以上的性能提升，存储从自建Hadoop 3PB降到900T，利用Flink实时数据处理能力，将宝宝树现有的场景实时化（“基于用户ID维度和内容类型的实时行为”、“获取用户的实时群聊ID”及“获取文章的实时发布信息”），并且基于Flink进行实时推荐增加转化率。大数据平台整体成本节省30%以上。

客户架构如下。

• 客户简介

  DeNA是优秀的网络服务公司，随着游戏项目的生命周期越来越短，项目的各个阶段走向实时、精准的把控，需要构建经济、高效的精细化数据运营体系。

• 客户需求

  • 存在Hadoop1.0、2.0两个集群，技术架构复杂，平台的稳定性和安全性、资源的弹性伸缩能力都遇到了瓶颈。

  • 日志来源渠道多，实时性要求高，基于fluentd的文件采集服务，随着日志量的增多，性能、稳定性存在明显瓶颈。

  • “人肉脚本”的数据开发方式，业务支持效率低，且hive计算性能无法满足需求。

• 价值体现

  DeNA中国是游戏行业首家应用闪电立方+MMA工具项目，在无专线等环境下，1个多月就完成10年增量RDS库300TB+历史数据50TB的数据迁移，具备较高的技术复杂度。相较之前客户基于python开源的airflow任务管理系统来说，DataWorks拥有以下优势：

  • 任务管理一目了然，任务出错定位以及即时跳转到相关任务代码修复。

  • 数据源一次性管理，不需要重复劳动，可被多种数据服务需求使用游戏业务拥有上百个数据源。

  • 整体技术下沉，使得资源调度等都不需要自己耗费精力和"额外"的coding，而实现专注于管理开发。

  迁移完成后，飞天大数据平台覆盖数据采集>存储&计算>实时/离线分析等游戏数据运营全链路。