Netflix即時資料處理資料工程架構大公開
<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p>除了批次流程以外，另一個Netflix資料工程架構中的重要流程是即時資料的處理流程，包括了串流資料和資料服務產生的資料處理。</p> <p>這個即時資料平臺的核心是Apache Flink，這是Netflix用了多年的串流主要技術，在這個即時資料平臺上，提供了大規模執行Flink任務和打造Flink應用的工具，也可以與底層基礎架構系統溝通，來部署需要的容器叢集資源，例如透過Spinnaker派送平臺，將串流任務派送到不同公雲上的運算叢集來部署。另外也內建了可觀察性、警報機制、配置機制和效能矩陣等工具。透過一個網頁介面的控制平臺（Control Plane），資料工程師可以很容易管理在這個即時資料平臺上的Flink應用。</p> <p>除了自己開發Flink的應用來處理串流服務之外，這個即時資料平臺也提供一個串流處理即服務（Streaming Platform as a Service），稱為Keystone，提供了一個現成、能自行客製和管理的串流服務平臺，可以用來組合出一隻大規模串流處理的應用服務，而不用從頭開始打造所有的串流服務元件，讓資料使用者專心處理串流資料處理的業務邏輯，其他非功能性的串流服務需求，則直接使用這個平臺提供的元件服務來組合。</p> <p>換句話說，多數串流處理任務都可以直接用Keystone上的串流處理服務提供的元件來組合出一隻專用的串流處理應用，Netflix也會利用Keystone可以設計一個專門回補資料（Backfilling）的串流處理程序，例如有時會因為網路延遲而晚到，來不及寫入原本串流處理程序的資料，可改用這個回補處理程序，來將缺漏的資料，寫回到原本的串流處理應用中。</p> <p>在即時資料處理流程的可觀察性上，主要透過另一套串流應用監控服務Mantis，來觀察不同資料處理階段的狀態，可以追蹤這些串流處理任務的部署和管理，像是這些任務的資源調度或是彼此之間的溝通，也提供了可視化介面來呈現透過Mantis蒐集到的可觀察性數據。</p> <p>Netflix會將常用或成熟的即時資料處理程序，透過Spring boot框架和gRPC，打包成一個套裝的即時資料服務（Real-time Data Services），對外提供給其他資料消費者。例如他們有一個抽取使用者互動資料特徵的處理作業，稱為 PLUID，會打包成一隻PLUID即時資料服務，能夠提供行為特徵資料，來給模型訓練，或其他服務之用。這是他們現在越來越常用的模式，將即時資料處理程序，打包成雲端的資料服務，來串接其他應用。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/1165-%E5%B0%81%E9%9D%A2PART-2-%E5%9C%964-%E4%B8%B2%E6%B5%81%E6%9E%B6%E6%A7%8B-%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90-Netflix.png" style="width: 600px;" /></p> <p><strong><span style="color:#696969;">串流處理是Netflix資料工程技術架構中最典型的兩大資料流程之一。這個即時資料平臺提供了大規模執行Flink任務和打造Flink應用的工具，也可透過Spinnaker與底層基礎架構系統溝通，來部署需要的容器叢集資源。還內建了可觀察性、警報機制、配置機制和效能矩陣等工具。更提供了網頁介面的控制平臺（Control Plane），資料工程師可以很容易管理在這個即時資料平臺上的Flink應用。</span></strong><span style="color:#696969;"><span style="font-size:14px;">圖片來源／Netfllix</span></span></p> <p><span style="color:#3399ff;"><span style="font-size:28px;"><strong>最新一代資料處理平臺是資料網格平臺</strong></span></span></p> <p>Netflix的串流處理方式，除了用低階的Flink API來打造出一隻客製化的Flink，也可以用剛提到的Keystone來組合出一隻串流處理應用，但是，Keystone擅長ETL類的資料處理，遇到更複雜的資料處理邏輯，還要擴大規模，Keystone就顯得不夠用。</p> <p>這幾年，Netflix發展出了一套新的資料處理平臺，稱為Data Mesh（資料網格平臺），可以從更抽象化的層次來設計、執行和管理資料處理流程。</p> <p>資料網格平臺是一個通用型的資料移動和處理平臺。一開始，在2021年時，Netflix製片工作室為了將龐大的影片資料，在不同的電影製作階段中，需要一有影片內容異動，就得將異動段落內容，更新派送到不同的製作公司的資料工作流程管理平臺，當時的資料網格平臺還不是通用型的平臺，主要用來處理以異動資料更新模式為主的資料移動作業需求。</p> <p>後來，資料網格平臺所支援的資料來源和資料類型越來越多，也可以支援更多形式的資料處理作業，甚至是一般資料移動的模式，或是更複雜的資料處理模式，例如過濾、聯集處理、JOIN連結等。</p> <p>資料網格平臺主要功能區分為控制平臺（控制器）和資料平臺（工作流程），工作流程是實際的資料處理作業過程，而控制器則是用來接收使用者的需求，對定義好的工作流程，來進行部署和調度。控制器也會負責配置每一個工作流程需要的各種資源。一個工作流程，則包括了從不同資料源讀取資料，進行各種轉換處理，再存入資料儲存空間。</p> <p>在資料網格平臺上，資料使用者，可以從更抽象層的角度，來操作不同資料處理作業的功能區塊，組合成一個完整的資料處理流程，這些區塊包括了資料源區塊（存取內部資料源）、資料源連結器區塊（連結外部資料源）、處理器區塊（負責資料處理邏輯的Flink任務）、用Kafka打造的資料搬運層區塊。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%965-%E5%B7%A5%E4%BD%9C%E6%B5%81%E7%A8%8BUI-%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90-Netflix.png" style="width: 600px;" /></p> <p><span style="color:#696969;"><strong>Netflix近3年又發展出了一套新的資料處理平臺，稱為Data Mesh（資料網格平臺），可以從更抽象化的層次來設計、執行和管理資料處理流程。資料使用者可以從更抽象層的角度，來操作不同資料處理作業的功能區塊。資料工程師只需控制滑鼠，拖拉UI介面上不同功能區塊元件，建立區塊間的連結關係，就可以完成這個工作流程，完全不用處理底層不同元件、服務、API之間的串接程式碼撰寫和配置細節。圖中為一個彙整不同公雲上不同資料來源，進行聯集處理、GraphQL處理、欄位更名再存入Iceberg資料表的工作流程。</strong><span style="font-size:14px;">圖片來源／Netfllix</span></span></p> <p><span style="color:#3399ff;"><span style="font-size:28px;"><strong>所有工作流程都要定義資料結構，以便清楚追蹤資料血統</strong></span></span></p> <p>另外Netflix還規定，所有工作流程都要定義出資料Schema（資料結構），採用源自Hadoop專案的Avro資料格式，用JSON來訂定各自需要的資料架構格式。有了共同的資料架構格式，不只可以控管資料品質，能清楚追蹤資料血統（Data Lineage），也讓資料使用者更容易進行各種資料的探索。</p> <p>每當建立一個工作流程時，都須要同步定義出這個流程所用資料的資料結構，資料網格平臺會自動依據資料結構，對這個工作流程中所有資料進行驗證和相容檢查。也會有自動化機制處理資料結構的變化，如果資料源的資料結構改變了，資料網格平臺會自動更新哪些用到這個資料源的所有工作流程，不用人工比對和更新這些資料架構的異動，大大減少資料維護的例行工作。</p> <p><span style="color:#3399ff;"><span style="font-size:28px;"><strong>用滑鼠拖拉功能區塊元件，就能快速設計出一條工作流程</strong></span></span></p> <p>不只如此，資料工程師可以透過宣告式API，或是容易操作的UI介面，快速設計出一項資料處理程序的完整工作流程。資料工程師只需控制滑鼠，拖拉UI介面上的區塊元件，建立區塊間的連結關係，就可以完成這個工作流程，完全不用處理底層不同元件、服務、API之間的串接程式碼撰寫和配置細節。有了預先訂定的各種資料處理工作流程，當資料使用者提出請求，資料網格平臺會自動依據流程上的每一個步驟、區塊的功能，自動執行一連串的作業。</p> <p>還有一群處理器區塊的工程師，專門開發和改善更多不同用途的Flink任務，來提供更多用途的處理器區塊。</p> <p>Netflix也提供了不少常見資料處理作業的最佳工作流程範本，稱為最佳上路範本（The Paved Path），讓資料工程師快速套用，不用從頭開始構思，只要從範本開始修改客製即可，來縮短資料處理流程的設計時間。資料網格平臺正是Netflix資料工程架構中，最新一代的資料工作流程解決方案，可以提供非常高層次的抽像化，讓資料使用者更直覺，也更能聚焦在業務邏輯上，來設計他所需要的資料處理流程。</p> <p>從零到2億名會員的過程中，為了支援各種資料工程的實踐，Netflix自己打造了各式各樣的工具和技術。Chris Stephens指出，資料工程技術架構最大的目的，就是要讓資料工程團隊最常做的事情，變得更簡單。</p> <p class="rtecenter"><span style="color: rgb(105, 105, 105);"><span style="font-size: 14px;"><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%966-Datamesh-%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90-Netflix.jpg" style="width: 600px;" /></span></span></p> <p><span style="color: rgb(105, 105, 105);"><strong>有了預先訂定的各種資料處理工作流程，當資料使用者提出請求，資料網格平臺會自動依據流程上的每一個步驟、區塊的功能，自動執行一連串的作業。還有一群處理器區塊的工程師，專門開發和改善更多不同用途的Flink任務，來提供更多用途的處理器區塊。Netflix也提供了常見資料處理作業的最佳工作流程範本（The Paved Path），讓資料工程師快速套用，不用從頭開始構思，只要從範本開始修改客製即可，來縮短資料處理流程的設計時間。</strong><span style="font-size: 14px;">圖片來源／Netfllix</span></span></p> <p><a href="https://www.ithome.com.tw/article/160920" target="_blank"><span style="color: rgb(255, 255, 255);"><span style="font-size: 20px;"><strong><span style="background-color: rgb(51, 153, 255);"> 相關報導 </span><img alt="" src="https://s4.itho.me/sites/default/files/styles/picture_size_large/public/1165-feng_mian_gu_shi_-1-open-dou_zi_-960x420_kao_bei_0.jpg?itok=8VOPlc7w" style="width: 550px;" /></strong></span></span></a></p> </div></div></div>
