【云栖号案例 | 互联网】墨迹天气上云分析日志大数据洞察用户需求-阿里云开发者社区

【云栖号案例 | 互联网】墨迹天气上云分析日志大数据洞察用户需求

2020-03-16 1708

简介： 墨迹天气运营团队数据分析成本高、网络带宽不足急需解决。迁移MaxCompute后，优化流程，工作效率提升5倍以上，更节省存储空间，性能和稳定性有很大提升。

+关注继续查看

云栖号案例库：【点击查看更多上云案例】
不知道怎么上云？看云栖号案例库，了解不同行业不同发展阶段的上云方案，助力你上云决策！

公司简介

我们是北京墨迹风云科技股份有限公司，于2010年成立，是一家以“做卓越的天气服务公司”为目标的新兴移动互联网公司，主要开发和运营的“墨迹天气”是一款免费的天气信息查询软件。我们公司的“墨迹天气”APP目前在全球约有超过5亿人在使用，支持196个国家70多万个城市及地区的天气查询，分钟级、公里级天气预报，实时预报雨雪。提供15天天气预报，5天空气质量预报，实时空气质量及空气质量等级预报，其短时预报功能，可实现未来2小时内，每10分钟一次，预测逐分钟逐公里的天气情况。特殊天气提前发送预警信息，帮助用户更好做出生活决策。

在我们的墨迹天气APP上，每天有超过 5 亿次的天气查询需求和将近20亿次的广告请求，这个数字甚至要大于 Twitter 每天发帖量。我们的墨迹天气APP已经集成了多语言版本，可根据手机系统语言自动适配，用户覆盖包括中国大陆、港澳台，日韩及东南亚、欧美等全球各地用户。

业务痛点

我们的运营团队每天最关心的是用户正在如何使用墨迹，在用户操作中透露了哪些个性化需求。这些数据全部存储在墨迹的API日志中，对这些数据分析，就变成了运营团队每天的最重要的工作。我们墨迹天气的API每天产生的日志量大约在2TB左右，主要的日志分析场景是天气查询业务和广告业务。“用户每天产生的日志量大约在2TB。我们需要将这些海量的数据导入云端，然后分天、分小时的展开数据分析作业，分析结果再导入数据库和报表系统，最终展示在运营人员面前。整个过程中数据量庞大，且计算复杂，这对云平台的大数据能力、生态完整性和开放性提出了很高的要求。

我们之前使用国外某云计算服务公司的云服务器存储这些数据，利用Hadoop的MapReducer和Hive对数据进行处理分析，但是存在以下问题：

成本：包括存储、计算及大数据处理服务成本对比阿里云成本很高。
网络带宽：移动端业务量大，需要大量的网络带宽资源支持，但数据上传也需要占用网络带宽，彼此之间相互干扰造成数据传输不稳定。

解决方案

图 1. 墨迹天气日志分析解决方案架构

日志分析：

天气业务日志：

1.解析后的日志数据通过DataWork直接写入MaxCompute。
2.在DataIDE中进行数据汇总与统计。
3.数据和统计结果由MaxCompute同步到ECS。
4.最终将数据备份到本地数据库，并输出分析报表。

广告业务日志：

1.日志实时写入MaxCompute。
2.在DataIDE中加工解析之后的中间结果输出到MaxCompute。
3.DataIDE汇总并统计数据。
4.通过MaxCompute同步数据和统计结果到云上数据库中。
5.最终将数据备份到本地数据库，并输出分析报表。

网络带宽：

由于每天产生的数据量较大，上传数据会占用带宽，为了不影响业务系统的网络资源，我们开通了阿里云高速通道，用于数据上传。通过此种手段解决了网络带宽的问题。

上云价值

迁移到MaxCompute后，流程上做了优化，省掉了编写MR程序的工作，日志数据全部通过SQL进行分析，运营我们运营工作效率提升了5倍以上。
存储方面，MaxCompute的表按列压缩存储，更节省存储空间，整体存储和计算的费用比之前省了70%，性能和稳定性也有很大提升。
可以借助MaxCompute上的机器学习算法，对数据进行深度挖掘，为我们的产品用户提供个性化的服务。
阿里云MaxCompute提供更为易用、全面的大数据分析功能。MaxCompute可根据业务情况做到计算资源自动弹性伸缩，天然集成存储功能。通过简单的几项配置操作后，即可完成数据上传，同时实现了多种开源软件的对接。