行业综述

线下教育行业因疫情受挫，线上教育却逆势增长
随着90年代互联网的引入，在线教育产品也依托于互联网诞生。随着互联网技术的发展，在线教育产品也开始了出现新的模式。在线教育从最初单纯的文字形式，开始往图片、音频方面开始发展。加上这几年直播技术的发展和人工智能等技术在在线教育的应用，在线教育成为今年疫情影响下，为数不多能实现逆势增长的行业。
由于疫情的影响，教育行业根据中央疫情防控工作部署，直接暂停各类线下授课，不举办任何形式的聚集性培训活动。在此期间各类线下培训机构遭受重创，某知名线下教育机构上半年营收同期降低30%，净亏损将近1亿。
和线下教育不同的是，线上教育行业整体呈现逆势增长的态势，根据数据显示，2020年中国在线教育用户规模预计将达到3.51亿人，预计市场规模将达到4858亿元。同时由于疫情的影响，三月份在线教育市场渗透率更是高达85%，增长率是2019年的5倍以上。

行业发展方向

在线教育向数据化发展，行业逐步智能化
教育在线化也进一步促进了数据化的发展，内容作为教育企业的核心资产，无论是数据化程度还是数据化规模都不断提升；同时用户使用时长的提升，又为教育AI提供了大量源数据。据统计今年3月份在线教育用户日均在线时长，超过200万天。如此海量的数据为行业的智能化发展提供了良好的土壤，推动了教学内容、课程营销、师资管理、质量评估等智能分析的发展。

面临的痛点

行业飞速发展，数据处理成难题
行业飞速发展，用户大量涌入，数据暴增，这就对企业在业务与数据多样性方向带来了挑战。
首先由于在线教育行业的特殊性，业务量会随着学校是否放假而产生波动，基本呈现“春秋高、寒暑低”的季节性规律。同时由于此次疫情事件，让整个行业重新认识到突发性业务的威力，因此如何更平滑地应对业务波动，对企业来说仍然是一个非常重要的挑战。
其次大量用户涌入平台，势必会带来大量的用户行为数据，数据的增加自然会带来存储成本的增长。但数据是有价值的，利用好数据，将会为企业带来更多的客户以及更高的转化。因此如何将这部分数据沉默成本与数据的价值相平衡，对企业来说也是一个巨大的挑战。
另外在线教育往往会涵盖多个细分领域，经常会包括学前教育、K12、语言类、职业类、高等教育等。教育机构往往会涉及到多应用、多教学场景，从而产生繁多的数据，因此如何应对多类型的数据存储，对于平台方来说也是一个不小的挑战。

教育行业数据湖解决方案

构建统一的在线教育数据湖，让数据的价值真正得到利用
基于以上问题，我们可以构建一个统一的在线教育数据湖。阿里云基于对象存储OSS构建的数据湖解决方案，帮助企业有效消除数据孤岛的现象，让数据的价值真正被利用起来。

首先阿里云基于云存储构建的数据湖天然具有很好的弹性伸缩能力，特别是在阿里云的节点及规模优势基础之上，能够轻松应对业务指数级的扩容需求，平滑应对业务各类型波动及峰值。
其次，阿里云对象存储OSS支持标准、低频、归档三种存储类型，覆盖热、温、冷的数据场景，结合生命周期管理功能，可以自动实现对数据的冷热分层，很好实现对数据存储的成本的管理。
在此基础上，DLA提供的弹性计算能力，Serverless SQL(Presto)和Serverless Spark双计算引擎，快速搭建业务分析系统，并且帮助用户轻松应对波峰波谷的压力，最大限度降本增效。
最后在应对丰富的数据类型上，面向教学场景的教学资源数据、教学过程数据、教学评价数据、教学行为数据；面向结构化或非结构化数据；面向音视频数据、各应用数据、日志数据等，都可以通过基于OSS的数据湖沉淀，并进行统一的存储。

最佳实践

客户介绍：
该客户需要可发内容资讯APP，为用户提供感兴趣、有价值的个性化内容，致力于让用户的阅读更有价值，因此个性化推荐就成为其产品重要的核心能力。

遇到的问题：
1、随着业务多年的发展，存储数据量规模已经达到百PB左右，数据在产生阶段会有比较密集的访问，随着时间的增长，数据的访问会逐渐趋冷，多年累积的冷数据已经对集群容量产生了极大压力

2、客户原计划通过扩大集群规模，去支撑冷数据的持续增长，但随着数据规模持续增加，让集群扩容难度大幅度提升。另一方面，扩容的服务器的计算资源利用率较低，无法形成资源的充分利用

数据湖解决方案
1、数据湖解决方案，可为用户提供数据冷热分层的功能，积累的冷数据被统一迁移到阿里云对象存储OSS，新产生的热数据保存在HDFS集群，热数据经过一段时间逐渐趋冷后，就会定期迁移到对象存储OSS进行冷处理

2、阿里云对象存储OSS对于Hadoop生态的支持特性，原有计算任务只需简单调整访问地址就可以按照原有方式运行，让计算任务能够平滑迁移到数据湖运行。对于存储到OSS冷数据，客户通过OSS Lifecycle机制，定期将一部分冷数据进一步深度转化为OSS归档类型，持续优化冷数据存储成本，达到降本增效

达到的效果
1、OSS提供业内最丰富的API接口，帮助客户将海量数据从其他从各个不同数据源轻松迁移到OSS
2、客户在OSS的基础上，还采用阿里云的日志服务，一站式解决日志采集、处理、查询、投递的各种难题，甚至还可以通过混合云存储阵列打通云上线下数据的一体化
3、数据湖消除了客户之前存在的数据孤岛现象，支持各种计算引擎的直接对接，存储与计算解耦合的架构，能够更容易使用弹性计算和serverless化的云服务，让数据分析和访问无处不在