行业综述
本地生活市场稳定增长，各场景全面数字转型
本地生活当前已经是一个万亿级市场，包含本地日常生活需求与服务消费场景，如社区服务、生活配送、同城跑腿、餐饮到店团购、美容洗护、酒店民宿、电影/票务、休闲娱乐、智慧出行等。
据统计，在2019年，仅仅生鲜、外卖、社区服务领域市场规模6781.6亿，年增长超过7%，保持稳定的增速。本地生活服务行业在数字化升级推动下，进入万亿元市场。在2020年，尤其在疫情期间，本地生活服务为全民带来了极大的便利，让社会各类资源通过数字化转型得到了高效的分配与使用。而随着一二线城市本地生活服务市场竞争趋于白热化，未来下沉市场和场景拓展将成为本地生活平台竞争的焦点
行业发展方向
面补贴时代已经终结，依托大数据实现精准营销
当前一二线城市市场竞争趋于白热化，简单通过补贴的方式赢得用户与流量的方式投入产出已经远远不够。
一方面随着通信技术、物联网、智能硬件、即时物流等基础设施和服务的不断发展完善，帮助各个服务场景提供服务升级，使得服务体验与效率上全面提升。
另一方面行业的深化也带来了更多的有效数据，能够帮助平台进行精准的用户画像构建与用户圈选。帮助用户与商家高效的匹配，让数据本地化，实现精准运营。
面临的痛点
各类数据存储与计算成难题，低成本与高效率如何兼得
随着场景的多样性与业务规模的提升，数据类型的丰富与数据规模的扩大对于技术架构带来了挑战。
首先大部分的本地生活业务都是LBS服务（Location Based Services）。强依赖与用户的位置信息提供与之配套的周边服务。如何能够快速通过地理信息圈选用户是实现精准营销的基础。
其次随着业务规模增长与时间的积累，势必会带来海量行为数据，数据的增加自
然会带来存储成本的增长。因此在利用数据实现业务价值的同时如何平衡与之而来存储成本，对企业来说也是一个巨大的挑战。
另外本地化生活往往涵盖多个细分领域，包含社区服务、生活配送、餐饮到店团购、美容洗护等。平台与商家往往需要涉及到跨场景的多类型信息存储与计算分析，这里也为技术架构提出了更高的要求。
数据湖解决方案
阿里云数据湖解决方案，助力本地生活服务实现精细化运营
基于阿里云对象存储OSS与表格存储 Tablestore 构建的数据湖解决方案，可以全面满足数据的存储、离线分析、交互查询等各种业务诉求，帮助解决上面提到的这些难题。
首先，表格存储Tablestore 与对象存储OSS 的可以进行有效的数据分层。近期的位置信息等可以存储在Tablestore 进行快速的圈选与基础位置查询。而各类历史信息可以存储在OSS中实现低成本海量的数据存储。
其次，阿里云的数据湖解决方案，是一套十分智能的解决方案。其中对象存储OSS，可以对接个多业务系统，存储来自不同业务系统的多种数据源，如些系统的原始数据、游戏日志数据等。等数据汇聚到数据湖之后，它的上层系统可以兼容多种计算引擎，如开源大数据引擎像Hive，Spark，阿里云EMR、DLA等，帮助用户便捷地实现数据处理和分析，不需要再重复拷贝多份。同时采用 Jindofs提供缓存加速方案，还可以获得比使用HDFS更好的体验。这样一套整体的数据存储、处理分析解决方案，能很大程度地减少系统兼容性问题，管理维护也更加简单，帮助IT人员从复杂且繁琐的运维中解放出来，更加专注在产品创新和业务模式的运营上。
最佳案例实践
客户简介
客户是一款基于精准地理位置和用户标签的商家服务系统，为商家提供精准的场景服务和场景营销功能，进而达到便利消费者、增加收入、品牌曝光等效果。可覆盖的场景包括商场、餐饮、交通、景点、医院、酒店和超市等。产品与多家手机系统合作，每月涉及超过千亿级数据。
业务挑战
- 平台的数据量在急剧增长，每天用户位置信息与配套的设备信息需要持续记录存储，每月新增的数据量级达到上千亿条，对整个数据处理系统提出了更高的要求。使用自建Hadoop体系成本与运维都是一个极大的负担。
- 在当前的每月千亿条数据规模下，需要帮助业务能够快速精准圈选用户。涉及到地理围栏的用户搜索，同时也涉及成百上千个字段用户画像标签的组合查询。需要支持足够灵活的的圈选方式，同时需要秒级的响应能力来支撑商场、餐饮、交通、景点、医院、酒店和超市等不同场景的圈选需求。当前使用Hadoop体系，使用HBase来存储每次计算筛选都需要全表扫描，往往一个任务要小时级别，跟不上业务的发展需求。
解决方案
- 使用表格存储Tablestore来存储近期的数据，包含位置信息与用户画像等。通过表格存储Tablestore 的索引加速能力，实现包含地理围栏筛选等多维度的用户圈选能力，秒级响应满足业务的性能需求。
- 历史数据等存量海量数据通过对象存储OSS 存储。所有的数据汇集到基于OSS的数据湖，温数据存储在OSS标准存储上，冷数据通过OSS生命周期管理功能自动存储到归档存储上。在解决IT系统数据孤岛的同事，提供了低成本的数据存储方案。
- 可以兼容原有的Hadoop计算生态，能够使用阿里云提供的EMR针对OSS与Tablestore进行数据计算分析。可以非常便捷的进行用户圈选、历史数据分析、业务报表等不同业务。
- DLA提供的Serverless的弹性服务为按需收费，不需要购买固定的资源，完全契合业务潮汐带来的资源波动，满足弹性的分析需求，同时极大地降低了运维成本和使用成本。
客户价值
- 每月的业务存储规模由原来的每月200亿条扩展到1000亿条，扩展500%，同时大体成本无明显上涨。
- 用户圈选效率从原来的小时级别提升到秒级，速度提高30-100倍。能够极大扩展业务承载能力。
- 临时业务需求承接率提升200%~300%。即需即用，准备成本低，响应快速。平均任务耗时降低67%。
- 所有存储介质支持多种计算平台直接SQL访问。支持数据业务无缝迁移。
