APP推广合作
联系“鸟哥笔记小乔”
10亿用户量,连续7天登录的用户标签该怎么打?
2020-08-29 20:00:00

这是我的第33篇原创



今天来挑战一个炒鸡难题:10亿用户量,日均活跃用户1亿,那么,连续7天登录的用户标签该怎么打?

没有复杂的业务逻辑,没有频繁变化的需求,就是这么一个简单的需求,但是前提是恐怖的10亿级别的用户量和亿级别的日活,纯粹的海量数据,怎么解?

超级脑力爆发开始!

OK,Let's GO!

大数据工程师方案

团队里的大数据工程师立马跳出来:这个简单!distinct后inner join!是的,绝大多数人都会想到一种方法:从log的每天的分区表里捞7天内每一天当天所有的用户id,进行distinct之后,形成7个结果集,然后进行7天数据的inner join,结果就是连续7天活跃的用户。

大数据工程师花了10分钟,写好sql,立刻执行,然后等了2个小时,还没跑出来。。。

这个思路的优点是非常清晰明了。但是缺点也非常明显:每个结果集里的数据都是亿级,7个亿级数据join,效率可想而知。

所以我们必须优化。


高级大数据工程师方案

这时候需要请高级大数据工程师出场了。高级大数据工程师想了想,提了一个新思路:从log里提取每天的活跃用户单独存表,然后对每张表按统一的规则进行分桶后inner join。

他花了20分钟写了一个任务,把每天活跃的用户存在单表中,然后花了10分钟写了分桶join的sql,开始跑数据。

1个小时后,7天的数据进到7张活跃用户表中,15分钟后所有连续7天登录的用户数据被拉出来了。

我们保持join的思路不变,既然是海量数据的join,那么解决方案其实就已经昭然若揭了。hive的join优化绝招--“分桶”闪亮登场!

如上图所示,我们从log中将7天登录的用户id单独存表,其中只有user id,然后把7张表根据相同的规则进行分桶,这里为了理解方便用的是id区间规则,实际使用的过程可以先对数据进行采样,然后使用hash散列进行分桶。假设每天有1亿用户,分500w一桶,共分为200桶,这样一来,只需要在每桶之间进行inner join 最后合并结果即可,而不需要进7张大表的全表扫描 join,资源消耗自然小了很多,效率嗷嗷快~~~

但是在有中间表的前提下,还是有15分钟才能跑完。还能不能更快?


架构师版

15分钟把所有连续7天的用户id拉出来,其实还行,但是再加上打标签的工作,而且这个得每天都要跑一次,这就不太合适了。另外,运营同学还会有各种其他的骚需求,比如7天任意登录即可、连续30天登录才行,那得多费劲?怎么办?再继续优化!

原有的思路是inner join,虽然还可以在细节上优化,但是7个表的量级一致,貌似也没有更好的优化方法。那就只能换思路了。

思考:

  • N天连续登陆、N天只要登陆一次,实际上是一个“与”和“或”的N次简单逻辑运算;

  • 登陆、没登录,是一个状态位,可以用0、1表示;

  • 用户id的增长是序列增长的;


于是,架构师迅速锁定了方案:


  1. 将当天是否登录的情况用0、1表示;

  2. 然后把所有的用户登录状态按照固定的顺序排列起来,形成一张10亿级别的超大bitmap;

  3. 然后对整个bitmap进行 7天数据的“与”、“或”操作,得到一张新的bitmap;

  4. 然后按照这个bitmap,以及相应的顺序,直接给所有的user直接打上连续7天登录打标签;

架构师花了2个小时构思方案,然后扔给大数据工程师,又花了半天时间,把位图生成任务写好,花了5分钟写了位图操作的sql,最后只花了几分钟,就把所有用户的7天是否连续登录的结果算出来了,同时还可以满足运营的各种乱七八糟的标签的需求。完美!

总结

三个层次,层层递进。

虽然在每一层,都涉及了新的知识,但是我们细细咀嚼一下就知道不是这么简单。

大数据工程师版本的解决方案,写个大sql,在一个任务中进行每天活跃用户id的提取、去重、join的操作,简单是简单了,但是太粗暴了,再来一个需求,就又要重新再写,而且不能扩展,遇到连续30天这种需求,就得抓瞎了。这是乱拳打死老师傅。

高级大数据工程师的解决方案,加了中间表,进行了分桶操作。不要小看中间表这一步,这就可以应对更多更复杂的需求,比如连续10天、30天,只要中间表在,我们就能持续高效应对各种类似需求。这个中间表的设计起到了业务和数据解耦的作用,这是架构设计的雏形。这是功夫在手,战功赫赫。

架构师的解决方案,从计算的根本出发,直接进行计算,而不是用数据库的join操作得到结果,这才是架构最核心的价值--从底层规则构建解决方案。这是小李飞刀,一招致命,例无虚发!

小李飞刀剧照,应该没几个人看过了吧?


其实各个领域的高手到了最高深的境界,都能悟到这一点,就是底层规则决定上层应用。管理的底层规则是人性善恶;**的底层规则是为人民服务;PUA的底层逻辑是心理操控。


利用规则不是高手,创造一个规则才是神人!



往期精彩回顾




干货 | 架构师的视角看透中台
底层规则 | 论数据驱动业务的“力”
热文 | 大数据工程师体系职业路径全解
转发,点赞,在看,安排一下?
大数据架构师
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
大数据架构师
大数据架构师
发表文章269
历任多家公司大数据总监、大数据架构师,专注于数字化转型领域。
确认要消耗 羽毛购买
10亿用户量,连续7天登录的用户标签该怎么打?吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接