Bilibili用户行为分析:ClickHouse实践与技术细节
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
"该文档是关于Bilibili(B站)使用ClickHouse进行用户行为分析的实践分享。ClickHouse在B站的OLAP平台上扮演了重要角色,处理着上百台节点、每天千亿级别的数据摄入,并统一了之前使用的Kylin和Druid引擎。主要应用场景包括用户行为分析、标签人群定位以及监控数据分析等。文档还涵盖了数据摄入方式、表设计策略以及ClickHouse的性能优化技巧。" 在Bilibili的用户行为分析中,ClickHouse作为一个强大的列式数据库系统,被用来应对大数据量的实时分析挑战。其OLAP平台由上百台服务器组成,分别配备SSD和HDD存储,每天处理的数据量达到千亿级别,涵盖数千种不同的用户事件类型。为了满足实时接入和任意维度的查询需求,ClickHouse提供了快速的响应能力,能够处理每天上千个查询,支持对任意事件的分析。 在数据摄入方面,B站采用了Flink作为实时数据处理工具,设置BatchSize为500000,并确保在20秒内完成写入。同时,设置了ConnectionTimeout和SocketTimeout以确保数据传输的稳定性。 在表的设计上,ClickHouse利用了各种编码和压缩技术来优化存储和查询效率。例如,`buvid`字段使用ZSTD(15)压缩,虽然会消耗更多CPU,但能显著降低存储空间。对于`page_type`这类连续整型数据,应用Delta(4)编码和LZ4HC(6)压缩,提高压缩效率。此外,`brand`字段使用LowCardinality(String)处理,降低了基数字段的存储开销。表结构还利用了分区(PARTITION BY)和排序(ORDER BY)策略,以及TTL(时间到活)设置,结合`storage_policy`和`use_minimalistic_part_header_in_zookeeper`参数,进一步优化了数据管理和查询性能。 Bilibili通过ClickHouse实现了一套高效的用户行为分析系统,充分利用了ClickHouse在大数据处理中的优势,如快速写入、实时查询和压缩优化,以满足高并发、大数据量的业务需求。这样的实践对于其他需要处理大规模用户行为数据的公司具有重要的参考价值。
![](https://csdnimg.cn/release/download_crawler_static/85063540/bg4.jpg)
剩余18页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 673
- 资源: 2055
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)