作者：京东物流 郑冰
概述
在物流系统相关的大屏中，供应链大屏复杂度较高，数据链路较长，稳定性要求较高，当前大屏已经经过2年时间的打磨，整体表现已经相对比较成熟稳定。
本文描述了物流供应链业务较复杂的业务场景下，结合了大数据计算相关技术，总结了实时监控大屏指标建设和服务构建的框架和经验，为后续其他核心大屏的高可用和高实时性建设提供建设思路。以下几点需要重点关注：
1、基于Flink的数据加工链路和OLAP的数据分析引擎
基于目前较为成熟的实时计算Flink，结合ClickHouse搭建基础模型，借助双流和EasyData实现一键切换。
2、指标的一致性
加工和展示分离，可基于单仓原子指标进行区域和品类上卷，既保障了指标的维度一致性（单仓-区域-全国），又保障了同一个数据版本的时间一致性。
同时借助缓存库/表，来满足不同的业务场景。
3、稳定性建设
•数据链路的稳定性
•接口服务的兜底
•指标准确性的验证机制
•重算机制
本文内容有限，很多设计的小细节未能体现，感兴趣的可随时与我交流，希望上述内容对正在从事大屏建设的同学有一些新的启发和思考。
一、背景
供应链大屏是供应链事业部重要的看数工具，尤其在大促期间，为业务管理层掌握大促实时动态提供了支撑，为事业部的目标达成、排产提供重要的数据支持。
特点：
•指标较多，170+；
•刷新频率，1分钟；
•数据来源较多，大件、逆向、冷链、服务+、Udata、离线等；
•链路长：10+个计算传输节点
•重要性高，稳定性要求高，准确性要求高；
二、方案
2.1 数据模型存储选型
供应链大屏涉及模型较多，消息量较大，对写入性能和查询性能要求较高，主要基于Elasticsearch和ClickHouse进行对比选型，对比项如下：
| 比较项 | Elasticsearch | ClickHouse |
|---|---|---|
| 实现原理 | 基于Lucene的分布式搜索引擎，ES通过分布式技术，利用分片与副本机制，解决了集群下搜索性能与高可用的问题。 | 基于MPP(Massively Parallel Processing)架构的分布式ROLAP（关系OLAP）分析引擎，拥有完备的管理功能，是列式数据库管理系统（DBMS)。通过使用日志合并树，稀疏索引和向量化执行引擎（CPU的SIMD单指令多数据）充分发挥了硬件优势，实现高效的计算。 |
| 写入性能 | 中等，有写入延迟问题 | 较高，吞吐量大，经测试是ES的5倍以上 |
| 查询性能 | 中等 | 高，经测试查询速度比ES快5-30倍以上 |
| 多表联合查询 | 不支持 | 支持 |
| 服务器成本 | 高 | 相同数据占用的磁盘空间只有ES的1/3到1/30，节省了磁盘空间的同时，也能有效的减少磁盘IO；另一方面ClickHouse比ES占用更少的内存，消耗更少的CPU资源 |
| SQL查询 | 不支持 | 支持 |
| 高并发支持 | 较好，经过优化可以支持上万QPS | 官方建议qps为100 |
| 全文检索 | 支持 | 不支持 |
由上面的比较可以看出，作为OLAP数据库，CH的写入，查询性能都优于ES，但是唯一的问题是高并发支持问题。所以对于不需要高并发和全文检索的场景，选择CH是更合适的。针对某些需要高并发的场景，可以选择ES，或者CH+缓存层实现。
2.2 整体架构
由于数据来源多、复杂度高，为了提升指标服务的稳定性，降低代码复杂度提升可维护性，提升指标的复用性，整体架构分5层，包括模型加工层、数据处理层、单仓指标加工层、区域指标加工层和展示层。各层的职责如上图所示。
2.3 指标分层及一致性设计
以仓订单相关指标为例，所有指标加工保持1套逻辑，同一主任务触发，加工完成之后，基于单仓指标上卷加工区域等更高维度的指标，保证指标数据的一致性。
针对不同的业务报表，根据不同的场景，进行指标查询，通过指标缓存表的方式，减少数据量，提升指标的查询性能。
2.4 稳定性设计
由于数据链路长，稳定性较差，问题主要集中在Flink、CH环节，恢复周期长。对于大屏等核心任务，数据的实时性和准确性要求较高，以下是历史发生过的问题：
•CK分区太多，写入阻塞
•CK rename操作，节点太多，表结构同步慢，导致写入报错，大量消息积压，丢消息
•Flink机房网络故障
•flink 偶发丢消息，未定位到原因
•checkpoint失败
•jdq分片不均，单个分区消息增加400倍，消息积压
•维表数据未更新，导致丢失字段
•上游运单模型积压，丢失部分字段
•数据积压
•加工逻辑复杂，偶发乱序问题
•state未保存，丢数据
•CK跨分区字段查询明细，性能较低
•代码编写使用了Flink序列化未支持的格式、循环过多，导致算子背压严重
•逻辑复杂，上线风险高且回滚困难
从整个链路中，针对易出问题的flink-CK链路进行双流，物理隔离，遇到问题可一键切换至备流。
2.5 扩展性设计
基于UCC配置，通过配置灵活适配业务诉求，节约开发成本，方便定位问题和恢复；
包括4H/24H/28H、同环比日期配置、预测日期配置、单仓兜底配置、展示配置等；
（1）28小时模式配置化：可通过配置将任意一天切换为28小时、4小时模式，为业务和研发侧提供了充分的线上验证机会；
（2）阈值开关配置化：可通过阈值开关进行数据兜底逻辑管控，确保数据平稳；
（3）自动刷新白名单配置化：灵活配置大屏自动刷新白名单，支持封版期间人员白名单权限控制；
（4）历史日期配置化：计算预测全天指标使用指定历史日期的单量占比作为对比项，数据库里包含部分历史大促日单量数据，可灵活配置修改对比的历史日期；
（5）重算机制：可基于某一时间段进行数据重算。
参数配置：
json
{
"thresholdEnable": "false", //大促预测上下线是否开启，开启后upperLimit与lowerLimit生效，
"upperLimit": "1.6d", //上限
"lowerLimit": "0.6d", //下限
"zyShowFlag": true, //中小件产品维度-自营是否展示开关
"swShowFlag": true, //中小件产品维度-商务是否展示开关
"jjShowFlag": true, //中小件产品维度-经济是否展示开关
"wdShowFlag": true, //中小件产品维度-外单是否展示开关
"todayTradeCleanRateShowFlag": true, //今日交易清理率展示开关
"promotionTradeCleanRateShowFlag": true,//大促交易清理率展示开关
"isDebug": true, //是否debug，目前还没使用
"isCacheOn": true, //是否打开缓存，默认开
"isWriteMinuteAndHour": true, //是否双写分钟表和小时表，代表是否写 wms_order_analysis_report_minute_2023 和 wms_order_analysis_report_hour_2023
"isMinuteWrite": true, //是否写分钟表wms_order_analysis_report_minute_2023 开关
"isHourWrite": true, //是否写wms_order_analysis_report_hour_2023 开关
"isMinuteNotice": false, //是否分钟表写完发mq
"isHourNotice": false,//是否小时表写完发咚咚推送mq
}对比策略配置：
json
{
"sTime": "2023-06-17 00:00:00", // 大屏策略时间开始
"eTime": "2023-06-17 19:59:59", // 大屏策略时间结束
"tbSTime": "2022-06-17 00:00:00", //同比开始
"tbETime": "2022-06-17 19:59:59",//同比结束
"hbSTime": "2022-11-10 00:00:00",//环比开始
"hbETime": "2022-11-10 19:59:59",//环比结束
"showType": "24h",//类型，24h同20h小时，都可以
"special24hCompDateStr": "2022-06-17",//大促24h特殊对比日期，（4h，28h不使用） 主要影响预测；主要用作非 4h/28h 的预测不使用昨日了；
"specialCompDateStr": "" //大促4h/28h预测对比天数
}2.6 数据监控
多种验证及监控手段组合保证数据准确性
1）前端自动化模型，定时截取每个大屏关键节点截图。
2）自动化抓包，分钟级记录接口调用情况，结合定时截图，便用问题排查及定位。
3）大屏结果分钟级落库，并通过Grafana,创建大屏数据监控看板，持续监控大屏数据，通过异常拐点发现问题点，避免遗漏问题。并结合不同看板分析数据趋势及变化原因。
4）结合大屏计算逻辑，通过京东动力搭建测试模型，做到自由指定时间计算大屏指标明细，验证分析大屏数据。