很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
這是我的第33篇原創(chuàng)
今天來挑戰(zhàn)一個(gè)炒雞難題：10億用戶量，日均活躍用戶1億，那么，連續(xù)7天登錄的用戶標(biāo)簽該怎么打？
沒有復(fù)雜的業(yè)務(wù)邏輯，沒有頻繁變化的需求，就是這么一個(gè)簡單的需求，但是前提是恐怖的10億級別的用戶量和億級別的日活，純粹的海量數(shù)據(jù)，怎么解？
超級腦力爆發(fā)開始！
OK，Let's GO！
團(tuán)隊(duì)里的大數(shù)據(jù)工程師立馬跳出來：這個(gè)簡單！distinct后inner join！是的，絕大多數(shù)人都會想到一種方法：從log的每天的分區(qū)表里撈7天內(nèi)每一天當(dāng)天所有的用戶id，進(jìn)行distinct之后，形成7個(gè)結(jié)果集，然后進(jìn)行7天數(shù)據(jù)的inner join，結(jié)果就是連續(xù)7天活躍的用戶。
大數(shù)據(jù)工程師花了10分鐘，寫好sql，立刻執(zhí)行，然后等了2個(gè)小時(shí)，還沒跑出來。。。
這個(gè)思路的優(yōu)點(diǎn)是非常清晰明了。但是缺點(diǎn)也非常明顯：每個(gè)結(jié)果集里的數(shù)據(jù)都是億級，7個(gè)億級數(shù)據(jù)join，效率可想而知。
所以我們必須優(yōu)化。
這時(shí)候需要請高級大數(shù)據(jù)工程師出場了。高級大數(shù)據(jù)工程師想了想，提了一個(gè)新思路：從log里提取每天的活躍用戶單獨(dú)存表，然后對每張表按統(tǒng)一的規(guī)則進(jìn)行分桶后inner join。
他花了20分鐘寫了一個(gè)任務(wù)，把每天活躍的用戶存在單表中，然后花了10分鐘寫了分桶join的sql，開始跑數(shù)據(jù)。
1個(gè)小時(shí)后，7天的數(shù)據(jù)進(jìn)到7張活躍用戶表中，15分鐘后所有連續(xù)7天登錄的用戶數(shù)據(jù)被拉出來了。
我們保持join的思路不變，既然是海量數(shù)據(jù)的join，那么解決方案其實(shí)就已經(jīng)昭然若揭了。hive的join優(yōu)化絕招--“分桶”閃亮登場！
如上圖所示，我們從log中將7天登錄的用戶id單獨(dú)存表，其中只有user id，然后把7張表根據(jù)相同的規(guī)則進(jìn)行分桶，這里為了理解方便用的是id區(qū)間規(guī)則，實(shí)際使用的過程可以先對數(shù)據(jù)進(jìn)行采樣，然后使用hash散列進(jìn)行分桶。假設(shè)每天有1億用戶，分500w一桶，共分為200桶，這樣一來，只需要在每桶之間進(jìn)行inner join 最后合并結(jié)果即可，而不需要進(jìn)7張大表的全表掃描 join，資源消耗自然小了很多，效率嗷嗷快~~~
但是在有中間表的前提下，還是有15分鐘才能跑完。還能不能更快？
15分鐘把所有連續(xù)7天的用戶id拉出來，其實(shí)還行，但是再加上打標(biāo)簽的工作，而且這個(gè)得每天都要跑一次，這就不太合適了。另外，運(yùn)營同學(xué)還會有各種其他的騷需求，比如7天任意登錄即可、連續(xù)30天登錄才行，那得多費(fèi)勁？怎么辦？再繼續(xù)優(yōu)化！
原有的思路是inner join，雖然還可以在細(xì)節(jié)上優(yōu)化，但是7個(gè)表的量級一致，貌似也沒有更好的優(yōu)化方法。那就只能換思路了。
思考：
N天連續(xù)登陸、N天只要登陸一次，實(shí)際上是一個(gè)“與”和“或”的N次簡單邏輯運(yùn)算；
登陸、沒登錄，是一個(gè)狀態(tài)位，可以用0、1表示；
用戶id的增長是序列增長的；
于是，架構(gòu)師迅速鎖定了方案：
將當(dāng)天是否登錄的情況用0、1表示；
然后把所有的用戶登錄狀態(tài)按照固定的順序排列起來，形成一張10億級別的超大bitmap；
然后對整個(gè)bitmap進(jìn)行 7天數(shù)據(jù)的“與”、“或”操作，得到一張新的bitmap；
然后按照這個(gè)bitmap，以及相應(yīng)的順序，直接給所有的user直接打上連續(xù)7天登錄打標(biāo)簽；
架構(gòu)師花了2個(gè)小時(shí)構(gòu)思方案，然后扔給大數(shù)據(jù)工程師，又花了半天時(shí)間，把位圖生成任務(wù)寫好，花了5分鐘寫了位圖操作的sql，最后只花了幾分鐘，就把所有用戶的7天是否連續(xù)登錄的結(jié)果算出來了，同時(shí)還可以滿足運(yùn)營的各種亂七八糟的標(biāo)簽的需求。完美！
三個(gè)層次，層層遞進(jìn)。
雖然在每一層，都涉及了新的知識，但是我們細(xì)細(xì)咀嚼一下就知道不是這么簡單。
大數(shù)據(jù)工程師版本的解決方案，寫個(gè)大sql，在一個(gè)任務(wù)中進(jìn)行每天活躍用戶id的提取、去重、join的操作，簡單是簡單了，但是太粗暴了，再來一個(gè)需求，就又要重新再寫，而且不能擴(kuò)展，遇到連續(xù)30天這種需求，就得抓瞎了。這是亂拳打死老師傅。
高級大數(shù)據(jù)工程師的解決方案，加了中間表，進(jìn)行了分桶操作。不要小看中間表這一步，這就可以應(yīng)對更多更復(fù)雜的需求，比如連續(xù)10天、30天，只要中間表在，我們就能持續(xù)高效應(yīng)對各種類似需求。這個(gè)中間表的設(shè)計(jì)起到了業(yè)務(wù)和數(shù)據(jù)解耦的作用，這是架構(gòu)設(shè)計(jì)的雛形。這是功夫在手，戰(zhàn)功赫赫。
架構(gòu)師的解決方案，從計(jì)算的根本出發(fā)，直接進(jìn)行計(jì)算，而不是用數(shù)據(jù)庫的join操作得到結(jié)果，這才是架構(gòu)最核心的價(jià)值--從底層規(guī)則構(gòu)建解決方案。這是小李飛刀，一招致命，例無虛發(fā)！
小李飛刀劇照，應(yīng)該沒幾個(gè)人看過了吧？
其實(shí)各個(gè)領(lǐng)域的高手到了最高深的境界，都能悟到這一點(diǎn)，就是底層規(guī)則決定上層應(yīng)用。管理的底層規(guī)則是人性善惡；**的底層規(guī)則是為人民服務(wù)；PUA的底層邏輯是心理操控。
利用規(guī)則不是高手，創(chuàng)造一個(gè)規(guī)則才是神人！
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)