摘要：當電商平臺對AI演算法模型的需求越來越多，特徵資料平臺的統一建設是不少開發團隊頭疼的事情。因為只有通過統一的特徵資料儲存，才能改變原有的“資料孤島”，解決生產重複造輪子的窘境。
本文分享自華為雲社群《華為雲企業級Redis：助力VMALL打造先進特徵平臺》，作者： GaussDB 資料庫 。
1 客戶介紹
華為商城（VMALL）是華為公司旗下自營及精選好物的官方電商平臺，本著“智慧生活、精選好物”的理念，為消費者提供最齊全的華為品牌產品及鴻蒙生態產品，覆蓋了辦公、出行、居家、運動、娛樂等生活需求，致力於將全場景智慧生活帶給更多的消費者。
雲資料庫GaussDB(for Redis)作為華為雲旗下企業級Redis，致力於為客戶提供穩定可靠、超高併發，且能夠極速彈性擴容的KV儲存服務。GaussDB(for Redis)在VMALL特徵工程平臺建設中，起到了關鍵作用。
2 業務痛點
VMALL使用了大量的AI和大資料技術，用來支撐智慧推薦、精準營銷、智慧搜尋、選品投放等業務的高效開展。
隨著業務的快速發展，系統對AI演算法模型的需求日益增多。當前的AI開發流程中，“模型訓練”和“模型部署”階段都已經有成熟的平臺支撐，唯獨“特徵資料準備”階段缺乏通用平臺，導致了“線上推理和線下訓練的特徵資料不一致”、“各演算法模型獨立開發，特徵生產重複造輪子”、“特徵工程投入時間多（佔據演算法開發耗時的60%-70%）”3個關鍵問題，嚴重影響了研發效率，阻礙業務發展。
為解決此問題，VMALL大資料團隊開始著手建設統一的特徵平臺。
特徵平臺的核心部件是特徵儲存資料庫，只有通過統一的特徵資料儲存，才能改變原有的“資料孤島”窘境，徹底解決“不一致”、“難共享”、“效率低”3大問題。
但也正是由於特徵資料庫需要承擔打通線上/線下多個場景，對接批式/流式多種資料來源，滿足訓練/推理多樣消費需求，對特徵資料庫的選型提出了非常高的要求：需要找到一款資料儲存服務，既能提供低成本的海量資料儲存並方便擴容，又能保證資料的絕對可靠和服務的高可用；既要滿足低時延的線上推理，又要滿足高吞吐的線下訓練；既能提供簡潔的KV介面供下游輕鬆消費，又要相容主流的批式/流式處理引擎（Spark/Flink等）供上游快速接入。
經過深入調研，VMALL大資料團隊最終選擇了GaussDB(for Redis)作為特徵資料庫，下面就讓我們詳細看看GaussDB(for Redis)是如何滿足上述苛刻要求的。
3 解決方案
特徵平臺使用GaussDB(for Redis)的主要流程
1）特徵生產（抽取、處理、儲存）
- 離線特徵（靜態特徵）：
定時排程Spark作業，從各種資料倉儲、資料湖中提取資料，進行特徵工程處理後，存入GaussDB(for Redis) 。
- 實時特徵（動態特徵）：
Flink消費Kafka，或流式儲存中的資料，持續更新到GaussDB(for Redis)中。
2）特徵消費
- 線上推理：
模型已經部署到生產，開始承接業務，需要低時延，高併發的消費資料，從GaussDB(for Redis)
中讀取資料。
- 線下訓練：
GaussDB(for Redis)存有最新的特徵資料，OBS中存有全量的特徵資料。
1）對於使用靜態特徵的較為簡單的模型，可以直接從OBS中獲取特徵使用。
2）對於使用實時特徵的場景（如實時推薦系統），由Flink從Kafka中實時取得使用者請求記錄，並從GaussDB(for Redis) 查詢取得特徵，將記錄和特徵拼接成訓練樣本，儲存到檔案中，供線下訓練使用。
特徵平臺對GaussDB(for Redis)的核心訴求
結合上述業務場景，總結特徵平臺對GaussDB(for Redis)的核心訴求如下：
GaussDB(for Redis)滿足特徵平臺訴求的關鍵方案
1）業務介面
GaussDB(for Redis)相容社群Redis5.0介面，支援和Spark/Flink Connector的對接，很好的滿足了業務的使用需求
2）穩定性
GaussDB(for Redis)採用自研核心，解決了社群Redis的fork，oom等老大難問題，具備了企業級應用的穩定性
3）可靠性
資料零丟失：逐條命令實時落盤，底層三副本冗餘儲存，無資料丟失風險
資料強一致：基於GaussDB公共的共享儲存部件DFV，實現三副本強一致，多點訪問無髒讀風險
4）成本
GaussDB(for Redis)實現資料的自動冷熱分離，採用記憶體+SSD的混合儲存方案，大幅降低了客戶的使用成本。按照VMALL的特徵體量測算，億級使用者，每個使用者的特徵數量是數K-數10K，GaussDB(for Redis)一年的費用僅3W出頭，如果選用社群Redis，費用在20W+
5）效能
GaussDB(for Redis)採用多執行緒架構，並且所有節點可以同時支援寫入，因此可以較好滿足批量灌庫的高吞吐寫需求。讀方面，基於冷熱分離方案，熱資料常駐記憶體提供穩定低時延；冷資料讀涉及IO交換，存在一定長尾，但可滿足VMALL業務要求（目前VMALL線上GaussDB(for Redis)例項讀時延平均0.16ms，P99 0.4ms，P9999 1.5ms）
6）可擴充套件性
基於計算儲存分離架構，底層資料可被任一節點訪問，擴容過程不發生資料拷貝搬遷，因此速度極快；計算節點擴容分鐘級完成，儲存擴容秒級完成，RTO < 10秒
綜上，與社群Redis相比，GaussDB(for Redis)提供了更穩定的使用體驗，更可靠的資料儲存，更低廉的使用成本和更便捷的擴充套件能力，是更適合像VMALL特徵平臺這樣大規模電商大資料應用的企業級Redis服務。因此，VMALL特徵平臺最終選擇GaussDB(for Redis)作為特徵資料的儲存服務。
4 上線後效果
目前VMALL已完成一期的特徵資料遷移，包括“特徵生產”業務中的“Spark離線特徵生產”，以及“特徵消費”業務中的“線下訓練Flink特徵查詢”，已遷移到GaussDB(for Redis)。
當前GaussDB(for Redis)執行平穩，業務高峰時段時延穩定，能夠滿足VMALL當前業務要求。其中，讀平均時延0.2ms（p99<0.4ms），寫入平均時延0.6ms（P99<2ms）。
VMALL當前已啟動二期的特徵資料遷移，計劃完成包括“Flink線上特徵生成”，“線上推理”等核心業務的接入。
5 總結
本文介紹了華為商城（VMALL）在建設特徵平臺過程中，對特徵資料儲存服務的選型和應用。由此可見，華為雲GaussDB(for Redis)服務在成本，可靠性，可擴充套件性等方面具有優勢，可作為特徵資料儲存的理想方案，提供企業級的穩定可靠的Redis服務能力。
企業級Redis專場熱賣中，不限新老使用者，首月免費（連結）：