ວິທີການ Tripadvisor ສະຫນັບສະຫນູນການເຊື່ອມໂລຫະໃນເວລາທີ່ແທ້ຈິງທີ່ມີ ML

See the engineering behind real-time personalization at Tripadvisor’s massive (and rapidly growing) scale ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈກໍໂດຍການບໍລິການລູກຄ້າຂອງພວກເຮົາ - ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບທ່ານອີກເທື່ອຫນຶ່ງ! ໃນບົດຄວາມນີ້, Dean Poulin (Tripadvisor Data Engineering Lead on the AI Service and Products team) ສະແດງໃຫ້ເຫັນວ່າພວກເຮົາມີຜົນປະໂຫຍດຂອງການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະການເຊື່ອມໂລຫະ. ມັນຖືກສ້າງຕັ້ງຂຶ້ນໂດຍ AWS re:Invent Talk: ການເດີນທາງ Pre-Trip ໃນຄໍາຂອງ Dean ... Tripadvisor ໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000, Tripadvisor ໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000 ແລະໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນປີ 2000. ໃນມື້ນີ້, ລະບົບຂອງພວກເຮົາມີການປິ່ນປົວຫຼາຍກ່ວາ 2 ລ້ານຄໍາຮ້ອງສະຫມັກຈາກ 25 ເຖິງ 50 ລ້ານຜູ້ໃຊ້. ການປິ່ນປົວທຸກຄົນທີ່ທ່ານເຮັດໃນ Tripadvisor ແມ່ນຖືກປິ່ນປົວໃນເວລາທີ່ແທ້ຈິງ. ຫຼັງຈາກນັ້ນ, ພວກເຮົາມີການນໍາໃຊ້ມາດຕະຖານການຝຶກອົບຮົມເຄື່ອງເພື່ອສະຫນັບສະຫນູນການຄຸ້ມຄອງທີ່ແຕກຕ່າງກັນ – ເຮັດໃຫ້ທ່ານໄປຢ້ຽມຢາມການເດີນທາງທີ່ດີເລີດທີ່ດີເລີດ. ໃນວົງຈອນຂອງເຄື່ອງປິ່ນປົວນີ້ແມ່ນ ScyllaDB ທີ່ໃຊ້ໃນ AWS. ນີ້ໃຫ້ພວກເຮົາມີຄວາມສາມາດໃນການສະຫນັບສະຫນູນຄວາມຍາວຂອງ millisecond ໃນຂະຫນາດນ້ອຍຂອງບໍລິສັດ. ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ພວກເຮົາມີການປິ່ນປົວ . 425K operations per second on ScyllaDB with P99 latencies for reads and writes around 1-3 milliseconds ຂ້າພະເຈົ້າຈະຊອກຫາວິທີທີ່ Tripadvisor ໄດ້ນໍາໃຊ້ຄວາມເຂັ້ມແຂງຂອງ ScyllaDB, AWS, ແລະການຝຶກອົບຮົມ machine learning ໃນເວລາທີ່ແທ້ຈິງເພື່ອສະຫນອງການແນະນໍາທີ່ແຕກຕ່າງກັນສໍາລັບທຸກຜູ້ໃຊ້. ພວກເຮົາຈະຊອກຫາວິທີທີ່ພວກເຮົາມີຄວາມຊ່ວຍໃຫ້ຜູ້ເດີນທາງຊອກຫາທຸກສິ່ງທຸກຢ່າງທີ່ພວກເຮົາມີຄວາມຕ້ອງການເພື່ອຄຸ້ມຄອງການເດີນທາງທີ່ດີທີ່ສຸດຂອງພວກເຂົາ: ຖ້າຫາກວ່າມັນເປັນການຊອກຫາອຸປະກອນທີ່ດູດຊອກຫາໃນເວລາທີ່ແທ້ຈິງ, ການສັ່ງຊອກຫາທີ່ພວກເຂົາກໍາລັງຊອກຫາຢ່າງງ່າຍດາຍ. ການຝຶກອົບຮົມ Trip ສະແດງໃຫ້ເຫັນວ່າທ່ານກໍາລັງຊອກຫາການເດີນທາງ. ໃນຂະນະທີ່ທ່ານ landed ໃນເວັບໄຊທ໌ຕົ້ນສະບັບຂອງ Tripadvisor, Tripadvisor already knows whether you are a foodie, an adventurer, or a beach lover – and you are seeing spot-on recommendations that seem personalized to your own interests. ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາ TripAdvisor, ພວກເຮົາຈະເລີ່ມຕົ້ນການພິມສິ່ງທີ່ທ່ານຊອກຫາໂດຍໃຊ້ມາດຕະຖານການຝຶກອົບຮົມ Machine Learning ທີ່ຄາດຄະເນດິນດີຕ້ອນຮັບໂດຍສະເພາະວ່າທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ໃນເວລາທີ່ທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ໃນເວລາທີ່ທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ໃນເວລາທີ່ທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ໃນເວລາທີ່ທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ໃນເວລາທີ່ທ່ານກໍາລັງຊອກຫາເວັບໄຊທ໌ຂອງພວກເຮົາ. ຊື່ຫຍໍ້ຂອງ : Tripadvisor Model Serving Architecture Tripadvisor ໃຊ້ເວລາໃນໄລຍະປີຂອງ microservices ອັດຕະໂນມັດໃນ Kubernetes on-prem ແລະ Amazon EKS. ໂຮງງານຜະລິດຂອງພວກເຮົາ ML Model Serving Platform ໄດ້ຖືກສະແດງໃຫ້ເຫັນໂດຍຜ່ານຫນຶ່ງຂອງ microservices ນີ້. ການບໍລິການ gateway ນີ້ອະນຸຍາດໃຫ້ພວກເຮົາມີຫຼາຍກ່ວາ 100 ໂມງ ML ຈາກບໍລິການລູກຄ້າ - ເຊິ່ງໃຫ້ພວກເຮົາມີຄວາມສາມາດໃນການທົດສອບ A / B ເພື່ອຊອກຫາໂມງທີ່ດີທີ່ສຸດໂດຍໃຊ້ການທົດສອບຂອງພວກເຮົາ. ໂມງ ML ແມ່ນຖືກພັດທະນາໂດຍຜູ້ຊ່ຽວຊານຂອງພວກເຮົາ Data Scientists ແລະວິສະວະກອນການຝຶກອົບຮົມເຄື່ອງໃຊ້ການນໍາໃຊ້ Jupyter Notebooks ໃນ Kubeflow. ພວກເຮົາມີຄວາມສາມາດໃນການຄຸ້ມຄອງແລະການຝຶກອົບຮົມໂດຍໃຊ້ ML Flow, ແລະພວກເຮົາມີການນໍາໃຊ້ໃນ Seldon Core ໃນ Kubernetes. ໂຮງງານຜະລິດ Custom Feature ເວັບໄຊທ໌ຂອງພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້. ຄຸນນະສົມບັດຜູ້ໃຊ້ໄດ້ຮັບການສະຫນອງໃນເວລາທີ່ແທ້ຈິງໂດຍຜ່ານຮູບເງື່ອນໄຂທີ່ຄ້າຍຄືກັນກັບ Visitor Platform. ພວກເຮົາປະຕິບັດການຄົ້ນຄວ້າ CQL ອົງປະກອບກັບ ScyllaDB, ແລະ . we do not need a caching layer because ScyllaDB is so fast ສະຫນັບສະຫນູນຂອງພວກເຮົາ Feature Store ເຖິງ 5 ລ້ານ Functions Statique per second ແລະ 1⁄2 ລ້ານ Functions User per second. ຄວາມຄິດເຫັນທີ່ ML Feature Features ແມ່ນ variables input ກັບ ML Models ທີ່ຖືກນໍາໃຊ້ເພື່ອເຮັດໃຫ້ການຄາດຄະເນ. ມີ Features Static ແລະ User Features. ປະເພດທີ່ແຕກຕ່າງກັນຂອງຄຸນນະສົມບັດ Static ແມ່ນລັກສະນະທີ່ໂຮງແຮມໄດ້ຊື້ຫຼືອຸປະກອນທີ່ສະຫນອງໂດຍໂຮງແຮມ (ເຊັ່ນ: Wi-Fi ຟຣີ, pet friendly ຫຼືຫ້ອງທົດລອງ). ຄຸນນະສົມບັດຜູ້ໃຊ້ຖືກເກັບຮັກສາໃນເວລາທີ່ຜູ້ໃຊ້ຊອກຫາເວັບໄຊທ໌. ພວກເຮົາເກັບຮັກສາພວກເຂົາໃນ ScyllaDB ເພື່ອໃຫ້ພວກເຮົາມີຄວາມຊອກຫາຢ່າງໄວ້ວາງໃຈ. ຄຸນນະສົມບັດຜູ້ໃຊ້ທີ່ແຕກຕ່າງກັນແມ່ນໂຮງແຮມທີ່ເບິ່ງໃນໄລຍະ 30 ນາທີທີ່ຜ່ານມາ, ໂຮງແຮມທີ່ເບິ່ງໃນໄລຍະ 24 ຊົ່ວໂມງທີ່ຜ່ານມາ, ຫຼືການທົບທວນຄືນທີ່ຜ່ານມາໃນໄລຍະ 30 ມື້. ການເຕັກໂນໂລຊີ Powering Platform Visitor ScyllaDB ແມ່ນພື້ນຖານຂອງ Visitor Platform. ພວກເຮົານໍາໃຊ້ microservices Spring Boot ທີ່ສ້າງຕັ້ງຂຶ້ນໃນ Java ເພື່ອສະຫນັບສະຫນູນລູກຄ້າຂອງພວກເຮົາ. ນີ້ຖືກນໍາໃຊ້ໃນ AWS ECS Fargate. ພວກເຮົາເຮັດວຽກ Apache Spark ໃນ Kubernetes ສໍາລັບການປິ່ນປົວຂໍ້ມູນປະຈໍາວັນຂອງພວກເຮົາມີ, ການເຮັດວຽກຂອງພວກເຮົາມີໃນອອນໄລນ໌. ຫຼັງຈາກນັ້ນພວກເຮົາມີການນໍາໃຊ້ການເຮັດວຽກຂອງພວກເຮົາມີເພື່ອດາວໂຫລດຂໍ້ມູນຈາກອຸປະກອນຂໍ້ມູນຂອງພວກເຮົາມີໃນ ScyllaDB ເພື່ອໄດ້ຮັບການເຂົ້າເຖິງຢູ່ໃນເວັບໄຊທ໌ອອນໄລນ໌. ພວກເຮົາມີການນໍາໃຊ້ Amazon Kinesis ສໍາລັບການປິ່ນປົວຜົນປະໂຫຍດຂອງການປິ່ນປົວຜູ້ໃຊ້. ປະເພດຂອງ Data Flow Platform ຮູບເງົາທີ່ຜ່ານມາສະແດງໃຫ້ເຫັນວິທີການຂອງການຂົນສົ່ງຂອງຂໍ້ມູນໂດຍຜ່ານຮູບເງົາຂອງພວກເຮົາໃນໄລຍະປະເພດຂອງ 4 ປະເພດ: ຜະລິດ, ingest, organize, ແລະ activate. ຂໍ້ມູນແມ່ນຜະລິດໂດຍເວັບໄຊທ໌ຂອງພວກເຮົາແລະໂທລະສັບມືຖືຂອງພວກເຮົາມີ. ສ່ວນໃຫຍ່ຂອງຂໍ້ມູນນີ້ປະກອບມີ Cross-Device User Identity Graph, Behavior Tracking events (ເຊັ່ນດຽວກັນກັບການເບິ່ງເວັບໄຊແລະຄລິກ) ແລະເຫດການ streaming ທີ່ຜ່ານມາໂດຍ Kinesis. ນອກເຫນືອໄປຈາກນັ້ນ, segmentation audience ຂອງພວກເຮົາມີການດາວໂຫລດໃນສະຖານທີ່ຂອງພວກເຮົາ. ການບໍລິການ microservices ຂອງ Visitor Platform ຖືກນໍາໃຊ້ເພື່ອ inject ແລະກໍານົດຂໍ້ມູນນີ້. ຂໍ້ມູນໃນ ScyllaDB ໄດ້ຖືກເກັບຮັກສາໃນສອງ keyspaces: ການ KeySpace Visitor Core, ທີ່ມີ Graph Identity Visitor The Visitor Metric keyspace, ເຊິ່ງປະກອບມີ Fakta ແລະ Metrics (ສິ່ງທີ່ຜູ້ໃຊ້ໄດ້ເຮັດໃນເວລາທີ່ພວກເຂົາໄດ້ຊອກຫາເວັບໄຊທ໌) ພວກເຮົາມີການນໍາໃຊ້ການປິ່ນປົວ ETL ໃນມື້ນີ້ເພື່ອປົກປັກຮັກສາແລະປົກປັກຮັກສາຂໍ້ມູນໃນສະຖານທີ່. ພວກເຮົາມີການຜະລິດຜະລິດຕະພັນຂໍ້ມູນ, ທີ່ໄດ້ຮັບການປິ່ນປົວໃນມື້ນີ້, ໃນອຸປະກອນຂໍ້ມູນອອນໄລນ໌ຂອງພວກເຮົາມີ - ໃນເວລາທີ່ພວກເຂົາເຈົ້າສາມາດນໍາໃຊ້ການເຊື່ອມຕໍ່ຂໍ້ມູນອື່ນໆແລະການປິ່ນປົວຂໍ້ມູນອື່ນໆ. Here is a look at Visitor Platform by the numbers: ວິທີການ 2 Databases ເວັບໄຊທ໌ຂອງພວກເຮົາມີການນໍາໃຊ້ TTLs ອັດຕະໂນມັດເພື່ອປິ່ນປົວການຂະຫຍາຍຕົວຢ່າງຕໍ່ເນື່ອງໃນອິນເຕີເນັດແລະການເກັບຮັກສາຂໍ້ມູນຂອງພວກເຮົາມີການຮັບປະກັນວ່າພວກເຮົາມີຂໍ້ມູນກ່ຽວກັບກິດຈະກໍາຂອງຜູ້ໃຊ້ພຽງແຕ່ສໍາລັບຜູ້ຊ່ຽວຊານທີ່ແທ້ຈິງ. Tripadvisor.com ມີຫຼາຍກ່ວາການຂົນສົ່ງ bot ແລະພວກເຮົາມີຄວາມຕ້ອງການທີ່ຈະເກັບຮັກສາຂໍ້ມູນຂອງພວກເຮົາມີແລະທົດສອບ bots ຂອງພວກເຮົາມີ - ດັ່ງນັ້ນພວກເຮົາມີການຫຼຸດຜ່ອນແລະປິ່ນປົວຂໍ້ມູນຂອງພວກເຮົາມີ. ພວກເຮົາມີອຸປະກອນຂໍ້ມູນອອນໄລນ໌ຂອງພວກເຮົາມີອຸປະກອນຂໍ້ມູນປະຫວັດສາດທີ່ຖືກນໍາໃຊ້ສໍາລັບການຢັ້ງຢືນ, ການສ້າງຜະລິດຕະພັນຂໍ້ມູນອື່ນໆ, ແລະການຝຶກອົບຮົມ ML Models ຂອງພວກເຮົາ. ພວກເຮົາບໍ່ຕ້ອງການການປິ່ນປົວຂໍ້ມູນອອນໄລນ໌ຂະຫນາດໃຫຍ່ທີ່ແຕກຕ່າງກັນກັບຜົນປະໂຫຍດຂອງເວັບໄຊທ໌ອອນໄລນ໌ຂອງພວກເຮົາ, ດັ່ງນັ້ນພວກເຮົາມີສອງບໍລິສັດຂໍ້ມູນທີ່ແຕກຕ່າງກັນທີ່ຖືກນໍາໃຊ້ສໍາລັບບັນຫາທີ່ແຕກຕ່າງກັນ. ຊື່ຫຍໍ້ຂອງ : Visitor Platform Microservices ພວກເຮົາມີ 5 microservices ສໍາລັບ Platform Visitor: Visitor Core ເຮັດໃຫ້ການຄຸ້ມຄອງ graph identity user cross-device ໃນຖານະເປັນ cookies ແລະ ID device. Visitor Metric ເປັນເຄື່ອງຊອກຫາຂອງພວກເຮົາ, ແລະມັນສະຫນອງໃຫ້ພວກເຮົາຄວາມສາມາດໃນການສະແດງໃຫ້ເຫັນບັນຫາແລະບັນຫາສໍາລັບຜູ້ຊອກຫາພິເສດ. ພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຮົາມີຄວາມຮູ້ສຶກອົບຮົມທີ່ກ່ຽວຂ້ອງກັບຄອມພິວເຕີຂອງພວກເຮົາ. ພວກເຮົາມີຄວາມຮູ້ສຶກອົບຮົມທີ່ກ່ຽວຂ້ອງກັບຄອມພິວເຕີຂອງພວກເຮົາ. Visitor Publisher ແລະ Visitor Saver ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ ການ ດໍາ ເນີນ Visitor Composite ອະນຸຍາດໃຫ້ການພິຈາລະນາຂໍ້ມູນໃນກິດຈະກໍາການປິ່ນປົວ batch. It abstracts Visitor Saver and Visitor Core to identify visitors and publish facts and metrics in a single API call. ດາວນ໌ໂຫລດ Roundtrip Microservice ກາຕູນນີ້ສະແດງໃຫ້ເຫັນວ່າຄວາມຍາວຂອງ microservice ຂອງພວກເຮົາແມ່ນສະດວກສະບາຍໃນໄລຍະເວລາ. ການຍົກເລີກປະມານແມ່ນພຽງແຕ່ 2.5 milliseconds, ແລະ P999 ຂອງພວກເຮົາແມ່ນຕ່ໍາກວ່າ 12.5 milliseconds. ມັນເປັນຜົນປະໂຫຍດທີ່ຍິ່ງໃຫຍ່, ໂດຍສະເພາະວ່າພວກເຮົາມີການປິ່ນປົວຫຼາຍກ່ວາ 1 ມິຖຸນາຄໍາຮ້ອງສະຫມັກໃນມື້. ພວກເຮົາມີລູກຄ້າ microservice ຂອງພວກເຮົາມີຄວາມຕ້ອງການຄວາມຮ້ອນຄວາມຮ້ອນ. 95% ຂອງການໂທລະສັບຈະໄດ້ຮັບການປິ່ນປົວໃນ 12 milliseconds ຫຼືຕ່ໍາກວ່າ. ຖ້າຫາກວ່າພວກເຮົາມີຄວາມຮ້ອນຄວາມຮ້ອນ, ພວກເຮົາມີຄວາມຮ້ອນຄວາມຮ້ອນຄວາມຮ້ອນແລະພວກເຮົາມີຄວາມຮ້ອນຄວາມຮ້ອນຄວາມຮ້ອນ. ດາວໂຫລດ ScyllaDB ນີ້ແມ່ນ snapshot ຂອງການເຮັດວຽກຂອງ ScyllaDB ໃນໄລຍະສາມວັນ. ໃນປັດຈຸບັນ, ScyllaDB ມີການປິ່ນປົວການເຮັດວຽກ 340,000 ໃນຊົ່ວໂມງ (including writes and reads and deletes) ແລະ CPU ແມ່ນ fluctuating ໃນພຽງແຕ່ 21%. ScyllaDB ສະຫນັບສະຫນູນ microsecond ຂຽນແລະ millisecond ດາວໂຫລດສໍາລັບພວກເຮົາ. ປະສິດທິພາບທີ່ດີເລີດທີ່ດີເລີດນີ້ແມ່ນສິ່ງທີ່ພວກເຮົາມີການເລືອກ ScyllaDB. ດາວໂຫລດ ScyllaDB ຮູບພາບນີ້ສະແດງໃຫ້ເຫັນວ່າພວກເຮົາມີວິທີການ particizing data ໃນ ScyllaDB. The Visitor Metric Keyspace ມີສອງທ້ອງຖ່າຍຮູບ: Fact ແລະ Raw Metrics. Key primary ໃນທ້ອງຖ່າຍຮູບ Fact ແມ່ນ Visitor GUID, Fact Type, ແລະ Created At Date. Key Partition Composite ແມ່ນ Visitor GUID ແລະ Fact Type. Key clustering ແມ່ນ Created At Date, ເຊິ່ງສາມາດໃຫ້ພວກເຮົາມີຄວາມສາມາດໃນການກວດສອບຂໍ້ມູນໃນການກວດສອບໂດຍໃຊ້ເວລາ. ຫ້ອງຖ່າຍຮູບຄຸນນະສົມບັດປະກອບມີອຸປະກອນ JSON ທີ່ສະຫນັບສະຫນູນສະຖານທີ່ທີ່ທີ່ເກີດຂຶ້ນ. Some example Facts are Search Terms, Page Views, and Bookings. ພວກເຮົາມີການນໍາໃຊ້ ScyllaDB Strategy Leveled Compaction ໃນຂະນະທີ່: ມັນຖືກປັບປຸງສໍາລັບການຊອກຫາ range ມັນເຮັດວຽກກັບ cardinality ສູງທີ່ດີທີ່ສຸດ ມັນເປັນທີ່ດີທີ່ສຸດສໍາລັບການ workloads ດາວໂຫລດ, ແລະພວກເຮົາຍັງມີປະມານ 2-3X ຫຼາຍກ່ວາການຂຽນ ວິທີການ ScyllaDB? ການແກ້ໄຂຂອງພວກເຮົາໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໂດຍໃຊ້ Cassandra on-prem. ແຕ່ໃນຂະນະທີ່ຂະຫນາດໃຫຍ່ເລີ່ມຕົ້ນ, ການເຮັດວຽກໄດ້ເພີ່ມຂຶ້ນ. ມັນຈໍາເປັນຕ້ອງສະຫນັບສະຫນູນການເຮັດວຽກພິເສດເພື່ອໃຫ້ພວກເຮົາມີຄວາມປອດໄພເພື່ອຄຸ້ມຄອງການປັບປຸງຂໍ້ມູນຂໍ້ມູນ, ການ backup, ແລະອື່ນໆ ນອກເຫນືອໄປຈາກນັ້ນ, ການແກ້ໄຂຂອງພວກເຮົາມີຄວາມຕ້ອງການຄວາມຮ້ອນຄວາມຮ້ອນຄວາມຮ້ອນທີ່ຕ່ໍາ ສໍາ ລັບອຸປະກອນຕົ້ນຕໍ. ລະບົບການຄຸ້ມຄອງຜູ້ໃຊ້ຂອງພວກເຮົາມີຄວາມຮ້ອນຄວາມຮ້ອນຄວາມຮ້ອນທີ່ຄ້າຍຄືກັບຜູ້ໃຊ້ໃນໄລຍະ 30 milliseconds – ແລະສໍາລັບການເຊື່ອມໂລຫະທີ່ດີທີ່ສຸດ, ພວກເຮົາຈໍາເປັນຕ້ອງສະຫນັບສະຫນູນ Platform Event Tracking ຂອງພວກເຮົາມີຄວາມຮ້ອນຄວາມຮ້ອນ ພວກເຮົາມີ Proof of Concept ມີ ScyllaDB ແລະ found the throughput to be much better than Cassandra and the operational burden was eliminated. ScyllaDB gave us a monstrously fast live serving database with the lowest possible latencies. ພວກເຮົາມີຄວາມຕ້ອງການທີ່ຈະໄດ້ຮັບການຄຸ້ມຄອງຢ່າງເຕັມທີ່, ດັ່ງນັ້ນພວກເຮົາມີການຂົນສົ່ງຈາກ Cassandra ກັບ ScyllaDB Cloud, ຫຼັງຈາກນັ້ນພວກເຮົາມີການຂົນສົ່ງໂດຍບໍ່ມີເວລາດິນໃນເວລາທີ່ພວກເຮົາມີການປິ່ນປົວ 40,000 ການປະຕິບັດຫຼືຄໍາຮ້ອງສະຫມັກໃນຊົ່ວໂມງ. ຫຼັງຈາກນັ້ນພວກເຮົາມີການຂົນສົ່ງຈາກ ScyllaDB Cloud ກັບຮູບແບບ "Bring Your Own Account" ຂອງ ScyllaDB, ທີ່ທ່ານສາມາດໃຫ້ບໍລິສັດ ScyllaDB ການຕິດຕັ້ງຂໍ້ມູນຂອງ ScyllaDB ໃນບັນຊີ AWS ຂອງທ່ານເອງ. ຮູບພາບ ສໍາ ລັບ ScyllaDB BYOA Deployment ໃນຕອນກາງຂອງຮູບເງົາ, ທ່ານສາມາດຊອກຫາ cluster ScyllaDB 6 node ທີ່ເຮັດວຽກໃນ EC2 ແລະຫຼັງຈາກນັ້ນມີສອງ instances EC2 ອື່ນໆ. ScyllaDB Monitor ໃຫ້ພວກເຮົາ Grafana dashboards ເຊັ່ນດຽວກັນກັບ Prometheus metrics. ScyllaDB Manager ເຮັດໃຫ້ການອັດຕະໂນມັດອຸດສາຫະກໍາເຊັ່ນດຽວກັນກັບການດໍາເນີນການ backups ແລະການປິ່ນປົວ. ມີການນໍາສະເຫນີນີ້, ScyllaDB ສາມາດຖືກຕັ້ງຢູ່ໃນຂ້າງຂວາງກັບ microservices ຂອງພວກເຮົາເພື່ອໃຫ້ພວກເຮົາມີຄວາມຍາວທີ່ຕ່ໍາກວ່າແລະຄວາມຍາວທີ່ສູງກວ່າແລະຄວາມສາມາດ. ຂໍຂອບໃຈວ່າທ່ານມີຄວາມຮູ້ທີ່ດີກວ່າກ່ຽວກັບອຸປະກອນຂອງພວກເຮົາ, ເຕັກໂນໂລຊີທີ່ສະຫນັບສະຫນູນຮູບເງົາແລະວິທີການ ScyllaDB ເຮັດໃຫ້ພວກເຮົາມີຄວາມສໍາຄັນໃນການຊ່ວຍໃຫ້ພວກເຮົາມີຄວາມສາມາດໃນການປິ່ນປົວຂະຫນາດໃຫຍ່ຂອງ Tripadvisor. ດາວນ໌ໂຫລດ Cynthia Dunlop Cynthia ເປັນຜູ້ຊ່ຽວຊານໃນ Strategy Content ໃນ ScyllaDB. She has been writing about software development and quality engineering for 20+ ປີ.