據(jù)QuestMobile報(bào)告顯示，移動(dòng)互聯(lián)網(wǎng)已經(jīng)進(jìn)入了下半場(chǎng)，在使用人數(shù)和使用時(shí)長(zhǎng)方面已經(jīng)沒有明顯增長(zhǎng)，互聯(lián)網(wǎng)已經(jīng)流量趨于飽和。
作為廣告投放主要陣地，由于互聯(lián)網(wǎng)平臺(tái)流量紅利逐漸消退，越來(lái)越多的廣告企業(yè)和從業(yè)者開始探索精細(xì)化營(yíng)銷的新路徑，取代以往的全流量、粗放式的廣告轟炸。精細(xì)化營(yíng)銷意味著要在數(shù)以億計(jì)的人群中優(yōu)選出那些最具潛力的目標(biāo)受眾，這無(wú)疑對(duì)提供基礎(chǔ)引擎支持的數(shù)據(jù)倉(cāng)庫(kù)能力，提出了極大的技術(shù)挑戰(zhàn)。
在人群圈選分析中， 分析師一般利用各種標(biāo)簽組合，挑選出最合適的人群，進(jìn)而完成廣告推送，達(dá)到精準(zhǔn)投放的效果。但由于人群查詢?cè)诓煌瑯?biāo)簽組合下的結(jié)果集大小不同，在一次廣告投放中，分析師需要經(jīng)過多次的邏輯調(diào)整，以獲得"最好"的人群包。抖音集團(tuán)擁有廣泛的廣告投放場(chǎng)景，在日常實(shí)踐中，我們發(fā)現(xiàn)以下痛點(diǎn)問題：
●首先，數(shù)據(jù)預(yù)估。廣告主需要對(duì)選定的人群組合進(jìn)行預(yù)估，以便判斷投放情況并確定投放預(yù)算。但廣告平臺(tái)用戶越來(lái)越多，有的平臺(tái)DAU達(dá)到上億，使得人群包數(shù)據(jù)量過大，技術(shù)上只能采用1/10抽樣存儲(chǔ)，將導(dǎo)致10%誤差。
●其次，性能問題。為了保證人群圈選精準(zhǔn)度，廣告主往往會(huì)設(shè)定多樣、復(fù)雜的人群圈選條件，導(dǎo)致底層計(jì)算邏輯復(fù)雜，比如單次計(jì)算可能包含幾百，甚至上千個(gè)人群包。Hive和Elasticsearch等方案在處理大數(shù)據(jù)量時(shí)，查詢速度慢。如果研發(fā)人員查詢某個(gè)廣告主的所有用戶，該方案需要掃描整個(gè)用戶庫(kù)，整個(gè)過程需要幾分鐘甚至幾個(gè)小時(shí)，無(wú)法滿足廣告主實(shí)時(shí)性要求。
●最后，存儲(chǔ)問題。Hive和Elasticsearch等方案需要額外的索引結(jié)構(gòu)，使得存儲(chǔ)空間變大，導(dǎo)致成本增加。
在以往，研發(fā)團(tuán)隊(duì)通常使用兩種方案來(lái)解決以上問題：
方案一：將每個(gè)人群包存儲(chǔ)為一個(gè)Array類型的數(shù)據(jù)結(jié)構(gòu)，每次查詢需要從Array中找到某一個(gè)特定ID。
方案二：使用一個(gè)表來(lái)存儲(chǔ)用戶ID，在查詢的時(shí)使用In/Join計(jì)算多個(gè)人群的交集。
經(jīng)過內(nèi)部長(zhǎng)期使用經(jīng)驗(yàn)，無(wú)論是方案一或方案二，都存在當(dāng)數(shù)據(jù)量逐漸增大，查詢速度無(wú)法滿足實(shí)時(shí)分析需求的問題。基于高性能、分布式特點(diǎn)，ClickHouse可以滿足大規(guī)模數(shù)據(jù)的分析和查詢需求，因此研發(fā)團(tuán)隊(duì)以開源ClickHouse為基礎(chǔ)，研發(fā)出火山引擎云原生數(shù)據(jù)倉(cāng)庫(kù)ByteHouse，并在其中定制一套處理模型——BitEngine，用于解決集合的交并補(bǔ)計(jì)算在實(shí)時(shí)分析場(chǎng)景中的性能提升問題。
據(jù)介紹，BitEngine是一個(gè)高效集合數(shù)據(jù)處理模型，底層基于MergeTree Family存儲(chǔ)引擎，并在此基礎(chǔ)上引入了BitMap64類型，開發(fā)了系列相關(guān)運(yùn)算函數(shù)。BitEngine提供的BitMap64類型適合表達(dá)具有特定關(guān)系的大量實(shí)體ID的集合，將集合的交并補(bǔ)運(yùn)算轉(zhuǎn)化為bitmap之間的交并補(bǔ)運(yùn)算，從而達(dá)到遠(yuǎn)超普通查詢的性能指標(biāo)。
那么，BitEngine如何應(yīng)用在人群圈選場(chǎng)景中?舉個(gè)例子，廣告主需求為圈選出“人群包A”和“人群包B”的交集人群，完成廣告精準(zhǔn)投放。
人群包情況：
●人群包A = [10001, 20001，30001，40001，50001]，人群包B = [10001, 20001，20002，20003，20004]
期望結(jié)果：
●通過BitEngine計(jì)算A&B = [10001, 20001]
首先，人群包按照一定規(guī)則劃分為多個(gè)區(qū)間，任意兩個(gè)區(qū)間之間的人群包沒有交集，由BitEngine保障數(shù)據(jù)的讀取和計(jì)算是嚴(yán)格按照區(qū)間進(jìn)行;其次，BitEngine在數(shù)據(jù)讀取時(shí)會(huì)為每一個(gè)文件構(gòu)建一個(gè)讀任務(wù)，由一個(gè)線程調(diào)度模塊完成整個(gè)任務(wù)調(diào)度和讀取;最后，BitEngine完成所有中間結(jié)果計(jì)算后，按照結(jié)果的輸出要求做一次數(shù)據(jù)合并，由此完成交集計(jì)算。已上線業(yè)務(wù)的測(cè)試表明，相比普通和Array或者用戶表方式，BitEngine在查詢速度上有10-50倍提升。
BitEngine上線前后查詢耗時(shí)監(jiān)控
BitEngine不僅僅在抖音集團(tuán)海量廣告投放場(chǎng)景中使用，目前更是集成在火山引擎云原生數(shù)據(jù)倉(cāng)庫(kù)ByteHouse中對(duì)外輸出。火山引擎ByteHouse主要為用戶提供極速分析體驗(yàn)，能夠支撐實(shí)時(shí)數(shù)據(jù)分析和海量數(shù)據(jù)離線分析，具備便捷的彈性擴(kuò)縮容能力，極致分析性能和豐富的企業(yè)級(jí)特性，目前已經(jīng)與中國(guó)地震臺(tái)網(wǎng)中心、海王集團(tuán)、莉莉絲游戲、極客邦科技等諸多行業(yè)企業(yè)達(dá)成合作，深度助力各個(gè)行業(yè)數(shù)字化轉(zhuǎn)型。
