近日，火山引擎ByteHouse与某知名数字娱乐公司聚焦高性能离/在线一体化数仓展开合作。基于ByteHouse ELT能力，该数字娱乐公司解决了数据融合、实时分析、可扩展性和灵活性等多方面的挑战，还进一步提升了其数据处理和分析的效率。
随着数字娱乐行业的快速发展，该公司在业务扩张过程中对数据基础服务的要求日益提高。原先的数据架构存在架构复杂、数据冗余、效率瓶颈等问题，无法满足日益增长的数据处理需求。为此，该公司通过引入ByteHouse来构建一体化数仓，简化数据流程、降低维护成本，并提升数据处理的实时性和稳定性。
作为一款云原生数据仓库，ByteHouse基于ClickHouse技术路线进行了深度优化和升级，不仅具备极致的分析性能和良好的扩展能力，还支持丰富的ELT作业功能，包括fault tolerance和任务拆分等，帮助用户应对大规模数据处理和复杂查询的挑战。
据ByteHouse技术相关人员介绍，为了解决海量数据下的处理和分析需求，ByteHouse主要从提升任务并行度、任务级重试能力、大批量并行写入优化以及简化数据链路四个方面进行优化。
首先，在提升任务并行度方面，ByteHouse的BSP模式支持将查询切分为独立的阶段，并在阶段内进行并行度拓展。这一特性使得大查询的内存占用大幅降低，任务失败率也显著降低。通过对关键大表增加并行度，该公司的离线任务整体内存峰值降低了约40%，有效减少了内存溢出的风险。
其次，ByteHouse离线任务加工中的任务级重试功能，当任务运行失败时，无需整个链路重新执行，仅重试失败任务，显著提高该公司的任务执行成功率。以2024年10月15日、16日、17日的数据为例，任务的成功率在分别提高了6.6%、4.4%和2.9%，整体成功率为100%。
再次，针对该公司业务数据频繁更新的特点，ByteHouse对写入流程进行了大量优化。通过并行化最耗时的数据写入部分，并在写入过程中标记需要后续去重作业的数据，ByteHouse实现了高效的数据更新。在保持稳定的前提下，用户的十亿表插入作业运行时间从48分钟降低到13分钟，提速高达73%。
最后，在简化数据链路方面，ByteHouse在传统的MPP链路基础上增加了对复杂查询的支持，并通过BSP模式将各个阶段进行隔离，使得每个阶段和任务都更加独立，降低了任务失败的概率，并提高了资源使用的效率。
通过引入ByteHouse构建一体化数仓，该数字娱乐公司成功实现了数据加工和数据分析的整合，不仅减少了组件冗余和人力成本，还大大提高了数据的实时性和运营效率。未来，火山引擎ByteHouse将继续致力于提供更高效、更稳定的数据服务，助力更多企业实现数字化转型和升级。
