APPKIT打造稳定、灵活、高效的运营配置平台

一、背景

美团App、大众点评App都是重运营的应用。对于App里运营资源、基础配置,需要根据城市、版本、平台、渠道等不同的维度进行运营管理。如何在版本快速迭代过程中,保持运营资源能够被高效、稳定和灵活地配置,是我们团队面临的重大考验。在这种背景下,大众点评移动开发组必须要打造一个稳定、灵活、高效的运营配置平台。本文主要分享我们在建设高效的运营配置平台过程中,积累的一些经验,以及面临的挑战和思考。

运营资源

简单而言,运营资源可以理解为App中经常变动的一些广告、运营活动等等,譬如下图中电影首页顶部的Banner位,就是一个典型的运营资源。对于这类运营资源,它们有如下明显特征:

  1. 时效性,只在一定时间范围内显示在C端固定位置。
  2. 城市强相关,这类运营资源往往是基于LBS类服务,每个活动、广告都只会出现在固定的某些城市(或区域)。

基础配置

基础配置,常见的有入口资源的配置、网络的配置等。相对运营资源来说,其变更的频繁度相对较低,与时间、城市的关系也没那么强。譬如下面大众点评App-我的页面里的入口。这类配置有如下几个特征:

  1. 多维度:需要针对不同的版本、平台、渠道,做不同的配置。
  2. 长期有效:这种类型的配置一般长期存在,不会存在过期问题。

二、遇到的问题

在从0到1打造运营配置平台的过程,我们遇到了很多“坑”。特别是在早期“刀耕火种”的时代,对于入口的配置,往往是通过“hardcode(硬编码)”的方式写死在代码中。所以必然会遇到很大的问题,这主要体现为以下两方面:

运营效率低

对于新的运营配置需求,研发同学需要开发对应的配置页面,然后转给运营同学进行配置的管理,最后运营人员对资源进行配置上线,其流程如下:

对于每个运营配置需求都要经过需求评审、页面开发、配置管理、上线的流程。同时,对于配置页面的开发,少则需要1到2天的开发工时,研发成本高。问题总结如下:

  1. 研发成本高,每个需求要开发新的配置管理页面。
  2. 研发周期长,运营效率低,从需求的提出到运营上线周期长。
  3. 灵活性差,对不同的运营维度(城市、版本、时间等)都需要事先确定好,无法动态调整。

上线流程“粗糙”

在早期,运营配置上线流程需要研发同学参与。产品提出运营配置需求,研发同学通过修改代码对配置进行变更,然后通过代码上线进行发布。整体流程如下:

这种上线机制存在以下几个问题:

  1. 配置上线过多依赖于代码的发布。
  2. 整体上线过程无审核机制,无法对配置资源进行合规审核。
  3. 配置容易出错,上线前不能提前预览上线后的效果,只有“事后”(上线后)才能验证效果。

三、我们的思考

针对以上问题,我们希望通过设计一个通用的解决方案,去解决上文阐述的各种运营资源管理的问题。我们把这个整体的项目称之为APPKIT,寓意是App的运营配置工具(Kit)。通过不断的实践和总结,我们希望能从三个维度解决上述问题:

数据JSON化

随着业务的不断迭代,无论采用怎样的数据字段组成,都无法满足业务变化的字段(这里是指像标题、副标题、图片、跳转链接等)要求。对底层数据进行JSON化,其对应的数据字段完全可动态扩展,从而满足业务不断迭代的需求。JSON化随之也会带来运营位字段管理的问题,我们通过字段管理的工具来解决这个问题。

运营流程化

设计一套整体的流程管理机制,解决运营的投放、审核、发布和回滚的问题。通过流程化的机制,我们实现了“事前”、“事中”、“事后”的三级管理。

首先,在运营配置上线前,通过测试用户的预览功能,可以预览上线后的实时效果。同时,通过穿越功能可查看将来时段显示的效果。防止出现上线后链接出错、视觉效果达不到预期等问题。

其次,在流程阶段,引入审核机制,通过视觉和内容两方面的审核,保证投放数据的准确性。

最后,在运营配置上线后,如果发现问题,可以通过快速回滚,最大限度地实现“止损”。

接口SDK化

对于运营数据,无论是通过数据库的落地方案、还是通过分布式缓存的方案,都无法彻底解决服务中心化和服务抖动的问题。通过接入的SDK化,可以做到数据的本地缓存更新机制,解除对中心化服务的依赖,大大提升服务的稳定性和性能。同时整个APPKIT服务变成可水平扩展,在扩展过程中也不会影响中心服务的稳定性。

四、APPKIT架构

APPKIT运营配置系统整体框架如下(数据流向如箭头所示)。从功能角度,大体上分为四层:数据层、服务层、接入层和监控层。

4.1 数据层

数据层作为最底层的数据存储,其保存了最基本的运营后台数据、流程数据和线上数据。对持久化的数据,我们采用MySQL进行存储;对于缓存数据,我们采用了Redis的解决方案。这样数据层形成基本的两级存储结构:MySQL保证了数据的持久性,Redis保证了数据获取的速度。

这里我们对底层数据划分为三个不同域:后台数据,相当于草稿数据,运营人员所有的操作都记录在这里;流程数据,运营人员操作完成后,提供发布流程,预览及审核都在流程数据里进行;线上数据,审核通过后,数据同步到线上数据,最终C端用户获取到的数据都是来源于线上数据。

谈到数据层,这里我们遇到了存储上的一个小问题。按城市运营的每条数据,都需要存储具体的城市ID列表,其在数据库里的存储为 “1,2,3,4… ”这样字符串。而这种数据存储在业务请求和条件过滤过程中,存在着如下两个问题:

a. 大数据存储对内存的消耗

美团、大众点评运营的城市成千上万,如果每条运营的投放数据都包含大量的城市列表信息,对机器内存势必产生一定消耗。

b. 过滤性能问题

城市的过滤逻辑大体是这样:用户所在城市与从数据库获取到的城市列表(“1,2,3,4… ”)进行匹配,在每次匹配过程中都需要做字符串“split”的切割操作。这种操作的特点是流量越大,对机器CPU的消耗越大。

解决方案:基于以上两点考虑,再结合Java语言提供的BitSet机制。我们从数据库里取出城市列表数据后只做一次“split”切割操作,将数据转化为BitSet类型。这样在实际过滤过程中只需要通过BitSet的get机制就可以判断运营投放的城市是否包含了用户所在的城市。通过BitSet机制,我们既解决了大数据存储对内存的消耗问题,又解决了城市过滤的性能问题。

4.2 服务层

服务层向下对底层数据进行操作;向上为接入层获取数据提供接入能力。其提供四个服务能力:运营后台、开放平台、数据服务、APPKIT-SDK,如下表所列:

4.3 接入层

接入层主要为运营人员、业务研发提供接入能力。通过运营流程化为事前、事中、事后提供保障。一个运营资源从制作到最后在C端展示,需要经过运营人员的投放、测试预览、审核及发布的中间流程。这里对于一些敏感的运营资源,需要通过安全部门的审查。安全审查主要涉及到敏感词的处理、敏感图片的检测等。对运营配置平台来说,它完全是一个“黑盒模型”。这里主要涉及到两种情况:

  1. 资源上线时

  1. 资源上线后

4.4 监控层

APPKIT-SDK运行在业务机器上,这里就涉及到多台机器的数据一致性问题。同时,随着业务接入运营数据的增多,SDK对机器内存势必有一定消耗。基于服务的稳定性考虑,我们对SDK运行时的投放内容进行监控,其主要监控两个指标:运营位数及每个运营位的配置总数。这样做可以带来以下几个好处:

  1. 对接入的业务数及机器数进行统计。
  2. 通过SDK的配置总数监控,防止数量超过最大限制。

同时,对于非SDK的其他性能指标,我们采用统一的监控平台–CAT进行监控,其中包括:APPKIT中心服务的调用QPS,机器的性能,网络流量等通用指标。

五、底层模型–灵活性设计

5.1 从一个例子切入

数据模型往往与业务相关。业务越复杂,设计需要越简单,这样方能满足复杂业务的各种变化。因为数据模型太过于抽象,如果直接进行述说会有些乏味,我们可以先从一个具体的业务实例入手。下面是大众点评App顶部金刚位的截图,对于这部分数据,如何做到运营可配?

首先,我们对运营数据做需求拆解。对于这块数据,每个 “节点”(对应每个位置:如美食,技术上我们称之为 “节点”),其基本的运营诉求如下:

  1. 节点内容信息:标题、图片、跳转链接、排序。
  2. 节点的过滤维度信息:城市、版本、平台、渠道等。
  3. 节点其他信息:角标,如外卖节点,其有一个下午茶这样的角标。值得注意的是,像下午茶这样的角标,除去文案、文案颜色这些基本信息之外,我们也可以按城市、平台、进行过滤(不周的城市对应的文案可能不一样,如上海为“下午茶”,北京因为嘉年华活动可以改成“嘉年华”)。

上面这个运营场景算是非常经典、复杂的一个运营场景了,如果这个问题解决了,其他问题自然就会迎刃而解。

5.2 技术分析

我们做一下进一步的技术分析:

首先,这里有节点,每个节点(Node)有其相应的内容(Content),节点与内容是“一对多”的关系。这里的内容,我们指的是如标题、图片、跳转链接等信息,虽然是“一对多”的关系,但最后在同一个城市、同一个版本下(可选择)只显示一条内容。为什么有这样的需求?举一个简单的业务场景实例,以外卖为例,在新版本10.0的时候做了一个全新的外卖频道页面,其链接信息与老版本的完全不同,这里我们就需要按版本的不同配置两条不同的内容信息。

其次,节点与节点之间有两层关系,其一为“平级关系”,如美食与外卖的关系,这种关系就是一种简单的列表关系;其二为树关系(Tree),如外卖与下午茶之间的关系。这里我们将角标(下午茶)视为一个节点,因为角标也需要按不同维度进行过滤,因此下午茶成了外卖的子节点。其实这里有一些特殊的地方,如果角标不需要按城市、版本等维度进行运营,那很简单它就是一个内容信息(类似标题)。

最后,我们谈一谈排序问题,对于这么多品类,如何排序,他们的优先级是什么?我们需要定一个基本的基调,每个节点都有一个基本的排序值(优先级)。但深入业务分析,对于不同的人(群),每个人关注的点不一样,需要一个“千人千面”的算法,来决定每个人所看到的内容是其真正关心的内容。所以,这种应用场景下的排序应该通过机器学习算法而得到。

5.3 数据建模

针对上面的技术分析,我们提出了一种节点(Node)-内容(Content)-树(Tree)模型,简称为N-C-T模型。如下图所示:左边为抽象的数据模型,右边为以上实例的实现。

N-C-T数据模型设计的非常简单,其中C和T部分都是可选择的,这样使得其灵活性比较强,可以应对业务变化的大部分需求。注意,这里我们只是对业务需求的宏观表现形式进行建模,对于具体Node和Content里的有哪些字段(标题、副标题、图片、跳转链接),这些都是JSON化的存储格式,可以满足任意字段的扩展。

5.4 模型的应用与小结

通过以上经典实例,我们可以很容易通过我们的数据模型解决这个问题。我们再回到文章最开头的背景章节的运营场景,Banner位,如下:

这种Banner位,套用我们上的数据模型,它其实是一种只有一个Node节点、多个Content节点的模型。这也是一种典型的应用场景,为此我们总结了两种应用场景。

其实,大部运营场景都可以套用以上两种经典的运营组合。

六、运营流程化

将运营资源的管理进行流程化,具有以下几个好处:

  1. 资源上线前可进行严格的审核。
  2. 出问题时可快速回滚。
  3. 记录用户的(上线)操作历史。
  4. 上线前可提前预览线上效果。

数据域

对于流程化的实现,我们是将数据域切分成三个不同的部分:后台数据、流程数据和线上数据,如下图所示:

后台数据:我们可以简单理解为草稿数据,这里的数据多用户可同时进行操作,也不会对线上数据有影响。

流程数据:当用户后台数据编辑完成后,对数据提交一个发布流程,数据进入流程数据区域;这时可对数据进行测试预览、审核等操作。

线上数据:这块数据是C端用户真正获取到的数据,当流程数据审核通过后,数据会自动同步到线上数据域,完成上线操作。

上线流程

整个上线流程如下:

  1. 运营同学对后台数据进行修改,提交发布流程,同时进行预览测试。
  2. 审核同学对提交的发布流程进行审核。
  3. 审核通过,自动发布到线上(对审核不通过的流程,数据回退到后台进行再次编辑)。

为了能平稳上线,我们设计了一个测试预览功能。当数据处于流程中时,用户可以通过扫描二维码加入到测试用户名单,可对处于审核流程中的数据进行预览,用美团、大众点评App查看上线后实时效果,其实现的数据流如下:

七、稳定性的演进

稳定性是一个运营配置平台最重要的能力,没有稳定性,其他任何功能都会失去实际意义。运营系统的稳定性经历了不同的迭代时期,总结起来,可概括为以下三个阶段:

7.1 经典方案

这是APPKIT最早期的经典方案,它的实现也非常简单,如下图所示:

C端用户通过业务接入层获取数据,业务接入层通过服务调用获取配置后台数据(APPKIT服务),配置后台数据服务读取缓存数据。如果缓存数据不存在,则从数据库中读取数据,同时将数据库数据同步到Redis缓存中。这是经典的数据获取模型,但它有以下几个缺点:

  1. 数据调用有网络时延。
  2. Redis缓存抖动(网络抖动)会对服务的稳定性产生影响。
  3. 缓存的单Key存储的容量限制。

7.2 缓存方案

针对以上经典方案的缺点,我们做了进一步的改进,对配置后台数据服务做了一层本地内存缓存,如下图所示:

样做可以解决数据调用的部分网络时延问题,同时Redis缓存的抖动也不会影响整体服务的性能。不过,这个方案也有其自身的缺陷。

  1. APPKIT服务成了中心节点,业务方对中心节点强依赖,随着业务接入越来越多,中心服务的压力会等比例增加。
  2. 业务接入层与配置后台数据服务间调用的网络时延问题仍然存在。
  3. 单机的Web缓存容量有限,随着业务接入越多,APPKIT服务器本地缓存的数据量越大。

7.3 SDK方案

为彻底解决缓存方案的问题,尤其是服务中心化带来的流量、容量等问题,我们将运营数据的获取、Web缓存的管理集成进SDK。如下图所示:


这样的话,无论接入再多的业务,也不会对中心服务产生过大的流量压力和容量压力。SDK同时也解决了服务间调用的网络时延问题。所有同步数据的网络调用都是通过后台线程异步完成,不会影响业务线程的正常处理逻辑。

不过,SDK方案也引进了如下的新问题:

  1. 数据时效性和一致性如何保证?
  2. SDK本地缓存如何监控?过期数据如何删除?
  3. SDK版本如何升级?

为了解决数据的时效性和一致性问题,我们引入了监听更新机制,如下图所示:

运营人员在运营后台操作完成后,提交上线流程,流程发布后通过ZooKeeper的变化监控发送一个变化事件;SDK通过监听变化事件,拉取变化后的运营数据更新到本地。这里,为了防止这种监听机制失效,我们也做了一个兜底策略:每分钟定期进行一次数据同步。这样保证数据最迟一分钟内就能实现同步。对于SDK本地缓存,我们设计了监控上报机制,如下图所示:

这里有两条线路,其一为SDK在请求数据时,带上数据的accessTime时间戳,APPKIT服务会根据accessTime时间戳判断SDK本地数据是否过期。当accessTime时间超过24小时,说明这个运营位在一天内都没有使用,可以从本地内存中进行删除。其二为SDK定期进行监控上报,上报SDK本地缓存的数目,这样可以对SDK本地缓存进行监控和告警。对SDK版本升级问题,现有的解决方案,是通过CI构建时对SDK版本升级进行提示(必要时进行强制),不过大部分运营位使用的都是基础功能,在很大程度上不需要进行频繁地升级。

效果对比

缓存方案与SDK方案的效果对比如下:

注: SDK方案的平均线为0.0是因为统计时舍入引起的,真实值其实非常小。

八、总结与展望

本文通过美团点评移动运营平台的实践,详细介绍了我们在打造稳定、灵活、高效的运营配置平台过程中遇到的问题和挑战,同时本文也提供我们的解决思路:通过数据JSON化,运营流程化,接口SDK化分别解决了运营平台的灵活性、高效性和稳定性。APPKIT帮助产品、运营和研发提升C端的开发和运营效率,加速产品的迭代进程。

目前基于APPKIT的平台化特性,对App的模块化配置、Picasso的JS的管理、ABTest、个人中心入口管理、鲁班(面向C端的Key/Value配置系统)等业务提供了底层的数据存储和数据获取的支持,为移动端业务提供了运营配置的基础保障。

同时,为了进一步提升运营效率,我们基于Picasso的多端(Android、iOS、H5、微信小程序)能力,正在构建移动化的运营能力。这样保障用户无论在什么办公环境都能进行运营配置的管理。

作者简介

国宝,美团点评移动运营平台负责人,Java后端架构师,APPKIT项目发起人,负责APPKIT项目的架构设计。专注于高性能、高稳定、大并发系统的设计与应用。

小龙,目前为APPKIT项目负责人,主要负责APPKIT项目开发、技术对接和实施、开放平台等。专注于前后端全栈技术开发,喜欢挑战新的技术和业务问题。

总第283篇 2018年 第75篇 背景 在美团的价值观中,“以客户为中心”被放在一个非常重要的位置,所以我们对服务出现故障越来越不能容忍。特别是公司业务正处在高速增长的阶段,每一次故障对公 ...