从零搭建精准运营系统

2018刚过去，趁着春节放假对过去一年主导开发的项目做个梳理和总结

项目背景

平台运营到一定阶段，一定会累积大批量的用户数据，这些用户数据是运营人员的黄金财产。而如何利用用户的数据来做运营（消息推送、触达消息、优惠券发送、广告位等），正是精准运营系统需要解决的问题。本文是基于信贷业务实践后写出来的，其它行业如保险、电商、航旅、游戏等也可以参考。

业务场景

先看几个具有代表性的需求

用户可用额度在20000～50000元，而且有借款记录，未还本金为0，性别为“男”
用户发生了A行为且未还本金大于5000
用户在1天内发生A行为次数大于等于3次
用户在A行为前24小时内未发生B行为
用户在A行为后一个月内未发生B行为

业务上有两种消息类型

• 日常消息：由业务人员通过条件筛选锁定用户群，定时或即时给批量用户发送消息或者优惠券
• 触达消息：主要由用户自身的行为触发，比如登陆、进件申请、还款等，满足一定筛选条件实时给用户发送消息或优惠券

对于用户筛选条件，也主要有两种类型

• 用户状态：包括用户自身属性如性别、年龄、学历、收入等，还有用户相关联实体如进件订单、账户信息、还款计划、优惠券等的属性，以及用户画像数据如行为偏好、进件概率等
• 用户行为：即用户的动作，包括登陆、进件申请、还款，甚至前端点击某个按钮、在某个文本框输入都算

早期方案

早期方案存在以下痛点

1. 至少两次跨部门沟通配合成本，周期被拉长
2. 非实时消息推送，无法实现基于用户行为的实时推送场景
3. 非实时效果验证，无法及时调整运营策略

系统搭建的目标

• 需要定义规则，提供可视化界面给业务人员动态配置，无需重启系统即使生效，减少沟通成本和避免重复开发，总之就是要更加 自动化 和 易配置
• 采集实时数据，根据实时事件做实时推送，总之就是要 实时

技术选型

数据采集、转换、存储

• 采集：状态类的数据主要放在各个业务系统的关系型数据库中，由于历史原因有postgres和mysql，需要实时采集表的数据变更，这里使用kafka connector读取mysql的binlog或postgres的xlog，另外还有标签系统计算出来的标签，在kafka中；而事件类数据主要来源于前端上报事件（有专门的服务接收再丢到kafka），关系型数据库里面也可以提取一些事件。
• 转换：采集出来的数据需要做一些格式统一等操作，用kafka connector。
• 存储：采用Elasticsearch存储用户数据，ES查询不像mysql或mongoDB用B-tree 或B+tree实现索引，而是使用bitset和skip list来处理联合索引，特别适合多字段的复杂查询条件。

下面重点看下kafka connector和Elasticsearch如何使用

kafka connector

kafka connector有Source和Sink两种组件，Source的作用是读取数据到kafka，这里用开源实现debezium来采集mysql的binlog和postgres的xlog。Sink的作用是从kafka读数据写到目标系统，这里自己研发一套组件，根据配置的规则将数据格式化再同步到ES。
kafka connector有以下优点：

• 提供大量开箱即用的插件，比如我们直接用debezium就能解决读取mysql和pg数据变更的问题
• 伸缩性强，对于不同的connector可以配置不同数量的task，分配给不同的worker，，我们可以根据不同topic的流量大小来调节配置。
• 容错性强，worker失败会把task迁移到其它worker上面
• 使用rest接口进行配置，我们可以对其进行包装很方便地实现一套管理界面

Elasticsearch

对于状态数据，由于状态的写操作相对较少，我们采取嵌套文档的方式，将同个用户的相关实体数据都同步写入到同个文档，具体实现用painless脚本做局部更新操作。效果类似这样：

{
   "id":123,
   "age":30,
   "credit_line":20000,
   "education":"bachelor",
   ...
   "last_loan_applications":{
         "loan_id":1234,
         "status":"reject",
          ...
    }
  ...
}

事件数据写入比较频繁，数据量比较多，我们使用父子文档的方式做关联，效果类似这样：

{
  "e_uid":123,
  "e_name":"loan_application",
  "e_timestamp":"2019-01-01 10:10:00"
  ...
}

（e_前缀是为了防止同个index下同名字段冲突）
ES这样存储一方面是方便做统计报表，另一方面跟用户筛选和触达有关。

规则引擎

在设计规则引擎前，我们对业界已有的规则引擎，主要包括Esper, Drools, Flink CEP，进行了初步调研。

Esper

Esper设计目标为CEP的轻量级解决方案，可以方便的嵌入服务中，提供CEP功能。
优势:

• 轻量级可嵌入开发，常用的CEP功能简单好用。
• EPL语法与SQL类似，学习成本较低。

劣势:

• 单机全内存方案，需要整合其他分布式和存储。
• 以内存实现时间窗功能，无法支持较长跨度的时间窗。
• 无法有效支持定时触达（如用户在浏览发生一段时间后触达条件判断）。

Drools

Drools开始于规则引擎，后引入Drools Fusion模块提供CEP的功能。
优势:

• 功能较为完善，具有如系统监控、操作平台等功能。
• 规则支持动态更新

劣势:

• 以内存实现时间窗功能，无法支持较长跨度的时间窗。
• 无法有效支持定时触达（如用户在浏览发生一段时间后触达条件判断）。

Flink

Flink 是一个流式系统，具有高吞吐低延迟的特点，Flink CEP是一套极具通用性、易于使用的实时流式事件处理方案。
优势:

• 继承了Flink高吞吐的特点
• 事件支持存储到外部，可以支持较长跨度的时间窗。
• 可以支持定时触达（用followedBy＋PartternTimeoutFunction实现）

劣势:

• 无法动态更新规则（痛点）

自定义规则

综上对比了几大开源规则引擎，发现都无法满足业务需求:

• 业务方要求支持长时间窗口（n天甚至n个月，比如放款一个月后如果没产生还款事件就要发消息）
• 动态更新规则，而且要可视化（无论用哪个规则引擎都需要包装，需要考虑二次开发成本）

最终我们选择自己根据业务需要，开发基于json的自定义规则，规则类似下面例子：

{
  "batchId": "xxxxxxxx", //流水号，创建每条运营规则时生成
  "type": "trigger", //usual
  "triggerEvent": "login",
  "after": "2h", //分钟m,小时h,天d,月M
  "pushRules": [//支持同时推送多条不同类型的消息
    {
      "pushType": "sms", //wx,app,coupon
      "channel": "cl",
      "content": "hello #{userInfo.name}"
    },
    {
      "pushType": "coupon",
      "couponId": 1234
    }
  ],
  "statusConditions": [
    {
      "name": "and", //逻辑条件，支持与(and)或(or)非(not)
      "conditions": [
        {
          "name": "range",
          "field": "credit_line",
          "left": 2000,
          "right": 10000,
          "includeLeft": true,
          "includeRight": false
        },
        {
          "name":"in",
          "filed":"education",
          "values":["bachelor","master"]
        }
      ]
    }
  ],
  "eventConditions": [
    {
      "name": "or",//逻辑条件，支持与(and)或(or)非(not)
      "conditions": [
        {
          "name": "event",
          "function": "count", //聚合函数,目前只支持count
          "eventName": "xxx_button_click",
          "range": { //聚合结果做判断
            "left": 1,
            "includeLeft": true
          },
          "timeWindow": {
            "type": "fixed", //fixed为固定窗口，sliding为滑动窗口
            "start": "2019-01-01 01:01:01",
            "end": "2019-02-01 01:01:01"
          },
          "conditions": [ //event查询条件继承and逻辑条件，所以事件也可以过滤字段
            {
              "name": "equals",
              "field": "f1",
              "value": "v1"
            }
          ]
        }
      ]
    }
  ]
}

使用面向对象思维对过滤条件做抽象后，过滤条件继承关系如下：

然后代码里加一层parser把Condition都转成ES查询语句，实现轻量级的业务规则配置功能。

整体技术方案

系统组成模块及功能如下：
mysql binlog：mysql的数据变更，由kafka connector插件读取到kafka，数据源之一
postgres xlog：pg的数据变更，由kafka connector插件读取到kafka，数据源之一
report server：事件上报服务，数据源之一
tags：用户画像系统计算出来的标签，数据源之一
触发场景路由：分实时触发和延迟触发，实时触发直接到下一步，延迟触发基于 rabbitmq的延迟队列实现
用户筛选模块：将筛选规则翻译为ES查询语句到ES查询用户数据，可以是批量的和单个用户的
变量渲染模块：对推送内容做处理
推送适配器：兼容不同的推送方式
定时任务调度器：基于elastic-job，处理定时推送任务
规则配置控制台：提供可视化配置界面（运营规则配置、数据采集规则配置、字段元数据配置等）
报表服务：提供报表查询功能
运营位服务：提供外部接口，根据条件匹配运营位（如启动图、首页banner图片等）

总结与展望

• 系统基本满足了目前的业务需求，对转化率等运营指标提升显著
• 可以扩展其它业务，如推荐、风控、业务监控等
• 规则定时拉取，实时性差，可以用zk做发布订阅实现即时更新
• 目前事件的聚合函数只支持count，能满足业务需求但是未来可能还需要支持其它函数
• 系统只经过千万级用户的生产验证，再高数量级的话可能还有很多性能优化的工作,如ES并行查询（目前用scroll api批量拉取用户数据是串行的）
• 事件类数据越来越多，目前采取定时删除半年前数据的方式，防止持续增长过快不可控，所以事件类条件不可超过半年的时间窗口
• 虽然系统对业务无入侵，但是反过来看本系统依赖于上游数据，上游数据发生变化时如何做到影响最小？

未来会继续从技术及业务两方面入手，将系统建设的更加易用、高效。