提到雙十一很多人第一印象是一張成交金額跳動的炫酷大屏，的確大盤在阿里雙十一中幾乎是每個團隊標配，例如：

• CEO看業務：把重要資料放到一張大屏上，簡潔而有衝擊力
• 運營看效果：把多個指標放在一起，有利於綜合分析定製投放策略
• 開發看流量：服務請求延時，排隊情況，掌握實時效能與動態
• 監控看水位：集中監控整體服務的狀態，有利於快速的做出響應

大盤方案選型

典型方案是流式計算架構：

• 資料採集：利用Agent、API、SDK等採集各源頭資料
• 中間儲存：利用類Kafka軟體進行生產系統和消費系統解耦
• 實時計算：環節中最重要環節，訂閱實時資料，通過計算規則對視窗中資料進行運算
• 結果儲存：計算結果資料存入SQL和NoSQL
• 視覺化：通過API呼叫結果資料進行展示

在阿里集團內，有大量成熟的產品可以完成此類工作，一般可供選型的產品如下：

對大盤進一步訴求

雖然前期做了大量準備工作，但運營、研發和運維等除了看大盤外，還會圍繞整個活動的執行做大量工作，例如：

• 運營對每個類目的細節，下單數目，使用者量預期水平等進行大量分析，對某些使用者群體啟用和促銷
• 研發關注請求流量，使用者延時體驗，定位和分析各種原因
• 運維分析系統的水位，檢視各資源的分佈，排程資源以確保穩定性

從上述例子中可以看到，除了資料的呈現之外，我們需要對大盤融入“互動式分析”的能力。給大家介紹一種選擇：通過日誌服務（LOG，原SLS）一站式的查詢分析LogSearch/Analytics API 直接對接視覺化大屏。
​
大屏的選擇可選方案有日誌服務Dashboard，Grafana，Datav等，也可以通過API、JDBC介面對接自己的視覺化大屏和第三方的軟體（例如Tableua）。日誌㐏對三種大屏提供了外掛，只需在配置中直接使用SQL進行計算，並展示結果。

日誌服務Dashboard主要面需要互動式分析的查詢需求，例如發現錯誤時，需要下鑽定位原因。跟蹤到某個類目中檢視細節，對比同比與環比資料。該方案有如下特點：

• 實時性強

  • 從資料產生，秒級別即可在日誌服務看到資料。
  • 動態重新整理，秒級別即可計算出指標，展示在大屏上。

• 秒級精度

  • 日誌時間精確到秒級別。

• 靈活查詢

  • 使用SQL進行互動查詢，可以進行探索式分析，快速進行假設和驗證。可反覆在原始資料上進行任意維度的計算。而流計算在計算完原始資料後，即拋棄了原始資料，若想回溯調整查詢，基本不可能。所以日誌服務的互動式查詢可謂靈活很多。

• 機器學習支援

  • 時序類機器學習函式，幫助發現業務規律與趨勢

  • 分類與聚類函式，幫助發現與定位異常

使用步驟

以日誌服務dashboard對接為例，要對接一個大屏，首先要接入資料，然後編寫SQL，配置儀表盤檢視。

1. 接入資料

日誌服務提供30+資料接入手段可以滿足各種資料來源訴求，具體參考文件。

2. 除錯SQL+機器學習函式

我們在日誌服務查詢頁面，通過SQL語法，計算出需要的指標。SQL語法參考語法文件。

3. 配置檢視並儲存

SQL除錯好後，配置檢視的引數，新增到儀表盤：

在配置好的大屏中，使用下鑽深入分析結果：

日誌服務控制檯內建14+型別檢視，用於視覺化展示SQL計算結果，具體參考文件

基於日誌服務大盤案例

• 從日誌到雙十一大屏只要一步：LOG/SLS+DataV 打通
  DataV無縫支援LOG API，使用SQL進行實時計算，統計Nginx日誌的PV、UV網路等指標。

圖：datav大屏

• 5分鐘搭建網站實時分析：Grafana+日誌服務實戰

圖：grafana大屏

• 日誌服務Nginx dashboard：使用日誌服務內建的地圖、餅圖、折線圖等視覺化Nginx日誌指標

圖：日誌服務dashboard

• Pangu 2.0 秒級監控
  Pangu2.0是阿里雲自研的新一代普惠智慧新儲存系統。Pangu基於日誌服務搭建秒級監控，Pangu 日誌產生後，秒級採集到日誌服務，並在秒級別計算出各個機器的IOPS、延時、吞吐。可迅速發現負載高的機器，及時跟進處理。

• Fuxi 雙十一資源畫像為混部保駕護航資源排程大屏：
  伏羲是阿里雲自研的分散式排程系統。在雙十一期間，為了監控所有叢集的容量、負載資訊，伏羲團隊搭建了基於日誌服務+dataV的視覺化大屏。一張大屏囊括了所有的叢集資訊，看到這張大屏，就像擁有了一張地圖，在雙十一波濤洶湧的流量面前，做到胸有成竹。