氪信团队再夺冠!易观数科第四届OLAP算法大赛前三甲诞生!

本文主要是介绍氪信团队再夺冠!易观数科第四届OLAP算法大赛前三甲诞生!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

10月24日,易观数科第四届OLAP算法大赛正式落下帷幕,本届大赛由UCloud赞助、思否、infoQ、CSDN等技术媒体提供支持。历时40多天,经历了大赛报名、测试体验、正式比赛等重重环节,氪信团队、火山酱油团队、谦谦团队脱颖而出,夺得前三甲,奖励分别为6万、3万、1万现金大奖。授奖仪式在10月24日的2020易观A10数据智能峰会开发者日上进行,易观CTO郭炜为获奖者颁奖。

算法大赛前三甲合照

随后,冠军团队——氪信团队进行了比赛分享。氪信团队去年就曾以300毫秒准确处理8亿条行为数据的成绩夺得了易观第三届OLAP算法大赛冠军,今年面对不一样的题目和规则,毫不示弱,再度折冠!

算法大赛冠军团队-氪信团队

以下为冠军团队在易观A10数据智能峰会上的分享:

赛题解读

今年的赛题,相当于提供了一个APP用户运营的场景,原始数据为十亿量级的用户行为数据,比如某个用户访问了AI,做了一个行为比如查看一件商品、购买等,而平台有5000万的用户数据,这也就意味要将用户属性、用户分群关联到数十亿事件的序列上面,这其实是一个在相对有限的机器环境下有挑战的问题。

而正式比赛时使用的三台8C16G的机器,要把查询任务做到几秒甚至几百毫秒,这其实就是算法本身的一个重大挑战。

本届赛事难点

本届算法大赛,选手虽然提前3天拿到服务器和正式比赛数据,看起来有较富裕的预处理时间。但在比赛前15分钟,选手们会收到100多万的增量数据,时间短到不足以对全量数据做预计算、建cube。

第四届OLAP算法大赛以事件分析为主题,题目要求进行event表和profile表的关联,两个表之间数据量对比为1000000000 VS 50000000,join开销过大。此外,题目还考察参赛者计算去重小计数、中位数等指标的分布式计算方法,较为复杂。

解题思路与技巧

氪信团队选取了ClickHouse + 氪信准实时分析平台来完成本次比赛,基于用户ID和日期分别建立分片,然后根据题目类型自行选择合适的分片来执行计算。采用了列存+低基数(low cardinality)优化+数据压缩的存储方案,计算方案上则采用零共享MPP+CPU指令集优化+数据加热的方式。

在这里插入图片描述

10亿条对5000万条的关联,如果我们称之为相对较大的join,那么在三台配置较低的机器下,内存和硬盘的使用都要非常谨慎。氪信团队的解决方案是:

首先,通过离线任务的方式,将历史数据整合成大宽表,并将未能成功关联的event 表数据抽离出来;

随后,在获取到100万条event、5万条profile的增量数据后,将增量event 与未关联的历史event数据、全量profile做关联,这样需要join的数据仅为数百万对5000w条数据关联,大大降低了内存压力;

最后,做多维查询时,仅需要对预处理好的单表进行操作,而这正是clickhouse擅长的工作。

在这里插入图片描述

经验分享

比赛时究竟是追求极致的速度、还是灵活性/回退能力?氪信团队在分享中提到,LZ4的解压性能是主要瓶颈;在计算小计/总计时,浪费了一次完成的扫描过程,可以用-Resample 组合并扫描;通过预排序/预分组则可以节省去重计数的开销。

随着颁奖仪式的结束,易观第四届OLAP算法大赛至此圆满收官。自8月份开启选手报名通道以来,收到了来自爱奇艺、哔哩哔哩、中国移动、中科院计算所、中南大学等超百家团队的报名。除了冠军团队在会上的分享,亚军酱油团队、季军谦谦团队也分别提交了答辩PPT,前三甲的源代码也都将开源出来供爱好者浏览学习。

可前往算法大赛官网查看:
http://ds.analysys.cn/portal/2020-index.html

作为国内OLAP算法领域内的重要赛事,易观近四年来的坚持旨在推动国内OLAP技术的交流,荟聚算法智慧,为推动数据计算和应用能力、践行数据能力平民化而努力。期待明年有更多团队加入算法大赛!

这篇关于氪信团队再夺冠!易观数科第四届OLAP算法大赛前三甲诞生!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/823687

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖