從年底破百億的“羋月傳”和有毒的“太子妃”到年初舉報(bào)快播的“背鍋俠”，樂視簡直賺足了國民的關(guān)注?，F(xiàn)在看來，游戲才剛剛開始，最近樂視又在忙活著升級(jí)，改Logo改域名，這意味著樂視已經(jīng)準(zhǔn)備火力全開，進(jìn)軍全球市場了。小編覺得，樂視之所以有這么大的野心，是因?yàn)楸澈笥写髷?shù)據(jù)作支撐，而且未來，大數(shù)據(jù)在樂視全球化戰(zhàn)略中也將發(fā)揮舉足輕重的作用。
從內(nèi)容來看，樂視大數(shù)據(jù)打造的超級(jí)IP實(shí)力確實(shí)強(qiáng)大。2013年樂視最早借大數(shù)據(jù)跑贏宣傳檔為即將上映的《小時(shí)代》做了最精準(zhǔn)的預(yù)測和分析，開展了一場漂亮的電影營銷，拉開了大數(shù)據(jù)電影營銷的模式。再后來，國內(nèi)影視開始掀起IP潮，2015年是IP炒的最熱的一年。年底，樂視給用戶呈上滿意的答卷，其自制的“十年劇王”《羋月傳》以全網(wǎng)200多億的播放總量創(chuàng)下紀(jì)錄。網(wǎng)絡(luò)雷劇《太子妃升職記》，目前全網(wǎng)播放量已接近15億。大數(shù)據(jù)+超級(jí)內(nèi)容IP給樂視進(jìn)軍全球市場注入了無限動(dòng)力。
然而，這不是重點(diǎn)，“內(nèi)容+”才是樂視生態(tài)的看點(diǎn)?！读d月傳》播出后，樂視同步推出了《羋月傳》定制版超級(jí)電視、智能手機(jī)、羋酒、手機(jī)殼、《羋月傳》經(jīng)典臺(tái)詞版手機(jī)鈴聲等個(gè)性化產(chǎn)品，還與天貓合作，打造《羋月傳》衍生品旗艦店，《羋月傳》手游也已經(jīng)發(fā)布。注意，請(qǐng)注意，這是一個(gè)360°無死角的IP布局，樂視超級(jí)IP已經(jīng)形成一個(gè)完美的閉環(huán)。
如果說IP是軟件的話，那樂視云就是硬件了。大數(shù)據(jù)時(shí)代，最不缺的就是“云”了，樂視云是一個(gè)專注于視頻領(lǐng)域的云計(jì)算平臺(tái)，2016年樂視云已經(jīng)與戴爾達(dá)成兩年全球戰(zhàn)略合作、聯(lián)手全球領(lǐng)先大數(shù)據(jù)運(yùn)營商Equinix，法國第一大電信運(yùn)營商Orange、澳大利亞最大電訊公司澳大利亞電信、世界領(lǐng)先綜合性國際電信公司西班牙電信、全球頂級(jí)通信方案運(yùn)營商香港和記環(huán)球電訊有限公司等全球多家頂級(jí)運(yùn)營商，打破數(shù)據(jù)孤島，加速視頻生態(tài)體系建設(shè)，未來樂視大數(shù)據(jù)的觸角將會(huì)伸向更多行業(yè)。
再來看市值，樂視網(wǎng)2004年成立，2010年上市，當(dāng)年市值僅為50億。五年下來，樂視依托大數(shù)據(jù)平臺(tái)在互聯(lián)網(wǎng)視頻、影視制作、智能終端、電子商務(wù)等垂直領(lǐng)域深耕，到現(xiàn)在，總市值已接近1100億。但是，看看樂視這次全面升級(jí)沖擊全球的架勢，貌似，樂視的故事才剛剛開始!
白德鑫現(xiàn)在正在從事樂視網(wǎng)超級(jí)電視做數(shù)據(jù)挖掘。他表示，原來初期的業(yè)務(wù)做得適應(yīng)不了當(dāng)前業(yè)務(wù)發(fā)展，所以要進(jìn)化。主要做的事情，構(gòu)建每件事的時(shí)候，分析數(shù)據(jù)的平臺(tái)，給樂視網(wǎng)的超級(jí)電視提供數(shù)據(jù)挖掘服務(wù).如何從最初業(yè)務(wù)發(fā)展到現(xiàn)在，包括在超級(jí)電視上做實(shí)時(shí)分析和用戶離線挖掘，通過數(shù)據(jù)挖掘，給很多業(yè)務(wù)部門提供數(shù)據(jù)挖掘的支持。
白德鑫提到自己是谷歌粉絲，目前正在做第一批超級(jí)電視數(shù)據(jù)挖掘。云視頻搞清播放機(jī)的時(shí)候，那時(shí)候比較屌絲，只有幾萬臺(tái)數(shù)據(jù)，數(shù)據(jù)當(dāng)時(shí)也比較少，做了一些開機(jī)數(shù)之類的、日常數(shù)據(jù)。在業(yè)務(wù)里做，在數(shù)據(jù)節(jié)點(diǎn)做計(jì)算。
后來性能越來越低，因?yàn)榱吭絹碓酱?，?dāng)時(shí)每天數(shù)據(jù)量，當(dāng)時(shí)覺得很大，每天只有幾千萬行數(shù)據(jù)。這時(shí)覺得需要嘗試一些新的技術(shù)，就用Cassandra為存儲(chǔ)，存儲(chǔ)日至，做簡單處理切分以后放進(jìn)里面，使用Hodoop進(jìn)行計(jì)算，把結(jié)果塞到MySQL里。每天計(jì)算數(shù)據(jù)對(duì)自己來說是一個(gè)中間數(shù)據(jù)?？梢猿鰜硪恍﹫?bào)表。數(shù)據(jù)組合比較多，剛開始只是盒子、應(yīng)用，后來還有一些視頻播放內(nèi)容，開始嘗試把每天數(shù)據(jù)把MySQL和Kettle進(jìn)行分析。但是做了三四個(gè)月又換了，使用Kafka、Storm、Hodoop、Hpase、Hive、Oozie、Sqoop，唯一修改是有一些大的，跟隨開源社區(qū)來做，進(jìn)行相應(yīng)升級(jí)，盡量跟社區(qū)保持一致。
樂視網(wǎng)大數(shù)據(jù)的起點(diǎn)
白德鑫表示，剛開始只有一個(gè)數(shù)據(jù)分析員，抓一些數(shù)據(jù)，這是做的分析。電視的盒子，包括電視開機(jī)，看了什么電視節(jié)目，因?yàn)闃芬暰W(wǎng)是做視頻內(nèi)容的，點(diǎn)開了什么視頻節(jié)目，看了多長視頻節(jié)目是通過心跳來做的，三分鐘一個(gè)心跳，這個(gè)放到終端記錄下來。播放有開始、有心跳，電視好一些，但是盒子有些用戶看著看著直接斷電了，結(jié)束就沒有了，只能從心跳往回挖。
自從發(fā)布超級(jí)電視以后，剛開始盒子價(jià)格比較貴，沒人買，后來盒子賣299，賣出去很多。數(shù)據(jù)量按照三分鐘心跳，幾十萬用戶看視頻，開機(jī)有心跳、播放視頻有心跳，數(shù)據(jù)量特別大，沒辦法，樂視當(dāng)時(shí)上了四臺(tái)。四臺(tái)數(shù)據(jù)，看怎么發(fā)布的。之后輸出，然后進(jìn)行分析?？从心男﹩栴}。
當(dāng)時(shí)做這個(gè)事情的時(shí)候一個(gè)人在做這些事情。然后后來有人離職，后來Cassandra這塊沒人了，交接的時(shí)候?qū)懲?，?duì)系統(tǒng)影響很大。在這個(gè)時(shí)候沒人接手，他走了技術(shù)也走了，一個(gè)蘿卜一個(gè)坑，蘿卜走了坑很不容易填的。后來想找一個(gè)技術(shù)更牛一些的人幫樂視來做，但是到現(xiàn)在一個(gè)多月沒有找到。系統(tǒng)要繼續(xù)做，數(shù)據(jù)也在瘋狂增長，沒辦法就把Cassadnra去掉，往MySQL里放。
通過另外一種方式，分析人員對(duì)樂視意見很大，他多的時(shí)間有兩個(gè)小時(shí)，要看今天開機(jī)量，和昨天的對(duì)比，再分時(shí)段看開機(jī)量，兩個(gè)小時(shí)就過去了。他說系統(tǒng)老死機(jī)，我說是查詢太慢了。希望系統(tǒng)可以做大一些。
現(xiàn)階段數(shù)據(jù)量的變化
白德鑫自己說，樂視的數(shù)據(jù)量從年初的三個(gè)月翻一番，到現(xiàn)在的我寫得稍微早一些，到每周翻一番，現(xiàn)在每天數(shù)據(jù)量一百G，超級(jí)電視以及盒子賣得非?？?。從設(shè)備行為快速向用戶行為轉(zhuǎn)變。我的計(jì)劃量是多少，賣得多了老百姓開始考慮業(yè)務(wù)行動(dòng)，按照互聯(lián)網(wǎng)方式做，用戶拿著我的盒子看什么使的，是看電影還是看電視劇，所以這個(gè)時(shí)候很多用戶行為來分析。現(xiàn)在電視版本和盒子版本一周一個(gè)，這個(gè)版本每周更新一個(gè)系統(tǒng)版本，用戶是不是接受，這些都在樂視這里做分析。
還有一個(gè)是樂視在這里做了一些測試，因?yàn)樵诤凶永铮瑯芬暯蠻I里做一些測試，今天做一個(gè)海報(bào)推薦，明天加一個(gè)分析，看用戶量高還是低。
用戶數(shù)據(jù)量增長很快，人也沒有，一邊找土豪開發(fā)者幫樂視解決這個(gè)問題，另外自己要解決這個(gè)問題了?？磾?shù)據(jù)分析的人，團(tuán)隊(duì)從內(nèi)部調(diào)，數(shù)據(jù)分析招聘了一個(gè)。還有一個(gè)比較牛的是從公司別的部門挖的一個(gè)人。從今年年初開始履行，從原有的來進(jìn)行。最后換成現(xiàn)在的方式。這個(gè)是自己在做，研發(fā)團(tuán)隊(duì)兩個(gè)人，現(xiàn)在也是兩個(gè)人。
差不多半年搭成新的，新平臺(tái)通過Kafka搭建，通過很多業(yè)務(wù)系統(tǒng)，點(diǎn)播、第三方的，包括一些日志，存儲(chǔ)數(shù)據(jù)，以及需要對(duì)用戶進(jìn)行分析的數(shù)據(jù)。還有一些元數(shù)據(jù)，進(jìn)行一些加工、處理。整合之后，其實(shí)就是前段所有的請(qǐng)求打到這里。Storme是最后的數(shù)據(jù)，另外Hodoop寫的已經(jīng)換了，數(shù)據(jù)量大以后，換其他的數(shù)據(jù)庫，剛開始選，公司自己開始做自己的數(shù)據(jù)庫。通過Hodoop以及數(shù)據(jù)服務(wù)wAD-HOC的搭建、處理，實(shí)時(shí)查詢、開放數(shù)據(jù)平臺(tái)也做了查詢、進(jìn)行了報(bào)表，對(duì)一些實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)，還有做了門戶，對(duì)各個(gè)業(yè)務(wù)提供數(shù)據(jù)服務(wù)，要調(diào)哪些數(shù)據(jù)。運(yùn)營商需要知道在四川電信、某個(gè)電信部門的視頻點(diǎn)播量。這些都是靠內(nèi)部挖掘的。
樂視的數(shù)據(jù)源通過前端的，從三款到六款，所有數(shù)據(jù)都打到這里，好處是在于跟著開源社區(qū)升級(jí)系統(tǒng)，依然可以接收數(shù)據(jù)，不影響業(yè)務(wù)。后面再隨便操作。數(shù)據(jù)稍微做一下處理放到STORE，放到數(shù)據(jù)實(shí)時(shí)計(jì)算、然后進(jìn)行拆分?，F(xiàn)在沒有用PEED，用戶交互是OEE，把多個(gè)任務(wù)組合，把它放到，最后是一個(gè)結(jié)果，是一個(gè)業(yè)務(wù)流程的管理工具。
數(shù)據(jù)輸出之后通過查詢，然后提供給別人，反饋到前端數(shù)據(jù)。這叫矩陣式的業(yè)務(wù)。這是進(jìn)行的測試。服務(wù)器兩臺(tái)4Core cpu、6G，用戶38萬左右，38萬有效數(shù)據(jù)。跟官網(wǎng)50萬對(duì)比稍微差一些。因?yàn)闃芬暤臋C(jī)器性能比他們差很多。
當(dāng)時(shí)做的時(shí)候兩個(gè)節(jié)點(diǎn)做的，用了一個(gè)發(fā)送，用的是同步發(fā)送，消息格式是兩種，格式是30字節(jié)、50字節(jié)、200字節(jié)。如果30字節(jié)38萬，其他數(shù)據(jù)基本上是在30萬左右。這是單臺(tái)數(shù)據(jù)。單臺(tái)差不多30萬。這是樂視的Spout集群，做一些業(yè)務(wù)拆分，比如有些數(shù)據(jù)需要組織，點(diǎn)播、心跳的，其實(shí)有些消息是隨機(jī)的，雖然連續(xù)發(fā)過來的，但是每臺(tái)機(jī)器都往外發(fā)，把數(shù)據(jù)寫到里面，比方說播放時(shí)長，每個(gè)劇播放時(shí)長、按時(shí)段的數(shù)據(jù)計(jì)算。
這個(gè)借用官網(wǎng)的圖，我用的0.9幾，實(shí)際上標(biāo)準(zhǔn)是一個(gè)，但是樂視怕數(shù)據(jù)丟失，所以做了兩個(gè)，其實(shí)做得比較簡單，把數(shù)據(jù)復(fù)制。存的一些數(shù)據(jù)，這些沒有太多可講的，當(dāng)時(shí)做了一些簡單優(yōu)化，這個(gè)不多說。默認(rèn)垃圾是關(guān)閉的，自動(dòng)回收，不想讓它自動(dòng)回收要手工做一些處理。這是Sqoop，原來的數(shù)據(jù)都在這里存儲(chǔ)，樂視導(dǎo)入集群里，樂視用這個(gè)來做。當(dāng)時(shí)做了一些事情，把數(shù)據(jù)抽取整合。
沒有寫在上面的OLD，包括查詢，有些數(shù)據(jù)處理處理的中間結(jié)果，中間結(jié)果到最后沒有，不可能到使用階段。
ROI分析
數(shù)據(jù)量每個(gè)月翻一番，現(xiàn)在不只這個(gè)了，樂視原有架構(gòu)沒辦法滿足新的需求，之前就是日?qǐng)?bào)，現(xiàn)在每天實(shí)時(shí)數(shù)據(jù)都很多。Kettle方式數(shù)據(jù)整合時(shí)間越來越長，采用hadoop-Storm方案，不會(huì)對(duì)數(shù)據(jù)挖掘產(chǎn)生太大的影響，資源稍微豐富一點(diǎn)，集群不夠使的時(shí)候要添加機(jī)器，數(shù)據(jù)每日跑一次，每天晚上12點(diǎn)跑一次收取數(shù)據(jù)生成報(bào)表，到現(xiàn)在實(shí)時(shí)查詢，時(shí)間還是比較長的，五分鐘左右。因特爾給樂視推薦過一個(gè)，但是它那個(gè)對(duì)內(nèi)存要求太高，暫時(shí)做不到?，F(xiàn)在都是6G內(nèi)存服務(wù)器。支持硬件設(shè)備。
目前還有很多事情要做，其實(shí)對(duì)樂視來說不同階段選擇不同方案，剛開始初期的時(shí)候，一年賣幾萬個(gè)盒子，剛開始三千一臺(tái)盒子，不可能建十幾個(gè)節(jié)點(diǎn)的數(shù)據(jù)。人員流失會(huì)導(dǎo)致技術(shù)流失。技術(shù)儲(chǔ)備和內(nèi)部自薦比招聘牛人更快。現(xiàn)在招聘也很困難，hadoop圈里人比較少。新業(yè)務(wù)平臺(tái)都要小心對(duì)待。否則出問題很難解決。數(shù)據(jù)這塊還好一些，如果前端沒有，對(duì)業(yè)務(wù)影響很大。
數(shù)據(jù)安全很重要，樂視有40多T數(shù)據(jù)，放到兩個(gè)備份存儲(chǔ)上。服務(wù)器多了就是爽，四臺(tái)不夠加八臺(tái)，計(jì)算量可以很快。
