重磅|对用户体验的极致追求: Thinking Analytics 3.0 正式发布

首页 产品特性 您的位置

秉持着让数据价值触手可及的初心,在产品外观、产品特性、和技术架构等方面都有重磅更新的 TA 3.0 版本在近日发布,并将马上与我们的客户见面。

作为业界领先的数据分析产品,ThinkingAnalytics (TA) 一直致力于强大的功能特性和稳定健壮的集群性能的持续提升,获得了众多客户的支持和肯定。作为一款企业级产品,除了功能强大,性能稳定外,做更好用的数据分析产品也一直是我们产品迭代的核心目标。

围绕着这些核心目标,TA 3.0 带来了以下重要的更新:

  • 全新界面:用清晰、高效、统一、美观的设计语言,做更好用的分析产品

  • SQL 报表化:和而不同,打破传统分析模型约束的重磅产品特性

  • 做最可靠的产品:业内领先的高可用架构,TA 实现全部组件高可用

  • 以客户为本:让梦想照进现实,TA 集群支持高峰前动态扩容,高峰后动态缩容

  • 性能提升:关键组件的性能提升,提升用户体验不止于界面改版

 

01

界面改版:清晰、高效、统一、美观

 

们过去在为客户提供尽可能全面的分析方案与数据结果呈现的过程中,收集了影响使用体验的问题:清晰,但不高效、不统一、不美观等。在持续量化下,这些细小的因素会整体性的限制产品的综合使用体验。为此,我们针对全站的主要功能模块做了完整的梳理,并经过深度思考与多层面的讨论,分阶段对产品的模块做了整体性的界面重构。

3.0 版本我们对全站的界面进行整体性改版,并针对核心模块分析模型做了布局改变,从上下结构变为了左右结构,这是一个与习惯对抗的挑战性改变。

重磅|对用户体验的极致追求: Thinking Analytics 3.0 正式发布

在此之前我们长期使用上下结构的布局,其优势是足够宽阔的设置空间,在分析指标设置阶段的效率有保障。但为此带来的问题是屏幕垂直空间的过度占用,尤其在反复调整大量指标并查看计算结果的场景下,会带来效率的下降。

高效的前提是能够专注,减少干扰,并加快信息的流动。交互的本质是时间与空间下信息的人机传递过程,左右结构的改变是对空间利用的优化。

我们利用左右结构,同时满足了客户看数与指标设置的并行需求,并优化了左右结构中可能出现的指标显示受空间限制的问题:包括对控件尺寸与布局的调整、面板自定义宽度范围、兼容多种屏幕尺寸下做到更好的显示效果,指标面板甚至可以完全收起,满足专注看数的用户习惯。

除此之外,我们强化了控件的交互反馈,并且调整了部分内容文案的表述方式,使之更具备直观性和语义逻辑。

3.0 版本是我们面向未来的一个新的开始,伴随每个版本推出的新功能,TA 系统的用户体验深化也会持续进行。后续阶段我们会继续深化包括看板、报表、分析模型、用户分群等模块的产品界面,并增加更多符合 TA 设计语言的视觉元素,使未来的 TA 系统更加高效,并兼具易用、统一与美观性。我们也会重视收集客户们的使用反馈,以验证我们对用户体验深化的探索具备切实的有效性

 

02

重磅产品特性:SQL报表化

 

除了显而易见的视觉升级,3.0 版本也带来了许多的功能改进,其中最为重磅的便是 SQL IDE 的重构

重磅|对用户体验的极致追求: Thinking Analytics 3.0 正式发布

新版 SQL IDE 使得 SQL 查询结果可以存成报表放在看板中,并提供了更好的SQL交互体验目前在国内同类产品中,TA 3.0 的 SQL 报表化是独一无二的。

SQL 报表化可以突破一般分析模型的约束和限制,极大的拓宽了分析产品的边界。以下在一般的模型中无法完成的分析场景都可以通过 SQL 报表化轻松解决:

  • 实现其他模型无法完成的复杂分析场景,比如结构体数据的利用,多表 JOIN,等等;
  • 实现跨项目、跨数据源的分析,比如项目数据汇总,或者依赖外部数据的分析场景;
  • 对结果展示有严格要求,不再满足于分析模型比较固定的展现形式,比如用户信息汇总、排行榜数据等等。

SQL 报表化不会增加使用门槛,非专业用户可以在完全不懂 SQL 的情况下体验 SQL 报表化的强大功能。为了实现 SQL 报表化,我们对 SQL IDE 进行了深度定制开发。

在极大提升了 SQL IDE 的易用性的同时,也支持了在 SQL 中设置动态参数。SQL 动态参数可以在看板的探索模块中使用,使诸如查询时间、查询条件的修改,可以直接在探索模块中进行。分析师制作好 SQL 报表后,可以很方便的将该报表分享复用,非专业用户可以像操作普通看板和报表一样,调整 SQL 报表的参数,观察数据。

除此之外,SQL 报表化允许 TA 中的数据报表支持更加丰富的数据源。除了可以使用项目原有的事件表、用户表、维度表、标签分群表外,用户还可以使用通过二次开发工具或 DataX 导入的自定义表,以及由查询结果创建的临时表去创建报表,并在看板中展示;如果配置了 Presto 的 connect,TA 集群外部的数据表也可以被使用。

从看板的探索模式到 SQL 报表化,我们一直致力于让数据分析变得简单、快捷、有灵性。在数据分析领域,TA 率先推出的诸多特性如多 ID 体系、虚拟属性、多时区分析等已经逐渐成为同类分析产品的必备特性。

在后续的版本中,我们将持续迭代我们的分析产品,始终坚持做更好用的数据分析产品,从产品理念、产品功能等多个方面促进数据分析产品这个领域的快速发展。

 

03

TA率先实现高可用集群

 

重磅|对用户体验的极致追求: Thinking Analytics 3.0 正式发布

高可用 (HA) 是大数据集群的必备特性。高可用保障集群的稳定性,大大降低了因系统异常导致的服务不可用,进而造成业务损失的风险。目前同类产品基本上都实现了部分组件的高可用,即保障收数到存储这一环节的相关组件的稳定性。

但是数据平台不等于收数平台,TA 系统的最终目标是从数据中挖掘业务价值,并以数据价值反哺业务,促进业务增长。因此,除了收数环节的高可用外,服务层和应用层的高可用对我们也至关重要。我们要保证在任何一个环节和层面,都能提供稳定有保障的数据服务。

实现高可用的基本思路是增加冗余,通俗讲就是双保险机制用备份来提升整个集群服务的可用性

另外根据 CAP 理论,可用性的提升会影响到一致性。因此为了保证一定程度的一致性,最终效果会牺牲一部分集群的性能。简单讲就是全 HA 版本的 TA 集群在性能上是不如普通版本的。

因此,部署完全的高可用集群可能会增加用户的成本。由于不同阶段的客户对高可用的需求是不同的,有些客户的可靠性保障要求很高,要求在任何极端情况下都需要客户无感知,有些客户的可靠性要求却比较低,只要数据存储不丢失即可。

我们需要在满足客户需求的情况下尽可能的帮助客户降低成本,因此我们实现了对高可用组件的灵活配置,并从上往下划分了 TA 系统的 5 个可靠性保障的优先级:

  1. 存储可靠性保障 (这是最优先的保障,要保障数据存储不丢失);
  2. 收数可靠性保障 (数据能完全收入到TA系统,保证数据上传始终在运行);
  3. 自动化运维可靠性保障 (保障TA系统出现故障时有能力自动恢复);
  4. 查询可靠性保障 (保障TA系统页面始终能够访问到,不会出现查询不可用现象);
  5. 数据流入可靠性保障 (保障TA系统数据始终能够流入,不会出现数据流入延迟现象)。

我们的客户可以根据业务需求定制 TA 集群的 HA 策略,选择部分组件的高可用,最大程度上提升资源的利用率。

HA 集群和 HA 级别的灵活配置让 TA 系统在底层架构上领先整个行业。

 

04

高峰前扩容,高峰后缩容

 

为了避免流量高峰引发的性能瓶颈,很多客户都会对集群进行扩容。TA 集群也在早期版本中就支持了动态扩容操作。但当流量高峰过后,过多的节点又为客户增加了不必要的成本。

作为一家以「客户为本」为首要价值观的企业,我们在几个月就确定了支持集群节点动态缩容的研发目标。目前,在大数据团队的努力下,TA 集群节点缩容功能已经研发完成,并随 TA 3.0 版本一起发布。

重磅|对用户体验的极致追求: Thinking Analytics 3.0 正式发布

集群节点缩容耗时与数据量有关系,大多数客户的使用场景中,一般 30 分钟左右即可完成缩容操作。操作过程中仅会出现少量内部服务的闪断,集群节点缩容可以在用户几乎无感知的情况下完成。目前缩容功能只针对 TA 集群版,不支持从集群版缩容至单机版。

集群缩容功能的上线是 TA 迈向集群和服务容器化和弹性伸缩这一中长期目标的重要里程碑。我们的大数据团队也将在这一道路上持续投入研发精力,始终以客户为本,为客户提供更加灵活、可信赖的大数据服务。

 

05

系统鲁棒性和查询性能的持续提升

 

用户体验的提升不止于视觉与服务,系统鲁棒性和性能是保障产品体验的重要组成部分。在 TA 3.0 中,我们围绕系统的鲁棒性和查询性能等方向,在收数、Presto、Kudu 等组件中都做了许多重要优化

数据上报的可靠性和实时性是后续分析的重要前提,没有可靠的数据源,TA 就难以为客户提供数据价值的最大化。在 3.0 版本中,我们对收数服务进行了优化,在收数组件和 Kafka 中间增加了本地缓冲区,彻底杜绝了由于 Kafka 不稳定引发的数据阻塞的隐患

TA 的分析功能依赖大量的数据查询操作,在系统资源有限的情况下,慢查询的出现不可避免。如果一段时间内并发多个慢查询,系统资源将很快被耗尽。在这种情况下,即使用户在界面上进行比较简单的操作,也很难得到及时的响应,引出严重影响用户体验的问题。

我们无法在不增加系统资源的情况下,让慢查询变快,但是我们可以尽可能地限制慢查询对系统资源的消耗,从而提高对多数查询的响应速度。

基于这个思路,我们在 3.0 版本中实现了查询资源的动态调配功能,增加对慢查询的审计流程,将慢查询路由到慢通道,限制慢通道的数目,以降低多个慢查询并发的概率,从而实现了在常见场景下提升用户体验的目标。

除此之外,Kudu 性能优化也有了重要进展。经过大量深入的研究,我们将 Kudu 的内存占用从 16 GB (标准版) 跑满降为稳定在 1.5 GB 左右,同时 CPU 的整体开销也下降 2 倍以上,极大提升了系统效率。

 

06

结语

 

让数据价值触手可及」是我们企业的使命,也是我们产品迭代的初心。

从最初的产品雏形到如今 3.0 的发布,我们跟众多客户一起,走过了一段很精彩的旅程。客户的反馈和需要一直是我们产品灵感的重要源泉,3.0 版本也离不开广大客户对我们团队的关心和启发。

这是我们产品迭代的一个重要里程碑,也是一个全新的开始。

我们将始终秉持以「客户为本」的核心价值观,与我们的客户共同打造一个更好用的数据分析产品,让数据分析变得简单、快捷、有灵性。

热门文章。