本文主要介绍搜狐智能媒体，在微服务体系架构下，使用zipkin进行服务链路追踪（Tracing）的埋点采集，将采集的Trace信息存储到starrocks中，通过starrocks强大的SQL计算能力，对Tracing信息进行多维度的统计、分析等操作，提升微服务监控能力，从简单统计的Monitoring上升到更多维度探索分析的Observability。

作为DBA团队，我们负责运维到家MySQL，Redis，Es相关数据库，去年下半年新业务希望数据库支撑复杂的OLAP需求，进行千亿量级的数据分析，满足秒级多维度和条件的组合查询，实时聚合，改造成本要求尽量低。

多点DMALL通过引入StarRocks，逐步替代了 Impala、Impala on Kudu、Apache Kylin 等存储引擎，简化了实时数据处理链路，同时也能保障较高的查询并发以及较低的响应延迟要求。

在汽车之家内部，实时数据的来源主要是三部分：

• 手机端户行为的日志；
• 应用程序的服务端的日志；
• MySQL、SQLServer数据。

实时数据分析场景，目前面临的一些痛点包括：

• 使用 Flink 做指标聚合，Flink 聚合不灵活，面对需求的时候开发成本比较高的，面对多变的需求，经常需要重复开发；
• Kylin 支持指标预计算，并发支持较好，但是不能够支持高效的明细数据查询。在一些需要下钻或者获取明细数据的场景支撑的不够好；
• TiDB 不支持预聚合模型，某些数据量大的场景，聚合指标需要在线计算。在线计算会导致服务器压力瞬间增大，而且查询性能不稳定，取决于参与计算的数据量和当时服务器的负载情况。

信也科技通过引入新一代性能彪悍的MMP架构数据库StarRocks来构建实时数仓平台，进行实时数据分析，提供统一的数据服务：降低业务使用复杂度，提升用户体验，实现生产效率最大化。

70%的实时数据场景已经接入，查询响应速度平均在200ms左右。