Flink 的 RocksDB 状态后端在 vivo 的实践

Flink 的 RocksDB 状态后端在 vivo 的实践

摘要

特征拼接是实时推荐的关键环节，vivo团队从小时级Spark拼接演进到Flink流式架构，最终采用RocksDB大状态方案解决Redis存储成本问题。实践中攻克了TM内存溢出、RocksDB性能调优、任务启动慢等难题，通过参数优化和资源调度策略将拼接率提升至99%以上。未来计划引入混合存储架构和远程状态后端，进一步优化实时推荐系统的稳定性和扩展性。