Załóżmy, że jesteśmy dużą siecią reklamową. Umieszczamy banery na stronach partnerskich na całym świecie. Musimy zaprojektować system zbierania i przetwarzania zdarzeń w czasie rzeczywistym. Te dane są krytyczne dla dwóch celów: Rozliczenia: Odliczanie pieniędzy od reklamodawców za kliknięcia. Analiza: Wyświetlanie aktualnej skuteczności kampanii (CTR, wyświetlenia) w panelu użytkownika. Dane wejściowe (do obliczenia obciążenia) Musisz sam ocenić wymagane moce (RPS, ruch, przechowywanie), opierając się na następujących metrykach: Sieć partnerska: 500 000 aktywnych stron. Ruch: Średnio na każdej stronie dochodzi do 2 wyświetleń stron na sekundę. Bloki reklamowe: Na każdej stronie wyświetlane są jednocześnie 3 banery. Konwersja: Średni CTR (Click-Through Rate) wynosi 1%. Nierównomierność: Szczytowe obciążenie (wieczorne godziny) jest 4 razy wyższe od średniej. Rozmiar zdarzenia: Obiekt zdarzenia (ID banera, ID strony, UserID, Timestamp, typ zdarzenia) waży około 500 bajtów. Wymagania techniczne Near Real-Time: Dane w interfejsie analitycznym powinny pojawiać się z opóźnieniem nie większym niż 10 sekund. Niezawodność: Utrata kliknięć jest niedopuszczalna (to bezpośrednia utrata pieniędzy). Utrata wyświetleń (impressions) jest dopuszczalna w granicach 0,01%. Skalowalność: System powinien łatwo się rozbudowywać przy wzroście liczby platform.

Для проектирования системы сбора и обработки событий в реальном времени для крупной рекламной сети с указанными параметрами, рассмотрим ключевые аспекты:

Оценка нагрузки

• Активных сайтов: 500,000
• Просмотры страниц в секунду на сайте: 2
• Баннеры на странице: 3
• CTR: 1%
• Пиковая нагрузка: ×4
• Размер события: 500 байт

Расчёт событий в секунду (RPS):

• Просмотры страниц: 500,000 × 2 = 1,000,000 в секунду
• Показов баннеров: 1,000,000 × 3 = 3,000,000 показов в секунду
• Клики: 3,000,000 × 1% = 30,000 кликов в секунду

Пиковая нагрузка: 3,000,000 × 4 = 12,000,000 показов и 30,000 × 4 = 120,000 кликов в секунду.

Трафик данных

• Показ: 500 байт × 12,000,000 = ~6 ГБ/сек
• Клик: 500 байт × 120,000 = ~60 МБ/сек

Архитектура системы

1. Сбор данных:

   • Использовать легковесные агенты или SDK на сайтах для отправки событий.
   • Протоколы: HTTP/2, gRPC или Kafka Producer для высокой пропускной способности.

2. Приём и буферизация:

   • Использовать распределённый брокер сообщений (например, Apache Kafka) для устойчивого приёма и буферизации событий.
   • Настроить партиционирование по ID сайта или баннера для масштабируемости.

3. Обработка:

   • Потоковая обработка с помощью систем типа Apache Flink, Kafka Streams или собственного сервиса на Go.
   • Клики обрабатывать с гарантией доставки (exactly-once или at-least-once).
   • Показов можно допускать небольшую потерю (0.01%), использовать компромиссы в обработке.

4. Хранение:

   • Для биллинга — база данных с транзакционной поддержкой (например, PostgreSQL, CockroachDB).
   • Для аналитики — OLAP-хранилище или колоночная БД (ClickHouse, Druid) для быстрых агрегаций.

5. Отображение данных:

   • Кэширование агрегированных данных для быстрого доступа в личном кабинете.
   • Обновление данных с задержкой не более 10 секунд.

Масштабируемость и надёжность

• Горизонтальное масштабирование всех компонентов.
• Репликация и резервирование брокеров и баз данных.
• Мониторинг и алерты на потерю данных и задержки.

Итог

• Система должна выдерживать до 12 млн событий в секунду на пике.
• Использовать распределённые технологии для приёма и обработки.
• Обеспечить гарантии доставки для кликов и минимальные потери для показов.
• Обеспечить near real-time обновление аналитики с задержкой до 10 секунд.