1. 前言

對賬是企業(yè)為了核實財務交易準確性、管理庫存和了解業(yè)務績效而進行的核對和調解過程。

因為對賬涉及到支付系統(tǒng)、訂單系統(tǒng)、財務系統(tǒng)、結算系統(tǒng)和權益系統(tǒng)等多個系統(tǒng)，需要確保這些系統(tǒng)的數(shù)據(jù)能夠有效地對應和匹配，需要一種高效可靠的方式以解決跨系統(tǒng)的數(shù)據(jù)匹配。

2. 支付閉環(huán)

2.1支付背后隱藏的細節(jié)。

一筆訂單的完結，C端用戶看到的僅僅是下單、支付簡單的流程，實際上背后有一套更復雜的流程實現(xiàn)支付的閉環(huán)。比如支付成功通知、訂單結算分賬、結算成功通知、賬務處理與報表生成等，以下是一個簡化的支付閉環(huán)流程：

圖片

3. 支付對賬架構的演進

3.1對賬1.0，All in MySql

圖片

基于Mysql數(shù)據(jù)庫完成對賬，將涉及到的分布在不同服務器上的業(yè)務庫同步到一個大磁盤服務器上的Mysql實例下，在此實例下完成跨庫查詢、數(shù)據(jù)的匹配。

此方案雖然解決了跨庫查詢的問題，但是因為有些表數(shù)據(jù)量達到億級別，導致sql查詢緩慢，對賬效率低下，比如月度退款對賬sql查詢需要3個小時。

3.2對賬2.0，利用大數(shù)據(jù)技術提速

圖片

使用 ETL（Extract, Transform, Load）方法來實現(xiàn)數(shù)據(jù)的提取、轉換、加載，將對賬需要的不同業(yè)務系統(tǒng)的表數(shù)據(jù)同步到數(shù)倉，在數(shù)倉完成跨庫跨表的關聯(lián)，以便進行有效的對賬分析。

3.3對賬2.0的缺陷

這種方式雖然比[對賬1.0]方案效率有所提升，但是對賬場景中有調賬、補賬的操作，這部分修改、新增的數(shù)據(jù)目前只能T+1同步到數(shù)倉，導致部分對賬場景不適用，需要按照【對賬1.0】方案處理。

4. 對賬3.0，Starrock極速提效

4.1引入StarRocks的背景

但隨著數(shù)據(jù)累積和數(shù)據(jù)量的增長，加之業(yè)務線和財務精細化的支付賬單需求，當前架構日漸吃力，業(yè)務上呈現(xiàn)出以下痛點:

人力成本高，每次對賬都需要4人/日，出現(xiàn)問題每次都需要財務人員找開發(fā)人員查詢，重復的工作浪費人力。

 時效性低，基于大數(shù)據(jù)Hive的查詢，雖然解決了大數(shù)據(jù)量多表關聯(lián)的問題，但是執(zhí)行速度的問題沒解決。

機器成本高，部分場景仍然需要基于Mysql，需要將多個mySql主庫同步到一臺高配的機器上的MySql服務上來支持跨表跨庫查詢。

為了給業(yè)務增長提供更強的助力，我們開始尋找一款可以支持更靈活的數(shù)據(jù)模型、具有高效的并發(fā)查詢性能、運維可以支持的實時性 OLAP 數(shù)據(jù)庫產(chǎn)品。

圖片

圖片

通過以上產(chǎn)品能力上的初步對比和查詢性能的對比，我們已經(jīng)比較傾向于選擇 StarRocks。支持億級的大表關聯(lián)、秒級查詢，同時支持實時寫入，兼容Mysql協(xié)議等特性，符合我們支付對賬場景的業(yè)務需求。

4.2基于StarRocks的對賬3.0架構

圖片

和2.0對賬方案比整體架構上變化不大，StarRocks替代了Hive，基于StarRocks的高性能查詢特性補充了若干定時任務，并且將原來基于Hive語法的語句調整為SQL語句，基于MySQL語法的語句需要很小的變動（雖然官方兼容MySQL協(xié)議，但也發(fā)現(xiàn)有些SQL語法不兼容）。

對賬任務平臺中的任務，主要基于SQL和Python開發(fā)，遷移、新增自動化任務也完全基于熟悉的技術棧，學習成本很低。另外為了防止MySQL主庫和Starrock庫中的數(shù)據(jù)不一致，新增了數(shù)據(jù)校驗任務，一旦發(fā)現(xiàn)存在差異會報警，并觸發(fā)DataX數(shù)據(jù)補償機制。

4.3對賬模型的選擇

剛開始就是因為錯用了更新模型，產(chǎn)生存在主鍵重復的數(shù)據(jù)存在，導致對賬數(shù)據(jù)異常，所以要結合業(yè)務數(shù)據(jù)特性從明細模型、聚合模型、更新模型、主鍵模型中選擇符合業(yè)務場景的模型。

圖片

4.4Flink實時數(shù)據(jù)同步

數(shù)據(jù)同步工具和中間件，考慮到公司現(xiàn)有的技術支持和業(yè)界成熟度，最終選擇DataX同步存量數(shù)據(jù)，DataX的數(shù)據(jù)同步可以通過頁面操作的方式同步，F(xiàn)link監(jiān)控binlog同步增量數(shù)據(jù)，雖然StarRocks 提供了用于和Flink集成的connector，但還是相對復雜一點。

同時要注意，F(xiàn)link不支持char類型、timestamp類型，要替換成對應的varchar和datetime。下面是實現(xiàn)同步的一些關鍵步驟：

• 建StarRocks表db1_flink_table1

圖片

• 定義Flink表（對應StarRocks表）xxxxtable

圖片

•  創(chuàng)建Flink SQL任務，向StarRocks寫入數(shù)據(jù)

圖片

如果有些需求無法使用Flink SQL實現(xiàn)，需要Flink 自定義任務向StarRocks寫入數(shù)據(jù)，然后自行編碼實現(xiàn)。

4.6SQL語法的適配

對賬有18個場景，每個場景下的SQL都需要適配StarRocks,但因為Starrocks兼容SQL語法，適配成本很低，一天的時間完成了所有的SQL適配。

下面是語法的對比，左側是MySQL，右側是Starrocks，基本一直，如果select 字段包含子查詢的時候StarRocks不支持，需要調整。

圖片

圖片

4.5落地效果

綜合比較，相比于之前的架構，現(xiàn)在的架構查詢性能方面提升明顯。最復雜的一條對賬Sql執(zhí)行時間從1小時縮短到50秒，主鍵模型下查詢，關聯(lián)查詢相較于此前基于 MySQL 的架構，基于 StarRocks 的架構性能平均可以提升50-70倍以上。存儲成本相比于 MySQL+Druid，降低2倍以上。由此帶來的人力成本也由以前的3人/日縮減到1人/日釋放更多人力去完成更有挑戰(zhàn)性的工作。

圖片

5. 總結

當前，對賬工作中涉及多個場景的數(shù)據(jù)合并仍依賴人工操作，這種方法不僅效率低下，而且容易產(chǎn)生錯誤。因此，我們計劃將這一過程升級為程序定時自動對賬、生產(chǎn)報表。此外，利用StarRocks的最新特性，特別是物化視圖，能夠進一步提高查詢的效率，持續(xù)提升對賬效能。

作者簡介

馮現(xiàn)寬服務端研發(fā)部-服務端買用技術團隊

2016年加入汽車之家，目前任職于服務端研發(fā)部-服務端買用技術團隊，主要負責保險、支付和結算相關業(yè)務。