Prefect - 基于 ClickHouse 的事件驱动工作流编排

Prefect 的编排和可观察性平台帮助开发人员构建和理解他们的数据管道，并且至关重要的是，对它们做出反应。提供一个弹性和通用的产品指导着他们的使命，即不断发展、适应和保持与开发人员需求的相关性。毫不奇怪，他们正在推动向基于事件的架构迁移，正如 Prefect 的增长营销总监 Sarah Krasnik Bedell 解释的那样：“我们希望能够处理各种不同的数据管道和代码任务。最终，目标是支持开发人员、数据工程师、平台工程师和软件工程师所需的任何部署和触发模式”，这就是 ClickHouse 成为 Prefect 不可或缺的一部分的原因。

有趣的是，Prefect 的重点不是管道成功，而是处理故障。“我们希望以最有效的方式暴露错误，以帮助我们的用户应对故障，”Bedell 说。她继续说道：在跟踪最重要的时候，就是出现故障的时候。“没有人登录到编排仪表板并说‘哇，我的管道今天运行良好’，然后继续查看仪表板并一直停留在那里，对吧？”故障会产生观察和反应的紧迫性——而这正是 Prefect 的重点。

当用户捕获和处理大量数据时，工作流可观察性、灵活的自动化和通知变得越来越重要。Prefect Cloud 应运而生，它以 Prefect 开源产品的强大基础为基础，以交钥匙、企业级和安全的方式满足这些需求：“借助 Prefect Cloud，我们将可观察性提升了一个档次，使人们能够观察和应对驱动其业务的任何代码的健康状况，”Bedell 说。

Prefect Cloud 正在转向更高级别的抽象，而不是观察为什么一个特定的运行（工作流执行的实例）失败或出现问题，这种抽象更适合团队领导者。Bedell 希望提供能够回答更复杂问题并包含业务影响范围的可观察性：“例如，我们希望使我们的客户能够回答‘在数据迁移方面，最大的成本中心在哪里？’，或者‘这些昂贵的机器学习管道是否经过优化？’它比批处理数据管道涵盖更广泛的代码库，这就是围绕 ClickHouse 的对话开始的地方。”

Prefect Cloud 每天持续运行超过一百万个“流程运行”——“流程”是 Prefect 中最基本的概念，表示作为代码的工作流逻辑的容器。Bedell 解释说：“这些流程运行中的每一个都可能包含从几个到数百个任务。然后在每个任务中，从最大的对象到最小的对象分解，每个对象都会创建事件，这些事件可能是状态事件，也可能是创建的工件——它不是一个任务，一个对象。”拥有多租户架构意味着来自不同客户的事件位于同一个数据库中，全部切分为分区。事件也是客户的日志消息。因此，当客户在流程过程中记录数据时，这些日志消息也是事件，正如 Prefect 的高级软件工程师 Chris Guidry 解释的那样：“我们 Prefect Cloud 上的日志功能也由相同的事件流支持，因此数据量与我们关注的基本指标相关联——人们每天运行多少流程运行。任何给定的流程都可能生成 200 多个事件。在 2 月份，Prefect 每天有 1.5 亿到 2 亿个事件，并且目标远不止于此。”

Prefect 团队最初使用 Google BigQuery（一个传统云数据仓库）作为主要数据存储，并在前面使用一个中等规模的 PostgreSQL 数据库实例作为热数据缓存，来构建可观察性平台。成功和增长很快导致了数十亿的事件流，并且他们正在触及 PostgreSQL 能力的边缘，因为这个事务型数据库并非为处理分析工作负载而构建的，“所有这些事件都存储在 BigQuery 表中的长期存储中。我们不得不将其垂直扩展几个等级，并且我们确实正在触及 PostgreSQL 和 Cloud SQL 能够处理的极限，”他继续说道。

随着 Prefect 开始探索对客户工作流进行更高级别分析的可能性，Guidry 表示，在可靠地提取事件流并显示发生在对象上的所有事件或在工作流运行过程中发生的事件方面，已经存在挑战：“当我们开始讨论分析一周内发生的许多工作流中的所有事件时，我们很快意识到这在我们的 PostgreSQL 上是行不通的，因为我们无法查询和聚合许多内容。”他们需要重新思考技术栈以匹配他们希望为客户提供的新的价值。

此外，正如 Guidry 所述，构建交互式、数据驱动的应用程序，用户需要实时获得答案，意味着成本正在上升：“您的应用程序或用户可能每天查询该信息数百次或数千次。这种查询非常昂贵。”成本上升是技术/用例不匹配的直接结果。Postgres 数据库非常适合处理事务工作负载，但在回答分析问题时，不会有效地使用硬件资源，因为作为行存储数据库，在对少数几列运行聚合时会扫描过多的数据。另一方面，Google BigQuery 最初旨在处理数据仓库工作负载——不频繁的临时查询，因此，其基于扫描数据量的定价模型对于实时分析工作负载（其中查询由应用程序生成并且并发性很高）来说非常昂贵。

为了为他们的客户构建下一代工作流编排可观察性解决方案，Guidry 简单地说：“我们需要一个新的数据库。”他们希望为 Prefect 用户提供更全面的指标和触发器，以及更强大的方式来询问这些数据的新问题：“对我们来说，ClickHouse 的优势在于查看海量的时间序列数据，它非常适合事件流，我们对 ClickHouse 处理此类挑战的方式非常满意。”ClickHouse 现在是 Prefect 数据库组合的一部分，但 Guidry 补充道：“它非常重要，因为它将使我们正在考虑的可观察性功能得以发展，并从 Prefect Cloud 中提供更多价值。”

Prefect Cloud 推出了指标，这是利用 ClickHouse 进行更高级聚合的第一种方式之一，朝着他们的可观察性愿景迈出了实质性的一步：“故障可能是需要解决的更大问题的一个症状。它是否每天都在特定时间发生？我们希望我们的用户能够大规模地修复错误，”Bedell 解释说。虽然团队从少量卡片开始，这些卡片提供从过去一周的流程运行中获得的指标，但 Guidry 指出：“如果没有 ClickHouse，我们所做的事情是不可能实现的，这影响力相当大！”

在指标之后，自动化应运而生，Guidry 解释说这是最早实施的功能之一，其主要目标不是捕获信息，而是至关重要的是让用户能够对其采取行动，并为 Prefect Cloud 用户提供强大的功能集，旨在在其工作区内创建响应式系统。该系统现在可以通过触发后续操作来响应特定事件，以便用户更好地降低风险并保持运营效率。例如，如果延迟流事件的增长超过某个阈值，则可以向 Slack 发送自动警报，以提示可能需要关注的问题。Guidry 解释了其他场景：“用户可以执行自动操作，例如数据库重启，以快速解决潜在的数据库问题。如果故障率在特定时间范围内超过预定的阈值，系统可以自动生成包含详细信息的新事件，以便快速解决。”

除了使 Prefect 能够实现其在 ClickHouse 之上构建实时数据驱动应用程序的愿景之外，从基于 BigQuery 和 PostgreSQL 的分析堆栈迁移还有助于简化操作并节省成本。

ClickHouse 允许 Prefect 将多个架构组件整合到一个组件中，简化了其架构并使其更可靠：“ClickHouse 以一种全新的方式创造了弹性，并且需要维护的系统更少，我认为这是这项工作如此重要的另一个原因。”Bedell 说。Prefect 还拥有自主处理大规模中断和不可预见事件的工具，他们正在从该平台在创建弹性和适应性方面的潜力中获益。

ClickHouse 是关键功能，而不是成本节约，但 ClickHouse 已将成本降低到每月不到 8000 美元。

Prefect 每月在 CloudSQL 和 BigQuery 超支方面花费约 12,000 美元，因为他们的一些客户的查询非常复杂，或者需要访问大型数据集或历史数据，这将触发 BigQuery 的使用。Prefect 超出了其预算和使用限制，导致额外成本。实施 ClickHouse 的主要动机是关键功能，而不是成本节约，但 ClickHouse 已将成本降低到每月不到 8000 美元。正如 Guidry 总结的那样：“我们节省了成本，这些节省不容忽视，但这并不是驱动因素。这是一项质的飞跃。在我们拥有 ClickHouse 之前，我们根本无法做到我们想要做的事情，这就是我们如此兴奋的原因。”

Prefect 是一个用途广泛的事件驱动编排和工作流可观察性平台。用于编排数据管道，它简化了构建、调度和监控工作流的过程。基于 Python 的框架意味着用户可以将复杂的工作流定义为代码，从而更轻松地管理依赖项、处理错误和扩展工作流。Prefect 广泛应用于金融、医疗保健、电子商务等行业，在这些行业中，高效管理和处理大量数据至关重要。Prefect 正在不断发展，并提供免费的开源社区版、付费的企业版以及提供更多功能和支持的 Prefect Cloud。