Share
Embed
Transcript
34 slides
-
Ozon Tech Intro Meetup 2023 Ozon Fresh и модель собственных
продаж изнутри Руководитель департамента по продукту и технологиям собственных продаж и Фреш Шевела Илья -
О чем мы сегодня будем говорить 2 • Что такое
Ozon Fresh и Ozon Retail • Ozon Fresh: про короткие слоты и как мы доставляем быстро (проект «Автомаршрутизация курьерской доставки») • Ozon Retail: про распиливание большого монолита и превращение его в микросервисы -
3 Ozon Retail и Ozon Fresh — cервис заказа продуктов
питания и товаров для дома с гибким временем доставки со складов и дарксторов -
4 1P — 80% 3P — 20% Модель 1P (First-Party)
означает, что Ozon выступаетв качестве розничного продавца, а вы выступаете в качестве оптового поставщика для компании Ozon Модель 3P (Third-Party) означает что вы являетесь розничным продавцом и продаете товары напрямую потребителям через торговую площадку Ozon 1P — 100% Ozon Fresh Ozon Retail -
5 Электроника Home Care&Kids CTM (Ozon Fresh) FMCG Food FMCG
non-food Health&Beauty Аптека Хлебобулочные изделия Cotton&Paper Фрукты и Овощи Ozon Fresh & Ozon Retail -
Что заказывают чаще всего: Быстрая доставка 6 Огурцы Бананы Молоко
Туалетная бумага Памперсы Кофе (в течение часа/от 1 часа) -
Цифры Fresh 200 Микросервисов Go, .Net, 1C, Kotlin, Swift, Delphi,
JS/TS Vue PostgreSQL, M$SQL, Kafka, Memcached, Redis Vertica, ClickHouse, Hadoop 210 Микросервисов Retail .Net, Go, JS/TS Vue PostgreSQL, Kafka, Redis Vertica, ClickHouse, Hadoop -
Ozon Fresh: про короткие слоты и как мы доставляем быстро
(проект «Автомаршрутизация курьерской доставки») 8 -
Горизонт планирования и слоты доставки Слот доставки — совокупность временных
интервалов, описывающих нормативы операционного процесса доставки • Regular — будущее туманно, но предсказуемо • Express (on demand, доставка в течении часа) — сильное возмущение в силе Принимаем заказы с витрины Закрываем слот(cut_in) Собираем заказ Передаем курьеру(cut_off) В дороге до клиента Окно доставки 10:10 10:20 10:30 10:40 10:50 11:00 10:00 Принимаем заказы с витрины Закрываем слот(cut_in) Собираем заказ Передаем курьеру(cut_off) В дороге до клиента Окно доставки t Regular + Express у одно курьера = Profit -
11 Вычислительная сложность задачи зависит от размера входных данных экспоненциально
VRP — это NP-трудная задача, со множеством ограничений. Задачи маршрутизации транспорта Задачи комбинаторной оптимизации, в которых для парка транспортных средств, расположенных в одном или нескольких депо, должен быть определен набор маршрутов до нескольких отдаленных точек-потребителей Vehicle Routing Problems, VRP -
12 Ограничения SLA склада Учесть время на сборку заказа ОВХ
заказов Учесть размеры заказов, грузоподъемность и объем машины Окно доставки клиенту Надо успеть вовремя Пробочная ситуация Учесть пробки на маршруте Ресурс курьеров Учесть количество свободных курьеров 01 02 03 04 05 -
Защитные Что хотим получить Найти приближенное решение, которое удовлетворит критериям
качества. Решение — это всегда баланс качественных оценок Defect rate DR — совокупная метрика, куда включаются все дефекты сервиса. Например: опоздание к клиенту Дисперсия заработка курьера Большая дисперсия снижает мотивацию курьеров, увеличивает текучку и наши расходы на поиск новых Утилизация курьера Утилизация показывает, насколько оптимально мы используем наших курьеров Cost per order CPO – метрика стоимости доставки заказа. Строя оптимальные маршруты, мы сокращаем пробег и увеличиваем доступность курьеров Профит -
Как мы это делаем? Задачи VRP лежат на пересечении двух
хорошо изученных задач: 14 • Множественная задача коммивояжера (Multiple Traveling Salesman Problem, MTSP) • Задача об упаковке рюкзака (Bin Packing Problem, BPP) -
Анализ географии и кластеризация 01. Простой способ локализовать курьера и
избавиться от дорогих ребер 15 -
16 01. Анализ географии и кластеризация На карте нет МЛ
с одним постингом -
Эвристики для оценки решения 03. Имплементируем опыт наших логистов и
курьеров в наших сервисах 18 • Пиковые нагрузки • Ресурсный буфер • Заказы по требованию • Сохранение мотивации курьера • et cetĕra -
Автомаршрутизация для нас — это: 19 • Оптимизация логистических расходов
• Масштабирование сервиса • Удовлетворение растущих потребностей наших клиентов и повышение качества сервиса -
Монолит в микросервисы User Interface Business Logic Data Access Layer
Microservice UI Microservice Microservice Microservice Microservice DB DB DB DB Monolithic Architecture Microservice Architecture -
Монолит Плюсы: 22 • Простое развертывание • Приложение легче разрабатывать
• Производительность • Упрощенное тестирование • Удобная отладка • Снижение скорости разработки • Масштабируемость • Надежность • Препятствия для внедрения технологий • Недостаточная гибкость. • Развертывание Минусы: -
Микросервисы Плюсы: 23 • Гибкое масштабирование • Непрерывное развертывание •
Легкость обслуживания и тестирования • Независимое развертывание • Гибкость технологий • Удобство отладки за счет технологий трассировки и поиска неисправностей • Разрастание процесса разработки. Если разрастание не контролируется должным образом, оно приводит к замедлению разработки и снижению операционной эффективности или к созданию архитектуры Big ball of mud • Экспоненциальный рост расходов на инфраструктуру • Дополнительные организационные расходы • Отсутствие стандартизации • Отсутствие ясности в вопросах владения Минусы: -
Кто вы, мистер GoodZon Техническая сторона M$ SQL + Delphi
7 Вся логика в БД ~1000 хранимок Сотни таблиц 10+ ТБ данных -
Кто вы, мистер GoodZon С точки зрения бизнеса 1. Система
управления закупками и поставками 2. Ни один товар не попадет на склады Ozon без этой системы 3. Расчет потребности в закупках. Сколько какого товара и на какой склад нужно привести 4. Управление заказами поставщикам. Согласование закупок внутри Ozon и с поставщиками 5. Атрибуты товаров и поставщиков, необходимые для закупок 6. Десятки других функций, потому что «так исторически сложилось» -
А может не надо? Работает и ладно 1. Устаревший стек.
Сложно найти разработчиков 2. Возможность вертикального масштабирования практически исчерпана 3. В Расчет потребности (после DS) занимал ежедневно 4 часа. А днем вообще не проходил, из-за наплыва пользователей. И это только один пример -
1. Отсутствие экспертизы. В команде был только 1 разработчик, участвовавший
в создании монолита (создали в 2016 году отпочкованием от еще одного монолита) Дополнительные трудности 2. Вся логика в хранимках. Код не получится переиспользовать 3. Система устарела морально. Требовалась не только техническая переработка, но и переосмысление бизнес-процессов 4. Поезд нужно пересобирать на полном ходу 27 -
1. Провели аналитику. Сформулировали скоуп и осознали масштаб работ Взялись
за дело! 2. Выделили 10+ этапов. Каждый – проект на несколько месяцев 3. Выявили зависимости и приоритеты для бизнеса 4. Составили роадмап План – всему голова! Но все это только на втором году распила 😀 А в начале – тушили пожары и лечили там, где болело сильнее всего 28 -
Монолит в микросервисы • Определиение границы данных • Осторожный рефакторинг
исходного приложения, чтобы абстрагировать «микросервис» в свой собственный класс/API, который вызывает остальная часть кода • Использование Kafka в качестве шины событий для асинхронного межсервисного взаимодействия. Этот архитектурный стиль очень хорошо сочетается с потребностями связи микросервисов, когда один сервис может транслировать данные для использования любым количеством потребителей. Переход от SQL Service Broker к Kafka • Использование преимуществ gRPC • Уход от хранимых процедур, для возможности масштабирования и переиспользования кода -
Монолит в микросервисы • Для гарантий доставки использование патерна outbox
(уход от cdc) для гарантированности и консистентности доставки событий/данных • Рефакторинг монолитна — все операции чтения и записи данных в одном домене с четкими границами • Запись данных в исходную базу данных и их отправка в новый сервис (дублирование потоков). При этом исходная база данных остается источником истины для чтения пользовательских данных • Чтение в монолите из нового сервиса с регистрацией любых несоответствий данных, чтобы устранить любые возникающие ошибки. Обратная запись идет в монолит для синхронизации • Перенос бизнес логики с ее рефакторингом в части событийных моделей, статусных моделей -
Что в итоге: 31 Долго, дорого, качественно 70+ сервисов .NET,
Postgres, Kafka, Vue Система легко масштабируется под ежегодно x2 растущие объемы Тот самый финальный расчет потребности занимает < 20 мин. -
1. Желания Бизнеса – закон. Но нужно уметь приоритизировать Выводы
2. Без плана и аналитики далеко не уедешь. Но иногда – это форма прокрастинации, а надо просто брать и делать 3. Результат превыше всего 32 -
Наши вакансии 33 Go разработчик, Фреш, отдел автоматизации коммерции и
товародвижения Android разработчик, Департамент разработки Фреш -
[email protected] Спасибо за внимание Шевела Илья, руководитель департамента по продукту
и технологиям собственных продаж и Фреш