大量物件データの差分反映をどう実現しているか

2022.09.07「エンジニアが不動産業界の裏側について語る会」のLT資料です。

▼エンジニアが不動産業界の裏側について語る会
https://connpass.com/event/257082/

Transcript

1. 大量物件データ 差分反映をどう 実現しているか 株式会社Red Frasco 照屋
2. 物件管理システム ポータルサイトDB コンバーター 物件データ ここの話！ なんの話？ 物件画像 物件情報入力 ポータルサイトDB 物件データ変換 追加・更新・削除
3. どんな課題があったか システム構成 データ変換の実態 運用（おまけ） 目次
4. どんな課題があったか
5. 1日2回、30万件のデータを 30分以内に処理する プロジェクト開始時の目標 物件は増える🦆 回数も増える🦆
6. 分散処理と差分反映 工夫しているポイント
7. システム構成
8. 他社物件管理システム S3 ダッシュボード（Redash） Slack BigQuery FTP Datadog TransferFamily DB 分散ポイント！ ポータルサイト コンバーターシステム（AWS） Step Functions 4.データ登録（Lambda） 3.データ変換（ECS） 5.結果通知（Lambda） 1.物件データ(CSV)のスキャン（Lambda） 2.排他処理（Lambda） Event Bridge システム構成 分散ポイント！ 分散ポイント！ 分散ポイント！
9. 分散ポイント S3 システム単位でディレクトリを分割 店舗単位でディレクトリを分割 日付単位でディレクトリを分割 Step Functions システムごとにStep Functions自体も複数用意 データ変換 Step Functionsの並列実行でコンテナを40個同時起動 データ登録 Step Functionsの並列実行でLambdaを40個同時起動
10. データ変換の実態
11. Lambda 1.ファイルスキャン S3（内部用） ①スキャン ③ステータス保存 ②ファイル移動 連動元からアクセス可能 内部からのみアクセス可能 排他制御 べき等性 スキャンしたファイル をDBへ記録し、重複実 行されないよう制御した り実行状況を管理 こんば S3（外部用） 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 DB /システムA 　/店舗A/yyyymmdd/*.csv 　/店舗B/yyyymmdd/*.csv 　/店舗C/yyyymmdd/*.csv 　/店舗D/yyyymmdd/*.csv 　　　　　　　・ 　　　　　　　・ 　　　　　　　・ 　　　　　　　・ /Work 　/システムA 　/店舗A/yyyymmdd/*.csv 　/店舗B/yyyymmdd/*.csv 　/店舗C/yyyymmdd/*.csv 　/店舗D/yyyymmdd/*.csv 　　　　　　　・ 　　　　　　　・ 　　　　　　　・ 　　　　　　　・
12. こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 2.データ変換 　データ変換でしたいこと S3に配置されたファイルを読み解く 異常データの検知 差分反映（パフォーマンス向上） データ登録用のSTOREファイルとDELETEファイルを生成 新規物件と更新物件のみの 一覧をファイル出力 STOREファイル 削除物件の 一覧をファイル出力 DELETEファイル
13. ECS S3（内部用） コンテナの内部（Python） こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 並列実行 差分確認 トランザクション 40並列実行 2.データ変換 /Work 　/システムA 　/店舗A/yyyymmdd/*.csv 　/店舗B/yyyymmdd/*.csv 　/店舗C/yyyymmdd/*.csv ・ ・ ・ (スキャンした物件CSVファイル) 内部からのみアクセス可能 作業テーブル初期化 物件データダウンロード NGデータチェック データ変換 差分反映 ポータル登録用Tsvファイル作成 物件テーブルの更新 1. 2. 3. 4. 5. 6. 7. 取得 配置 RDS Proxy DB 物件テーブルと 作業テーブルにわけている
14. 更新料が1円？！ 交通情報がない？！ 3階の建物なのに 部屋は5階？！ 沿線情報はあるけど、距離 や徒歩時間情報がない？！ 居住中なのに 即時入居可？！ 住所が古い？！ こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 2-1.NGデータチェック
15. 物件名や部屋番号などの少ない情報 を保持したテーブルを検索 まずは新規か既存かチェックする 物件名+部屋番号+賃料+敷金/礼金 +住所情報+沿線情報+構造+画像情報 +設備+建物情報+駐車場+フリーレン ト+入居可能日...etc あらゆる項目を文字列で結合 ハッシュ化 e56d5123807bdf4d166...(略) 既存なら更新か否かをチェックする テーブル2 テーブル1 2-2.差分反映 こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録
16. 例えば 入居可能日が2022/09/08の場合 ▼9/7に変換を実施 →まだ未来日なので「2022/09/08」と出力 ▼9/8以降に変換を実施 →入居可能なので「即時」のように出力 こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 　なぜ変換後に差分チェックをするのか 変換前は同じでも変換後に変わることがある 2-2.差分反映
17. 全物件 掲載中物件 物件テーブル 作業テーブル 変換開始時 最後に戻す 2-3.物件テーブル更新 こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 掲載中物件のみを扱うことで パフォーマンスを保つ 　4.結果通知 　3.データ登録
18. こんば ある程度実装した後の出来事 おや、、データ変換だけで数時間かかりそうだぞ。。 for文多いのか？並列処理必要か？ プログラム各所で実行時間を計測してデバッグ ループ内でクラス生成しまくっている凡ミス 修正することで大幅に改善 結果、ストイックにしなくても変換は数分だった 2-4.データ変換の余談 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録
19. Lambda ポータルサイトDB S3（内部用） 差分反映で出たSTOREファイル 差分反映で出たDELETEファイル /TSV /システムA /店舗A/yyyymmdd/*_store.tsv /店舗B/yyyymmdd/*_store.tsv /店舗C/yyyymmdd/*_store.tsv ・ ・ /TSV /システムA /店舗A/yyyymmdd/*_delete.tsv /店舗B/yyyymmdd/*_delete.tsv /店舗C/yyyymmdd/*_delete.tsv ・ ・ 内部からのみアクセス可能 追加 更新 削除 参照 TSVファイルを読み取り BULK_INSERT BULK_UPDATE BULK_DELETE 実行 こんば 3.データ登録 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 　4.結果通知 　3.データ登録 並列実行 一括処理 40並列実行
20. Step Functions 4.データ登録（Lambda） 3.データ変換（ECS） 5.結果通知（Lambda） 1.物件データ(CSV)のスキャン 2.排他処理（Lambda） 実行対象件数 実行対象件数と 処理完了件数を 比較して Slackに通知 Slack 通知例 4.結果通知 こんば 　1.ファイルスキャン 　2.データ変換 　2-1.NGデータチェック 　2-2.差分反映 　2-3.物件テーブル更新 2-4.データ変換の余談 [成功] 結果: 240/240 Aシステムが正常終了しました。 [失敗] 結果: 239/240 失敗店舗: B店舗 Aシステムが異常終了しました。 　4.結果通知 　3.データ登録 処理完了件数
21. 運用（おまけ）
22. 運用 - エラーログ Datadog Step Functions実行時に出力したログを連携 検索やフィルターなどエラーログの調査が容易 Slackへ通知
23. 運用 - 物件調査 Big Query 連携直後の物件CSVを全て保持 変換後の登録用TSVを全て保持 過去にどんな物件があったかをSQLで検索 変換結果の履歴もSQLで検索
24. 運用 - フィードバック ダッシュボード (Redash) 警告やエラー内容をダッシュボードに反映 物件の入稿担当の方へのフィードバックの仕組み
25. 不動産のシステムを 1年やって思ったこと
26. fin