想要实现优质高速的互联网视频服务，一定离不开高质量的内容分发网络服务，就是我们常说的CDN，在10月13日云栖大会视频多媒体分论坛上，阿里云高级技术专家空见为大家讲解了CDN服务过程中，数据处理、安全监测、日志分析、智能分析是如何为CDN赋能的。下面是演讲主要内容提炼：
一、业务背景
目前阿里云CDN的节点的数量超过1200个，可承载的带宽能力超过80Tbps，基本能覆盖国内一半的分发要求，海外的部署也是十分广泛的。在产品方面，CDN包括PCDN、安全加速、全站加速等各种子产品，因为分析的场景不同，所以对数据平台的扩展性也提出了更高的要求。从业务规模来看，阿里云CDN现在线上跑着百万级的域名，每个域名的分析都要做，比传统CDN高了两个量级。如此庞大的业务，对于用户内容的分发是好事情，对数据的回收和分析，却是一个不小的挑战。
二、数据需求
CDN的数据有三个关键字：海量、可靠、实时。
海量，CDN目前每秒钟有大几千万的数据访问，每天会沉淀出来5PB的系统日志，所以离线数据通常在EB级别，这个对实时计算和离线分析都有很大的压力；在监控这块阿里云CDN每天达到千亿级别，而且每年CDN数据增长都在100%之上，所以系统必须要有很强的扩展性，并提前设计好各个环节。
可靠，CDN的数据一定要是准确的，不能有毛刺的数据。因为数据的应用场景是很苛刻的，比如计费和监控，不能出现纰漏，不能漏报误报。数据出来后，阿里云CDN还要在全球范围内调度流量，一丝一毫的不准确都可能导致很严重的后果，所以对于数据的准确性要求很高。第二是系统本身的稳定，系统各个环境不能有明显的瓶颈，系统要有足够强的容灾能力，系统的自动恢复方案也要是充分的。
实时，在从前，阿里云CDN是五分钟分析一次数据，不管是计量还是计费，都以这个为标准。现在，因为有了更多的业务场景，以直播为例，如果一个主播推流断掉了，不能马上发现的话，影响的可能就是几十、上百万的用户的观看体验。所以，在实时性上，阿里云CDN现在能做到分钟以及秒级的实时，也就是说，在整个数据的要求上来看，不仅吞吐量要大，延迟也要足够低。
如此大规模的数据，如此严苛的要求，阿里云CDN又如何应对呢？
三、数据收集
下面我们看看阿里云CDN在数据收集方面是怎么做的。现在整个系统数据量化的程度还是比较高的，不光是用户的访问数据，系统的操作数据也是可以量化的。下面是数据收集全貌图：
数据来源，有两个方面，一个是左边的节点，另一个是右边的用户。
先从从左边的边缘节点来看，它是从全球的边缘节点去采集和处理，上面的数据大部分都是访问、回源的日志，节点之间互相探测的日志等，在总数据中占比80%以上。这里的数据量级非常大，而且本身CDN就是分布式系统，所以阿里云CDN将一部分数据分析工作在节点上就先完成了，比如通用的流量、命中率、QPS等指标，会在节点上做预处理，同时，全量的数据也会通过流式传输往数据中心去走。
右面是用户数据，通过浏览器或SDK来访问我们内容的用户，还包括系统上的用户，包括管理员管理配置、业务人员在后台对线上资源进行调配等，一般这里的数据直接通过流式传输平台SLS客户端直接发出。
在中心传输这一层，阿里云CDN采用阿里云本身的SLS产品，SLS支持对数据进行抽取、转化、分发、检索等功能，本身比较灵活，满足了ETL的场景，并且可以在上面做一些客户定制化的处理。SLS下来后，再用Blink对数据进行流式处理，它有一个好处就是中间状态可以保存，不需要应用和外部的第三方存储再做交互，能够满足数据定制化分析的一些场景。原始的访问及分析后的业务数据，最终会沉淀存储在ODPS中。用户也可以选择其他存储方式，比如可以提供文件下载功能的对象存储OSS。另外，时序数据也会存在OTS数据库中，以备实时检索。
以上的数据收集，基本上都是采用阿里云的产品，阿里云CDN的技术专家们只需要把系统串联起来，保证整体可用性即可，如此，就能将更多精力集中在数据的分析和应用上了。
四、数据分析
在数据分析这块，离线方面会做的轻一点，做运营报表和数据挖掘。阿里云CDN更多的是做实时数据分析。这两个分析系统，会将数据最终汇集到专家系统，用于检测这些数据有没有异常，找到异常问题的定位。找到问题根源后，根据其他平台产生的数据，关联起来，用机器学习的算法做一个问题的分类。
数据分析的使用场景包括：
自动化运维，通过机器资源、线上问题的收敛，阿里云CDN目前只需要三个运维就足够了；
智能调度，实时根据大区、节点的情况，合理调度流量和进行节点建设；
用户画像，相当于给用户提供一个体检，给出当前服务的建议，优化业务；
事件中心，记录当前节点上正在发生的事件，关注网络抖动和发布情况。
五、数据应用
左边是官网的截图，用户可以根据自己想要的维度，关注各类报表，看到CDN使用的情况。
中间是内部的监控系统，分钟+秒级监控，用于问题的复排和打标。
右边是事件的数据，显示当前整个平台的流量、事件等级和汇集情况等。
除了业务层数据，阿里云CDN和阿里云IDST联合，对CDN上分发的文本、图片、视频等内容进行鉴定，筛查涉黄等违规内容，防止IP被封。
六、总结
整个CDN数据化为了驱动系统，形成下发、执行、采集、分析的闭环。
在分享的最后，空见总结道：“从业务接入层，我们可以提供方便、快捷的接入环境；在策略执行层，我们可以快速把操作发布到线上，达到秒级生效；在数据生产层，我们将把所有的系统都量化起来，采集到海量、有效的数据；在决策中心层，我们相应对数据进行收敛，只关注关键数据指标，整个是一个闭环的过程。有了数据化的系统，后面的自动化、智能化才有更多发挥的空间。”