一、背景
竞速榜是大促期间各采销群提供的基于京东实时销售数据的排行榜，同样应对大促流量洪峰场景，通过榜单撬动品牌在京东增加资源投入。竞速榜基于用户配置规则进行实时数据计算，榜单排名在大促期间实时变化，相关排名数据在微博、朋友圈广泛传播，相关计算以及排名的准确性至关重要。
竞速榜的每个榜单配置规则都会有差异，为保障榜单数据计算准确，需要在大促开始前对榜单实时排名数据进行核对，主要验证方案为在第二天取前一天的实时排名数据，另外根据榜单规则配置信息，计算相关的离线数据，进行实时离线数据对比，验证数据的一致性。
单个榜单规则有 20+ 个不同配置项，每个配置都相互独立，需要针对每个规则分别进行数据验证
二、对数方案演进过程
2.1、纯人工 - 成本高且无法完整覆盖
最初阶段为纯人工对数，分别获取对应竞速榜的实时和离线数据，进行人工比对
1）实时数据：每天 23:59 定时读取榜单数据接口，记录对应榜单数据
2）离线数据：根据榜单规则手动编写离线 SQL 脚本，通过数据查询执行 SQL 获取榜单排名数据
整个操作过程消耗时间较长，SQL 编写需要 1 小时，单 SQL 执行 0.5 小时，为覆盖所有规则，一次需要完成 100 多个规则的配置和 SQL 编写以及数据验证，在规则不变情况下，预计需要消耗 20 人日才能完成一次完整测试， 且脚本编写需要对业务规则深入了解，对测试人员 SQL 水平要求也较高。
2.2、半自动化 - 持续消耗人力
竞速榜主要在大促期间使用，除功能测试覆盖规则外，在大促前还要对业务方配置的规则进行数据验证，确保用户配置规则的计算准确性，以 23 年 618 为例，共有 5000+ 榜单规则，如果仍然使用纯人工验证数据的方案，需要 900+ 天，完全不可行。因此实现了半自动化对数方案，和人工对数方案相比，解决了离线 SQL 的自动化生成，实时数据的自动获取等问题。
具体方案如下：
1、实时数据获取：基于榜单快照功能，自动记录榜单每日快照数据并写入数据库，
2、离线 SQL 生成和数据计算：
2.1、规则配置入库：通过系统自带的榜单规则导出功能，将榜单规则导出到 excel，进而导入到 hive 表中；同时将榜单规则依赖的其他配置数据也导入到 hive
2.2、规则化生成 SQL：根据榜单规则配置信息，使用 case when 的方法，针对不同情况分别生成对应 SQL 片段，最后人工组合为上述 SQL
2.3、合并 SQL 执行计算任务：将多个组合生成的 SQL 合并为 1 个，并配置离线调度任务，通过任务执行分别计算不同榜单的离线数据
2.4、数据推送到对数 MySQL：将生成的离线榜单数据推送到实时数据存储的 MySQL
3、实时离线数据对比：将实时和离线数据全部推送入数据库后，直接查询数据库，进行数据对比，并对超过阈值的数据进行高亮提示。
通过以上方法，完成了半自动化的实时离线对数，解决了人工对数中最消耗人力的 SQL 手动编写问题。但是，该方案仍然存在以下问题：
SQL 需要人工介入：SQL 的生成还存在多次人工操作，中间需要人工对生成的 SQL 进行调整
规则变化引发 SQL 调整：在大促前，用户会持续调整规则，这样就导致之前配置好的 SQL 和用户规则不一致，进而导致对应榜单对数失败，需要重新生成对应 SQL，配置调度任务并重新执行对数操作。
在 22 年 618 和双 11 期间，主要是研发同学使用进行相关 SQL 调整和数据验证，需要 3 个开发人员持续 3 周，整体消耗人力 45 人日。
2.3、全自动化 - 解放人力
为了进一步解放人力消耗，将对数操作从半自动化升级到全自动化，需要实现以下内容
无需人工介入，自动生成 SQL，自动执行 SQL
执行用的 SQL 根据规则变化每日自动调整，保证 SQL 可以自动持续更新
完整的自动化对数方案如下图所示：
优化点细节：
1. 每天自动更新并存储 SQL：榜单规则从手动页面导出变为每天自动抽取规则数据到 HIVE 中，进而每天自动更新目标 SQL 并将 SQL 存储到 HIVE 表中
2. 自动获取目标 SQL 并执行：将执行的目标 SQL 从 HIVE 中获取到后再执行 SQL（使用了 hive 命令的一些特殊方法，预先获取到 SQL 再执行）
#HiveTask增加run_shell_cmd_out函数只返回标准流的内容在标准客户端执行如下python脚本
from HiveTask import HiveTask
ht = HiveTask()
ht.run_shell_cmd_out(shellcmd='hive -e "select * from table;"')
该方案在 23 年 618 期间投入使用，恰逢研发团队交接，新团队毫无对数经验，且有其他业务同步进行，无法投入全量人力。通过全自动化对数，解放了研发人力投入，极大提高了大促备战效率。需要人力主要是测试同学对整个链路的调度任务进行维护性处理。
作者：京东零售 王恒蕾、戚琪
来源：京东云开发者社区