1. ソーシャルゲームのEMR活用事例
∼ユーザに愛されるカスタマーサポートを目指して∼
11年12月16日金曜日

2. 自己紹介
Name:本間 知教（ほんま とものり）
Twitter:@CkReal
経歴
2008年4月∼2011年9月
国内某ITコンサルティング会社：インフラ担当
2011年9月∼
株式会社gumi：インフラand解析チーム
好きなAWS:EMR(とS3)
2
11年12月16日金曜日

3. アジェンダ
1.EMR利用に至る経緯
2.gumiのEMR活用事例
3.EMRを使ってみて
3
11年12月16日金曜日

4. EMR利用に至る経緯
4
11年12月16日金曜日

5. gumiの課題
CS(カスタマーサポート)の応対負荷
エンジニアが調査に時間を取れない
NFSサーバが単一障害点
gumiのカスタマーサポート概略図
対応が遅くなりがち APPサーバ
ゲームユーザ syslog-ng
転送
質問 回答 回答
NFSサーバ
調査依頼
CS エンジニア
5
11年12月16日金曜日

6. 現在のログ状況
例）任侠道のアクションログ
最大18GB(圧縮2.4GB)/日
ログ形式（赤字は整形）
【日付】【ホスト名】【アプリ名】
【アクション名】 【ユーザID】【アクション詳細】
Nov 1 23:59:59 hogehoge-ap1 hogehoge
ADD_MONEY 12345 [BeforeMoney] 67979 [AfterMoney] 68024 [Money] 45
Nov 1 23:59:59 hogehoge-ap2 hogehoge
CONSUME_POWER 12345 [BeforePower] 25 [AfterPower] 20 [ConsumePower] 5
6
11年12月16日金曜日

7. DB投入時のドキュメント形式
ユーザ/時のアクション内容をJSON形式で格納
例）MongoDB格納後のログ(一部整形＆省略)
"_id" : "df41b04eb72d29b4a30955f2de1a20134e187cd6f59f0d3df0468d22",
"app" : "hogehoge",
"userid" : "12345",
"dateint" : 20111101,
"hourint" : 23, ユーザIDごとに、
"actions" : [
アクションレコードを格納
"CONSUME_POWER",
"ADD_MONEY"
], 時刻フィールドを利用して、
"records" : [ MongoDBのShardingキーとする
{
"action" : "ADD_MONEY",
"timeint" : 235959, ユーザごとの各アクションを
} 配列として格納
]
7
11年12月16日金曜日

8. EMR or EC2？
Amazon S3とEMRのコラボが素敵
NFSサーバの障害リスク解消
インスタンスを常時稼動させる必要がない
過去ログからも調査・解析できるようにできる
8
11年12月16日金曜日

9. 解析方法の模索
EMR利用時に、何のプロダクトを使うか？
Pythonが利用可能なため、Hadoop Streamingを採用
プロダクト メリット デメリット
Pig 複雑な処理も記述可能 スクリプト習得コスト
ある程度、ログが整形
Hive SQLに近い記述方法
されている必要がある
Hadoop Streaming 多くの言語で対応可能 MapReduce習得コスト
9
11年12月16日金曜日

10. gumiのEMR活用事例
10
11年12月16日金曜日

11. gumiの解析システム構成Ver0.3
日次で各アプリのアクションログを集計
Amazon S3 Amazon EMR
圧縮アクションログ 集計ログ
圧縮アクションログ 集計ログ
圧縮アクションログ 集計ログ
NFSサーバ1
アクションログ
DBサーバ
Shard1
NFSサーバ2
アクションログ Shard2
圧縮(gzip)
Shard3
mongos
NFSサーバ3 アクションログ Shard4
アクションログ
アクションログ
アクションログ config
Shard5
バッチサーバ
Shard6
11 ReplicaSets & Sharding
11年12月16日金曜日

12. MapReduce処理
2000万件超/日のアクションを約30万件に集計
--bootstrap-action
Python2.7インストールスクリプト
--mapper
アクションログを以下のKey/Valueに整形
[Key]【アプリ名】/【ユーザID】/【日付】/【時刻】
[Value]action:【アクション種別】,timeint:【時刻】,params:{“AAA:123,…”}
--reducer
Mapperで処理されたValue内のactionを集約
[Value]actions:[【アクション種別1】,【アクション種別2】…] ,records:[action:…]
12
11年12月16日金曜日

13. とある一日のバッチ処理
前日分の各アプリのアクションログを集計
EMRは各アプリごとのクラスタで起動
各アプリのEMR実行は、2h程度で終了
0：00 1：00 3：00 7：00
転送＆圧縮 EMR実行 MongoDB挿入
（並列実行） （並列実行） （順次実行）
13
11年12月16日金曜日

14. EMRを使ってみて
14
11年12月16日金曜日

15. EMRを使ってみて
S3上のファイルをいつでも利用できる
EC2⇔S3間の転送は、20MB/sec程度
必要なときだけ、EMRクラスタを使える
Hadoopクラスタを管理する必要がない
変化する要件にも対応しやすい
とりあえず、S3に元ファイルはあるしねｗ
15
11年12月16日金曜日

16. EMRを使ってみて
たまにジョブが失敗する
Reduce処理が終わらない？
集計ログを回収しきれない？
チューニング方法模索中…
毎時集計まで対応予定
ファイルサイズ Master Slave 実行時間
8.4GB m1.xlarge m2.4xlarge × 4台 2h12m
3.2GB c1.xlarge m1.xlarge × 3台 44分
835MB c1.xlarge m1.xlarge × 3台 28分
22GB m2.4xlarge m2.4xlarge × 2台 FAILED…
16
11年12月16日金曜日

17. EMR実行途中のCPU使用率
リニアにスケールさせるのは、なかなか難しい
11年12月16日金曜日

18. ご清聴ありがとうございました。
18
11年12月16日金曜日