Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Netflix Platform Data Technologies Vision

752 views

Published on

Mission and Vision of Netflix's Platform Data Technologies Team

Published in: Software
  • Be the first to comment

  • Be the first to like this

Netflix Platform Data Technologies Vision

  1. 1.   Mission  The Platform Data Technologies team has a broad mandate of enabling Netflix developers to  effortlessly build and manage system­to­system sharing of structured data. Our goal is to maximize  engineering velocity in the  Idea→POC→PROD  process.    We strive to minimize the development and operation costs of adopting our infrastructure and create  strong relationships with all Netflix engineering teams to better understand and address their  pain­points and undiscovered common needs.    While improving the productivity of engineering teams is a major focus, we also want to continually  invest in raising the bar in our own team by hiring the best and enabling personal growth and  technology cross­learning while reducing the OnCall load.  History  Our team was initially formed to develop technologies for rapid, efficient, and reliable distribution of  Netflix’s video catalog to all mid­tier systems.    Innovations in this area proved to be horizontal in nature, such as Versioned Pub/Sub and Netflix  Open Source  Hollow . In turn, interactions with our diverse teams helped identify highly leverageable  possibilities that led us to investing in our Data­as­a­Service Framework and Unified Logging.  Technology Portfolio  Catalog  We provide the infrastructure to aggregate a massive amount of video metadata from many  studio­facing systems, create a unified API, and deliver round­the­clock updates to all Netflix services  in a highly optimized and timely manner.    Since this data affects every aspect of a user’s experience, from user interface to personalized  recommendations, streaming, A/B testing, and even content caching at ISP locations, it’s critical that  our system is highly available, accommodates continuous data updates and yet minimizes and  mitigates the risk of bad data affecting downstream systems.  Data­as­a­Service (DaaS) Framework  Many teams create handcrafted systems to publish data to other systems but this always involves a  non­trivial amount of time and effort to harden, operationalize, and evolve.    Our goal was to enable creation of an end­to­end fully operationalized DaaS system in about an hour!  That’s as much energy as we want teams to spend dealing with the mechanics of reliably moving  large structured data between systems. Our infrastructure generates the client APIs, dashboards, 
  2. 2.   metrics, logging, simplifies adding validation rules and circuit breakers, and more, so every team  doesn’t have to! The technologies and learnings from the Netflix Catalog system can now be applied  to any dataset and increase the velocity and reliability of all DaaS systems at Netflix.  Large­payload Versioned Pub/Sub  Everyone is familiar with common Pub/Sub mechanisms like Kafka that publish events to downstream  consumers. However, publishing a large and changing dataset to multiple cloud regions will need you  to roll­out your own solution.    We observed this pattern in many Netflix services and implemented a common infrastructure that  does the heavy lifting and exposes a simple and familiar Pub/Sub model. This widely adopted  solution also provides consumer startup resiliency via fall­back mechanisms in case of unavailable  datasets that a system depends on.  Unified Logging  Netflix systems create a substantial amount of logs across multiple tech stacks that are needed to  help diagnose production systems. Over the years many solutions were used across the company  with varying degrees of universality, developer­friendliness, query latency, and cost characteristics.    After examining the ecosystem and speaking with many engineering teams, it became clear that they  would benefit greatly from a  single  mechanism that’s easy to adopt, scalable, cost effective, tunable  for a team’s specific needs, extensible, and integrated into Netflix’s cloud infrastructure. We’re still in  the early stages of this project but plan to leverage proven open source and Netflix technologies for a  great developer experience that minimizes the mean­time­to­diagnosis of problems and delivers  superior ROI.  Some of the challenges  Small hiccup  →  Huge impact  With over 125M global subscribers and continuously increasing viewing hours, even short­duration  mishaps create a bad user experience and increase the OnCall load. As a Platform team, we want  our infrastructures to help teams minimize the frequency and blast radius of common issues.    We all use techniques to prevent bad code affecting system availability but less is usually done to  systemically prevent  bad data  poisoning the ecosystem. Unvetted data changes are at least as risky  as code changes so our team continuously invests in building and improving technologies and  best­practices that avoid  many  customer­impacting issues. We routinely incorporate these  innovations into our infrastructure, make them simple to adopt, and champion this critical aspect of  system development throughout the company. 
  3. 3.   Heterogeneous Ecosystem  There’s a general pattern in many dataflows:        These flows frequently cross dissimilar technology stacks and engineering teams with various data  hygiene, correctness, and backward­compatibility practices.    While data used to primarily flow from mid­tier systems to each other and to the data warehouse for  analytics purposes, it now increasingly flows back from the data warehouse to mid­tier systems as  well to provide a powerful dynamic feedback loop.    Our team will need to embrace this macro trend and help increase the velocity of building,  operationalizing, and improving availability of  all  data­heavy systems at Netflix regardless of their  tech stack.  Invest, Innovate, Iterate  The continual evolution of Netflix’s business, increasing scale, and proliferation of data­centric  services drive us to keep improving and expanding our infrastructure portfolio to stay ahead of the  game.    Our technologies are at various maturity levels and need different types and amounts of investment.  We must investigate promising open source projects for our tech stack, optimize the operational  needs of more mature systems through automation, re­architect to increase scalability, streamline  APIs and harden newer systems, validate and iterate on MVP feature sets, help rapidly migrate  teams from older infrastructure or custom implementations to new, generalized, and more robust  solutions, improve usability of our tools, and much much more.    With so many possibilities, we must be very judicious in making the right level of investments in each  of our technologies through thoughtful evaluation, debating priorities, gathering feedback from other  teams, and applying good judgement.    Our guiding principle in making these decisions is simply “What’s the best thing for Netflix”. 

×