<p>波司登集团作为全球领先的羽绒服公司，每年的销售旺季集中在四个月间，需高效把握业务机遇以实现高营收。为满足集团销售旺季的实时数据分析需求，同时降低淡季数据分析成本，波司登决定升级大数据架构，<strong>采用阿里云数据库 SelectDB 版升级数仓，基于阿里云 SelectDB 云原生存算分离架构，实现了资源隔离与弹性扩缩容，并取得了查询性能提升 2-5 倍、总体成本降低 30% 以上、效率提升 30% 的可观收益。</strong></p> 业务需求
波司登集团自 1976 年创立以来，专注羽绒服制造领域已有 48 年，产品畅销全球 72 个国家。2021 年，波司登羽绒服销售规模达到全球领先，并且在 2023 年实现全年营收 232.14 亿元，同比增长 38.4%。近年来，波司登集团通过数据驱动的精细化运营，成功从”羽绒服专家”转型为”多品类功能性服饰巨头”，其数据分析业务覆盖门店运营、电商平台、用户运营等多个环节。
- 门店运营：波司登门店规模目前已超过 3500 家，运营注重精细化及高效化**。门店数据分析服务须具备高并发与低延迟能力**，以应对节假日、新品发布、促销及寒潮期间的销售高峰期，实时监控库存与销售数据，快速调整销售策略与促销活动，基于单门店坪效和区域消费偏好，优化商品陈列及库存分配；
- 电商平台：波司登电商平台覆盖天猫、京东、抖音等主流平台，粉丝总量超 5000 万。由于线上促销活动频繁（如季节上新、节日大促），电商平台流量波动显著高于线下门店，数据分析服务需在具备高并发与低延迟能力的同时，具备弹性扩展能力，根据流量高峰与低谷灵活配置不同规模计算资源，以支持实时调整活动策略与管理库存；
- 用户运营：波司登用户运营聚焦精准化与个性化，数据分析服务需支持人群圈选，通过用户年龄、消费频次、偏好等标签划分细分市场。 结合 CRM 系统和大数据分析，实现会员生命周期管理（如休眠用户唤醒、高价值用户专属权益），并针对不同群体设计差异化活动（如向年轻用户推送联名款，向高净值客户推荐高端系列）。
为满足上述业务场景并驱动集团发展，波司登将数据分析需求分为以下四类：
- 实时报表： 建立上百张实时报表，覆盖线下门店库存管理、电商平台数据监控、供应链生产需求管理及物流配送优化等核心业务场景，确保业务部门能够实时掌握关键数据，快速响应市场变化；
- 离线报表： 离线报表为业务部门提供线下门店、线上各渠道基础运营分析，涵盖销售、库存、营销等维度的周报、月报和年报，帮助业务部门了解业务表现并制定长期策略；
- 人群圈选： 通过用户年龄、消费频次、偏好等多维度标签，精确划分市场。并针对不同群体设计差异化活动，帮助实现精准营销；
- 即席查询： 为内部专业的数据分析师提供自助式数据获取能力。支持对门店、物流、工厂等数据进行长周期的关联分析及深度下钻，挖掘业务洞察，辅助决策优化。
早期架构痛点
- 波司登集团原数据架构
为支撑上述数据分析需求，研发与数据管理部门分别部署了 Apache Doris、PostgreSQL、StarRocks 等多个分析引擎。其中 Apache Doris 主要用于复杂业务逻辑的实时分析查询，PostgreSQL 主要用于简单业务逻辑的实时分析查询，StarRocks 则用于离线数据的 BI 报表分析和人群圈选业务。
该架构存在以下问题：
- 架构复杂、冗余存储：多分析引擎会存储多份数据，造成存储与计算资源冗余；
- 稳定性不足、性能受限：为满足时效需求，复杂报表有时直接在业务库中查询以提高数据时效性，但会为在线业务系统带来风险，影响其他重要业务稳定性。此外，复杂查询占用大量机器资源，性能受限，且因多个业务查询负载不同，需多独立计算组隔离资源，数据共享需多次跨计算组流转查询，导致效率较低；
- 不支持弹性扩缩容：存算一体模式在弹性扩容方面存在不足，导致扩缩容代价高昂，难以适应业务高峰和低谷期的差异。
为解决以上问题，波司登决定全面升级现有架构，统一分析引擎，引入存算分离新架构，完成新一代大数据平台和数仓升级建设。基于实际业务场景，波司登明确了以下升级需求：
- 新架构需支持高并发点查询，在海量并发读写实时报表场景下响应稳定，平均 RT 要求毫秒级别，以满足人群圈选业务与 VIP 报表查询需求，为业务高效运转提供支撑；
- 新架构需支持复杂 SQL 查询，在满足 10 并发的情况下秒级返回，以满足实时和离线报表高并发查询需求；
- 新架构需支持业务之间资源隔离，避免业务间相互影响。并需要拥有集群快速扩缩容能力，确保在高并发或大数据量处理时灵活配置资源，保持高性能和稳定性；
经过多款产品测试对比，波司登发现阿里云 SelectDB 能够支撑高并发点查询，实现秒级查询响应，并具备资源隔离能力，完全满足业务需求。利用阿里云 SelectDB 存算分离架构及快速弹性扩缩容特性，可实现按需付费，有效降低成本。最终，波司登决定基于阿里云 SelectDB 升级 OLAP 分析平台。
基于阿里云 SelectDB 升级 OLAP 平台
- 波司登集团基于阿里云 SelectDB 升级后的数据架构
波司登将原架构查询引擎与计算引擎统一升级为阿里云 SelectDB，替换原先架构中 Apache Doris、Starrocks、PostgreSQL 等其他技术栈，并将原有的存算一体架构升级为存算分离架构。
- 阿里云 SelectDB 技术架构图
波司登集团升级后的数据架构基于阿里云运行，无需自行搭建并维护复杂的数据平台，而是由阿里云负责底层基础设施管理与维护，在运维方面降低了成本。
阿里云 SelectDB 存算分离架构能够根据波司登淡季、旺季不同规模的业务需求，灵活配置计算资源规模，迅速适应业务变化。同时，该架构支持不同业务在共享数据时，实现计算资源的有效隔离，兼具稳定性与高效率。
充分利用云上多样化存储介质，阿里云 SelectDB 将数据直接存储到成本较低的 OSS 对象存储中，在降低资源成本的同时，显著增强的数据的高可用性。此外，针对热数据，也会将其缓存至成本相对较高的 SSD 存储中，确保热数据查询的极速响应。
此外，作为阿里云生态系统的一员，阿里云 SelectDB 能够无缝集成阿里云其他产品与服务，这不仅简化了波司登的数据管理和分析的流程，同时提升了业务处理的效率。
数据流转方案
在基于阿里云 SelectDB 的新架构中，波司登数据链路分为实时与离线两条链路。
- 实时数据链路分为两条路径：
- 大规模实时报表场景主要采用 Debezium 采集源端数据，它能同时捕获上百张表。作为 Kafka Connector Source，Debezium 将业务数据写入至 Kafka。随后，Doris Kafka Connector 作为 Sink Connector，将数据从 Kafka 写入 SelectDB，此过程支持上百张表同时产生和消费数据， 并支持多 Topic 并行，实现了数据链路的统一管理和统一监控；
- 中小规模实时场景主要采用 Flink SQL 采集源端数据，后通过 Doris Flink Connector 消费数据写入到 SelectDB，Doris Flink Connector 支持攒批与 Checkpoint 模式，实现快速开发、数据实时入库与分析查询。
- 离线数据链路则专注于 T+N 数据处理，处理后的数据存储于 MaxCompute 中， Dataphin 以全量或增量方式通过 Stream Load 将数据写入阿里云 SelectDB 。在数据导入期间通过配置血缘关系，在合适的时机触发异步物化视图刷新，用于提升查询性能。
