数据主宰当今世界。它几乎影响到我们所从事的每一项主要任务，并已成为许多大公司的业务中心。每一秒钟，云服务器哪家好，都会有数TB的数据被创建出来，公司正利用这些数据来改进他们的服务或产品，并扩展他们的运营。随着人工智能和机器学习的主流化，数据比以往任何时候都更加突出。Freshworks对这种现象并不陌生。从一个经营单一产品公司的小团队，我们现在成长为一个多产品公司。在这段旅程中，我们看到我们周围的数据量成倍增长。随着业务规模的扩大，我们已经学会了管理这些数据，对其进行组织，以便能够充分利用这些数据，并应对了多种工程挑战。所以，我们选择在规模上的Saasevent，一个知识共享论坛，我们在这里与其他开发人员、技术架构师和工程师讨论我们的工程实践。我们可以在这样的论坛上讨论和讨论数据的多个方面规模上的Saas，企业软件平台，但首先，我们想谈谈我们在Freshworks如何处理数据，因为我们扩大了业务。在班加罗鲁的活动中，Freshworks的高级首席工程师Kiran Darisi谈到了Freshworks的工程团队如何随着公司的发展而扩展其架构。随着增长的成功，面临着处理大型数据库的挑战，Kiran谈到了团队如何探索构建多租户系统的不同方法、他们使用的算法、团队使用的自动化系统以及他们选择背后的推理。他还让观众们一窥Freshworks的工程团队目前在做什么，云分析，以及他们在不久的将来在扩大工程架构方面有什么计划。Kiran的谈话引发了关于扩展数据库的不同方法的讨论，并为目前处于Freshworks几年前所处阶段的其他公司提供了极其丰富的学习资源。他首先谈到了多租户系统中的客户旅程。在这样的系统中，您首先要为客户创建一个特定的基本占用空间，例如创建行、表、CDN文件、路由条目等。但是一旦客户订阅了某个特定的计划，您就需要根据他选择的计划创建对资源的访问权。例如，如果他选择了一个保费计划，他必须获得分析的权限。你必须逐步扩大这个过程。在Freshworks，我们通过使用MySQL内置的分区功能对数据库进行分区来开始这种扩展。   Kiran还谈到了他的团队在这个扩展过程中所面临的挑战。例如，分区在一段时间内运行良好，但随着公司开始向产品中添加更多功能，并随后为系统增加更多负载，团队不得不很快调整他们的方法。Kiran分享了处理算法和选择分区键的简单但关键的技巧。然后他继续分享Freshdesk数据库切分的故事。他带领听众完成了如何对客户数据进行切分的初步决策、管理诸如嘈杂的邻居、迁移、故障等问题、团队如何管理共享目录等的过程。随后，Freshworks的技术架构师和数据工程师Arvind Aravamudan向观众介绍了Freshworks的内部数据湖。Freshworks data lake–贝加尔湖随着Freshworks在其套件中添加了更多的产品并开始积累更多的数据，公司内部的不同团队开始使用这些丰富的数据来改进他们的产品和流程。例如，机器学习和人工智能团队开始使用这些数据来提高产品的效率，还创建了Freddy，我们的全产品、全渠道人工智能驱动的助手。随着访问数据库的需求开始激增，数据工程团队在2015年决定将公司内部的数据民主化。该团队创建了一个数据湖——贝加尔湖——以便公司内的任何人都能轻松地根据自己的需要查询大型数据库。Freshworks仅用了六个月就完成了这个项目，而大多数公司花了将近两年的时间来构建数据湖。Arvind详细介绍了Freshworks是如何启动datalake计划的，他们关注哪些组件，如何设计与其他产品的集成，以及如何确保所有数据的安全性。这次谈话的目的是为公司提供一个广泛的框架，使它们能够在其中工作并随着业务规模的扩大而不断发展，同时也能从其他开发人员和技术架构师那里获得灵感。目标不仅仅是达到了。我们被与会者提出的问题淹没了，大数据可视化，并就数据的各个方面进行了讨论，包括与我们的数据湖或我们的扩展之旅没有直接关系的东西。事实上，反应非常好，我们打算数据@刻度面向更多城市。"这是一个积极的趋势，考虑到软件工具和方法的爆炸式增长以及事物变化的速度，此类事件给我们提供了一个行业视角，云服务器 免费，可以更新和重组我们的思维。"Freshworks正在真正改变我们的工作方式，"一位与会者说。 在第一次数据活动取得成功之后，我们举办了第二次规模上的SaaS以安全为主题的活动。这个安全@规模活动于一月在海得拉巴举行。注意这个空间，以获得关于安全@规模事件，以及规模上的Saas通过Freshworks。我们将与您分享主题、日期、地点和注册链接。相关岗位我们如何在Freshworks创建数据湖-第一部分Freshworks处理垃圾邮件的实践