Chen Yang dan Fan Zhang di tim teknik DoorDash baru-baru ini mengembangkan platform sesi dalam memori menggunakan Apache Flink yang mengidentifikasi aktivitas pengguna dan sesi pengguna secara real-time. Sistem baru yang ditunjukkan pada bagan di bawah ini telah memecahkan salah satu dari banyak tantangan yang dihadapi DoorDash sebelumnya — menentukan kapan pengguna benar-benar meninggalkan keranjang belanjanya dibandingkan hanya menelusuri lebih banyak item atau pedagang yang berbeda. Perbedaan ini sangat penting untuk mengirimkan pemberitahuan pengabaian keranjang yang tepat waktu dan relevan. Metode tradisional, seperti pemrosesan batch, tidak hanya menghabiskan banyak sumber daya tetapi juga memerlukan waktu yang lama, sehingga deteksi secara real-time hampir tidak mungkin dilakukan.

Aliran data deteksi sesi waktu nyata, dirancang oleh tim teknik DoorDash.

Platform sesi baru dibangun dengan fungsionalitas Flink yang besar dan kuat untuk memantau sesi pengguna melalui peristiwa klien web dan seluler di dalam memori. Pendekatan ini memungkinkan mereka untuk memproses aliran peristiwa aktivitas pengguna tanpa “kebutuhan memuat data dalam jumlah besar dari cold storage ke dalam memori sebelum diproses,” sehingga “menghindari biaya komputasi dan latensi yang besar” serta “mendeteksi periode tidak aktif dalam waktu singkat. kerangka waktu.” [in order to] Kirim pemberitahuan pada saat yang lebih nyaman.” Platform baru ini bukannya tanpa tantangan. Karena Flink memproses semua peristiwa di memori secara real-time, Flink perlu menyimpan semua peristiwa sesi pengguna hingga sesi berakhir. Mengingat skala DoorDash saat ini, setiap sesi pelanggan adalah sekitar satu jam, Status penerbangan lokal dapat mencapai ratusan gigabyte setiap saat.

Penerapan Apache Flink oleh DoorDash untuk deteksi sesi dan pengiriman notifikasi real-time menunjukkan kemajuan signifikan dalam meningkatkan keterlibatan pengguna dan tingkat konversi. Desain baru ini membantu DoorDash secara signifikan meningkatkan ketepatan waktu dan keakuratan pengiriman notifikasi, sehingga meningkatkan tingkat kirim-ke-buka sebesar 40%. Keberhasilan ini telah menghasilkan serangkaian eksperimen baru dengan platform ini, termasuk menambahkan promosi ke pemberitahuan pengabaian keranjang dan mengontrol frekuensi pemberitahuan pengabaian keranjang.