火山引擎 DataLeap：更强数据目录搜索能力，做到一步找数

更多技术交流、求职机会，欢迎关注字节跳动数据平台微信公众号，回复【1】进入官方交流群

随着数据管理变得更加复杂，元数据的重要性呈指数级增加。

如今，Data Catalog（数据目录）被看成是元数据管理的最佳工具，而一个通用的 Data Catalog 平台，通常包含元数据管理，搜索，血缘，标签，术语等功能。

其中，搜索是 Data Catalog 的入口功能，承担着让用户“找到数”的主要能力。

通过汇总和组织各种元数据，火山引擎大数据研发治理套件 DataLeap 的 Data Catalog 系统，可以帮助企业梳理数据、查询数据和理解数据的业务场景。而在 DataLeap 的 Data Catalog 系统中，每天有 70%以上的用户会使用搜索功能。

区别于需要指定具体资产类型，或在搜索结果页对不同的资产分栏显示的联合搜索，为了满足个性化、多语言、秒级实时性等需求，火山引擎 DataLeap 的 Data Catalog 的系统采用了个性化综合搜索的方案。

该综合搜索方案允许用户在同一个搜索框中进行搜索输入，而无需指定搜索的资产类型；同时，搜索服务会在同一个搜索结果页返回不同类型的相关资产，并根据匹配程度和用户的个性化数据，进行混合排序。不仅可以给到不同用户针对不同资产的搜索需求，提供高度统一的搜索体验，同时还提供了跨类型圈定资产的能力。

图：火山引擎 DataLeap 的 Data Catalog 系统整体架构

火山引擎 DataLeap 的 Data Catalog 搜索系统，采用了开源搜索引擎 Elasticsearch。在海量数据下，其分布式的实时文件存储及实时分析搜索引擎，让每个字段都可以被索引且可用于搜索，可达到近实时秒级响应。同时，Elasticsearch 采用的 Restful api 架构，天生的兼容多语言开发，且扩展能力强，可以处理 PB 级结构化或非结构化数据。

除了个性化的搜索需求，火山引擎 DataLeap 也支持单纯的列表模式，对于不要求精细度的查询需求，用户可以在此模式下，通过指定字段来对搜索结果进行简单排序。

未来，火山引擎 DataLeap 团队将进一步探索性能更完善的进阶搜索功能，包括查询语法功能的实现，以及血缘搜索和多租户之间模型的迁移。

除此之外，火山引擎 DataLeap 还可以提供数据集成、开发、运维、治理、资产等能力，帮助用户提升数据研发效率、降低管理成本，加速推动企业的数字化转型，目前已经应用于泛互联网、制造、新零售、汽车等领域，帮助数据团队有效的降低工作成本和数据维护成本、挖掘数据价值、为企业决策提供数据支撑。

点击跳转【大数据研发治理套件 DataLeap】了解更多