Presentation made at Paris Scala User Group Meetup (https://www.meetup.com/fr-FR/Paris-Scala-User-Group-PSUG/events/235606795/) How Meetic uses conflation mechanism in our real time data processing

1. Conflation like @ Meetic

2. Arnaud Georgin
Architecte logiciel
@arnaud_georgin
Cyril Verdier
Tech Lead Scala
@cyril_verdier

3. “Conflation happens when the identities of two or more individuals, concepts, or
places, sharing some characteristics of one another, seem to be a single identity, and
the differences appear to become lost. In logic, it is the practice of treating two distinct
concepts as if they were one ... intentional conflation may be desirable for the sake of
conciseness and recall.”
Source: https://en.wikipedia.org/wiki/Conflation

4. Conflation par l’exemple

5. Et si on faisait de la backpressure !?

6. Application de la conflation

7. En résumé
Filtrage
Merge

8. Live coding

9. Conflation : Merge
Buffer
provider 1
provider 2
provider 42
...
Tick Tick
délai
Merge

10. Monitoring applicatif : approche
Etape 1 : Production de métriques dans le code
- Kamon
Etape 2 : Infrastructure de collecte des métriques
- Kamon + statsD + graphite
Etape 3 : Visualisation des métriques
- Grafana

11. Monitoring applicatif : schéma global
application
scala
Kamon statsD Graphite
Grafana
serveur de supervision

12. Comment on l’utilise chez Meetic
Merge : notification sur l’interaction la plus qualitative
plusieurs types d’interactions entre les membres (visites, favoris, like, …)
Notifier les membres sur l’interaction la plus qualitative si plusieurs interactions se
suivent
Filtrage : compteur de recherche à l’authentification
rafraîchissement des compteurs à l’ouverture de session
plusieurs messages d’ouverture sessions sont publiés

13. Questions ?
https://github.com/Meetic/scala-merge-conflation
https://github.com/Meetic/scala-filter-conflation