99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁職業(yè)發(fā)展大數據架構的未來
大數據架構的未來
2016-09-17
收藏

大數據架構的未來

本文講述了大數據的相關問題，以及“大數據架構”得名的由來。

大數據的問題
或許所有讀者都明白這一點：數據正在飛速增長。若是能夠有效利用的話，我們能從這些數據中找到非常有價值的見解;傳統技術有很多都是在40年前設計的，比如RDBMSs，不足以創(chuàng)造“大數據”炒作所宣稱的商業(yè)價值。在大數據技術的使用上，常見的案例是“客戶單一視圖”;將關于客戶所知道的一切內容放在一起，以便最大化服務提供與自身收入，比如確定具體需要采用什么促銷方式，又是在什么時候、通過什么渠道來發(fā)送。
盡管大數據的問題在于，讓我們將這種潛力變?yōu)楝F實，高等級的關鍵功能至少包括下面這些能力：
合并信息孤井、外在因素與數據流;
控制數據訪問;

需要轉化數據;

整合數據;
為數據分析提供工具;
發(fā)布數據報告;
將見解體現在運營過程中;
最小化工作完成的總擁有成本與響應時間。
用數據湖作為答案
很多公司正在觀望一個被某些人稱為數據湖的架構，這個數據平臺在合并信息孤井數據流以及在單獨的邏輯位置中執(zhí)行數據持久化方面具有靈活性，能夠從企業(yè)自身以及第三方的數據中挖掘出見解。將Hadoop(包括Spark在內)用于數據湖已成大勢所趨，原因很多：使用總擁有成本較低的普通硬件就能進行擴展，允許用讀時模式(schema-on-read)收取大量數據，支持開源，包括用SQL和普通語言構建分布式處理層。此外，像雅虎和谷歌這樣的webscale公司都是早期標桿，借用這種架構在解決網站索引相關的問題時獲得了巨大的成功。
Hadoop中的數據持久化選項
這樣一來，從這里開始評估數據湖解決方案的前景似乎很合理。一旦開始從更深的層次理解Hadoop的內涵，你就會發(fā)現里面所包含的項目真的是包羅萬象，涵蓋了數據處理的方方面面。用Hadoop在數據湖中探測存儲的數據時，有兩個主要選項：HDFS和HBase。使用HDFS時，可以自行決定如何在只添加文件中對數據進行編碼，包括JSON、CSV、Avro等等，因為HDFS只是一個文件系統，編碼方式全由你決定。相反，HBase是一個數據庫，其特有的數據編碼方式可以將記錄寫入的速度最優(yōu)化，在通過主鍵查詢時執(zhí)行只讀的速度相對也很快。
這也是用Hadoop的數據湖之魅力所在，它能實現真實情況下的需求。因此，我們就能使用Hadoop來執(zhí)行上面列出的高層次需求了。在像Spark和Hive這樣的Hadoop生態(tài)系統中，仍需用到分布式處理層，但不需HDFS或HBase了，因此你可以從分布式處理層中選擇持久化層面。之前的博文中有相關案例，描述了使用Spark在MongoDB中讀寫數據。還有一篇博文也很類似，證明了MongoDB只是讀取數據的另一個Hive表格。
索引仍舊很重要
大多熟悉RDBMSs的技術人員發(fā)現，從表達查詢能力到二級索引，再到加速查詢全都價值巨大(即便模式固定、總擁有成本高以及RDBMSs的可擴展性有限，這些使得它很難被用作數據湖)。如果我們在數據庫持久化中只用到HDFS和HBase，就無法實現我們期待的數據庫臨時索引了，特別是遇到下面幾個限制時：
臨時切片：不通過二級索引，我們如何對不止一個主鍵標識出的數據切片進行有效地分析呢，例如對我們的最佳客戶——那些消費金額超過X的客戶進行分析?由于數據太過巨大，想要通過掃描找出最佳客戶都會令工作卡住。
低延遲報告：如果沒有靈活的索引方式，我們如何在次秒級時間內響應客戶的需求，為他們提供有價值的數據報告呢?再次，我們只能使用消費者的賬戶號或者其他主鍵來進行快速報告，而不是通過消費者的姓名、電話號碼、郵編、花費等等。特別提到：MongoDB剛剛為基于SQL的報告工具發(fā)布了BI Connector。
運營化：同樣地，我們如何將有價值的見解引入應用運營中，從而在最大化影響公司和消費者的同時將數據變現?想象一下客服專員(CSR)告知消費者，因為數據湖僅支持這個主鍵，他必須提供賬號才能查詢所有的信息;或者查詢需要10分鐘時間。
當然，其中有些問題可以通過變通方法解決，不過會導致總擁有成本更高、開發(fā)或運營工作更多、延遲也更高。例如，使用搜索引擎或者實體化視圖而不是通過主鍵來查詢;不過稍后還需返回到數據庫，在有完整記錄的數據庫中對主表進行再次查詢，以獲得所需的完整信息。除了延遲翻倍之外，還需要耗費額外的管理、開發(fā)工作，以及單獨搜索引擎需要的基礎設施，還有實體化視圖所需的維護，加上將數據寫入到其他地方造成的一致性問題。保持我們的設計原則，只用我們用慣的普通靈活索引不是很好么?
MongoDB是一個有效數據湖的重要部分
我們開始討論，探索單用Hadoop是否能滿足數據湖的需求，并發(fā)現了至少3個問題。我們能否在架構中另加一層持久化層面來解決這些問題，同時保持設計原則——使用低總擁有成本的普通硬件、開源模式、讀時模式還有Hadoop分布式數據層——與之前一致呢?
我選擇本文的主題是因為，MongoDB就是在Hadoop-only數據湖中，補位最優(yōu)秀的數據庫。如果使用另一個開源NoSQL數據庫，就會發(fā)現其中幾乎不含二級索引(使用二級索引會導致無法同步數據)，也沒有分組和聚合功能。你可以使用其中一些數據庫將數據寫入數據湖，不過如果出于商業(yè)需求想要以靈活的方式使用二級索引讀取的話，是做不到的。如果想要在數據湖中使用開源RDBMS，我們已經說過，它們固定的模式、昂貴的垂直擴展模型都違背了我們設計數據湖的原則。
因此，推薦使用下面的架構來構建數據湖。
MongoDB對數據湖非常重要
圖片描述
這個架構將MongoDB作為持久化層面加入任何需要表達查詢的數據集中，正與你需要索引的三個原因(上面列舉了)相關。由于需求數據來自消費者，無論是否將數據發(fā)布到HDFS和/或MongoDB中，我推薦用governance function來確定。無論存儲到HDFS或者MongoDB上，就可以運行分布式處理任務，比如Hive和Spark。不過如果數據在MongoDB上，因為篩選標準下放到數據庫中，不像在HDFS中那樣掃描文件，你就能在數據臨時切片上運行有效分析了。與此相似，MongoDB中的數據也可用于實時、低延遲報告，并為構建的應用所用到的所有系統提供運營數據平臺服務。
如今一些公司只是將數據復制到Hadoop中進行轉換，然后再復制到其他地方，用于完成有價值的工作。為什么不直接利用數據湖，發(fā)揮最大價值呢?使用MongoDB可以將價值多次翻倍。


數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調用 initGeetest 進行初始化 // 參數1：配置參數 // 參數2：回調，回調的第一個參數驗證碼對象，之后可以使用它調用相應的接口 initGeetest({ // 以下 4 個配置參數為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產品形式，包括：float，popup width: "280px", https: true // 更多配置參數說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }