架構大數(shù)據(jù)分析應用/典型分布式大數(shù)據(jù)架構的基礎模型

這是《Scalable Big Data Architecture》一書的翻譯筆記和讀書札記，使用了原書中的大量圖片，融入了自己的部分觀點 ….典型使用場景….大數(shù)據(jù)生態(tài)系統(tǒng)……..

數(shù)據(jù)管理比以往更加復雜，到處都是大數(shù)據(jù)，包括每個人的想法以及不同的形式:廣告 , 社交圖譜,信息流 ,推薦 ,市場, 健康, 安全, 政府等等.過去的三年里，成千上萬的技術必須處理匯合在一起的大數(shù)據(jù)獲取，管理 和分析; 技術選型對IT部門來說是一件艱巨的任務，因為在大多數(shù)時間里沒有一個綜合的方法來用于選型.

當自己面臨選擇的時候，通常會問如下的問題: 什么時候需要考慮在IT系統(tǒng)中使用大數(shù)據(jù)? 準備好使用了么? 從哪里開始? 感覺大數(shù)據(jù)只是一種市場趨勢，我還是應該去做么？這些問題縈繞著CIO和CTO們，當決定部署一個全局化分布式大數(shù)據(jù)架構時，可能會把企業(yè)置于危險之中。

本章目的時定義大數(shù)據(jù)的表征—換句話說，就是什么時候需要考慮將大數(shù)據(jù)放入架構。 但是，也指出了各種大數(shù)據(jù)技術的區(qū)別，能夠理解在何種情況使用哪種技術。

最后, 基于真實世界的例子，構建了典型分布式大數(shù)據(jù)架構的基礎模型。

定義大數(shù)據(jù)表征

基于不同的需要，可能選擇開始大數(shù)據(jù)項目s: 因為所需處理的數(shù)據(jù)容量, 因為系統(tǒng)中數(shù)據(jù)結構的多樣性, 因為擴展性問題, 或者因為需要削減數(shù)據(jù)處理的成本。 本節(jié)中，將看到怎樣的征兆意味著一個團隊需要開始一個大數(shù)據(jù)項目了。

數(shù)據(jù)大小哪些事

使人們開始考慮大數(shù)據(jù)的兩個主要領域是何時出現(xiàn)了與數(shù)據(jù)大小和容量有關的問題。盡管大多數(shù)時間這些問題是考慮大數(shù)據(jù)的合情合理的原因，但今天而已，這并不是唯一的原因。

有其他的表征—例如數(shù)據(jù)的類型. 如何在傳統(tǒng)數(shù)據(jù)存儲中管理不斷增加的各種各樣的數(shù)據(jù)類型, 如SQL數(shù)據(jù)庫, 還期望象建表那樣的結構化么? 不增加靈活性是不可行的，當出現(xiàn)新的數(shù)據(jù)結構是需要技術層面的無縫處理。當討論數(shù)據(jù)類型是，需要想象非結構化數(shù)據(jù)，圖數(shù)據(jù)，圖片，視頻，語音等等。

不但要很好的存儲非結構化數(shù)據(jù)，而且最好是得到一些他們之外的東西。另一表征來自于這一承諾: 大數(shù)據(jù)也可以從大容量的各種數(shù)據(jù)中提取增值信息.若干年前，對于大量讀多于寫的操作，通用的緩存或數(shù)據(jù)庫隊友每周的ETL (extract, transform,load) 處理是足夠的。如今不再是這樣的趨勢?，F(xiàn)在，需要一個架構具備長時間處理和準實時數(shù)據(jù)處理的能力。這一架構是分布式的，而不是依賴于高性能且價格高昂的商用機，取而代之的是，高可用，性能驅動和廉價技術所賦予的靈活性。

當下，如何充分利用增值數(shù)據(jù)以及如何能夠原生地搜索到它們呢？為了回答這一問題，再次考慮傳統(tǒng)存儲中為了加速查詢而創(chuàng)建的索引。如果為了復雜查詢而索引上百列而且包含了主鍵的不確定性，會是什么樣子？不希望在一個基礎SQL 數(shù)據(jù)庫中做這些;取而代之的是，需要考慮按照特殊需要而使用一個 NoSQL存儲. 所以，簡單回顧一下主要路徑：數(shù)據(jù)獲取，結構化，可視化這些真正數(shù)據(jù)管理的場景，顯而易見，數(shù)據(jù)大小不再是主要的考量因素。

典型的商務使用場景

除了技術和架構考慮，需要面對典型大數(shù)據(jù)用例的使用場景。它們部分和特殊的工業(yè)領域相關； 另外的部分可能適應于各種領域。這些考慮一般都是基于分析應用的日志，例如web訪問日志,應用服務器日志，和數(shù)據(jù)庫日志，但是也可以基于各種其他的數(shù)據(jù)源例如社交網(wǎng)絡數(shù)據(jù)。當面對這些使用場景的時候，如果希望隨著商務的增長而彈性擴展，就需要考慮一個分布式的大數(shù)據(jù)架構。

客戶行為分析

感知客戶, 或者叫做 “360-度客戶視角”可能是最流行的大數(shù)據(jù)使用場景。客戶視角通常用于電子商務網(wǎng)站以及開始于一個非結構化的點擊流—換而言之, 由一個訪客執(zhí)行的主動點擊和被動的網(wǎng)站導航操作組成。通過計算和分析點擊量和面向產(chǎn)品或廣告的印象，可以依賴行為而適配訪客的用戶體驗， 目標是得到優(yōu)化漏斗轉換的見解。

情緒分析

公司關注的是其在社交網(wǎng)絡上所被感知的形象和聲譽; 把可能使他們聲名狼藉的負面事件最小化并充分利用正面事件. 通過準實時爬下大量的社交數(shù)據(jù)，可以提取出社交社區(qū)中關于品牌的感受和情緒，從而找到影響用戶并練習他們，改變并強化與這些用戶的交互。

CRM Onboarding

基于訪客的社交行為，可以將客戶的行為分析和數(shù)據(jù)的情感分析結合在一起。公司希望將這些在線數(shù)據(jù)源和已經(jīng)存在的離線數(shù)據(jù)結合在一起，這叫做 CRM (customer relationship management) onboarding, 以便于得到更好和更準確的客戶定位. 進而,公司能夠充分利用這一定位，從而建立更好的目標系統(tǒng)使市場活動的效益最大化。

預測

從數(shù)據(jù)中學習在過去幾年已經(jīng)成為主要的大數(shù)據(jù)趨勢?；诖髷?shù)據(jù)的預測在許多業(yè)界是非常有效的, 例如電信界, 這里可以預測大眾化的路由日志分析. 每一次在設備上發(fā)生了問題, 公司可以預測它并避免宕機時間或利潤丟失。

當結合以上的使用場景的時候，根據(jù)用戶的整體行為，可以使用一個預測型架構來誘惑產(chǎn)品目錄的選擇和價格。