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
首頁精彩閱讀大數(shù)據(jù)的OLAP技術(shù)_數(shù)據(jù)分析師培訓(xùn)
大數(shù)據(jù)的OLAP技術(shù)_數(shù)據(jù)分析師培訓(xùn)
2015-03-18
收藏

大數(shù)據(jù)的OLAP技術(shù)_數(shù)據(jù)分析師培訓(xùn)


在互聯(lián)網(wǎng)的技術(shù)浪潮沖擊下，不少傳統(tǒng)企業(yè)也紛紛涉水大數(shù)據(jù)技術(shù)。以筆者經(jīng)歷的兩個(gè)項(xiàng)目為例，傳統(tǒng)企業(yè)與互聯(lián)網(wǎng)公司相比有兩個(gè)特點(diǎn)：

①企業(yè)應(yīng)用比較笨重和復(fù)雜，云計(jì)算等基礎(chǔ)架構(gòu)平臺(tái)，互聯(lián)網(wǎng)需要的是水平規(guī)模化擴(kuò)展，但對(duì)傳統(tǒng)企業(yè)來講，更需要的是垂直一體化部署復(fù)雜的依賴并且方便重用；

②企業(yè)數(shù)據(jù)，包括關(guān)系型的交易數(shù)據(jù)、日志、文檔、電子郵件等等，但總體還是結(jié)構(gòu)化數(shù)據(jù)占多數(shù)；互聯(lián)網(wǎng)則是非結(jié)構(gòu)化數(shù)據(jù)為主，如網(wǎng)頁、圖片、服務(wù)器日志等，在網(wǎng)頁搜索或廣告推薦等領(lǐng)域，高維數(shù)據(jù)分析比較常見。

和企業(yè)私有云的架構(gòu)一樣，對(duì)企業(yè)的大數(shù)據(jù)平臺(tái)，我們很難直接去簡單復(fù)制互聯(lián)網(wǎng)的海量存儲(chǔ)或計(jì)算平臺(tái)技術(shù)，如Hadoop、HBase、Spark；因?yàn)檫@些技術(shù)搭建的只是一個(gè)數(shù)據(jù)的基礎(chǔ)設(shè)施，要在傳統(tǒng)企業(yè)實(shí)施“大數(shù)據(jù)平臺(tái)”，我們的思路是，如何將傳統(tǒng)的商業(yè)智能運(yùn)行在“大數(shù)據(jù)平臺(tái)”之上。

OLAP – 聯(lián)機(jī)分析

OLAP聯(lián)機(jī)分析是從多維信息、針對(duì)特定問題的聯(lián)機(jī)數(shù)據(jù)進(jìn)行訪問和分析的技術(shù)。從分析的角度出發(fā)，數(shù)據(jù)源需提供以下操作支持：

  • 維度和指標(biāo)
  • 聚合
  • 上卷、下鉆
  • 水平、垂直切分
  • 排序

下面是一個(gè)數(shù)據(jù)表示例：

大數(shù)據(jù)

大數(shù)據(jù)

通常OLAP的多維數(shù)據(jù)源由數(shù)據(jù)方（Cube）提供，關(guān)系型數(shù)據(jù)庫或數(shù)據(jù)倉庫都能提供數(shù)據(jù)方的設(shè)計(jì)，相對(duì)于數(shù)據(jù)庫，數(shù)據(jù)倉庫是昂貴的軟硬件解決方案，而互聯(lián)網(wǎng)普遍采用基于Hadoop技術(shù)構(gòu)建的海量數(shù)據(jù)處理平臺(tái)，在這里是否可以作為數(shù)據(jù)倉庫的替代品呢？其核心技術(shù)還是，如何基于Hadoop來構(gòu)建數(shù)據(jù)方。

Pre-aggregate – 預(yù)聚合數(shù)據(jù)

對(duì)數(shù)據(jù)庫來說，數(shù)據(jù)聚合通常是實(shí)時(shí)的。實(shí)時(shí)聚合的好處是靈活，可以對(duì)任意列進(jìn)行查詢，缺點(diǎn)是CPU、I/O開銷較大，數(shù)據(jù)量大時(shí)查詢緩慢，吞吐量低；而對(duì)Hadoop這樣的非實(shí)時(shí)計(jì)算、大量數(shù)據(jù)處理的平臺(tái)來說，很適合對(duì)數(shù)據(jù)進(jìn)行預(yù)聚合處理，預(yù)聚合的優(yōu)點(diǎn)是查詢快速高效，但缺點(diǎn)是無法靈活查詢，比如未進(jìn)行聚合處理的數(shù)據(jù)。

在基于Hadoop進(jìn)行預(yù)聚合處理上，Adobe提供了一些經(jīng)驗(yàn)：

  • 數(shù)據(jù)表設(shè)計(jì)需要規(guī)范
  • 超過3個(gè)維度、10億條數(shù)據(jù)時(shí)處理會(huì)變得復(fù)雜
  • 維度表之間盡量不要有相關(guān)關(guān)系
  • 只創(chuàng)建必須的索引
  • 領(lǐng)域模型設(shè)計(jì)

這個(gè)步驟的目的是理解數(shù)據(jù)并且構(gòu)建出領(lǐng)域模型，包括：

  • 源數(shù)據(jù)如何拆分到不同字段中？
  • 哪些字段用于維度？
  • 哪些字段用于統(tǒng)計(jì)指標(biāo)？
  • 使用什么樣的規(guī)則來對(duì)數(shù)據(jù)進(jìn)行聚合？
  • 用戶經(jīng)常使用的組合查詢是？
  • 排序規(guī)則？

下面是Adobe SiteCatalyst的設(shè)計(jì)參考，源數(shù)據(jù)是一條日志，使用reports.json來描述整個(gè)設(shè)計(jì)：

大數(shù)據(jù)

數(shù)據(jù)采集優(yōu)化策略

對(duì)歷史數(shù)據(jù)，采用大量數(shù)據(jù)批處理來提高吞吐量，對(duì)新增的增量數(shù)據(jù)，盡量達(dá)到低延時(shí)查詢。一些優(yōu)化策略包括：

對(duì)輸入進(jìn)行條件過濾：

  • FileDateFilter (log name patterns: log-YYYY-MM-dd-HH.log)
  • TableInputFormat start/stop row
  • File Index in HBase (track processed/new files)

提升Map的任務(wù)數(shù)：

  • CombineFileInputFormat – 2GB-splits => 500 splits for 1TB
  • FixedMappersTableInputFormat (e.g. 5-region splits)

數(shù)據(jù)處理

數(shù)據(jù)處理的過程包括讀取源數(shù)據(jù)、預(yù)聚合并且生成可供查詢的數(shù)據(jù)表，對(duì)OLAP而言，需要對(duì)數(shù)據(jù)進(jìn)行以下處理：

  • GROUP BY
  • COUNT, SUM, AVG
  • SORT
  • HAVING – 需進(jìn)行預(yù)聚合

以下是Adobe在線數(shù)據(jù)處理設(shè)計(jì)和SQL查詢的映射：

大數(shù)據(jù)

在reports.json中定義了觸發(fā)各個(gè)處理的類：

大數(shù)據(jù)

整個(gè)處理過程如下：

大數(shù)據(jù)

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)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(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)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 = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; 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); }