部署大數(shù)據(jù)？請(qǐng)參考大數(shù)據(jù)分析平臺(tái)架構(gòu)_數(shù)據(jù)分析師

一、數(shù)據(jù)分析平臺(tái)層次解析

大數(shù)據(jù)分析處理架構(gòu)圖

數(shù)據(jù)源： 除該種方法之外，還可以分為離線數(shù)據(jù)、近似實(shí)時(shí)數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)。按照?qǐng)D中的分類其實(shí)就是說明了數(shù)據(jù)存儲(chǔ)的結(jié)構(gòu)，而特別要說的是流數(shù)據(jù)，它的核心就是數(shù)據(jù)的連續(xù)性和快速分析性；

計(jì)算層： 內(nèi)存計(jì)算中的Spark是UC Berkeley的最新作品，思路是利用集群中的所有內(nèi)存將要處理的數(shù)據(jù)加載其中，省掉很多I/O開銷和硬盤拖累，從而加快計(jì)算。而Impala思想來源于Google Dremel，充分利用分布式的集群和高效存儲(chǔ)方式來加快大數(shù)據(jù)集上的查詢速度，這也就是我上面說到的近似實(shí)時(shí)查詢；底層的文件系統(tǒng)當(dāng)然是HDFS獨(dú)大，也就是Hadoop的底層存儲(chǔ)，現(xiàn)在大數(shù)據(jù)的技術(shù)除了微軟系的意外，基本都是HDFS作為底層的存儲(chǔ)技術(shù)。上層的YARN就是MapReduce的第二版，和在一起就是Hadoop最新版本。基于之上的應(yīng)用有Hive，Pig Latin，這兩個(gè)是利用了SQL的思想來查詢Hadoop上的數(shù)據(jù)。

關(guān)鍵： 利用大數(shù)據(jù)做決策支持。R可以幫你在大數(shù)據(jù)上做統(tǒng)計(jì)分析，利用R語言和框架可以實(shí)現(xiàn)很專業(yè)的統(tǒng)計(jì)分析功能，并且能利用圖形的方式展現(xiàn)；而Mahout就是一個(gè)集數(shù)據(jù)挖掘、決策支持等算法于一身的工具，其中包含的都是基于Hadoop來實(shí)現(xiàn)的經(jīng)典算法，拿這個(gè)作為數(shù)據(jù)分析的核心算法集來參考還是很好的。

如此一個(gè)決策支持系統(tǒng)要怎么展現(xiàn)呢？其實(shí)這個(gè)和數(shù)據(jù)挖掘過程中的展現(xiàn)一樣，無非就是通過表格和圖標(biāo)圖形來進(jìn)行展示，其實(shí)一份分類詳細(xì)、顏色艷麗、數(shù)據(jù)權(quán)威的數(shù)據(jù)圖標(biāo)報(bào)告就是呈現(xiàn)給客戶的最好方式！至于用什么工具來實(shí)現(xiàn)，有兩個(gè)是最好的數(shù)據(jù)展現(xiàn)工具，Tableau和Pentaho，利用他們最為數(shù)據(jù)展現(xiàn)層絕對(duì)是最好的選擇。

二、規(guī)劃的數(shù)據(jù)平臺(tái)產(chǎn)品AE(Accelerate Engine)

支持下一代企業(yè)計(jì)算關(guān)鍵技術(shù)的大數(shù)據(jù)處理平臺(tái)：包括計(jì)算引擎、開發(fā)工具、管理工具及數(shù)據(jù)服務(wù)。計(jì)算引擎是AE的核心部分，提供支持從多數(shù)據(jù)源的異構(gòu)數(shù)據(jù)進(jìn)行實(shí)時(shí)數(shù)據(jù)集成、提供分布式環(huán)境下的消息總線、通過Service Gateway能夠與第三方系統(tǒng)進(jìn)行服務(wù)整合訪問；設(shè)計(jì)了一個(gè)分布式計(jì)算框架，可以處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并提供內(nèi)存計(jì)算、規(guī)劃計(jì)算、數(shù)據(jù)挖掘、流計(jì)算等各種企業(yè)計(jì)算服務(wù)。Data Studio包括了數(shù)據(jù)建模、開發(fā)、測(cè)試等集成開發(fā)環(huán)境。管理工具包括了實(shí)施、客戶化及系統(tǒng)管理類工具。AE平臺(tái)還可以通過UAP開發(fā)者社區(qū)提供豐富的數(shù)據(jù)服務(wù)。

AE架構(gòu)圖

新規(guī)劃將BAP平臺(tái)拆分為兩部分，底層技術(shù)平臺(tái)發(fā)展內(nèi)存計(jì)算和數(shù)據(jù)處理，上層BI展現(xiàn)端重點(diǎn)發(fā)展儀表盤、web和移動(dòng)設(shè)備展現(xiàn)。

兩大產(chǎn)品通過數(shù)據(jù)處理接口和嵌入式應(yīng)用服務(wù)于業(yè)務(wù)系統(tǒng)。

生態(tài)系統(tǒng)圖

大數(shù)據(jù)處理平臺(tái)擔(dān)負(fù)著為BI系統(tǒng)提供語義層/OLAP引擎等底層技術(shù)支撐、BI及ERP系統(tǒng)的性能提升、以及數(shù)據(jù)挖掘、非結(jié)構(gòu)化數(shù)據(jù)處理等系列數(shù)據(jù)整合與處理的解決方案。

具體模塊包括：

語義層：為統(tǒng)一的查詢建模平臺(tái)和數(shù)據(jù)訪問接口。除提供標(biāo)準(zhǔn)的查詢建模能力外，還有語義驅(qū)動(dòng)、語義規(guī)則、語義函數(shù)、描述器等等擴(kuò)展方式，滿足不同層面的擴(kuò)展要求。

OLAP引擎：OLAP引擎提供全面的多維建模與分析能力。多維模型包括維度、層次、級(jí)別、屬性、指標(biāo)、計(jì)算成員等；同時(shí)預(yù)置系列分析函數(shù)，包括同比/環(huán)比/期比/基比等時(shí)間序列分析、占比/排名/方差等統(tǒng)計(jì)分析、指數(shù)回歸和線性回歸分析等；提供標(biāo)準(zhǔn)的MDX解析與執(zhí)行，與數(shù)據(jù)倉庫等模塊結(jié)合，提供針對(duì)海量數(shù)據(jù)的實(shí)時(shí)分析和處理能力。

數(shù)據(jù)集成：能夠勝任在大數(shù)據(jù)量、高并發(fā)、多維分析等環(huán)境背景下的實(shí)時(shí)分析。通過實(shí)時(shí)數(shù)據(jù)集成（RDI）提供的數(shù)據(jù)實(shí)時(shí)復(fù)制與DW的列式存儲(chǔ)引擎，解決了以往在傳統(tǒng)架構(gòu)模式下，普通行式存儲(chǔ)引擎無法實(shí)現(xiàn)的業(yè)務(wù)場(chǎng)景。

數(shù)據(jù)挖掘：支持運(yùn)行于分布式文件系統(tǒng)和分布式計(jì)算平臺(tái)之上的分布式數(shù)據(jù)挖掘算法，具體包括：邏輯斯特回歸、樸素貝葉斯分類算法及其分布式實(shí)現(xiàn)；K均值、譜聚類算法及其分布式實(shí)現(xiàn)；潛在狄利克雷分配語義挖掘算法及其分布式實(shí)現(xiàn)；頻繁模式挖掘分析算法及其分布式實(shí)現(xiàn)；協(xié)同過濾、概率矩陣分解推薦算法及其分布式實(shí)現(xiàn)；提供分布式挖掘算法的統(tǒng)一操作原語和執(zhí)行引擎。

數(shù)據(jù)倉庫：數(shù)據(jù)倉庫提供針對(duì)海量數(shù)據(jù)進(jìn)行高效的查詢和分析。包括同時(shí)支持關(guān)系數(shù)據(jù)庫、NoSQL數(shù)據(jù)庫、以及分布式文件系統(tǒng)進(jìn)行數(shù)據(jù)存儲(chǔ)和加載的多存儲(chǔ)引擎，基于MapReduce框架針對(duì)海量數(shù)據(jù)的高性能查詢和分析，以及MapReduce 框架本身具有的高擴(kuò)展性和容錯(cuò)性。

非結(jié)構(gòu)化數(shù)據(jù)管理：非結(jié)構(gòu)化數(shù)據(jù)不包含內(nèi)嵌的語義結(jié)構(gòu)描述信息，而信息系統(tǒng)需要結(jié)合其“內(nèi)容”而不僅僅是數(shù)據(jù)本身進(jìn)行查詢、檢索、分析與挖掘，因此非結(jié)構(gòu)化數(shù)據(jù)管理系統(tǒng)需要實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)提取，提取的非結(jié)構(gòu)化數(shù)據(jù)是進(jìn)行后續(xù)處理的基礎(chǔ)，具體包括結(jié)構(gòu)化信息和底層/高層特征的提取兩個(gè)。非結(jié)構(gòu)化數(shù)據(jù)提取組件依賴于分布式文件系統(tǒng)和非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)提供的原始數(shù)據(jù)作為數(shù)據(jù)源數(shù)據(jù)，依賴于非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)來存儲(chǔ)提取的元數(shù)據(jù)或者特征數(shù)據(jù)，依賴于并行計(jì)算框架來分布化執(zhí)行過程，加快執(zhí)行速度。

消息總線：包括主數(shù)據(jù)管理、集中身份管理、應(yīng)用集成開發(fā)環(huán)境、集成監(jiān)控管理等。滿足集成平臺(tái)的應(yīng)用需求，支持界面集成、信息集成、服務(wù)集成、流程集成等集成方式。

分布式計(jì)算系統(tǒng)：包括分布式文件系統(tǒng)和分布式計(jì)算框架。分布式文件系統(tǒng)以高可靠的容錯(cuò)機(jī)制為核心，系統(tǒng)架構(gòu)包括多元數(shù)據(jù)服務(wù)器、多數(shù)據(jù)存儲(chǔ)服務(wù)器、多監(jiān)管者、多客戶端，支持大文件和大數(shù)據(jù)塊的分布式存儲(chǔ)與管理；分布式計(jì)算框架基于MapReduce與MPI計(jì)算模型，提供了一套并行計(jì)算框架；并利用物理機(jī)以及虛擬機(jī)的監(jiān)控信息，實(shí)現(xiàn)對(duì)計(jì)算資源的合理分配，支持對(duì)大量工作任務(wù)的靈活切分和分布式調(diào)度。

流計(jì)算引擎：流計(jì)算引擎是為解決系統(tǒng)的實(shí)時(shí)性和一致性的高要求的實(shí)時(shí)數(shù)據(jù)處理框架，具備高可拓展性，能處理高頻數(shù)據(jù)和大規(guī)模數(shù)據(jù)，實(shí)時(shí)流計(jì)算解決方案被應(yīng)用于實(shí)時(shí)搜索、高頻交易的大數(shù)據(jù)系統(tǒng)上。