三分鐘帶你了解大數(shù)據(jù)架構(gòu)有什么用途和特點(diǎn)

2022-03-2616:48:20已關(guān)閉評(píng)論

大數(shù)據(jù)架構(gòu)簡(jiǎn)介

在管理海量數(shù)據(jù)和對(duì)海量數(shù)據(jù)進(jìn)行復(fù)雜操作時(shí)，需要使用大數(shù)據(jù)工具和技術(shù)。當(dāng)我們說(shuō)使用大數(shù)據(jù)工具和技術(shù)時(shí)，我們實(shí)際上是指我們要求利用大數(shù)據(jù)生態(tài)系統(tǒng)及其領(lǐng)域中的各種軟件和程序。沒(méi)有針對(duì)每個(gè)用例提供的通用解決方案，因此必須根據(jù)特定公司的業(yè)務(wù)需求以有效的方式精心設(shè)計(jì)和制造。因此，需要利用不同的大數(shù)據(jù)架構(gòu)，因?yàn)楦鞣N技術(shù)的組合將導(dǎo)致最終的用例得以實(shí)現(xiàn)。通過(guò)建立固定的體系結(jié)構(gòu)，可以確保為所請(qǐng)求的用例提供可行的解決方案。

什么是大數(shù)據(jù)架構(gòu)

該體系結(jié)構(gòu)的設(shè)計(jì)方式是，它處理攝取過(guò)程、數(shù)據(jù)處理和數(shù)據(jù)分析，這對(duì)于處理傳統(tǒng)數(shù)據(jù)庫(kù)管理系統(tǒng)來(lái)說(shuō)太大或太復(fù)雜</李>
不同的組織對(duì)其組織有不同的閾值，一些組織的閾值為幾百GB，而對(duì)于其他組織，即使是一些TB也不足以作為閾值</李>
由于這一事件的發(fā)生，如果你看一下商品系統(tǒng)和商品存儲(chǔ)，存儲(chǔ)的價(jià)值和成本已經(jīng)顯著降低。數(shù)據(jù)種類繁多，需要以不同的方式滿足需求</李>
其中一些是在特定時(shí)間出現(xiàn)的批處理相關(guān)數(shù)據(jù)，因此需要以類似的方式安排作業(yè)，而另一些屬于流媒體類，其中必須構(gòu)建實(shí)時(shí)流媒體管道以滿足所有要求。所有這些挑戰(zhàn)都由大數(shù)據(jù)架構(gòu)解決</李>

大數(shù)據(jù)架構(gòu)解讀

Hadoop、數(shù)據(jù)科學(xué)、統(tǒng)計(jì)和；其他

大數(shù)據(jù)系統(tǒng)涉及多種工作負(fù)載類型，大致分為以下幾類：

在基于大數(shù)據(jù)的數(shù)據(jù)源處于靜止?fàn)顟B(tài)的情況下，需要進(jìn)行批處理</李>
動(dòng)態(tài)大數(shù)據(jù)處理用于實(shí)時(shí)處理</李>
探索交互式大數(shù)據(jù)工具和技術(shù)</李>
機(jī)器學(xué)習(xí)和預(yù)測(cè)分析</李>

1。數(shù)據(jù)來(lái)源

數(shù)據(jù)源包括所有黃金來(lái)源，數(shù)據(jù)提取管道就是從這些黃金來(lái)源建立起來(lái)的，因此這可以說(shuō)是大數(shù)據(jù)管道的起點(diǎn)。
示例包括：
（i）應(yīng)用程序的數(shù)據(jù)存儲(chǔ)，比如關(guān)系數(shù)據(jù)庫(kù)
（ii）由多個(gè)應(yīng)用程序生成的文件，主要是靜態(tài)文件系統(tǒng)的一部分，例如基于web的服務(wù)器文件生成日志。
（iii）物聯(lián)網(wǎng)設(shè)備和其他實(shí)時(shí)數(shù)據(jù)源。

2。數(shù)據(jù)存儲(chǔ)

這包括為批量構(gòu)建操作管理的數(shù)據(jù)，存儲(chǔ)在文件存儲(chǔ)區(qū)中，這些文件存儲(chǔ)區(qū)本質(zhì)上是分布式的，并且能夠存儲(chǔ)大量不同格式的大文件。它被稱為數(shù)據(jù)湖。這通常是我們的Hadoop存儲(chǔ)（如HDFS、Microsoft Azure、AWS、GCP存儲(chǔ)）與blob容器一起提供的部分。

3。批處理

所有數(shù)據(jù)都被劃分為不同的類別或區(qū)塊，利用長(zhǎng)期運(yùn)行的作業(yè)進(jìn)行過(guò)濾和聚合，并為分析處理狀態(tài)的數(shù)據(jù)做好準(zhǔn)備。這些作業(yè)通常使用源，對(duì)其進(jìn)行處理，并將處理后的文件輸出到新文件。批處理以各種方式完成，方法包括使用Hive作業(yè)或基于U-SQL的作業(yè)，或使用Sqoop或Pig以及自定義map reducer作業(yè)，這些作業(yè)通常用Java或Scala或任何其他語(yǔ)言（如Python）編寫(xiě)。

4。基于實(shí)時(shí)的消息接收

與批處理不同，這包括所有實(shí)時(shí)流系統(tǒng)，這些系統(tǒng)以固定模式按順序生成數(shù)據(jù)。這通常是一個(gè)簡(jiǎn)單的數(shù)據(jù)集市或存儲(chǔ)區(qū)，負(fù)責(zé)所有傳入的消息，這些消息被放入必要用于數(shù)據(jù)處理的文件夾中。然而，大多數(shù)解決方案都需要基于消息的攝取存儲(chǔ)，它充當(dāng)消息緩沖區(qū)，還支持基于規(guī)模的處理，與其他消息隊(duì)列語(yǔ)義一起提供相對(duì)可靠的傳遞。這些選項(xiàng)包括ApacheKafka、ApacheFlume、Azure的事件中心等。

5。流處理

實(shí)時(shí)消息攝取和流處理之間有細(xì)微的區(qū)別。前者考慮了最初收集的攝取數(shù)據(jù)，然后將其用作一種發(fā)布-訂閱工具。另一方面，流處理用于處理windows或流中發(fā)生的所有流數(shù)據(jù)，然后將數(shù)據(jù)寫(xiě)入輸出接收器。這包括Apache Spark、Apache Flink、Storm等。

6。基于分析的數(shù)據(jù)存儲(chǔ)

這是用于分析目的的數(shù)據(jù)存儲(chǔ)，因此，可以使用與BI解決方案相對(duì)應(yīng)的分析工具來(lái)查詢和分析已處理的數(shù)據(jù)。數(shù)據(jù)還可以借助NoSQL數(shù)據(jù)倉(cāng)庫(kù)技術(shù)（如HBase）或任何交互式使用hive database來(lái)呈現(xiàn)，后者可以在數(shù)據(jù)存儲(chǔ)中提供元數(shù)據(jù)抽象。工具包括Hive、Spark SQL、Hbase等。

7。報(bào)告和分析

必須根據(jù)處理后的數(shù)據(jù)生成洞察，這是由報(bào)告和分析工具有效完成的，這些工具利用其嵌入式技術(shù)和解決方案生成對(duì)業(yè)務(wù)有用的圖表、分析和洞察。工具包括Cognos、Hyperion等。

8。編排

基于大數(shù)據(jù)的解決方案包括與數(shù)據(jù)相關(guān)的操作，這些操作本質(zhì)上是重復(fù)的，并且也封裝在工作流中，這些工作流可以轉(zhuǎn)換源數(shù)據(jù)，還可以跨源和匯移動(dòng)數(shù)據(jù)，并在存儲(chǔ)中加載，并推送到分析單元中。示例包括Sqoop、oozie、數(shù)據(jù)工廠等。