数据仓库发展趋势与架构演进(1996-2020)

Posted 数据仓库与Python大数据

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据仓库发展趋势与架构演进(1996-2020)相关的知识,希望对你有一定的参考价值。


热文回顾:


一、数据仓库概述


     

1). 概念

Data warehouse is a 

  subject oriented, 

  integrated, 

  non-volatile and 

  time variant collection of data 

  in support of management’s decision

                                     — [Inmon,1996]

  • 面向主题的
    联机交易型或操作型数据库的数据组织面向事务处理任务,而数据仓库中的数据是按照一定的主题域进行组织的。
  • 集成的
    数据仓库中的数据是在对原有分散的数据库进行数据抽取、清理的基础上经过系统加工、汇总和整理得到的,必须消除源数据库中的不一致,以保证数据仓库内的信息是关于整个企业的一致的全局信息。
  • 相对稳定的
    数据仓库的数据主要供企业决策分析之用,所涉及的数据操作主要是数据查询。一旦某个数据进入数据仓库以后,一般情况下将被长期保留。也就是说数据仓库中一般有大量的查询操作,但修改和删除操作很少,通常只需要定期的加载、刷新。
  • 反应时间变化的
    数据仓库中的数据通常包括历史和实时数据。通过这些信息,可以对企业业务的运营现状、未来趋势等做出定量分析和预测。
  • 支持管理决策
    数据仓库一般不是面向最终客户,而是面向企业领导、业务部门和内部分析人员,用于决策分析等场景。


2). 发展阶段



上图是摘自某国外网站,其将数据仓库发展划分为5个阶段:
  • 固定报表阶段
    通过预置的固定报表,
    解决"what happen"问题。
  • 即席分析阶段
    通过增加即席查询,
    解决"why did it happen"。
  • 趋势预测阶段
    引入数据建模,预测未来,
    解决"what will happen"。
  • 实时决策阶段
    支持实时数据变化及查询,
    解决"what is happening"。
  • 主动决策阶段
    基于事件驱动,主动决策,
    解决"what do I want to happen"。


二、数据分层与建模


、     

1). 数仓分层

在数据仓库中,往往采用分层结构。数据逐层处理,每层可采用不同的处理机制及适合的存储方式。

  • STAGE - 预处理层

    存储每天的增量数据,表与ODS层一致。

  • ODS - 操作数据层

    做数据清洗,存储基础原始明细数据。

  • DW - 数据仓库层

    一般采用维度、事实表设计。根据主题定义好事实与维度表,保存最细粒度的事实数据。

  • DM - 数据集市层

    宽表化设计,形成公共指标。数据集市/轻度汇总层,在 DW层的基础之上根据不同的业务需求做轻度汇总所得。

  • APP - 数据应用层

    数据个性化指标,面向最终展示,可做少量计算。


2). 数仓建模

  • ROLAP
    关系模型,可细分为ER模型、星型模型和雪花模型等。其特点是与事务实体对应,关系清晰;但一般需要较为复杂的数据准备。在响应前端需求时,一般较快,但取决于计算引擎能力。
  • MOLAP
    多维模型,可简单理解为将数据存放在一个n维数组中,而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵,人们可以通过多维视图来观察数据。它的优势在于响应较快、分析灵活、但数据准备时间较长。
  • HOLAP
    混合OLAP,顾名思义,由MOLAP和ROLAP组成。


三、数据仓库架构演进

     

1). 传统数仓架构

数据仓库发展趋势与架构演进(1996-2020)

这是比较传统的一种方式,结构或半结构化数据通过离线ETL定期加载到离线数仓,之后通过计算引擎取得结果,供前端使用。这里的离线数仓+计算引擎,通常是使用大型商业数据库来承担,例如Oracle、DB2、Teradata等。


2). 离线大数据架构
随着数据规模的不断增大,传统数仓方式难以承载海量数据。随着大数据技术的普及,采用大数据技术来承载存储与计算任务。当然,也可以使用传传统数据库集群或MPP架构数据库来完成。例如Hadoop+Hive/Spark、Oracle RAC、GreenPlum等。


3). Lambda架构

数据仓库发展趋势与架构演进(1996-2020)

随着业务的发展,随着业务的发展,人们对数据实时性提出了更高的要求。此时,出现了Lambda架构,其将对实时性要求高的部分拆分出来,增加条实时计算链路。从源头开始做流式改造,将数据发送到消息队列中,实时计算引擎消费队列数据,完成实时数据的增量计算。与此同时,批量处理部分依然存在,实时与批量并行运行。最终由统一的数据服务层合并结果给于前端。一般是以批量处理结果为准,实时结果主要为快速响应。


4). Kappa架构

数据仓库发展趋势与架构演进(1996-2020)

Lambda架构,一个比较严重的问题就是需要维护两套逻辑。一部分在批量引擎实现,一部分在流式引擎实现,维护成本很高。此外,对资源消耗也较大。而后面诞生的Kappa架构,正是为了解决上述问题。其在数据需要重新处理或数据变更时,可通过历史数据重新处理来完成。方式是通过上游重放完成(从数据源拉取数据重新计算)。Kappa架构最大的问题是流式重新处理历史的吞吐能力会低于批处理,但这个可以通过增加计算资源来弥补。


5). 混合架构

上述架构各有其适应场景,有时需要综合使用上述架构组合满足实际需求。当然这也必将带来架构的复杂度。用户应根据自身需求,有所取舍。在一般大多数场景下,是可以使用单一架构解决问题。现在很多产品在流批一体、海量、实时性方面也有非常好的表现。可以考虑这种“全能手”解决问题。


四、数据仓库发展趋势


数据仓库发展趋势与架构演进(1996-2020)

上图摘自网上的一幅图,总结了数仓的发展趋势,总结如下:


  • 实时
    随着企业数字化转型,对数据的实时性要求越来越高。未来传统离线数仓将逐渐消失,实时方式将成为主流方式。
  • 海量
    数仓承载的体量将越来越大,十亿、百亿级别、TB甚至PB级别,将成为数仓的容量刚需。
  • 多模
    半结构化、非结构化数据,将更多被使用在数仓领域,发挥出更大的价值。
  • 多元
    数据使用方式,将出现多元化特征。除常规的复杂查询、高频点查等外,搜索类、向量计算等也成为常规计算需求。在单一平台提供更加丰富的计算能力,对于客户来说不在需要频繁移动数据,一站式解决。
  • 虚拟
    传统的大集中方式,存在诸多问题。如果构建轻量化的解决方案,无需搬动数据即可形成虚拟数仓,解决客户问题成为数仓的基本能力。
  • 治理
    数仓除了传统的数据存储、计算能力外,还需提供完备的数据治理能力。包括元数据、数据血缘、数据质量等等,构成数据全生命周期的管理平台。
  • 智能
    数据使用上,AI、ML将赋能数据应用,这些都需要在数仓平台提供支持能力。

推荐阅读


往期推荐


数据仓库发展趋势与架构演进(1996-2020)

欢迎加入 中台|数仓技术交流群 。戳:!


(备注:行业-职位-城市)


▼  福利时刻  ▼ 


01. 后台回复「经典」,即可领取大数据数仓经典书籍。

02. 后台回复「中台」,即可领取大厂中台架构高清ppt。

03. 后台回复加群」,添加小助微信IDiom1128  拉您入群(大数据|数仓|分析|Flink|资源)或领取资料。

Q: 关于数据仓库,你还想了解什么?


欢迎大家扫描下方二维码订阅「数据仓库与Python大数据」内容并推荐给更多数据方向的朋友,希望有更多机会和大家交流。


更多精彩,请戳"阅读原文"到"数仓之路"查看

   

关注不迷路~ 各种福利、资源定期分享!


你也「 在看 」吗?

以上是关于数据仓库发展趋势与架构演进(1996-2020)的主要内容,如果未能解决你的问题,请参考以下文章

数据仓库发展架构与趋势

数仓架构的持续演进与发展 — 云原生湖仓一体离线实时一体SaaS模式

从数据仓库数据湖,到数据中台的差异与架构演进

实时数据仓库的演进

实时数据仓库的演进

一文理解实时数据仓库的演进