大数据平台建设系列:实时数据仓库(实时数仓)建设
Posted 数据闲谈
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据平台建设系列:实时数据仓库(实时数仓)建设相关的知识,希望对你有一定的参考价值。
一.实时数仓的产生
传统意义上的数据仓库主要处理T+1(有的也称为D+1)数据(即:今天产生的数据分析结果明天才能看到),T+1的概念来源于股票交易,是一种股票交易制度,即当日买进的股票,要到下一个交易日才能卖出。
二.离线数仓与实时数仓对比
在这里简单说一下大数据数据仓库的架构:
离线大数据架构:HDFS存储,hive、mr、spark进行离线计算;
Lambda架构:在离线大数据架构的基础上增加新链路用于实时数据处理,需要维护离线处理和实时处理两套代码;
Kappa架构:批流合一,离线处理和实时处理整合成一套代码,运维成本小,这就是现今flink之所以火的原因。Kappa架构已成为数据仓库架构的新趋势。
三.实时数仓建设思路
计算框架选型:storm/flink等实时计算框架,强烈推荐flink,其『批量合一』的特性及活跃的开源社区,有逐渐替代spark的趋势。
数据存储选型:首要考虑查询效率,其次是插入、更新等问题,可选择apache druid,不过在数据更新上存在缺陷,选型时注意该问题频繁更新的数据建议不要采用该方案。当然存储这块需要具体问题具体分析,不同场景下hbase、redis等都是可选项。
实时数仓分层:为更好的统一管理数据,实时数仓可采用离线数仓的数据模型进行分层处理,可以分为实时明细层写入druid等查询效率高的存储方便下游使用;轻度汇总层对数据进行汇总分析后供下游使用。
-
数据流转方案: 实时数仓的数据来源可以为kafka消息队列,这样可以做到队列中的数据即可以写入数据湖用于批量分析,也可以实时处理,下游可以写入数据集市供业务使。
以上是关于大数据平台建设系列:实时数据仓库(实时数仓)建设的主要内容,如果未能解决你的问题,请参考以下文章