《大数据平台技术框架选型分析报告》由会员分享,可在线阅读,更多相关《大数据平台技术框架选型分析报告(11页珍藏版)》请在金锄头文库上搜索。
1、大数据平台框架选型分析一、需求城市大数据平台,首先是作为一个数据管理平台,核心需求是数据的存和取, 然后因为海量数据、多数据类型的信息需要有丰富的数据接入能力和数据标准化 处理能力,有了技术能力就需要纵深挖掘附加价值更好的服务,如信息统计、分 析挖掘、全文检索等,考虑到面向的客户对象有的是上层的应用集成商,所以要 考虑灵活的数据接口服务来支撑。二、平台产品业务流程城市大数据平台数掲集匯数据仓库平台管理决黄支持元数据入库元歎培分类数据仓库數据清哉加工标准化入库socket 文件导入权限级數据接口F定制分析服务监菅平台很表盘益上层应用集戒三、选型思路必要技术组件服务:ETL非/关系数据仓储 大数据
2、处理引擎 服务协调 分析BI 平台监管Process Area :城市大数据选型实验思路四、选型要求1. 需要满足我们平台的几大核心功能需求,子功能不设局限性。如不满足全部,需要对未满足的其它核心功能的开放使用服务支持2. 国内外资料及社区尽量丰富,包括组件服务的成熟度流行度较高3需要对选型平台自身所包含的核心功能有较为深入的理解,易用其API或基于 源码开发4. 商业服务性价比高,并有空间脱离第三方商业技术服务5. 些非功能性需求的条件标准清晰,如承载的集群节点、处理数据量及安全机 制等五、选型需要考虑简单性:亲自试用大数据套件。这也就意味着:安装它,将它连接到你的Hadoop安 装,集成你
3、的不同接口(文件、数据库、B2B等等),并最终建模、部署、执行一些大数 据作业。自己来了解使用大数据套件的容易程度一仅让某个提供商的顾问来为你展示它 是如何工作是远远不够的。亲自做一个概念验证。广泛性:是否该大数据套件支持广泛使用的开源标7 不只是Hadoop和它的生态 系统,还有通过SOAP和REST web服务的数据集成等等。它是否开源,并能根据你的特 定问题易于改变或扩展?是否存在一个含有文档、论坛、博客和交流会的大社区?特性:是否支持所有需要的特性? Hadoop的发行版本(如果你已经使用了某一个)? 你想要使用的Hadoop生态系统的所有部分?你想要集成的所有接口、技术、产品?请注
4、意过多的特性可能会大大增加复杂性和费用。所以请查证你是否真正需要一个非常重量级 的解决方案。是否你真的需要它的所有特性?陷阱:请注意某些陷阱。某些大数据套件采用数据驱动的付费方式(“数据税”),也就 是说,你得为自己处理的每个数据行付费。因为我们是在谈论大数据,所以这会变得非常 昂贵。并不是所有的大数据套件都会生成本地Apache Hadoop代码,通常要在每个Hadoop 集群的服务器上安装一个私有引擎,而这样就会解除对于软件提供商的独立性。还要考虑 你使用大数据套件真正想做的事情。某些解决方案仅支持将Hadoop用于ETL来填充数据 至数据仓库,而其他一些解决方案还提供了诸如后处理、转换或
5、Hadoop集群上的大数据 分析。ETL仅是Apache Hadoop和其生态系统的一种使用情形。六、方案分析自建套件hortonworks国内类exadoopTDW+fineBI成本100%开源 培训服务3k/人 授权支持100K性能单集群最大规 模达到5600 台,处理数据 量可达百P级功能按需整合HDFS和YARN数据管理 从各种引擎访问数据 根据策略加载和管理数据 身份验证、授权和数据保护 大规模配置、管理、监控和 运营Hadoop群集 与您的数据分析工具集成 跨平台配置部署易操 作性安装复杂,操作需要 专业培训。图形设计界面,参数配置, 易上手。应用 成熟 度国外大客户较多文档 /社
6、 区支 持文档较多,社区一 般,相关专业培训较 多。官方社区比较活跃(英文) 中文社区有1个文档较少,文档较少,无 商用服务,无多为央文文档任何技术支持扩展 性开源开放开源开放开源开放移植 性支持多操作系统支持多操作系统支持多操作系 统支持多操作系 统监控 优势1、跟随产品阶段逐 步完善整合自定义 套件2、自选流行组件, 资料丰富监控功能强大Armbri1、开源强大支持的开源套 件2、配套商业服务支持元1、国产套件2、交流支持方 便3、商业服务较 灵活无1、开源中文支 持2、基于人数据 处理核心,灵 活组合其它组劣势整合周期不可控依赖于打包服 务公司的支持件来适应不同 产品阶段及项 目半定制套
7、件, 预学现用商业成本较咼七、相关资料https:/prestodb.io/http:/ HDP (hortonworks)A Complete Enterprise Hadoop Data PlatformTEGBnii火龙果7 un 。吃.TDW -基于Hadoop/Hive的深度定制 TDW-Tencent distributed Data Warehotise 腾讯分布式数屈仓库f支持百PB级的数据存倚口计算,为公司产品提供海量、高效 、稳走的大数娼平台支撑和决策支持。开源工具汇总整理类别名称备注查询引擎PhoenixSalesforce公司出品,Apache HBase之上的一个SQ
8、L中间层,完全使 用Java编写Stinger原叫Tez,下 代Hive,Hortonworks主导开发,运行在YARN上的DAG 计算框架PrestoFacebook 开源SharkSpark上的SQL执行引擎Pig基于Hadoop MapReduce的脚本语言Cloudera Impala参照Google Dremel实现,能运行在HDFS或HBase上,使用C+开发Apache Drill参照Google Dremel实现Apache Tajo一个运行在YARN上支持SQL的分布式数据仓库流式计算迭代计算离线计算键值存储HiveFacebook PumaTwitter RainbirdY
9、ahoo S4Twitter StormApache HamaApache GiraphHaLoop基于Hadoop MapReduce的SQL查询引擎实时数据流分析分布式实时统计系统,如网站的点击统计Java开发的一个通用的、分布式的、可扩展的、分区容错的、可插拔的 无主架构的流式系统使用Java和Clojure实现建立在 Hadoop 上基于 BSP (Bulk Synchronous Parallel)的计算框架, 模仿了 Google 的 Pregel。建立在Hadoop上的可伸缩的分布式迭代图处理系统,灵感来自BSP(bulk synchronous parallel )和 Goog
10、le 的 Pregel迭代的MapReduceHadoop MapReduce经典的大数据批处理系统Berkeley Spark使用Scala语言实现,和MapReduce有较大的竞争关系,性能强于 MapReduceDataTorrent基于Hadoop2.X构建的实时流式处理和分析平台,每秒可以处理超过10 亿个实时事件LevelDBGoogle开源的高效KV编程库,注意它只是个库RocksDBFacebook开源的,基于Google的LevelDB,但提咼了扩展性可以运行 在多核处理器上HyperDex下一代 KV 存储系统,支持 st rings、inte gers、floa ts、l
11、is ts、maps 和sets等丰富的数据类型TokyoCabinet日本人Mikio Hirabayashi (平林干雄)开发的一款DBM数据库,注意 它只是个库(大名鼎鼎的DBM数据库qdbm就是Mikio Hirabayashi开 发的),读写非常快Voldemort一个分布式键值存储系统,是Amazon Dynamo的一个开源克隆,LinkedIn 开源Amazon Dynamo亚马逊的KV模式的存储平台,无主架构Tair淘宝出品的咼性能、分布式、可扩展、咼可靠的KV结构存储系统,专 为小文件优化,并提供简单易用的接口(类似Map), Tair支持Java 和C版本的客户端Apach
12、e Accumulo一个可靠的、可伸缩的、咼性能的排序分布式的KV存储系统,参照Google Big table 而设计,建立在 Hadoop、Thrift 和 Zookeeper 之上。Twister迭代的MapReduce使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Redis单机版KV数据库。从2010年3月15日起,Redis的开发工作由VMware 主持OceanBase支持海量数据的高性能分布式数据库系统,实现了数千亿条记录、数百TB数据上的跨行跨表事务Vertica惠普2011收购Vertica, Vertica是传统的关系型数据库,基于列存储, 同时支持MP
13、P,使用标准的SQL查询,可以和Hadoop/MapReduce进行集 成CassandraHadoop 成员,Facebook 于 2008 将 Cassandra 开源,基于 O(1)DHT 的完 全P2P架构HyperTable搜索引擎公司Zven ts针对Big table的C+开源实现FoundationDB支持ACID事务处理的NoSQL数据库,提供非常好的性能、数据一致性 和操作弹性HBaseBig table在Hadoop中的实现,最初是Powerset公司为了处理自然语言 搜索产生的海量数据而开展的项目文件存储CouchDB面向文档的数据存储MongoDB文档数据库Tachy
14、on加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快 的版本Tachyon,它从底层重构了 Hadoop平台。KFSGFS的C+开源版本HDFSGFS在Hadoop中的实现资源管理Twitter MesosGoogle Borg 的翻版Hadoop Yarn类似于Mesos日志收集系统Facebook ScribeFacebook开源的日志收集系统,能够从各种日志源上收集日志,存储到 一个中央存储系统(可以是NFS,分布式文件系统等)上,以便于进行 集中统计分析处理,常与Hadoop结合使用,Scribe用于向HDFS中Push 日志Cloudera FlumeCloudera提供的日志收集系统,支持对日志的实时性收集lo