




版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
大數(shù)據(jù)處置與分析相關(guān)平臺(tái)簡(jiǎn)介中國(guó)人民大學(xué)信息學(xué)院董兆安內(nèi)容來(lái)自CSDN等互聯(lián)網(wǎng)資源大數(shù)據(jù)及其主要特征2規(guī)模〔Volume〕、種類〔Variety〕、速度〔Velocity〕2001年,道格.萊尼〔DougLaney〕VolumeVolumeVarietyVolume模態(tài)多樣VelocityVolume速度極快體量宏大文本視頻圖片音頻到2020年,數(shù)據(jù)總量達(dá)40ZB,人均5.2TB分享的內(nèi)容條目超越25億個(gè)/天,添加數(shù)據(jù)超越500TB/天關(guān)于大數(shù)據(jù)定義的誤解blogs.gartner/doug-laney/Other“V〞slikeveracity,validity,value,etc.areaspirationalqualitiesofalldata,notdefinitionalqualitiesofbigdata.3硬件、技術(shù)、數(shù)據(jù)不斷進(jìn)化4傳統(tǒng)的數(shù)據(jù)處置ExternalDataSourcesExtractTransformLoadDataWarehouseIntegratedstorageDataprocessingUsersSQL5數(shù)據(jù)分析的需求也逐漸提高從海量數(shù)據(jù)中快速獲取有價(jià)值信息低延遲、高性能、分布式、可擴(kuò)展、容錯(cuò)。6RTAPOLAPOLTP需求變化7Real-TimeNon-InteractiveBatchInteractiveOnlinesystemsRealtimeAnalyticsComplexeventprocessingDatapreparationIncrementalbatchprocessingDashboardsOperationalbatchprocessingEnterprisereportsDataminingParameterizedReportsDrilldownVisualizationExploration0--5s5s--1m1m--1h1h+場(chǎng)景不同-工具不同-視角不同Hortonworks將運(yùn)用需求進(jìn)展了如下劃分:實(shí)時(shí)運(yùn)用場(chǎng)景(0~5s):Storm、S4、ClouderaImpala,ApacheDrill等;交互式場(chǎng)景〔5s~1m〕:最好支持SQL,:ClouderaImpala、ApacheDrill、Shark等;非交互式場(chǎng)景〔1m~1h〕:MapReduce、Hive、Pig、Stinger等;批處置場(chǎng)景〔1h+〕運(yùn)轉(zhuǎn)時(shí)間較長(zhǎng),處置數(shù)據(jù)量較大,對(duì)容錯(cuò)性和擴(kuò)展性要求較高M(jìn)apReduce、Hive、Pig、Stinger等。8大數(shù)據(jù)分析與處置架構(gòu)——一個(gè)案例9IngestLandingandAnalyticsSandboxZoneIndexes,facetsHive/HBaseColStoresDocumentsInVarietyofFormatsAnalyticsMapReduceRepository,WorkbenchIngestionandReal-timeAnalyticZoneDataSinksFilter,TransformIngestCorrelate,ClassifyExtract,AnnotateWarehousingZoneEnterpriseWarehouseDataMartsQueryEnginesCubesDescriptive,PredictiveModelsModelsWidgetsDiscovery,VisualizerSearchAnalyticsandReportingZoneMetadataandGovernanceZone9Connectors大數(shù)據(jù)處置與分析技術(shù)數(shù)據(jù)采集數(shù)據(jù)處置數(shù)據(jù)存儲(chǔ)統(tǒng)計(jì)分析數(shù)據(jù)發(fā)掘模型預(yù)測(cè)數(shù)據(jù)可視化元數(shù)據(jù)管理10數(shù)據(jù)處置的幾種方式轉(zhuǎn)換TransformerConvertpayloadormodifyheaders過(guò)濾FilterDiscardmessagesbasedonbooleanevaluation路由RouterDeterminenextchannelbasedoncontent分割SplitterGeneratemultiplemessagesfromone聚集AggregatorAssembleasinglemessagefrommultiple11幾種平臺(tái)引見(jiàn)MPPHadoopstormspark12開(kāi)源的大數(shù)據(jù)處置平臺(tái)SQLonHadoopHortonworks:Tez、StingerCloudera:ImpalaFacebook:Hive,PrestoGoogle發(fā)布了Dremel和PowerDrillEMC推出Pivotal+HAWQ開(kāi)源數(shù)據(jù)倉(cāng)庫(kù)brighthouse基于MySQL的數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)引擎13開(kāi)源的大數(shù)據(jù)處置平臺(tái)NO-MapReduce系統(tǒng)微軟的DAG義務(wù)計(jì)算模型DryadGoogle的圖批量同步處置系統(tǒng)Pregel和增量式計(jì)算框架PercolatorYahoo!的數(shù)據(jù)流計(jì)算系統(tǒng)S4、NYU的共享內(nèi)存處置系統(tǒng)PiccoloBerkeley的交互式實(shí)時(shí)處置系統(tǒng)Spark等等。NEWSQL系統(tǒng)VoltDBmySQL集群14Hadoop的版本1516IntelHadoop*17Hadoop1.018Hadoopeco-systemExternalDataSourcesHDFSstoragelayerProcessingFramework(Map-Reduce)HBaseSqoop+FlumePigHiveQLMahoutHiveMetastore(HCatalog)OozieClouderaNavigatorMorevarieddatasourceswithmanymoreaccess/retentionrequirementsUsers19Hadoopeco-systemExternalDataSourcesHDFSstoragelayerProcessingFramework(Map-Reduce)HBaseSqoop+FlumePigHiveQLMahoutHiveMetastore(HCatalog)OozieClouderaNavigatorDataaccessedthroughmultipleentrypointsUsers20Hadoopeco-systemExternalDataSourcesHDFSstoragelayerProcessingFramework(Map-Reduce)HBaseSqoop+FlumePigHiveQLMahoutHiveMetastore(HCatalog)OozieClouderaNavigatorUsersLotsofnewconsumersofthedata21Hadoopeco-systemExternalDataSourcesHDFSstoragelayerProcessingFramework(Map-Reduce)HBaseSqoop+FlumePigHiveQLMahoutHiveMetastore(HCatalog)OozieClouderaNavigatorUsersOneaccesscontrolmechanism:files22Hadoop1.0——HDFS存儲(chǔ)模型23Hadoop1.0——計(jì)算模型MapReduce24節(jié)點(diǎn)功能與角色25集群部署表示26YARN和Hadoop2.027comprisesthelatestreleaseacrossHadoopandthekeyrelatedprojectsintoasingleintegratedandtestedplatformCoreservicesDataservicesOperationalservices28Hadoop2.0Hadoop2.0YARN的根本思想是將JobTracker的兩個(gè)主要功能資源管理和作業(yè)調(diào)度/監(jiān)控分別主要方法是創(chuàng)建一個(gè)全局的ResourceManager〔RM〕和假設(shè)干個(gè)針對(duì)運(yùn)用程序的ApplicationMaster〔AM〕29對(duì)比:Hadoop1.0JobTracker和TaskTracker30對(duì)比:Hadoop2.031運(yùn)轉(zhuǎn)在YARN上的計(jì)算框架YARN=YetAnotherResourceNeogitator.32內(nèi)存計(jì)算——SparkandShark33High-SpeedIn-MemoryAnalytics
overHadoopandHiveDataUCBERKELEY34MapReduce——數(shù)據(jù)共享于HDFSiter.1iter.2...InputHDFS
readHDFS
writeHDFS
readHDFS
writeInputquery1query2query3result1result2result3...HDFS
readSlowduetoreplication,serialization,anddiskIO35iter.1iter.2...InputSpark——數(shù)據(jù)共享于內(nèi)存Distributed
memoryInputquery1query2query3...one-time
processing10-100×fasterthannetworkanddiskSpark之RDD——彈性分布式數(shù)據(jù)集3637伯克利架構(gòu)38分布式實(shí)時(shí)計(jì)算系統(tǒng)
Storm流數(shù)據(jù)處置Storm可以用來(lái)處置源源不斷流進(jìn)來(lái)的音訊,處置之后將結(jié)果寫入到某個(gè)存儲(chǔ)中去。S4(SimpleScalableStreamingSystem)是一個(gè)分布式流處置引擎,開(kāi)發(fā)者可以在這個(gè)引擎根底上開(kāi)發(fā)面向無(wú)界的,不延續(xù)的流數(shù)據(jù)處置運(yùn)用。分布式rpc由于storm的處置組件是分布式的,而且處置延遲極低,所以可以作為一個(gè)通用的分布式rpc框架來(lái)運(yùn)用。搜索引擎本身也是一個(gè)分布式rpc系統(tǒng)。39STORM角色Nimbus:擔(dān)任資源分配和義務(wù)調(diào)度。Supervisor:擔(dān)任接受nimbus分配的義務(wù),啟動(dòng)和停頓屬于本人管理的worker進(jìn)程。Worker:運(yùn)轉(zhuǎn)詳細(xì)處置組件邏輯的進(jìn)程。Task:worker中每一個(gè)spout/bolt的線程稱為一個(gè)task.40根本邏輯——概念Spout:在一個(gè)topology中產(chǎn)生源數(shù)據(jù)流的組件。Spout是一個(gè)自動(dòng)的角色,其接口中有個(gè)nextTuple()函數(shù),storm框架會(huì)不停地調(diào)用此函數(shù),用戶只需在其中生成源數(shù)據(jù)即可。Bolt:在一個(gè)topology中接受數(shù)據(jù)然后執(zhí)行處置的組件。Bolt可以執(zhí)行過(guò)濾、函數(shù)操作、合并、寫數(shù)據(jù)庫(kù)等任何操作。Bolt是一個(gè)被動(dòng)的角色,Tuple:一次音訊傳送的根本單元。Stream:源源不斷傳送的tuple就組成了stream。Topology:storm中運(yùn)轉(zhuǎn)的一個(gè)實(shí)時(shí)運(yùn)用程序,由于各個(gè)組件間的音訊流動(dòng)構(gòu)成邏輯上的一個(gè)拓?fù)錁?gòu)造。41大數(shù)據(jù)處置平臺(tái)——MPP42
運(yùn)用程序經(jīng)過(guò)Master主機(jī)訪問(wèn)數(shù)據(jù)
在存儲(chǔ)節(jié)點(diǎn)和Master主機(jī)之間交換數(shù)據(jù)
每一個(gè)存儲(chǔ)節(jié)點(diǎn)都是獨(dú)立的PgSQL數(shù)據(jù)庫(kù)〔無(wú)共享〕QueryPlanMPP=MassiveParallelProcessing海量并行處置構(gòu)造數(shù)據(jù)分發(fā)43Share-Nothing的完全并行架構(gòu)
44共享磁盤例如:OracleRACDBSAN/共享磁盤DBDBDB網(wǎng)絡(luò)SAN/FC完全共享例如:SMP效力器DB磁盤完全不共享例如:GreenplumDBDBDBDB網(wǎng)絡(luò)磁盤磁盤磁盤磁盤Master注:一切的共享資源都用藍(lán)灰色表示基于外部表的高速
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 受拉構(gòu)件的配筋形式鋼筋混凝土結(jié)構(gòu)課件
- 四危險(xiǎn)源設(shè)備吊裝課件
- 鐵路工程安全技術(shù)石家莊鐵路84課件
- 《GB 17681-1999易燃易爆罐區(qū)安全監(jiān)控預(yù)警系統(tǒng)驗(yàn)收技術(shù)要求》(2025版)深度解析
- 中華文化課件背景
- 校園食堂承包合同書
- 《房地產(chǎn)基礎(chǔ)》課件 情境三 教你選對(duì)產(chǎn)品
- 山西工程職業(yè)學(xué)院《新聞紛爭(zhēng)處置方略》2023-2024學(xué)年第二學(xué)期期末試卷
- 遼寧石化職業(yè)技術(shù)學(xué)院《國(guó)際漢語(yǔ)教學(xué)案例與分析》2023-2024學(xué)年第一學(xué)期期末試卷
- 寧夏回族自治區(qū)銀川市第一中學(xué)2024-2025學(xué)年高三2月七校聯(lián)考數(shù)學(xué)試題含解析
- 【MOOC】人力資源管理-四川大學(xué) 中國(guó)大學(xué)慕課MOOC答案
- 2025年冀教版七年級(jí)英語(yǔ)下冊(cè)教學(xué)工作計(jì)劃
- 拍賣行業(yè)區(qū)塊鏈技術(shù)與藝術(shù)品鑒定方案
- 中學(xué)升學(xué)策略講座模板
- 公對(duì)公勞務(wù)合同范例
- 九年級(jí)化學(xué)專題復(fù)習(xí)-化學(xué)用語(yǔ)1-名師公開(kāi)課獲獎(jiǎng)?wù)n件百校聯(lián)賽一等獎(jiǎng)?wù)n件
- 中小學(xué)教師家校社協(xié)同育人能力的區(qū)域調(diào)研與思考
- 小學(xué)三年級(jí)下冊(cè)數(shù)學(xué)(蘇教版)和差倍問(wèn)題專項(xiàng)訓(xùn)練
- 掛靠裝飾公司合同模板
- 第三單元 認(rèn)識(shí)立體圖形(單元測(cè)試)-2024-2025學(xué)年一年級(jí)上冊(cè)數(shù)學(xué)人教版
- 金屬非金屬地下礦山安全生產(chǎn)標(biāo)準(zhǔn)化定級(jí)評(píng)分標(biāo)準(zhǔn)(2023版)
評(píng)論
0/150
提交評(píng)論