很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專(zhuān)人和您聯(lián)系
咨詢(xún)?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥(niǎo)哥筆記小羽毛（ngbjxym）
大數(shù)據(jù)架構(gòu)的設(shè)計(jì)方案需要考慮多個(gè)方面，包括數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)傳輸、數(shù)據(jù)安全等。但此處我們不考慮過(guò)多，僅以題目的限制，討論下較簡(jiǎn)易的架構(gòu)設(shè)計(jì)。
1. 字段和數(shù)據(jù)都頻繁變化就不太適合設(shè)計(jì)鏈路過(guò)長(zhǎng)和復(fù)雜的架構(gòu)，后續(xù)維護(hù)這種架構(gòu)會(huì)非常麻煩。但同時(shí)也不能過(guò)于簡(jiǎn)單，也要有一定的分層架構(gòu)，不然耦合性太高，一旦源業(yè)務(wù)系統(tǒng)的業(yè)務(wù)規(guī)則發(fā)生變化將會(huì)影響整個(gè)數(shù)據(jù)清洗過(guò)程，并且對(duì)處理后的公共數(shù)據(jù)利用率也較低。
2. 同時(shí)考慮字段頻繁變化，后續(xù)數(shù)據(jù)存儲(chǔ)時(shí)就要選擇列可以隨意增減，或者列增減成本不高的存儲(chǔ)方案。我們考慮以上情況，發(fā)現(xiàn)Kappa架構(gòu)還是較符合的，整體流程如圖1
從源系統(tǒng)同步過(guò)來(lái)的數(shù)據(jù)落到ODS層，但是要注意采集數(shù)據(jù)時(shí)需要能捕獲到源系統(tǒng)表結(jié)構(gòu)的變更，可以采用Flink CDC等。
ODS層的數(shù)據(jù)落到Kakfa中，設(shè)置一個(gè)較長(zhǎng)的保存周期。kafka直接作為數(shù)倉(cāng)的存儲(chǔ)層，優(yōu)點(diǎn)是不關(guān)心數(shù)據(jù)的格式，不管源系統(tǒng)字段怎么變，都可以用JSON、Avro、Protobuf等格式存儲(chǔ)，并且可以輕松地?cái)U(kuò)展，可以處理大量數(shù)據(jù)，達(dá)到高吞吐量和低延遲。同時(shí)可以實(shí)時(shí)數(shù)據(jù)處理，可以將多個(gè)數(shù)據(jù)源匯聚到同一個(gè)Kafka主題中，方便在數(shù)倉(cāng)中使用。
注：Avro和Protobuf都是二進(jìn)制數(shù)據(jù)序列化格式，相比于JSON這種文本格式，它們?cè)诖鎯?chǔ)和傳輸時(shí)更加緊湊，解析和序列化效率更高。Avro和Protobuf更適用于大數(shù)據(jù)量、復(fù)雜數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)結(jié)構(gòu)變化頻繁的場(chǎng)景。
ODS層數(shù)據(jù)直接使用Flink進(jìn)行清洗，加工等操作，將數(shù)據(jù)同步到DWD層，DWD的數(shù)據(jù)是比較規(guī)整的明細(xì)數(shù)據(jù)。
DWD層的數(shù)據(jù)也同樣落到Kafka中，使用Flink做一些關(guān)聯(lián)，輕聚合等操作，把可以直接對(duì)外使用的或者分析的數(shù)據(jù)落到DWS層。
DWS層的數(shù)據(jù)不適合落到Kafka中，因?yàn)镈WS的數(shù)據(jù)需要進(jìn)行數(shù)據(jù)分析、對(duì)外等，所以DWS層的存儲(chǔ)最好是能支持SQL，即系查詢(xún)分析等，以方便其他人員使用，同時(shí)還要支持字段頻繁變更的需求。所以可以使用Kudu，與impala進(jìn)行整合，就可以使用SQL對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)OLAP分析。
上面的架構(gòu)中間層的數(shù)據(jù)落到Kafka雖然有很多優(yōu)勢(shì)，但是Kafka本身不是一個(gè)數(shù)據(jù)庫(kù)，不支持SQL查詢(xún)，也不支持?jǐn)?shù)據(jù)的索引和聚合，因此在數(shù)據(jù)分析方面的能力有限。另外Kafka是一個(gè)基于事件的系統(tǒng)，不同于傳統(tǒng)的基于事實(shí)表和維度表的數(shù)據(jù)倉(cāng)庫(kù)建模方式，因此需要對(duì)數(shù)據(jù)的建模和ETL流程進(jìn)行重新設(shè)計(jì)和開(kāi)發(fā)。
Kafka的存儲(chǔ)方式是基于主題分區(qū)的，每個(gè)分區(qū)的數(shù)據(jù)按時(shí)間順序進(jìn)行排序，因此也不適合存儲(chǔ)需要復(fù)雜查詢(xún)和復(fù)雜關(guān)聯(lián)的數(shù)據(jù)。
所以在數(shù)據(jù)存儲(chǔ)方面看看能不能有更好的替代kafka的方式?；跀?shù)據(jù)刷新頻繁，字段變更頻繁，需要找一個(gè)支持行級(jí)數(shù)據(jù)刪除或更新及表的Schema變更非常容易的框架。大部分?jǐn)?shù)倉(cāng)都難以實(shí)現(xiàn)較為高效的行級(jí)數(shù)據(jù)刪除或更新，通常需要啟動(dòng)離線(xiàn)作業(yè)把整個(gè)表原始數(shù)據(jù)讀取出來(lái)，然后變更數(shù)據(jù)后，寫(xiě)入到一個(gè)原始表，顯然不符合需求。
目前數(shù)據(jù)湖技術(shù)發(fā)展非常迅速，iceberg可以較好的支持上述需求。iceberg成功把變更數(shù)據(jù)的范圍從表級(jí)別縮小到了文件級(jí)別，從而可以通過(guò)局部變更來(lái)完成業(yè)務(wù)邏輯的數(shù)據(jù)變更或刪除。并且iceberg在變更表結(jié)構(gòu)的時(shí)候，歷史數(shù)據(jù)并不需要全部重新按照新的Schema導(dǎo)出一份，從而使得Schema變更的速度非常快。同時(shí)，由于iceberg支持ACID，有效地隔離了Schema變更對(duì)現(xiàn)有讀取任務(wù)的影響，從而使得可以讀取到結(jié)果一致的數(shù)據(jù)。
iceberg是介于上層計(jì)算引擎和底層存儲(chǔ)格式之間的一個(gè)中間層，我們可以把它定義成一種“數(shù)據(jù)組織格式”，底層存儲(chǔ)還是HDFS。
整體架構(gòu)如圖2所示，把kafka換成iceberg，同時(shí)最后借助Doris/Presto等OLAP引擎來(lái)實(shí)現(xiàn)數(shù)據(jù)湖的分析。
同時(shí)圖2展示的也是一個(gè)流批結(jié)合的實(shí)時(shí)數(shù)倉(cāng)。之后對(duì)于日志類(lèi)實(shí)時(shí)特征，實(shí)時(shí)大屏類(lèi)應(yīng)用走實(shí)時(shí)流計(jì)算。對(duì)于Binlog類(lèi)業(yè)務(wù)分析走實(shí)時(shí)OLAP批處理。
本文為作者獨(dú)立觀(guān)點(diǎn)，不代表鳥(niǎo)哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。
《鳥(niǎo)哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問(wèn)，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶(hù)創(chuàng)造的內(nèi)容、維護(hù)開(kāi)放、真實(shí)、專(zhuān)業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶(hù)和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶(hù)創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過(guò)網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶(hù)及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來(lái)激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語(yǔ)言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類(lèi)的攻擊；
8)威脅：許諾以不良的后果來(lái)迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶(hù)體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣(mài)產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶(hù)點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購(gòu)買(mǎi)或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營(yíng)銷(xiāo)內(nèi)容，如通過(guò)偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營(yíng)銷(xiāo)；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話(huà)的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過(guò)頭像、用戶(hù)名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問(wèn)題進(jìn)行求助或咨詢(xún)；
4)問(wèn)自己或他人的八字、六爻、星盤(pán)、手相、面相、五行缺失，包括通過(guò)占卜方法問(wèn)婚姻、前程、運(yùn)勢(shì)，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來(lái)誘導(dǎo)用戶(hù)；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂(lè)等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過(guò)「蹭熱點(diǎn)」、制造話(huà)題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過(guò)主動(dòng)發(fā)現(xiàn)和接受用戶(hù)舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶(hù)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶(hù)違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過(guò)作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶(hù)對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過(guò)「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)