大数据方案介绍

典型云计算平台架构

开源成熟的hadoop生态体系

从企业的技术选型角度，hadoop能满足大数据场景下绝打多数需求，同时在技术可行性与成本上，具有无可比拟额优势。

1、Hadoop是架构在廉价的硬件服务器上，不需要非常昂贵的硬件做支撑。

2、开源的产品，免费的，基于开源协议，可以自由修改，可控性更大。

3、因为属于二次开发，同时因为有非常活跃的社区讨论，对开发人员的能力要求相对不高，工程师的学习成本也并不高。

4、当集群规模非常大时，开发成本和维护成本会凸显出来。但是相对于自研系统来说的话，还是便宜的很多。

hadoop的整个生态体系，涵盖了系统数据存储、数据收集、数据导入导出到关系数据库、并行计算框架、数据序列化处理与任务调度、数据挖掘和机器学习、列式存储在线数据库、元数据中心、工作流控制、系统部署配置监控、可视化处理等等方方面面。

大数据分析平台

一、海量数据存储及扩展能力

基于分布式HDFS文件系统存储，HA高可用配置，数据多副本，异地备份容灾能力，以最经济的硬件成本支持海量数据存储和扩容。

二、高负载和海量数据处理能力

基于yarn之上的资源管控与调度模型，支持资源的动态配置与热启动，公平科学的任务调度算法，达到资源利用的最大化、合理化。优先分配就近的运算节点，尽可能降低网络带宽。高容错能力，支持任务重试和资源预估，不受个别越算节点故障影响。支持动态扩充运算资源。能在海量的服务器集群中执行高复杂度、高资源需求、高运算密集型的任务。

三、灵活快速的平台搭建及全面运营监控指标体系

一键式的平台搭建，支持快速搭建集群环境。灵活方便的配置界面，可针对集群、单机进行系统配置及调优。提供自定义的服务模块安装、资源分配、权限管理。指标体系全面的监控管理、良好的可视化界面，提供自定义脚本的预警与处理。

四、多平台、多结构的数据接入与处理

支持各种格式、多数据源的数据导入。从系统日志、数据库、第三方数据源等导入数据到集群环境，进行快速地数据清洗、转化、建模、固化，提供各业务模块进行运算处理。良好的模板配置，支持多ETL任务自动生成、运行。代码规范统一。

五、体验良好的交互式展示界面及报表工具

除了展示各个常规指标及运算记过。通过专业的统计数据分析系统设计方法，理清海量数据指标与维度，按主题、成体系呈现复杂数据背后的联系;将多个视图整合，展示同一数据在不同维度下呈现的数据背后的规律，帮助用户从不同角度分析数据、缩小答案的范围、展示数据的不同影响。具备显示结果的形象化和使用过程的互动性，便于用户及时捕捉其关注的数据信息。

Hadoop大数据分析平台解决方案说明

简介

本文档描述本公司Hadoop大数据分析平台解决方案的具体实现细节。本平台采用开源Hadoop组件搭建为一个通用目的的大数据分析平台，可用于各领域，包括：教育、医疗、电信、银行等大数据应用客户。

平台具备如下特点：

1.一键安装

2.可视化运行维护

3.自由的扩展性

4.完全开源，并于最新的稳定版本同步

5.无缝集成Hadoop生态领域的各个数据分析组件

6.可视化大数据实验环境

方案采用的Hadoop模块列表

✓HDFS，用于大规模数据存储

✓Yarn，系统资源管理

✓Hive，基于Mapreduce的SQL数据访问

✓Pig，脚本式数据处理

✓Storm，流式数据处理

✓Spark/Spark Streaming，内存计算框架

✓HBase，Key-Value数据存储

✓MapReduce，离线批处理计算框架

✓Kafka，消息队列式流失数据接入

✓HCatlog，元数据管理

✓Ambari，Hadoop平台监控、管理界面

✓ZooKeeper，保证系统无单点运行

✓Oozie，工作流式任务调度

方案的硬件方案

本方案对于硬件没用特别要求，平台可以部署在Amazon等云服务上，可以部署在实体物理PC服务器构成的集群上，也可以部署在基于OpenStack等其他虚拟节点上。

大数据平台功能列表

在开源Hadoop模块的基础上，本公司的hadoop大数据平台对各模块做了整合，从而形成

一个通用的、企业级的数据平台。

系统结构图

平台功能模块

系统管理

系统管理模块提供如下功能：

1.节点管理，负责集群节点控制，可以增加、停用、启用或者移除节点。

2.服务管理，对节点上每个服务进行管理，如HDFS，Yarn，HBase等，包括停止，启动，

重启。

3.对象管理，Hive、HBase、HDFS数据对象的增删改查。

4.日志审计，操作日志记录了所有改变系统配置的操作，通过日志的查询审计，发现不当

操作，保证系统安全稳定运行。

多租户管理

多租户管理模块提供如下功能：

1.用户管理，负责用户的增删改查。

2.角色管理，负责角色的增删改查。

3.权限管理，负责授权和取消授权。

4.队列管理，负责Yarn队列管理。

5.资源使用规则管理，负责资源使用规则的增删改查。

系统监控

系统监控提供如下功能：

1.集群监控，显示集群cpu、内存、网络、IO使用情况。

2.节点监控，显示节点上每个组件服务的状态及运行情况；显示节点cpu、内存、网络、

IO使用情况。

3.任务监控，监控节点上每个作业的完成情况。

调度管理

Prospector大数据平台提供所有类型的任务调度管理。Prospector大数据平台的任务类型包括：数据集成任务、数据预处理任务和数据分析任务三类。

Prospector大数据平台可以对所有类型任务实线以下类型调度：

➢一次性执行

➢定期执行

➢条件执行

数据集成（Data Integrator）

数据集成理模块负责将外部数据源导入到Prospector大数据平台，同时也负责将数据分享到其他的外部数据存储。

睿帆Data Integrator用于将外部数据源的数据集成到Hadoop大数据平台。Data Integrator支持三大类数据源：

1．数据库、NoSQL系统

2．文件系统（FTP、HDFS）

3．消息队列（Kafka、ActiveMQ）