大数据混合云技术架构分析

巴皿古茧 巴雇职阻四
巴 巴
巳屈讯陬
ICI 龟租疽巨l
己陪呵环，
巴
巴隘抖扭i
口晒过盔i
巴谌伉醴
巴
s 匝 已啊霆智础
S依卿逢
巳
巳E醴 巳
口— 曲已邑一二专4谔墨 3
丘『拦竺启妇
S
O 数据基础资源
I 1 1 1 数据存储容星5.8PB
每日处理数据条数271亿 数据合作伙伴1200＋个
每秒处理数据61万条
实时数据处理5秒内展示
数据采集与预处理 Android
I II ． ＿ 亡f：：' ..I SDK
云端数撮按收群 SOK•LVS<Ng;n,.Netty
105 SDK
：价值
云墙高
sty s D k ． lV
线 3i
数
N 一“
虹5 H
5 Nel 收
群
D
K
.
_.o-l
1
微信小程序SD｀”K“ ．
r [:『
亡已
1传统大数据架构下的挑战一LAMBDA架构
• 实时数据缓存区 这部分是为了达到实时计算的目的 ， 海量数据接收不可能海量实时入历 史数据库 ， 那样会出现建立索引延迟、 历史数据碎片文件等问题。 因此 ， 有一个实时数据
缓存区来存储最近几分钟或者几秒钟的数据。 这块可以使用 Kudu或者Hbase等组件来实现。 这部分数据会通过Dumper来合并到历史数据当中。 此处的数据模型和SDK端数据模型是保 持一致的都是Common Data Mode| ， 例如 “主谓－宾模型。 • 历史数据沉浸区， 这部分是保存［大量的历史数据， 为［实现Ad-hoc查询， 将自动建立相
：霖詈
巴咚霆智础
口函 酝－贮二，，一
巴回沮谝祠
巴皿言茧 巴雇铜阻闭 巴愣 巴诅哑 臼保仰逢
句拦妇酌m
巴 巴 巴
8 fi!il踝织扩
句
臼臣
O 数据基础资源
数据存储容呈5.8PB
1 每日处理数据条数271亿 数据合作伙伴1200＋个
每秒处理数据61万条
实时数据处理5秒内展示
例， 用 “ 主－谓－宾“模型描述就是“X用户－事件1-A页面(2018/4/11 20:00) "。 当然， 根据 业务需求的不同， 也可以使用产品－事件” 、'地点－时间模型等等。 模型本身也可以根据协
议（例如 protobuf) 来实现SDK端定义， 中央存储的力式。 此处核心是， 从SDK到存储到 处理是统一的一个Common Data Mode|。
大数据处理 集群
1`．0 内1
分布式资 ,
I
部
：！飞矿I I
严? 11 内1111P 6 。寸算
1
11
1 m[ —
:＇ 五”心控与
分布队列组件
批:尸 | | $：：：!m
，HDfS
分布式小效撮总线
．
实时效揖队列
I·一·S一D�笠·一·巴一吧·一＂·一．一．一·一＄·？一·:·记一，·立 一·一·一·一·一·氐一巴·一巴·一笠·一，：·一．一·一·一：·悦一艾·一，．竺一·一·一·一·一· - ;-::．
大数据混合云技术架构分析
1目前易观大数据混合云的数据规模
O 终端覆盖
0 产品覆盖
监测APP数员，266万
＋
行业雹盖，309个
0 用户覆盖
＿＿＿＿ MAU: 5.5 亿
DAU: 7900万
标签类型 8365个
巴哩登
S颐犹滔沼郔
巴回涟酰宁
巴
巴但砚l 巳匝应
口罢腴厨 己劂IC一I臣砬•·济·宁一 叫一 殴·生L蕊· ,啊芒 i.，■',
＿
|
|
＿ 接
收 层 边
|缘
计
Import TooIs
|
算
I
厂 五叶
＿ －－ 分布式数据传输接收平台
Java/CIPHP EdgeSDK
| Androld/iOS EdgeSDK
|
IOTEdgeSDK
I
I
I
自助查询 (Superset)
数据治理 元数据管
理
数据追踪
—数据质晟 稽核 数据安全
鉴权
数据审计
1现在大数据混合云的困境
．．．．．
IOT大潮来临 数据噩级巨大 数据格式不相统一 数据业务多变 数据需要实时查询
,$二二勹三一工>_＿＿ 产品展现与服务
集群
|
数拊发布与订闽平台
二］，i 擞掘洽ml务
． 数树调度与资
濠
分布式存镐与立诅下台
I ． 统调一任 嗖务
通用数据查谒弓1竿
II 嘈，．氏一 11·
HI毗orlcal data storage Neha Narkhede "ETL la
d磷d"
一
不能即席查询和训练
1边缘计算下的大数据和AI架构一IOTA架构
Web
s Ed
g D
e k
A
n E
d d
sD
gerok
id
畛 11 1
Standard Format
Real Time Data
＿ ＿
摄像头
1目前易观大数据混合云的数据规模
O 终端覆盖
0 产品覆盖
监测APP数昼'266万
＋
行业雹盖，309个
0 用户覆盖
＿＿＿＿ MAU: 5.5 亿
DAU: 7900万
标签类型 8365个
巴哩厨
巴但砚l
S匝
巳阁财晌
句巍哑
s匝
巳伍匡碟l 巳
凹颐犹勇斟犹亚
口罢酮厨 已座-'竺i ICI 砓夼叫蕊蕊圈．，圈豐
关索引提高整体历史数据查询效率， 从而实现秒级复杂查询百亿条数据的反馈。 例如可以
使用 HDFS存储历史数据， 此处的数据模型依然SDK端数据模型是保持一致的Common Data Mode|。
1新—代边缘计算的大数据混合云
＿ ＿ ＿ ＿ 应
用 层
服
r务
层
I
QueryEngine
ຫໍສະໝຸດ Baidu
1
蜘哇涧引擎(Presto、Spark)
|| |叫尸采集格式1
11 1畸门采如格式2
要适配各种采集格式
Real Time Data
ming,
＿
开发不同 时展现
Historical data storage
一 同一个数据实时和批 呈处理不同
1传统大数据架构的挑战一KAPPA架构
|| |叫尸采集格式1
mmg,
11 1畸门采如格式2
要适配各种采集格式
E s
gdD
e k
Historical data storage
loT Edge SDK
1. 计算分布在所有链路流程上 2. 通用业务数据模型
3. 端负责处理数据一致性问题 4. 即时查询、 实时反馈
仁
1数据模型与存储
• Common Data Model ：贯穿整休业务始终的数据模型， 这个模型是整个业务的核心， 要保 持SDK 、 cache、 历史数据、 查询引擎保持一 致。 对千用户数据分析来讲可以定义为＂ 主－谓－ 宾” 或者”对象－事件” 这样的抽象模型来满足各种各样的查询。 以大家熟悉的APP用户模型为