大数据平台架构
基于HBase和Spark构建企业级数据处理平台
1.1 一站式数据处理平台架构
1.2 典型业务场景
1.2.1 爬虫+搜索引擎
1.2.2 大数据风控系统
1.2.3 构建数据仓库(推荐、风控)

基于HBase和Spark构建企业级数据处理平台
[基于HBase和Spark构建企业级数据处理平台]：阿里云数据库 李伟(沐远) PPT 演讲稿
1.1 一站式数据处理平台架构

1.2 典型业务场景
1.2.1 爬虫+搜索引擎

1.2.2 大数据风控系统

1.2.3 构建数据仓库(推荐、风控)

详解大数据平台架构

https://www.jianshu.com/p/5dcda857da49

目录

大数据功能架构

大数据技术架构

大数据网络拓扑

大数据整体物理拓扑

数据中心拓扑

大数据服务器拓扑

实时数据采集

大数据功能架构



大数据技术架构



大数据网络拓扑



大数据整体物理拓扑



数据中心拓扑



大数据服务器拓扑



实时数据采集

目录：
什么是大数据
Hadoop介绍-HDFS、MR、Hbase
大数据平台应用举例-腾讯
公司的大数据平台架构

“就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解世界的方式……”。

大数据的4V特征-来源



公司的“大数据”

随着公司业务的增长，大量和流程、规则相关的非结构化数据也爆发式增长。比如：

1、业务系统现在平均每天存储20万张图片，磁盘空间每天消耗100G；

2、平均每天产生签约视频文件6000个，每个平均250M，磁盘空间每天消耗1T;

……

三国里的“大数据”

“草船借箭”和大数据有什么关系呢？对天象的观察是基于一种对风、云、温度、湿度、光照和所处节气的综合分析这些数据来源于多元化的“非结构”类型，并且数据量较大，只不过这些数据输入到的不是电脑，而是人脑并最终通过计算分析得出结论。



Google分布式计算的三驾马车

Google File System用来解决数据存储的问题，采用N多台廉价的电脑，使用冗余（也就是一份文件保存多份在不同的电脑之上）的方式，来取得读写速度与数据安全并存的结果。
Map-Reduce说穿了就是函数式编程，把所有的操作都分成两类，map与reduce，map用来将数据分成多份，分开处理，reduce将处理后的结果进行归并，得到最终的结果。
BigTable是在分布式系统上存储结构化数据的一个解决方案，解决了巨大的Table的管理、负载均衡的问题。

Hadoop体系架构

 
hadoop核心设计

 
HDFS介绍-文件读流程

 
Client向NameNode发起文件读取的请求。
NameNode返回文件存储的DataNode的信息。
Client读取文件信息。

HDFS介绍-文件写流程



Client向NameNode发起文件写入的请求。
NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。
Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。


MapReduce——映射、化简编程模型
输入数据->Map分解任务->执行并返回结果->Reduce汇总结果->输出结果

 
Hbase——分布式数据存储系统

 
Client：使用hbase RPC机制与HMaster和HRegionServer进行通信
Zookeeper：协同服务管理，HMaster通过Zookeepe可以随时感知各个HRegionServer的健康状况
HMaster: 管理用户对表的增删改查操作
HRegionServer：HBase中最核心的模块，主要负责响应用户I/O请求，向HDFS文件系统中读写数据
HRegion:Hbase中分布式存储的最小单元，可以理解成一个Table
HStore：HBase存储的核心。由MemStore和StoreFile组成。
HLog：每次用户操作写入Memstore的同时，也会写一份数据到HLog文件
还有哪些NoSQL产品？

 

为什么要使用NoSQL？
一个高并发网站的DB进化史

关系模型>聚合数据模型的转换-基本变换

 
关系模型>聚合数据模型的转换-内嵌变换

 
关系模型>聚合数据模型的转换-分割变换

 
关系模型>聚合数据模型的转换-内联变换
 

Hadoop2.0
MapReduce：

JobTracker：协调作业的运行。

TaskTracker：运行作业划分后的任务。




大数据的技术领域



腾讯大数据现状（资料来自2014.4.11 腾讯分享日大会）


 

腾讯大数据平台产品架构


腾讯大数据平台与业务平台的关系


公司数据处理平台的基础架构


公司大数据平台架构图

应用一数据分析


应用二视频存储

 
应用三离线日志分析


应用五在线数据分析
参考资料：京东基于Samza的流式计算实践