实用大数据系统设计

ConardLi 发布于2019-05-28 18:26 / 1708人阅读

摘要：下面会列出实用并且较低成本的大数据实施系统，供参考。超大数据几百，查询时间容忍度很高几小时这个是批处理适用的场景。提供高可靠性大数据存储系统，并且比较容易部署。是一个简单但是有效的界面，用来查询数据源。希望本文可以帮助你快速进入大数据领域。

大数据一般人听着比较复杂，觉得可能需要很大成本来部署和实施。幸运地是市面上已经有一些云服务来帮助我们让大数据变得更简单。另外，如果你选择合适的开源工具，也往往会使你的大数据之路起到事半功倍的效果。下面会列出实用并且较低成本的大数据实施系统，供参考。

请注意本文不讨论实时或者流数据处理，如果你在寻找那些方面的解决方案，为了节省你的时间，我们建议你忽略本文。

在选择据具体大数据工具之前，你最好回答两个问题：

1. 你的数据有多大？

2. 你希望你的数据查询要多快？

第一个问题决定你需要什么样的大数据存储系统，第二个问题决定你需要什么样的查询或者执行引擎。下面是基于对这两个问题的不同回答，推荐采用的一些工具。

1. 超大数据（几百TB），查询时间容忍度很高（几小时）

这个是批处理（batch processing）适用的场景。一个可行的方案是：AWS S3 ＋ Apache Spark。你可以执行Spark任务，读取S3中的数据，然后将计算结果存成CSV文件，最后用Excel分析或者可视化结果。

2. 中等规模数据（几十TB），希望查询快速响应（几秒钟）

这个通常是交互式查询适用的场景。一个可行的方案是：AWS Redshift ＋ Tableau。Redshift提供低延迟查询处理，Tableau提供很好的数据可视化功能，二者结合起来可以轻松的分析大量数据，只是需要一定的成本。需要提醒的是，你最好提前规划好Redshift集群的规模和容量，减少随机动态调整，因为在Redshift中，扩展集群（scale up or scale out）是个比较痛苦的过程。

3. 中等规模数据（几十TB），一定的查询响应容忍度（几分钟），低成本

这个场景适用于预算有限的情况，或者你不想在AWS Redshift和Tableau上投入太多。你将需要对大数据比较了解的开发人员，从而可以自己搭建企业内部的大数据集群。一个可行的解决方案是：Apache Cassandra + Presto Query Engine + H2 Console (from H2 Database Engine)。

Cassandra提供高可靠性大数据存储系统，并且比较容易部署。Presto提供分布式SQL执行引擎，可以运行在Cassandra之上，并提供JDBC支持。H2 Console是一个简单但是有效的Web界面，用来查询JDBC数据源。利用这些工具组合，你不需要任何编程工作，就可以在企业内部搭建起一个端到端大数据解决方案。

综上，你可以看到，根据不同的大数据需求，可以选择不同的工具组合。希望本文可以帮助你快速进入大数据领域。如有任何问题或者反馈，欢迎联系作者本人（boyang798@gmail.com）。

扫描微信二维码联系作者

服务器托管私有云大数据设计大数据架构设计大数据数据库设计大数据架构与设计

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/8155.html

iOS商品详情、ffmpeg播放器、指示器集锦、自定义圆弧菜单、实用工具等源码

摘要：精选源码电商商品详情两种方式实现拖拽功能播放器微信聊天表情雨表情下落表情动画指示器集锦弹窗增加可交互无限个数支持回弹自定义的圆弧菜单协议方式实现功能的实用工具库支持快速解析模型工具，支持。 iOS精选源码电商商品详情 showImg(https://segmentfault.com/img/remote/1460000017089038); Swift.两种方式实现tableView...

YuboonaZhang 2019-06-25 17:02 评论0 收藏0
AI学习路线

摘要：针对公司样本不足，采用小样本技术和深度学习技术结合，是项目落地的解决方案。深度学习作为当前机器学习领域最热门的技术之一，已经在图像处理领域获得了应用，并且展现出巨大的前景。旨在帮助同学们快速上手如何使用库来完整机器学习案例。阶段一、人工智能基础－　高等数学必知必会本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力，分析能力。拥有良好的数学基...

xuweijian 2019-07-25 12:27 评论0 收藏0
基于 10 大编程语言的 30 个深度学习库

摘要：本文介绍了包括等在内的一系列编程语言的深度学习库。是一个部署在编程语言中的深度学习工具包，用于通过高效的算法处理大型文本集。是公司基于开发的深度学习框架。是第一个为和编写的消费级开元分布式深度学习库。本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。PythonTheano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Pyt...

Winer 2019-04-25 18:06 评论0 收藏0
朱晔的互联网架构实践心得S1E1：Pilot

摘要：架构团队的人是不是很轻松，业务团队天天加班搞项目，架构团队貌似都是在喝茶聊天研究一些不实用的东西。架构团队的架构师最好是在业务团队深耕过，知道痛点所在的，这样研发出来的系统和工具能够和公司目前的项目所匹配发挥最大的作用，让大家爱不释手。最近几年写博客确实写得少了，初出茅庐的时候什么都愿意去写，现在写一点东西之前会反复斟酌是否有价值。工作十几年了，做了N多个互联网系统，业务涉及教育、游...

CoderBear 2019-08-19 11:17 评论0 收藏0
朱晔的互联网架构实践心得S1E1：Pilot

摘要：架构团队的人是不是很轻松，业务团队天天加班搞项目，架构团队貌似都是在喝茶聊天研究一些不实用的东西。架构团队的架构师最好是在业务团队深耕过，知道痛点所在的，这样研发出来的系统和工具能够和公司目前的项目所匹配发挥最大的作用，让大家爱不释手。最近几年写博客确实写得少了，初出茅庐的时候什么都愿意去写，现在写一点东西之前会反复斟酌是否有价值。工作十几年了，做了N多个互联网系统，业务涉及教育、游...

rose 2019-06-24 18:11 评论0 收藏0