- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
学习_02_Lambda架构_0920
吴新丽
Lambda架构
2016
1
背景
背景介绍
1
背景介绍
Lambda:一个实时大数据处理框架;
目标:满足实时大数据系统关键特性,包括有高容错、低延时和可扩展等。
整合离线计算和实时计算,融合不可变性,读写分离和复杂性隔离等一系列架构原则,可集成Hadoop,Kafka,Storm,Spark,Hbase等各类大数据组件。
大数据系统的关键特性
2
关键特性
Robust and fault-tolerant(容错性和鲁棒性)
Low latency reads and updates(低延时)
Scalable(横向扩容)
General(通用性)
Extensible(可扩展)
Allows ad hoc queries(方便查询)
Minimal maintenance(易于维护)
Debuggable(易调试)
数据系统的本质
3
数据系统的定义
通过查询过去的全部或部分数据回答问题。
Query=Function(alldata)
数据系统=数据+查询
数据的本质:一个不可分割的单元
关键特性
When:数据与时间相关,时间性质决定了数据的全局发生先后,也就决定了数据的结果;
What:数据本身,具有不可变性(immutable),过往的数据已成事实;
数据操作:CR
读取(Read)
添加(Create):Update和Delete本质上其实是新产生的数据信息,用C来记录
Lambda架构
4
Lambda架构数据存储特性
数据不可变(Immutable)
采用不可变的数据模型,存储数据时只需要简单的往主数据集后追加数据即可。
存储所有数据(StoreEverything Rawly)
Lambda架构主要思想
批处理层(batchlayer)
实时处理层(speedlayer)
服务层(servinglayer)
——将大数据系统架构分为3个层次
Lambda架构
New
Data
Stream
Immutable
Master Dataset
Precompute
Views
Process
Stream
Increment
Views
Batch Recompute
Realtime
Increment
Views 1
Views 1
Views 1
Views 1
Views 1
Views 1
Batch Views
Real-time Views
Query
Batch Layer
Serving Layer
Speed
Layer
BatchLayer
MastDataset:一个持续增长的数据集
BatchLayer的两个职责:
存储MasterDataset;
针对MasterDataset进行预运算;
View:结合业务自身需求的各种查询
应用场景约束:
需要预先知道查询需要的数据,以便安排执行计划;
预运算的统计数据支持合并(merge);
SpeedLayer
RealtimeView=function(realtimeView, newdata)
处理最近的增量数据流
增量计算
Serving Layer
Query=function(BatchViews,RealtimView)
根据业务查询需求对BatchViews和RealtimeView进行随机访问;
只要Batchlayer完成对BatchViews的预运算,Servinglayer就需要对BatchViews进行更新;
合并两者数据,对用户提供统一的接口
一旦数据通过batch layer进入到serving layer,在realtime view中的相应结果就不再需要了。
Lambda架构组件选型
New
Data
Stream
Immutable
Master Dataset
Precompute
Views
Process
Stream
Increment
Views
Batch Recompute
Realtime
Increment
Views 1
Views 1
Views 1
Views 1
Views 1
Views 1
Batch Views
Real-time Views
Query
Batch Layer
Serving Layer
Speed
Layer
Kafka
存储:HDFS、ODPS
计算:MapReduce或Spark
MySql:查询少量的最近结果数据
Hbase:查询大量的历史结果数据
Storm或SparkStreaming
Redis
对比分析
6
谢谢
您可能关注的文档
最近下载
- 《短歌行》《归园田居(其一)》情景默写(附参考答案)--统编版高中语文必修上册.pdf VIP
- T_AHEMA 002—2020_HDPE土工膜漏点双电极法测量.pdf VIP
- 第1单元活动1 认识生活中的算法(教学课件)湘科版信息科技五年级上册.ppt
- 3DMine矿业工程软件-培训.pptx VIP
- 2024年AI面试实践手册-牛客_8705.docx
- 标志设计与品牌的关系.pptx VIP
- 新22J01《工程做法》(新疆图集).pdf VIP
- 一种用于双电极法检测土工膜渗漏的测量仪.pdf VIP
- 对外业务合作管理办法.pdf VIP
- 【中职】高教2023版 世界历史第2课 古代希腊罗马 PPT课件.pptx VIP
文档评论(0)