学习_02_Lambda架构_0920.pptxVIP

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