互联网平台大数据架构大比拼.docx

互联网平台大数据架构大比拼Facebook Amazon NetFlix Airbnb的海量数据如何记录分析大数据文摘微信号 BigDataDigest功能介绍 普及数据思维，传播数据文化全球最好的数据架构长什么样？我们认为使用事件数据的公司会有很强的竞争优势。这一点在世界领先的科技公司中似乎都得到了证明。脸书、亚马逊、Airbnb,Pinterest和Netflix公司的数据工程师团队一直令人称奇。他们的工作为软件和商务的认知设定了新准则。因为他们的产品被广泛的使用，这些团队必须不断重新定义大规模数据分析。他们在数据架构上已经投入数以百万计的资金，并且拥有比大多数公司的整个工程部门人数还多的数据团队。如果你对大型公司的大数据框架感到好奇，下面我们将介绍最好的集成架构。Netflix 网飞尽管拥有9300万月活跃用户，网飞在交互上没有任何缺陷。他们每天可以收集到大概5千亿条事件数据，大概占1.3PB。在高峰时段，他们每秒会记录800万条数据。网飞雇佣的数据工程师和分析师超过100人。下面是在网飞之前公布的公司数据架构的简图，主要包括Apache Kafka, 弹性搜索, AWS S3, Apache Spark, Apache Hadoop, 和EMR。来源/2016/02/evolution-of-netflix-data-pipeline.htmlFacebook 脸书由于拥有超过10亿的活跃用户，脸书的数据库是世界上最大的数据库之一，储存了超过300pb的数据。这些数据会用于各种应用程序，从传统的批处理，到图像分析、机器学习和实时交互分析。为了实现大规模交互查询，脸书的工程师设计了Presto，一个使用特定分析优化的定制分布式SQL查询引擎。上千员工在使用这一引擎，这些人每天跨越各种不同的后端数据库，如Hive, HBase, 和Scribe，执行超过3万个查询。Airbnb 爱彼迎爱彼迎支持超过1亿用户对200万条房屋记录进行查询。另外，爱彼迎可以为用户智能地提供旅行建议，这对其发展是非常重要的。他们的团队建立了一个很棒的博客AirbnbEng，去年他们在博客上介绍了爱彼迎的数据架构。在我们去年办的一个聚会中，爱彼迎的数据科学部的经理, Elena Grewal说“要建立一个世界级的分析团队”。他提到爱彼迎的数据团队已经超过30人，公司每年付给这些职员的薪水超过500万美元。Pinterest 品趣志品趣志有超过1亿的月活跃用户和超过100亿的月页面访问量。在2015年，他们的数据团队的工程师就超过了250个。他们的架构很大程度上依赖于Apache Kafka、Storm、Hadoop、HBase 和 Redshift。品趣志的数据架构概览品趣志的团队不只需要持续记录巨量的客户数据，他们还需要给他们的广告商提供详细的分析结论。Tongbo Huang写过“在品趣志的背后：建立品趣志分析系统”(/@Pinterest_Engineering/behind-the-pins-building-analytics-f7b508cdacab?s=hi-from-keen-io)，该文章介绍了他们怎样改进数据分析软件栈以满足上述的需求。下图说明了他们如何运用Apache Kafka、AWS S3、和 HBase来实现目标的：Pinterest商务分析系统数据架构Pinterest商务分析系统客户界面Twitter / CrashlyticsCrashlytics Answers团队建立了用来处理每天百万记的移动设备事件的架构。事件接收器存档批处理运算速度