电子商务数据挖掘分析模型(淘宝BI模型).pdfVIP

下载本文档

25
0
约3.85千字
约 17页
2018-05-11 发布于河南
举报
版权申诉

电子商务数据挖掘分析模型(淘宝BI模型).pdf

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

电子商务数据挖掘分析模型(淘宝BI模型)

淘宝分布式数据处理实践淘宝数据平台及产品部周敏 zhouchen.zm@ 2010-09-04 1 主要内容 • 淘宝的数据 • 云梯介绍 • 对Hadoop的主要功能扩展与改造 • Hive实践 • 对Hive的改造 • 分布式数据仓库构思淘宝的数据 Oracle 备库 MySQL 备库日志系统爬虫数据 JDBCDUMP DataExchange TimeTunnel 统系度 Gateway Servers 调网云梯1 天 Map Reduce Java Streaming Jobs Hive Jobs Jobs 数据平台搜索广告 BI 支付宝口碑 B2B 云梯2 数据魔方量子统计淘数据推荐系统搜索排行 … 淘宝数据的形状 • 核心数据来源于Oracle备库 • 大部分数据结构化，数据具有模式 • 稠密云梯1规模 • 总容量9.3PB, 利用率77.09% • 总共1100台机器 • Master：8CPU(HT)，48G 内存，SAS Raid • Slave节点异构 – 8CPU/8CPU(HT) – 16G/24G内存 – 1T x 12 / 2T x 6 / 1T x 6 SATA JBOD – 12/20 slots • 约18000道作业/天, 扫描数据：约500TB/天 • 用户数474人, 用户组38个云梯1规模-slave • Slave机器异构 – 6T机器磁盘利用率较高 – Rebalance – 单机速度控制：10M/s – 每天9:00 ~ 23:30运行 • Slave故障率 – 每周10 ~ 20次硬盘故障 – 每周1 ~ 2次主板或其他故障云梯1 Hadoop版本 • 基于0.19.1 • 大量Patch – 主要来自官方社区0.19.2, 0.20, 0.21等 – 自己开发的 • Hadoop客户端和服务端代码开发分离, 云梯管理员只负责服务端升级, 并保持版本向下兼容云梯主要功能扩展 • 安全性 – 密码认证（hadoop.job.ugi） – 扩展ACL ，用户访问其他组的数据（开发中） • Scheduler – 基于FairScheduler的改造 – slots动态调整（网页形式，每小时更新） – 各个组使用自己的资源 • Slave单磁盘容错 – DataNode坏掉一块磁盘不需要停止，减少数据分发 – TaskTracker坏掉一块磁盘后不对作业造成影响 Master节点容灾方案 • 3个Master + 1个Standby节点 – 配