阿里大数据计算服务MaxCompute-产品简介D.docx

大数据处理服务MaxCompute产品简介产品简介MaxCompute简介大数据计算服务(MaxCompute，原名ODPS)是一种快速、完全托管的TB/PB级数据仓库解决方案。MaxCompute向用户提供了完善的数据导入方案以及多种经典的分布式计算模型，能够更快速的解决用户海量 数据计算问题，有效降低企业成本，并保障数据安全。MaxCompute主要服务于批量结构化数据的存储和计算，可以提供海量数据仓库的解决方案以及针对大数据的分析建模服务。随着社会数据收集手段的不断丰富及完 善，越来越多的行业数据被积累下来。数据规模已经增长到了传统软件行业无法承载的海量数据(百GB、TB、 乃至PB)级别。在分析海量数据场景下，由于单台服务器的处理能力限制，数据分析者通常采用分布式计算模式。但分布式的计算模型对数据分析人员提出了较高的要求，且不宜维护。使用分布式模型，数据分析人员不仅 需要了解业务需求，同时还需要熟悉底层计算模型。MaxCompute的目的是为用户提供一种便捷的分析处理海 量数据的手段。用户可以不必关心分布式计算细节，从而达到分析大数据的目的。MaxCompute已经在阿里巴 巴集团内部得到大规模应用，例如：大型互联网企业的数据仓库和BI分析、网站的日志分析、电子商务网站的 交易分析、用户特征和兴趣挖掘等。MaxCompute组件介绍数据通道：TUNNEL：提供高并发的离线数据上传下载服务。用户可以使用Tunnel服务向MaxCompute批量上传或下载数据。MaxComputeTunnel仅提供Java编程接口供用户使用。计算及分析任务：SQL：MaxCompute只能以表的形式存储数据，并对外提供了SQL查询功能。用户可以将MaxCompute作为传统的数据库软件操作，但其却能处理TB、PB级别的海量数据。需要注 意的是，MaxComputeSQL不支持事务、索引及Update/Delete等操作，同时MaxCompute的SQL语法与Oracle，MySQL有一定差别，用户无法将其他数据库中得SQL语句无缝迁移到MaxCompute上来。此外，在使用方式上，MaxComputeSQL最快可以在分钟，乃至秒级别完成查询，无法在毫秒级别返回用户结果。MaxComputeSQL的优点是对用户的学习成本低，用户不需要了解复杂的分布式计算概念。具备数据库操作经验的 用户可以快速熟悉MaxComputeSQL的使用。MapReduce：MapReduce最早是由Google提出的分布式数据处理模型，随后受到了业内的广泛关注，并被大量应用到各种商业场景中。在本文档中，我们会对MapReduce模型做 简要介绍，以便于用户快速熟悉、了解该模型。使用MaxComputeMapReduce的用户需要对分布式计算概念有基本了解，并有相对应的编程经验。MaxComputeMapReduce为用户提供Java编程接口。Graph：MaxCompute提供的Graph功能是一套面向迭代的图计算处理框架。图计算作业 使用图进行建模，图由点(Vertex)和边(Edge)组成，点和边包含权值(Value)。通过迭代对图 进行编辑、演化，最终求解出结果，典型应用：PageRank，单源最短距离算法 ，K-均值聚类算法 等等。SDK：提供给开发者的工具包，SDK的相关介绍请参考 SDK介绍 ；安全：MaxCompute提供了功能强大的安全服务，为用户的数据安全提供保护，详情请参考 安全参考手册 ；各个功能模型的描述请参考用户手册的其他部分。如果想快速了解如何使用MaxCompute，请参考 快速开始;如果您是MaxCompute初学者？如果您是初学者，建议您从如下节点开始读起 ：简介 - MaxCompute产品的总体介绍以及包含的主要功能。通过阅读该章节，您会对MaxCompute有一个总体的认识。快速开始 - 通过实例一步一步指引您如何申请账号，如何安装客户端，如何创建表，如何授权，如何导出导出数据，如何运行SQL任务，如何运行UDF，如何运行Mapreduce程序等。基本介绍 - MaxCompute基本概念及常用命令介绍。您可以进一步熟悉如何操作MaxCompute。工具- 在分析数据之前，您可能需要掌握MaxCompute常用工具的下载，配置以及使用方法。我们提供以下几种客户端工具：Client: 用户可以通过这个工具对MaxCompute进行操作。熟悉了以上的模块，建议您再有针对性地进行其他模块的深入学习。如果您是数据分析师？如果您是数据分析师，建议您熟读如下几个模块：SQL: 您可以查询并分析存储在MaxCompute上的大规模数据。包含的主要功能如下：支持DDL语句，您可以通过 Create、Drop 和