《大数据分析关键技术》-(课件).pptVIP

大数据分析关键技术 概述 即席查询 批量处理 流式计算 大数据计算分析模式分类 即席查询 Ad-Hoc Query 批量处理 Batch Processing Map/Reduce 流式计算 Stream Computing 数据承载 响应时间 适用场景 磁盘 秒级 (准实时) 自然人交互式 经营分析 磁盘 分钟级至小时级 (准实时) 事前/事后 大批量数据处理 内存 (事件窗口 非全量数据) 秒级 (实时) 实时事件分析 实时风险干预 针对不同的业务领域，需要采用不同的数据计算分析方式，快速发现数据价值。 即席查询 即席查询（Ad Hoc）是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。即席查询与普通应用查询最大的不同是普通的应用查询是定制开发的，而即席查询是用户自定义查询条件。 即席查询 Storage Distribute File System Column Database Resource Management Parallel Compute Framework SQL Syntax+ Compute Framework SQL Syntax Meta Data Batch Processing Ad-Hoc Query 实时性：高 批量处理 Storage Distribute File System Column Database Resource Management Parallel Compute Framework SQL Syntax+ Compute Framework SQL Syntax Meta Data Batch Processing Ad-Hoc Query MapReduce是一种编程模型，用于大规模数据集的并行批量计算。概念Map和Reduce当前的主流实现是指定一个Map函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce函数，用来保证所有映射的键值对中的每一个共享相同的键组。 形成这种模型的原因是：数据的分布式存储、计算资源的分布式、并行计算减少计算时长。 批量处理 实时性：低 流式计算 流数据的实时计算注重对流数据的快速高效处理、计算和分析。其特点是计算过程数据不落地，所有数据在内存中完成。其计算模型是根据规则生成容器，当数据流经过容器时，实时产生分析结果。 流式计算 Input Adapter Output Adapter Engine Cluster Cluster Management Rule Repository NoSQL 实时性：高 概述 即席查询 批量处理 流式计算 Impala Node Impala架构 Impalad Query Planner Query Coordinator Query Exec Engine Common HiveQL Interface MetaData SQL JDBC Hive MetaStore HDFS NN State Store Impalad Query Planner Query Coordinator Query Exec Engine Impalad Query Planner Query Coordinator Query Exec Engine Data HDFS DN HBase Data HDFS DN HBase Data HDFS DN HBase Impala Node Impala Node Local Direct Reads Thrift Hive架构 Data HDFS DN Task Tracker Job Tracker Name Node Hadoop Hive (Over Hadoop 0.20.X) SQL JDBC WUI Thrift Server Driver (Compiler, Optimizer, Executor) Meta Store ThriftServer：JDBC通过ThriftServer连接到Hive。ThriftServer连接MetaStore来读取hive的元数据信息。 MetaStore：在关系型数据库中存放表/分区/列元数据，可以低延迟的快速的访问到需要的元数据信息。 Driver/QueryCompiler/ExecutionEngine:客户端提交的HiveSQL首先进入Driver，然后Driver会为此次HiveSQL的执行创建一个Session，Driver维护整个session的生命周期。Driver首先将HiveSQL传送给QueryCompiler，然后由QueryCompiler来对用户提交的HiveSQL进行编译/检查/优化并最终生成MapReduce任务。 Exec