互联网平台大数据架构大比拼1.docx

PAGE 1 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  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.html Facebook 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 / Crashlytics Crashlytics 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 全文完