飞天大数据产品价值解读— SaaS 模式云数据仓库 MaxCompute | 学习笔记(五)

简介: 快速学习飞天大数据产品价值解读— SaaS 模式云数据仓库 MaxCompute

开发者学堂课程【SaaS 模式云数据仓库实战飞天大数据产品价值解读—  SaaS 模式云数据仓库 MaxCompute学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/760/detail/13341


飞天大数据产品价值解读— SaaS 模式云数据仓库 MaxCompute


二十三、云上大数据仓库解决方案

1. 方案说明:

适用于互联网、金融、政府、传统企业等大数据仓库

2.方案优势:

阿里巴巴大数据最佳实践,高性能、低成本、Severless服务,免运维、全托管模式,让企业的大数据研发人员更聚焦在业务数据的开发上

3.产品组合∶

MaxCompute+DataWorks+Flink场景说明:

(1)用户数据来源丰富,包括来自云端的数据,以及外部数据源,数据统一沉淀,完成数据清洗、建模;

(2)用户的应用场景复杂,对非结构化语音、自然语言文本进行语音识别、语义分析、情感分析等,同时融合结构化数据搭建企业级的数据管理平台,并且计算和存储成本最低;

(3)平台支撑多种形式的应用,包括使用机器学习算法进行复杂数据分析、使用BI报表进行图表展现、使用可视化产品进行大屏展示、使用其他自定义的方式消费数据。

4.功能说明:

(1)多种数据源同步到大数据计算服务

(2)对结构化数据和非结构化数据(UDF)进行处理

(3)进行大数据计算和分析

(4)为其他应用提供计算支持

 

二十四、MaxCompute 产品规格介绍

在此对于产品本身特点已经有一定了解,但真正使用产品时仍需要注意,由于MaxCompute是基于Servless架构,所以提供按量计费,对于许多初期使用和对弹性要求很高时,建议使用按量付费,因其能够获得最极致的弹性和业务的快速变化波动下能够实时的匹配业务,这是按量付费模式的最大特点。当不做使用的适合不会产生费用。

同时许多用户平台已经较为成熟稳定,此时需要选择包年包月,购买长期使用,由此可享受折扣,单价较低。由此可以更好的控制成本。

1. MaxCompute 服务模式

①开通MaxCompute服务注册

开通MaxCompute相当于对服务进行注册,同时产生有协议的订单,订单成功后即可使用该服务。

②按量计费

整个订单计费模式都为使用之后再按量计费,包括计算、存储、下载几大块主要功能。

开通时为0元开通,开通后若不使用则无费用产生。

③包年包月

订单计费模式为混合模式,计算资源是按包年包月进行预付费,存储和下载则为使用之后在按量计费。

开通时需要预先对计算资源进行付款。

2. 按量计费-标准版

按量付费中收费点如下:第一是计算,计算是按照作业收费,提交一个作业就收取一个作业的费用,如果并未使用则不收取费用。每个作业按照需要使用,按量付费的一大特点是弹性的计算资源。第二,存储资源,之前说过,其为存储计算分离,而需要按照实际存储的大小付费。MaxCompute是高度压缩的格式,基本的数据会有3-5的压缩比不等,该模式就可以很大的降低压缩成本。第三是数据无网下载的成本。

(1)基础资源

①计算资源

极致的弹性计算资源,资源池为共享型,计算任务按需抢占,不可指定使用量也无使用限制。

包括SQL(含UDF ) 、MapReduce.Spark、交互式分析( Lightning ) 、 Graph等计算类型资源。

②存储资源

资源池为共享型,按需存储,无使用限制。包括表(Table )和资源(Resource )等存储。

③上传、下载数据资源

资源池为共享型,按需抢占,不可指定用量也无使用限制。主要包括Tunnel的Upload.Download资源。

(2)计费说明

①计算资源(CU)收费︰

按各计算类型任务使用量计费。当前仅SQL、MR、Spark、交互式分析几类计算任务有计费。

②存储收费:

只收表(Table )存储的容量费用。且容量大小是压缩后的数据。

③数据上传、下载收费:

数据上传至MaxCompute为免费;仅对通过公网下载进行按量收费

3. 包年包月-标准计算资源

除了按量付费还有包年包月,其中计算就不产生额外花销,而存储仍旧按照实际大小的存储收费。

(1)基础资源

①计算资源

包含计算资源单元和非预留计算资源两种。

计算资源单元即为预留计算资源,必选资源。资源池为独享型,按购买CU量固定分配资源。非预留计算资源为非必选资源,资源数量在[O,购买量]区间内且不可独享。

计算任务只能占用预留和非预留计算资源。资源可以执行SQL (含UDF )、MapReduce,Spark、Graph等计算类型任务。

②存储资源

资源池为共享型,按需存储,无使用限制。包括表(Table )和资源(Resource)等存储。

③上传、下载数据资源

资源池为共享型,按需抢占,不可指定用量也无使用限制。主要包括Tunnel的Upload.Download资源。

(2)计费说明

①计算资源(CU)收费:

服务开通生成订单时就需要预先付费,按CU量和购买时长进行收费。预留和非预留资源单价不一样。

②存储收费:

只收表(Table )存储的容量费用。且容量大小是压缩后的数据。

③数据上传、下载收费:

数据上传至MaxCompute为免费;仅对通过公网下载进行按量收费

4.包年包月-套餐版

最后就是包年包月的套餐版,经常在客户选型根据自身线下的集群,数据平台的规格,去做云上的选型,此时往往多需要做固定的资源选型,套餐的模式中就同时包含了计算和存储两部分费用,购买一个套餐后存储和计算就不会产生额外开销。同时两者组合之后的成本更加优惠。

(1)基础资源

①计算资源

套餐中的预留计算资源为独享资源,按购买套餐固定分配计算资源。非预留计算资源为非必选资源,资源数量在[o,购买量]区间内且不可独享。

计算任务只能占用预留和非预留计算资源。资源可以执行SQL(含UDF )、MapReduce,Spark、Graph等计算类型任务。

②存储资源

资源池为共享型,按需存储,无使用限制。包括表( Table )和资源(Resource )等存储。

③上传、下载数据资源

资源池为共享型,按需抢占,不可指定用量也无使用限制。主要包括Tunnel的Upload、Download资源。

(2)计费说明

①计算资源(CU)收费:

服务开通生成订单时就需要预先付费,按套餐和购买时长进行收费。预留和非预留资源单价不一样。

②存储收费:

只收表(Table)存储的容量费用。且容量大小是压缩后的数据。每日按购买的套餐提供固定的存储量,超出的量另行计费

③数据上传、下载收费:

数据上传至MaxCompute为免费;仅对通过公网下载进行按量收费

 

二十五、总结

MaxCompute作为阿里云飞天大数据的核心数据仓库产品,有几大关键特性,第一,它是被阿里内部,以及云上众多客户广泛使用的可信赖平台;第二,它是满足数据平台在新时代技术变革的技术化需求,既能在一份数据上有多种计算化模型,满足BI,实时数仓,机械学习,数据湖等等多种使用场景的需要;第三,MaxCompute在长期的技术投入下有极高的性能和低成本,接入MaxCompute企业可以构建低成本,可持续发展的一个平台;第四,MaxCompute因为具有统一源数据和超大规模存储的能力,企业的数据可以集中一起通过统一的源数据和数据资产管理,能够在企业内部赋能每个企业中的员工,在安全共享的环境下去使用分析数据,也是阿里云的数据中台中最佳的技术底座。

1.MaxCompute -被广泛使用的可信赖的企业数据平台

2.MaxCompute -符合现代企业数字化需求的领先数据平台

3.MaxCompute -基于云的低成本、高效能的

4.MaxCompute -赋能数据驱动的组织变革,敏捷数据平台数据仓库/数据中台的理想技术底座

 

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
机器学习/深度学习 数据可视化 数据挖掘
探索大数据时代的关键技术:数据挖掘、可视化和数据仓库
探索大数据时代的关键技术:数据挖掘、可视化和数据仓库
1747 0
|
分布式计算 运维 数据挖掘
MaxCompute是一个强大的云数据仓库服务
【4月更文挑战第1天】MaxCompute是一个强大的云数据仓库服务
290 1
|
9月前
|
存储 SQL 机器学习/深度学习
一文辨析:数据仓库、数据湖、湖仓一体
本文深入解析数据仓库、数据湖与湖仓一体的技术原理与适用场景。数据仓库结构严谨、查询高效,适合处理结构化数据;数据湖灵活开放,支持多模态数据,但治理难度高;湖仓一体融合两者优势,实现低成本存储与高效分析,适合大规模数据场景。文章结合企业实际需求,探讨如何选择合适的数据架构,并提供湖仓一体的落地迁移策略,助力企业提升数据价值。
一文辨析:数据仓库、数据湖、湖仓一体
|
SQL 分布式计算 大数据
大数据新视界 --大数据大厂之Hive与大数据融合:构建强大数据仓库实战指南
本文深入介绍 Hive 与大数据融合构建强大数据仓库的实战指南。涵盖 Hive 简介、优势、安装配置、数据处理、性能优化及安全管理等内容,并通过互联网广告和物流行业案例分析,展示其实际应用。具有专业性、可操作性和参考价值。
大数据新视界 --大数据大厂之Hive与大数据融合:构建强大数据仓库实战指南
|
存储 分布式计算 大数据
数据仓库与数据湖在大数据架构中的角色与应用
在大数据时代,数据仓库和数据湖分别以结构化数据管理和原始数据存储见长,共同助力企业数据分析。数据仓库通过ETL处理支持OLAP查询,适用于历史分析、BI报表和预测分析;而数据湖则存储多样化的原始数据,便于数据探索和实验。随着技术发展,湖仓一体成为趋势,融合两者的优点,如Delta Lake和Hudi,实现数据全生命周期管理。企业应根据自身需求选择合适的数据架构,以释放数据潜力。【6月更文挑战第12天】
741 5
|
存储 分布式计算 大数据
大数据揭秘:从数据湖到数据仓库的全面解析
大数据揭秘:从数据湖到数据仓库的全面解析
470 19
|
存储 机器学习/深度学习 数据采集
深入解析大数据核心概念:数据平台、数据中台、数据湖与数据仓库的异同与应用
深入解析大数据核心概念:数据平台、数据中台、数据湖与数据仓库的异同与应用
|
消息中间件 存储 大数据
大数据-数据仓库-实时数仓架构分析
大数据-数据仓库-实时数仓架构分析
897 1
|
分布式计算 大数据 Hadoop
数据仓库(13)大数据数仓经典最值得阅读书籍推荐
从事数仓工作,在工作学习过程也看了很多数据仓库方面的数据,此处整理了数仓中经典的,或者值得阅读的书籍,推荐给大家一下,希望能帮助到大家。建议收藏起来,后续有新的书籍清单会更新到这里。
1585 2
数据仓库(13)大数据数仓经典最值得阅读书籍推荐
|
存储 SQL 分布式计算
MaxCompute 在大规模数据仓库中的应用
【8月更文第31天】随着大数据时代的到来,企业面临着海量数据的存储、处理和分析挑战。传统的数据仓库解决方案在面对PB级甚至EB级的数据规模时,往往显得力不从心。阿里云的 MaxCompute(原名 ODPS)是一个专为大规模数据处理设计的服务平台,它提供了强大的数据存储和计算能力,非常适合构建和管理大型数据仓库。本文将探讨 MaxCompute 在大规模数据仓库中的应用,并展示其相对于传统数据仓库的优势。
470 0