流式计算 Spark Streaming 如何应用?
流式计算 Spark Streaming 主要用于实现实时的报表以及实时特征的计算。因为业务的主要要求是必须稳定并且能够实现 7*24 小时的可用。可以接受秒级延迟,比如广告投出去了,晚 10 秒钟展现在报表里也是没问题的。可根据吞吐量横向扩展,比如突然新接了几家 SSP,突然变得流量很大,不能在个时候让系统挂掉。
此外,因为业务在全球都有,所以需要全球的聚合任务,需要通过一个平台看到各个国家的数据。Nox 选择的方案就是:Spark Streaming 能够将上面几项需求全部满足,另外就是配合 Kafka、RDS 以及 Redis 做输出。在部署上面,需要实现小集群独占,这里所用到的就是阿里云 EMR,其可以帮助客户托管集群,Nox 只需要在阿里云EMR 上面申请一个小集群,比如三到五台机器,这些机器申请之后就不再释放掉了,会一直独占着,并且 7*24 小时地跑流式计算任务。
原始日志压缩流式回传,这个是因为 Nox 在各个数据中心都有 Bidder 或者 Pixel 的服务,会产生很多数据,之前的一种方案是在每个中心先将数据计算成半成品,之后在进行回传,这样所用的带宽就会比较小,但是如果采用这样方案,那么所有的功能都需要开发两套,在本地先计算,之后传回来再进行聚合计算,这样就会比较复杂,因此最终决定将日志进行压缩,以流式方式进行回传,这样的方案在验证之后发现所占的带宽不是很大,而因为是流式传输,因此带宽也比较平稳,虽然这里所用的带宽属于高速通道带宽,因此成本也可以接受。而压缩则使用了 Kafka,其是能够支持压缩协议的。此外,中心节点部署能够方便开发。
以上内容摘自《5天入门视觉AI》电子书,点击https://developer.aliyun.com/topic/download?id=31可下载完整版
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
MaxCompute(原ODPS)是一项面向分析的大数据计算服务,它以Serverless架构提供快速、全托管的在线数据仓库服务,消除传统数据平台在资源扩展性和弹性方面的限制,最小化用户运维投入,使您经济并高效的分析处理海量数据。