离线计算是什么?
离线计算:批量获取数据、批量传输数据、周期性批量计算数据、数据展示。
代表技术:Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据、***任务调度
1. hivesql 2. 调度平台 3. Hadoop集群运维 4. 数据清洗(脚本语言) 5. 元数据管理 6. 数据稽查 7. 数据仓库模型架构
流式计算是什么?
流式计算:数据实时产生、数据实时传输、数据实时计算、实时展示
代表技术:Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。
一句话总结:将源源不断产生的数据实时收集并实时计算,尽可能快的得到计算结果。
离线计算与实时计算的区别
最大的区别:实时收集、实时计算、实时展示
Storm是什么?
- Flume实时采集,低延迟
- Kafka消息队列,低延迟
- Storm实时计算,低延迟
- Redis实时存储,低延迟
Storm用来实时处理数据,特点:低延迟、高可用、分布式、可扩展、数据不丢失。提供简单容易理解的接口,便于开发。
Storm与Hadoop的区别
- Storm用于实时计算,Hadoop用于离线计算。
- Storm处理的数据保存在内存中,源源不断;Hadoop处理的数据保存在文件系统中,一批一批。
- Storm的数据通过网络传输进来;Hadoop的数据保存在磁盘中。
- Storm与Hadoop的编程模型相似
Job: 任务名称
JobTracker: 项目经理
TaskTracker: 开发组长、产品经理
Child: 负责开发的人员
Mapper/Reduce: 开发人员中的两种角色,一种是服务器开发、一种是客户端开发
Topology: 任务名称
Nimbus: 项目经理
Supervisor: 开组长、产品经理
Worker: 开人员
Spout/Bolt: 开人员中的两种角色,一种是服务器开发、一种是客户端开发
Storm应用场景及行业案例
Storm用来实时计算源源不断产生的数据,如同流水线生产。
运用场景
- 日志分析
从海量日志中分析出特定的数据,并将分析的结果存入外部存储器用来辅佐决策。 - 管道系统
将一个数据从一个系统传输到另外一个系统,比如将数据库同步到Hadoop - 消息转化器
将接受到的消息按照某种格式进行转化,存储到另外一个系统如消息中间件
典型案列
一淘-实时分析系统: 实时分析用户的属性,并反馈给搜索引擎
最初,用户属性分析是通过每天在云梯上定时运行的MR job来完成的。为了满足实时性的要求,希望能够实时分析用户的行为日志,将最新的用户属性反馈给搜索引擎,能够为用户展现最贴近其当前需求的结果。
携程-网站性能监控: 实时分析系统监控携程网的网站性能
利用HTML5提供的performance标准获得可用的指标,并记录日志。Storm集群实时分析日志和入库。使用DRPC聚合成报表,通过历史数据对比等判断规则,触发预警事件。
阿里妈妈-用户画像: 实时计算用户的兴趣数据
为了更加精准投放广告,阿里妈妈后台计算引擎需要维护每个用户的兴趣点(理想状态是,你对什么感兴趣,就向你投放哪类广告)。用户兴趣主要基于用户的历史行为、用户的实时查询、用户的实时点击、用户的地理信息而得,其中实时查询、实时点击等用户行为都是实时数据。考虑到系统的实时性,阿里妈妈使用Storm维护用户兴趣数据,并在此基础上进行受众定向的广告投放。