持续定义Saas模式云数据仓库+实时分析-阿里云开发者社区

开发者社区> 阿里巴巴大数据计算> 正文

持续定义Saas模式云数据仓库+实时分析

简介: 从实时分析的价值、场景和数据流程,以及用户对平台能力要求展开,讲述云数据仓库MaxCompute的产品能力优势 ,面对实时分析场景的能力演进要求。进而以实时分析典型场景的全数据流程处理、建模和分析的最佳实践,讲解MaxCopute+Hologres的解决方案,展现强强组合应的能力优势。

一、云数据仓库概述

数据仓库的定义是面向主题、集成性、稳定性和时变性,用于支持管理决策。 数据仓库的意义在于对企业的所有数据进行归集,为企业各个部门提供统一的, 规范的数据出口。
数据仓库(模型)本质是人收集和存储数据,认识数据,组织和管理数据,使用数据决策的最佳实践形成的方法论。 模型本身与在哪、用什么技术无关。 但逻辑模型和物理模型在最终方案中又是紧密结合的。用户需要的是数仓的业务能力和技术能力。

image.png

数据仓库的核心能力和价值包括:采集同步、加工、存储、建模、治理、查询。但是为了实现数据仓库的能力和价值必须要具备的基础包括: IDC机房、部署、开通、高可用、安全、日常运 维、扩容。这些构成了数仓总拥有成本。从各个角度看,总成本=核心能力成本+基础成本 =产品成本+服务成本 =当前成本+长期成本+演进成本。
MaxCompute是SaaS模式企业级云数据仓库。SaaS模式云数据仓库具有如下特点:• 开箱即用 • 大规模高性能 • 免运维、专家优化 • 灵活扩展 • 数据服务 • 丰富完善的数仓能力 • 高可用,容灾备份 • 极致安全 • 低成本 • 能力快速演进。能够为企业免去拥有数据仓库的基础建设成本、维护成本、长期演进成本等非核心能力之外的投入。

image.png

SaaS模式云数据仓库可能的应用场景举例如下:
• 实时数据入仓和分析决策
• 业务运营场景-交互式业务指标计算、查询
• 各行业搭建数据仓库-流批一体、湖仓一体  云上弹性扩展大数据计算和存储。

SaaS模式云数据仓库的产品优势包括:
• 云原生极致弹性:云原生设计,无服务器架构,支持秒级弹性伸缩, 快速实现大规模弹性负载需求
• 简单易用多功能计算:预置多种计算模型和数据通道能力,开通即用
• 企业级平台服务:支持开放生态,提供企业级安全管理能力。与阿里 云众多大数据服务无缝集成
• 安全:多租户环境下安全控制能力强
• 大规模集群性能强、全链路稳定性高,阿里巴巴双11场景验证。

SaaS模式云数据仓库推荐场景和产品组合例如:
• 实时分析场景-MaxCompute+MC-Hologres+Flink+DataWorks+Quick BI
• 机器学习场景-MaxCompute+PAI+DataWorks。等。
今天重点讲解实时分析场景。

image.png

云数据仓库包含的面向用户的功能和数据流程,如下图所示。开通MaxCompute云数仓即可拥有如下全部功能和能力。

image.png

二、实时分析场景与价值
再提一遍大数据的5V能力

1 容量(Volume) 是指大规模的数据量,并且数据量呈持续增长趋势。目前一般指超过10T规模的数据量,但未来随着技术的进步,符合大数据标准的数据集大小也会变化。
2 速率(Velocity) 即数据生成、流动速率快。数据流动速率指指对数据采集、存储以及分析具有价值信息的速度。因此也意味着数据的采集和分析等过程必须迅速及时。
3 多样性(Variety) 指是大数据包括多种不同格式和不同类型的数据。数据来源包括人与系统交互时与机器自动生成,来源的多样性导致数据类型的多样性。根据数据是否具有一定的模式、 结构和关系,数据可分为三种基本类型:结构化数据、非结构化数据、半结构化数据。
4 真实性(Veracity) 指数据的质量和保真性。大数据环境下的数据最好具有较高的信噪比。
5 价值(Value) 即低价值密度。随着数据量的增长,数据中有意义的信息却没有成相应比例增长。而价值同时与数据的真实性和数据处理时间相关,见图。
其中最关键的一点是:越接近数据源,越早进行分析和决策,越能发挥数据价值。

image.png

实时分析的场景可以用以下两个类比演化出来:
类比1:大酒店同时具备其他综合业务,发展出餐 饮(实时)业务,用以更好的发挥协同作用。
演化1:以数仓分析为主场景,根据业务实时性需 求进行实时分析,构建实时通道和实时交互式分析, 形成Lambda架构。

类比2:饭店从餐饮(实时)业务发展而来, 需要更好的外围支持作用,并向综合性发展。
演化2:以实时分析为主场景,形成流式架 构,又需要能从数仓快速提取数据,和数据 源回放,形成kappa架构,后续还要考虑实 时数据和模型如何入仓。

image.png

详细分析这两种演化场景如下:
以数仓分析为主场景,根据业务实时性需求进 行实时分析,构建实时通道和实时交互式分析, 形成Lambda架构 例如IOT设备监控分析,下发策略,设备接收 后上报新数据立即进行分析,对比之前的结果, 反复分析调优。
以实时分析为主场景,形成流式架构,又需要能从 数仓快速提取数据,和数据源回放,形成kappa 架构,后续还要考虑实时数据和模型如何入仓 例如欺诈监控,必须第一时间获取分析结论,并关 联标签精准识别,最后实时数据落入数仓与其他数 据融合形成知识。

image.png

进一步的,实时分析的主要能力要求如下:
1 应用生态:
• 开发者生态 • 丰富的API、SDK • BI工具无缝对接 • 流式处理工具和分布 式消息队列无缝对接。
2 极速查询响应:
• 毫秒级响应速度,轻 松满足客户海量数据 复杂多维分析需求 • 千万QPS点查 • 上千QPS简单查询。
3 实时存储:
• 亿级写入TPS • 写入即可查询。
4数仓查询加速:
• 直接分析 • 无数据搬迁 • 无冗余存储 • 统一权限。
5 联合计算:
• 统一建模方法 • 统一元数据 • 统一的管控治理体系 • 分层划域架构下的演 进和整合。

image.png

三、MaxCompute云数仓+实时分析

常见的Lambda架构有三大问题。
首先,一致性难题: • 两套代码,两套逻辑 • 流和批语义完全不同 • 离线层和实时层数据存储和变换方式完全不同。
第二,环环相扣、多套系统、运维复杂、成本高昂: • 多个不同的系统 • 大量的同步任务 • 资源消耗巨大 • 不同系统标准规范不统一。
第三,开发周期长、业务不敏捷: • 错误难以诊断和定位 • 修订、补数周期长 • 无法自助实时分析 • 无法响应变化 • 分析到服务的转化周期长。

image.png

以搜索推荐精细化运营的场景案例进行分析,开源方案的能力分散。如下图所示,KVStore,MPP,实时数仓,数仓具有多种能力,最好能有一种技术方案将多种能力统一于一个引擎。将存储、实时数仓、交互式分析、点查、OLAP分析等能力集于一身。MaxCompute Hologres即是这个产品和解决方案。

image.png

MaxCompute Hologres将实时分析的架构变得简单和高效。以实时分析为中心设计, Hologres能够实现实时写入和实时分析、查询。MaxCompute Hologres提出云原生HSAP架构中,一份数据同时用于实时分析、在线服务和实时离线数据统一存储,与SaaS模式云数据仓库MaxCompute完美结合。

image.png

另一种场景,MaxCompute Hologres可以作为云数据仓库MaxCompute分析加速能力模块和ADS层建模能力模块。无数据搬迁、数据分析效率高。ADS层建模+服务统一、OLAP增强,如下图所示。

image.png

再看kappa架构,Kappa架构是基于流式架构的升级,需要回放和关联数仓,后续还要考虑实时数据和模型如何入仓。开源方案实时数仓有以下问题:实时成本高、开发周期长、业务支持不灵活。
Kappa架构的原理就是在Lambda 的基础上进行了优化,将实时分析和流部分进行了合并,将数据 存储和通道以消息队列进行替代。因此对于Kappa架构来说,依旧以流处理为主,但是数据却在数据湖 层面进行了存储和简单建模,当需要进行离线分析或者再次计算的时候,则将数据湖的数据再次经过消息队 列重播一次。Kappa架构看起来简洁,但是施难度相对较高,尤其是对于数据回放部分。

image.png

如下图所示,MaxCompute Hologres可以将实时、离线、分析、服务一体化,做到了实时离线联合分析,冷热温三类数据全洞察。

image.png

四、实时分析案例

针对实时分析的常用场景,Saas模式云数据仓库MaxCompute在拥有了Hologres后提出了:实时、离线、分析、服务一体化方案。即前文描述的Lambda架构简化、交互查询增强、kappa架构增强,实时离线联合分析,冷热温三类数据全洞察的方案能力。
此方案适用于电商、游戏、社交等互联网行业数据化运营,如智能推荐、日志采集分析、用户画像、数据治理、业务大屏、搜索等场景。
方案优势:阿里巴巴最佳实践的大数据平台,1)技术领先性;2)降本提效;3)高附加值业务收益;
涉及产品: 日志服务SLS、数据传输DTS、DataHub、实时计算Flink、交互式分析、云数仓MaxCompute、数据治理DataWorks、Quick BI 报表、 DataV大 屏、ES搜索、机器学习PAI。

image.png

小影是一款原创视频、全能剪辑的短视频社区APP,面向大众提供短视频创作工具,包括视频剪辑、教 程玩法、视频拍摄,谷歌应用商城收入榜前五,全球累计用户突破8.9亿。

用户标签数据开发:客户通过 MaxCompute 针对每 天APP产生的客户基础属性数据、 行为日志数据、内容数据等进行 计算,每天离线更新用户标签的 数据,支持营销业务的使用。

用户画像实时洞察:客户基于MC离线计算好的用户标 签,通过MC-Hologres进行多标 签、多维度的实时分析,了解用户 属性标签与内容标签之间的关联性, 洞察交叉销售机会,并通过人群圈 选,进行APP消息PUSH。

实时视频推荐:客户通过Flink + MaxCompute +MC- Hologres +PAI搭建个性化 实时推荐系统,基于用户特征和实 时行为特征,实时推荐个性化的短 视频内容。

image.png

关键词:Saas模式,MaxCompute,云数据仓库,实时分析,交互式分析

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。

分享:
阿里巴巴大数据计算
使用钉钉扫一扫加入圈子
+ 订阅

阿里大数据官方技术圈

官方博客
链接