大数据平台经历了三种架构的演进:
(1)第一代:数仓架构:支持的场景有限,不适用于高阶复杂的查询分析场景,比如data science和ML场景;scale-out扩展能力差。
(2)第二代:数据湖+数仓架构:可支持多场景应用;多轮ETL,增加了延迟和出错概率,缺乏数据可靠性;支持的workload依然有限;数据冗余带来的存储开销更大。
(3)第三代:Lakehouse架构:支持所有结构的数据类型同时,也能针对各种分析场景提供支持;中间的元数据管理层尤为重要,它提供可靠的ACID事务,同时可以针对数据库操作提供性能优化。
以上内容摘自《Databricks数据洞悉》电子书,点击https://developer.aliyun.com/topic/download?id=8545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。
阿里云EMR是云原生开源大数据平台,为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎,计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。