很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
大數(shù)據(jù)架構(gòu)的設(shè)計方案需要考慮多個方面，包括數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)傳輸、數(shù)據(jù)安全等。但此處我們不考慮過多，僅以題目的限制，討論下較簡易的架構(gòu)設(shè)計。
1. 字段和數(shù)據(jù)都頻繁變化就不太適合設(shè)計鏈路過長和復(fù)雜的架構(gòu)，后續(xù)維護這種架構(gòu)會非常麻煩。但同時也不能過于簡單，也要有一定的分層架構(gòu)，不然耦合性太高，一旦源業(yè)務(wù)系統(tǒng)的業(yè)務(wù)規(guī)則發(fā)生變化將會影響整個數(shù)據(jù)清洗過程，并且對處理后的公共數(shù)據(jù)利用率也較低。
2. 同時考慮字段頻繁變化，后續(xù)數(shù)據(jù)存儲時就要選擇列可以隨意增減，或者列增減成本不高的存儲方案。我們考慮以上情況，發(fā)現(xiàn)Kappa架構(gòu)還是較符合的，整體流程如圖1
從源系統(tǒng)同步過來的數(shù)據(jù)落到ODS層，但是要注意采集數(shù)據(jù)時需要能捕獲到源系統(tǒng)表結(jié)構(gòu)的變更，可以采用Flink CDC等。
ODS層的數(shù)據(jù)落到Kakfa中，設(shè)置一個較長的保存周期。kafka直接作為數(shù)倉的存儲層，優(yōu)點是不關(guān)心數(shù)據(jù)的格式，不管源系統(tǒng)字段怎么變，都可以用JSON、Avro、Protobuf等格式存儲，并且可以輕松地擴展，可以處理大量數(shù)據(jù)，達(dá)到高吞吐量和低延遲。同時可以實時數(shù)據(jù)處理，可以將多個數(shù)據(jù)源匯聚到同一個Kafka主題中，方便在數(shù)倉中使用。
注：Avro和Protobuf都是二進制數(shù)據(jù)序列化格式，相比于JSON這種文本格式，它們在存儲和傳輸時更加緊湊，解析和序列化效率更高。Avro和Protobuf更適用于大數(shù)據(jù)量、復(fù)雜數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)結(jié)構(gòu)變化頻繁的場景。
ODS層數(shù)據(jù)直接使用Flink進行清洗，加工等操作，將數(shù)據(jù)同步到DWD層，DWD的數(shù)據(jù)是比較規(guī)整的明細(xì)數(shù)據(jù)。
DWD層的數(shù)據(jù)也同樣落到Kafka中，使用Flink做一些關(guān)聯(lián)，輕聚合等操作，把可以直接對外使用的或者分析的數(shù)據(jù)落到DWS層。
DWS層的數(shù)據(jù)不適合落到Kafka中，因為DWS的數(shù)據(jù)需要進行數(shù)據(jù)分析、對外等，所以DWS層的存儲最好是能支持SQL，即系查詢分析等，以方便其他人員使用，同時還要支持字段頻繁變更的需求。所以可以使用Kudu，與impala進行整合，就可以使用SQL對數(shù)據(jù)進行實時OLAP分析。
上面的架構(gòu)中間層的數(shù)據(jù)落到Kafka雖然有很多優(yōu)勢，但是Kafka本身不是一個數(shù)據(jù)庫，不支持SQL查詢，也不支持?jǐn)?shù)據(jù)的索引和聚合，因此在數(shù)據(jù)分析方面的能力有限。另外Kafka是一個基于事件的系統(tǒng)，不同于傳統(tǒng)的基于事實表和維度表的數(shù)據(jù)倉庫建模方式，因此需要對數(shù)據(jù)的建模和ETL流程進行重新設(shè)計和開發(fā)。
Kafka的存儲方式是基于主題分區(qū)的，每個分區(qū)的數(shù)據(jù)按時間順序進行排序，因此也不適合存儲需要復(fù)雜查詢和復(fù)雜關(guān)聯(lián)的數(shù)據(jù)。
所以在數(shù)據(jù)存儲方面看看能不能有更好的替代kafka的方式。基于數(shù)據(jù)刷新頻繁，字段變更頻繁，需要找一個支持行級數(shù)據(jù)刪除或更新及表的Schema變更非常容易的框架。大部分?jǐn)?shù)倉都難以實現(xiàn)較為高效的行級數(shù)據(jù)刪除或更新，通常需要啟動離線作業(yè)把整個表原始數(shù)據(jù)讀取出來，然后變更數(shù)據(jù)后，寫入到一個原始表，顯然不符合需求。
目前數(shù)據(jù)湖技術(shù)發(fā)展非常迅速，iceberg可以較好的支持上述需求。iceberg成功把變更數(shù)據(jù)的范圍從表級別縮小到了文件級別，從而可以通過局部變更來完成業(yè)務(wù)邏輯的數(shù)據(jù)變更或刪除。并且iceberg在變更表結(jié)構(gòu)的時候，歷史數(shù)據(jù)并不需要全部重新按照新的Schema導(dǎo)出一份，從而使得Schema變更的速度非常快。同時，由于iceberg支持ACID，有效地隔離了Schema變更對現(xiàn)有讀取任務(wù)的影響，從而使得可以讀取到結(jié)果一致的數(shù)據(jù)。
iceberg是介于上層計算引擎和底層存儲格式之間的一個中間層，我們可以把它定義成一種“數(shù)據(jù)組織格式”，底層存儲還是HDFS。
整體架構(gòu)如圖2所示，把kafka換成iceberg，同時最后借助Doris/Presto等OLAP引擎來實現(xiàn)數(shù)據(jù)湖的分析。
同時圖2展示的也是一個流批結(jié)合的實時數(shù)倉。之后對于日志類實時特征，實時大屏類應(yīng)用走實時流計算。對于Binlog類業(yè)務(wù)分析走實時OLAP批處理。
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)