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）
這是彭文華的第134篇原創(chuàng)
一般公司的大數(shù)據(jù)基本都是這個樣子：底層是HDFS存儲各種文件，上面架設(shè)Hive建設(shè)數(shù)倉，解決多維分析的需要。對于一些明細(xì)數(shù)據(jù)快速查詢的需求，Hive其實(shí)非常不友好，慢的很。所以一般來說又會把Hive里處理好的明細(xì)數(shù)據(jù)倒一份到HBase里，解決明細(xì)數(shù)據(jù)查詢的需求。
這下問題就來了，一套數(shù)據(jù)存兩個地方，且不說浪費(fèi)存儲空間的事情，就單說讓兩套數(shù)據(jù)同步，就是個麻煩事。萬一沒同步了，還會出現(xiàn)兩邊數(shù)據(jù)不一樣，運(yùn)營拿著沖突的數(shù)據(jù)上來詰問的時候我們該咋弄？
我們知道Hive是基于HDFS的一種數(shù)據(jù)倉庫工具，做了很多易用性的優(yōu)化，把復(fù)雜的MapReduce簡化成了對數(shù)據(jù)工程師非常友好的SQL。但是玩過HDFS的同學(xué)都知道，這是一個文件系統(tǒng)啊。文件系統(tǒng)就意味著要查一條記錄得把某個文件打開，然后順序往下讀，這速度可想而知。Hive是直接映射HDFS的文件做成表，那就得按照HDFS的套路來。所以不是Hive不想支持實(shí)時查詢的功能，實(shí)在是臣妾做不到啊！
而且，仍然是由于基于HDFS，Hive想對某條數(shù)據(jù)進(jìn)行修改，也就成為不太可能了。所以Hive天然是一個面向歷史、擅長批數(shù)據(jù)處理的數(shù)據(jù)倉庫工具。所以Hive的應(yīng)用場景其實(shí)非常有限。
HBase雖然也是基于HDFS的，但是HBase實(shí)質(zhì)是是一個KV數(shù)據(jù)庫。它在底層設(shè)計的時候就做了大量的查詢優(yōu)化設(shè)計。比如Trailer、布隆過濾器、三級索引的設(shè)置。
這個Trailer的設(shè)計很有意思，他是用來找數(shù)據(jù)用的。里面存儲了總偏移量、每個kv的大小、第一個數(shù)據(jù)塊的偏移量和最后一個偏移量。這就可以用來快速尋址，找到數(shù)據(jù)所在的存儲地址。配合索引和布隆過濾器，就能超快速鎖定Data Block中的kv值。
所以我們回頭看一下，Hive的存儲方式，其實(shí)就是數(shù)據(jù)結(jié)構(gòu)中四大存儲方式中的順序存儲，而HBase就是另外一種：散列存儲，類似于鏈?zhǔn)酱鎯?。這倆天然一個擅長大批量操作，一個擅長快速查詢。這玩意的毛病是從骨子里帶出來的，這咋解？
其實(shí)還是有解的。經(jīng)驗豐富的你應(yīng)該知道這個方法。既然HBase和Hive都是基于HDFS的，只不過HBase的存儲結(jié)構(gòu)比較巧妙，那能不能把數(shù)據(jù)放在HBase的表里，然后Hive引用HBase的表作為外表呢？這樣既不影響HBase的快速查詢，又能讓Hive基于同一個表進(jìn)行批量數(shù)據(jù)的操作？這當(dāng)然可以！
這個解決方案很好的解決了兩個問題：
1、數(shù)據(jù)冗余問題，原來要存兩份，現(xiàn)在一份就行了；
2、高時延問題，原來數(shù)據(jù)到Hbase和到Hive得需要分別跑，現(xiàn)在不需要了；
同時，也順帶解決了兩份數(shù)據(jù)帶來的運(yùn)維復(fù)雜、數(shù)據(jù)不一致等一系列問題，這也就成為了大數(shù)據(jù)平臺的通用架構(gòu)之一。
但是這畢竟是兩個組件融合起來，仍然存在各種亂七八糟的問題。比如上來就會遇到版本兼容的問題，煩死個人。
但是這還好解決，不行就換個版本吧。但是你看看上面那個圖，Hive的數(shù)據(jù)源變成HBase了，相當(dāng)于HBase不僅要承擔(dān)本身查詢的任務(wù)，還要面對Hive過來的N多批處理的請求，增加了非常多的壓力。每個Hive的MapReduce任務(wù)都會啟動N個Handler去連接HBase，HBase還不被煩死了。而且這勢必又會降低HBase原有的高速查詢的效率。
另外，HBase畢竟是列式存儲，在表設(shè)計的時候，就跟Hive不一樣，所以表映射的時候會有非常多的限制。數(shù)據(jù)倉庫工程師會非常不習(xí)慣這種轉(zhuǎn)來轉(zhuǎn)去的感覺，讓人非常難受。
所以，有沒有更好的解決方案呢？
Cloudera公司發(fā)現(xiàn)了這個巨大的問題，發(fā)現(xiàn)這是一個打造一個好產(chǎn)品的巨大潛在機(jī)會?。∮谑窃?/span>其他人都在研究怎么用HBase和Hive融合的時候，他們就在悄**的搞研發(fā)。他們的定位就是“Fast Analytics on Fast Data。一幫牛人搞了多久呢？3年，就出來了這么個玩意。
”
一個兼具HBase和Hive長處的Kudu！
不過，想要兼具二者的長處，規(guī)避二者的短處，可不是那么簡單的 事情！因為二者的缺陷是與生俱來的。也就是說，想要規(guī)避一個不能快速查詢，一個不能批量操作，那就不能基于HDFS和HBase的任何一種數(shù)據(jù)存儲形式，得另起一個。所以Kudu就自己整了一套：
玩數(shù)倉或者數(shù)據(jù)庫的同學(xué)看到這個就會親切不少。因為里面很多單詞是非常熟悉的，比如table、Undo、Redo等。這些都是從關(guān)系型數(shù)據(jù)庫中沿用過來的。因為有這些設(shè)計，所以Kudu是能夠支持?jǐn)?shù)據(jù)的刪改操作的。
這里有個小細(xì)節(jié)，Table下面是Tablet，這其實(shí)是Kudu為了適應(yīng)分布式而專門設(shè)計的，一個表會拆成N個tablet，散放在各個節(jié)點(diǎn)中。
既然底子類似于關(guān)系型數(shù)據(jù)庫，那么與Hive類似的數(shù)據(jù)批處理肯定就沒問題了。
但是查詢咋辦？
注意看上圖最左側(cè)第一行，叫“BloomFile”，第二行是“AdhocIndex”。第一個其實(shí)就是布隆過濾器的應(yīng)用，第二個就是查詢索引了。同時，在每個tablet的MetaData里也會布隆過濾器和索引。這樣就能快速判斷某個數(shù)據(jù)是否在這個tablet、DiskRowSet中了。查詢也是嗷嗷快的。
Kudu貌似看上去很好，但是千萬不要迷信哈。也有幾個不太好的地方：
1、查詢不如HBase，官方自己都說，如果要追求快速查詢還得用HBase；
2、應(yīng)對數(shù)據(jù)更新，Kudu需要額外投入資源，所以裝Kudu的機(jī)器時不時會抽風(fēng)；
3、必須要有且走主鍵，非主鍵超級吃CPU；
4、設(shè)計的時候需要同時考慮更多。
因為沒有自增主鍵，所以建議用類似UUID的解決方案，用雪花算法搞定主鍵。
設(shè)計的時候需要考慮分區(qū)策略，存儲的時候規(guī)避熱點(diǎn)存儲問題，計算的時候也同樣可以規(guī)避數(shù)據(jù)傾斜問題。之前分享過怎么解決數(shù)據(jù)傾斜，方法其實(shí)是一樣的：
隨機(jī)分區(qū)：每個區(qū)域的數(shù)據(jù)基本均衡，簡單易用，偶爾出現(xiàn)傾斜，但是特征同樣也會隨機(jī)打散。
輪詢分區(qū)：絕對不會傾斜，但是需要提前預(yù)知分成若干份，進(jìn)行輪詢。
hash散列：可以針對某個特征進(jìn)行hash散列，保證相同特征的數(shù)據(jù)在一個區(qū)，但是極容易出現(xiàn)數(shù)據(jù)傾斜。
范圍分區(qū)：需要排序，臨近的數(shù)據(jù)會被分在同一個區(qū)，可以控制分區(qū)數(shù)據(jù)均勻。
不過Kudu只支持范圍、Hash、多級三種分區(qū)方式。Kudu很有意思，他支持組合分區(qū)。比如這樣：
Hash分區(qū)的優(yōu)勢在于超高寫入吞吐量，預(yù)先設(shè)置的范圍分區(qū)可避免 tablet 無限增長的問題；兩者結(jié)合，那是強(qiáng)強(qiáng)聯(lián)手，非常有意思。
Kudu畢竟還是一個存儲系統(tǒng)，雖然提供了接口供我們使用，但是得用Java寫?。?shù)倉同學(xué)是不是要哭了？
別著急！早就有解決方案了。那就是Kudu+Impala，雙劍合并。kudu負(fù)責(zé)數(shù)據(jù)存儲，Impala負(fù)責(zé)計算和SQL友好，你看，多棒啊~~~
最后用一個簡單的架構(gòu)演進(jìn)圖收尾吧：
擴(kuò)展閱讀：kudu的相關(guān)信息可以在Apache官網(wǎng)可以找到，我手上有一份網(wǎng)易大佬分享的實(shí)戰(zhàn)經(jīng)驗，各位可以參考一下。“大數(shù)據(jù)架構(gòu)師”公眾號后臺回復(fù)“kudu”即可下載。
配合以下文章享受更佳
干貨 |傳統(tǒng)數(shù)據(jù)倉庫轉(zhuǎn)型最佳利器：Kylin！
剖析 | MapReduce全流程【附調(diào)優(yōu)指南】
我需要你的轉(zhuǎn)發(fā)，愛你喲
本文為作者獨(dú)立觀點(diǎn)，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(diǎn)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(shí)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(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)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(jìn)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(hù)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(jìn)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(yù)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(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動實(shí)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(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)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(yáng)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(yù)、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(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)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(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)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(jìn)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(jìn)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(diǎn)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(jìn)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(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯誤或者造謠等內(nèi)容；
2)存在事實(shí)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(jī)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(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)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(yùn)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(shí)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(fèi)、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(diǎn)」、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(jìn)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(hù)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(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)