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99篇原創(chuàng)
好幾位朋友在后臺留言，說要看看各大廠都是咋玩實(shí)時(shí)數(shù)倉的。其實(shí)，實(shí)時(shí)數(shù)倉和離線數(shù)倉在模型設(shè)計(jì)的時(shí)候是一樣一樣的，只是需要計(jì)算引擎和存儲不太一樣而已。然后再解決實(shí)時(shí)計(jì)算場景中的幾個(gè)問題就齊了。今天給大家分享實(shí)時(shí)數(shù)倉的架構(gòu)。
目前實(shí)時(shí)架構(gòu)方法是Lambda和Kappa。
1、Lambda 架構(gòu)
Lambda架構(gòu)核心就三個(gè)：批數(shù)據(jù)處理層、流數(shù)據(jù)處理層和服務(wù)層。批數(shù)據(jù)處理層應(yīng)對歷史長時(shí)間數(shù)據(jù)計(jì)算，流數(shù)據(jù)處理層應(yīng)對短時(shí)間實(shí)時(shí)數(shù)據(jù)計(jì)算。如果一個(gè)需求要?dú)v史到當(dāng)前所有數(shù)據(jù)的累加結(jié)果，那就在服務(wù)層將兩部分?jǐn)?shù)據(jù)進(jìn)行累加就好了。
Lambda架構(gòu)需要維護(hù)兩套計(jì)算引擎，如果需要?dú)v史到現(xiàn)在實(shí)時(shí)數(shù)據(jù)的累加，則需要在兩邊同時(shí)做相同的計(jì)算，然后還得加總一下，非常麻煩。因此就有了最近非常火熱的Kappa架構(gòu)。
appa 架構(gòu)
Kappa架構(gòu)的設(shè)計(jì)很有意思。Lambda架構(gòu)反正還是分離線和實(shí)時(shí)兩部分的，所以可以從離線庫和實(shí)時(shí)消息隊(duì)列取數(shù)，分別計(jì)算后，在服務(wù)層加總就可以了。
Kappa的設(shè)計(jì)理念是：干脆不要離線了，全部都進(jìn)行流式計(jì)算。流式計(jì)算的數(shù)據(jù)來源是消息隊(duì)列，那我把所有需要計(jì)算的數(shù)據(jù)放在消息隊(duì)列里就好了，然后讓流計(jì)算引擎計(jì)算所有數(shù)據(jù)不就好了？
因?yàn)樗袛?shù)據(jù)都存在Kafka，上面接Flink批流一體數(shù)據(jù)處理引擎將kafka的數(shù)據(jù)計(jì)算好存在服務(wù)層的table n中。如果需求有變化了，就講kafka的offset調(diào)整一下，F(xiàn)link則重啟一個(gè)任務(wù)重新計(jì)算，存在table N+1中，當(dāng)N+1的數(shù)據(jù)進(jìn)度趕上table n了，就停掉table n的任務(wù)。
最后對比一下兩種架構(gòu)的優(yōu)劣勢：
沒有最好的架構(gòu)，只有最合適的架構(gòu)。目前雖然流批一體的Kappa架構(gòu)是最新最火的架構(gòu)模式，但是絕大多數(shù)大廠現(xiàn)在仍然采用批流分離的Lambda架構(gòu)。Lambda架構(gòu)的問題不僅是要維護(hù)兩套代碼，更關(guān)鍵的是這兩套代碼跑出來的數(shù)據(jù)壓根就不一致！誤差率再少，乘以一個(gè)很大的基數(shù)，這差別就大了。我關(guān)注到微信公眾號后臺的實(shí)時(shí)數(shù)據(jù)和離線結(jié)果就不一樣，應(yīng)該就是用的Lambda架構(gòu)。
不是因?yàn)榧夹g(shù)能力不行，而是因?yàn)镵appa也有他的一些問題，在批處理上比較弱，數(shù)據(jù)回溯也比較費(fèi)勁，所有應(yīng)用場景有限。即便Kappa能解決這些問題，想要全面替換原有體系，也是需要時(shí)間和人力成本的。
所以即便是用了Flink，也都是作為Lambda架構(gòu)中流式計(jì)算的一個(gè)分支，或者在特定場景中才使用流批一體。
不管是Lambda還是kappa架構(gòu)，實(shí)時(shí)計(jì)算都需要有數(shù)據(jù)源、數(shù)據(jù)通道、實(shí)時(shí)計(jì)算引擎和存儲引擎這幾個(gè)部分。
數(shù)據(jù)源基本都是各種日志，有些時(shí)候也需要讀取一些離線存儲的數(shù)據(jù)，比如各種維度信息等。
數(shù)據(jù)通道基本就是Kafka、RocketMQ等消息中間件。
實(shí)時(shí)計(jì)算引擎目前只有Storm、SparkStreaming和Flink。
存儲就比較多了，分為類型也不一樣，可以分為面向查詢的各種存儲、面向維度分析的OLAP、面向大型應(yīng)用的數(shù)據(jù)湖。
所有的組件都已經(jīng)給你梳理了一下，供各位參考：
這里重點(diǎn)說一下存儲。如果算完之后直接接大屏等應(yīng)用，建議用redis；如果要快速查詢，建議接Hbase、ES等，如果還有后續(xù)操作，建議扔kafka里，如果要結(jié)構(gòu)化落地，建議MySQL里。
如果要接OLAP，做多維分析，可以在OLAP里選，準(zhǔn)實(shí)時(shí)多維用Impala、GP、Presto、Doris、kudu等都行，大寬表就用ES、CK、Druid。
如果要接后續(xù)大量應(yīng)用，就用數(shù)據(jù)湖，目前基本就Hudi、IceBerg、Delta三種，字節(jié)用Hudi，騰訊在推IceBerg。
其實(shí)OLAP還有一個(gè)比較出名的Kylin，但是這玩意要預(yù)計(jì)算，實(shí)在不太適合實(shí)時(shí)數(shù)倉，所以就沒列。
另外，超大廠還會自研一些組件，比如阿里的Hologres，滴滴的ddmq，美團(tuán)的celler、mkafka等，這就不往里寫了，沒有參考意義。
美團(tuán)外賣實(shí)時(shí)數(shù)倉選型及分層架構(gòu)：
美團(tuán)的這張圖看起來很舒暢，數(shù)據(jù)源是各種log，通過消息隊(duì)列（kafka、mafka）流向?qū)崟r(shí)和準(zhǔn)實(shí)時(shí)兩條線，實(shí)時(shí)用Flink、Storm，最后扔到redis、durid、Hbase里面，準(zhǔn)實(shí)時(shí)用Doris。詳情可見附件。
字節(jié)跳動實(shí)時(shí)數(shù)倉選型及分層架構(gòu)：
其實(shí)每個(gè)大廠都會嘗試很多技術(shù)。比如字節(jié)就有批、微批和流式三種處理。字節(jié)的實(shí)時(shí)走的是Flink，整個(gè)架構(gòu)采用Lambda。
有贊實(shí)時(shí)數(shù)倉選型及分層架構(gòu)：
有贊用的是kafka+Storm/Flink+Druid/Redis/Hbase的架構(gòu)，而且有贊的這篇文章詳細(xì)的闡述了實(shí)時(shí)數(shù)倉的迭代過程，很有參考意義。
這里就不再多放了，至于實(shí)時(shí)數(shù)據(jù)湖，目前也沒幾個(gè)能用上的，我就直接忽略了。感興趣的可以下載文檔自己研究一下。
實(shí)時(shí)數(shù)倉的建模邏輯跟普通數(shù)倉建模邏輯一樣一樣，該分領(lǐng)域分領(lǐng)域，該分主題分主題，該分幾層分幾層，該建款表建款表，該做多維做多維。
變化的是原有的數(shù)據(jù)落地變成不落地，所以要解決各種流式數(shù)據(jù)中會面臨到的各種問題。
數(shù)據(jù)源我們沒有太多的可選范圍，基本上就是Kafka、RocketMQ等消息中間件；
計(jì)算引擎建議SparkStreaming或者Flink，相比前者，Storm不太友好。如果你公司現(xiàn)在就有Storm，可以參考58和字節(jié)，用Flink-Strom，做一些開發(fā)工作，直接兼容。
存儲引擎就根據(jù)前端的應(yīng)用來選擇了，前面有介紹，我這里就不重復(fù)了。
最后，給大家總結(jié)了一下各大廠實(shí)時(shí)數(shù)倉的建設(shè)架構(gòu)：
還有東西都給您準(zhǔn)備好了，后臺回復(fù)“實(shí)時(shí)數(shù)倉”即可下載全部資料。
配合以下文章享受更佳
干貨 | 什么才叫做懂業(yè)務(wù)？分析的5個(gè)層次
一口氣系列 | 一口氣說透大數(shù)據(jù)計(jì)算引擎
一口氣系列 | 一口氣講完數(shù)據(jù)倉庫建模方法
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(bào)
我們致力于提供一個(gè)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(duì)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(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)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(jià)；
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(yàn)、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(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)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(yàn)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(cuò)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(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)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(bào)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(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，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(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)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)