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(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥(niǎo)哥筆記小羽毛（ngbjxym）
這是我的第75篇原創(chuàng)
這算是今年參加的第二場(chǎng)線下活動(dòng)。最近活動(dòng)略密集啊，之前報(bào)名的三個(gè)活動(dòng)全趕一塊了，只好選擇最感興趣的貝殼來(lái)看看。貝殼總算沒(méi)有讓我失望，全部都是我喜歡的內(nèi)容。貝殼CTO線也是把家底都抖摟出來(lái)了，5位負(fù)責(zé)人分別分享了大數(shù)據(jù)平臺(tái)、OLAP平臺(tái)、DMP平臺(tái)、推薦平臺(tái)和算法中臺(tái)的架構(gòu)演進(jìn)之路。
全程干貨滿滿，收獲頗豐。其中很多經(jīng)驗(yàn)，對(duì)于從0開(kāi)始的公司來(lái)說(shuō)，非常有借鑒意義。
今天給大家搬運(yùn)一下《貝殼一站式大數(shù)據(jù)開(kāi)發(fā)平臺(tái)實(shí)踐》，文末有ppt下載。由于本人拍照技術(shù)渣，沒(méi)法解決大屏熒光的問(wèn)題，所以圖片不太好看，還請(qǐng)見(jiàn)諒。
先把大數(shù)據(jù)開(kāi)發(fā)平臺(tái)實(shí)踐的分享人貼出來(lái)鎮(zhèn)樓。
貝殼的大數(shù)據(jù)平臺(tái)主要的數(shù)據(jù)源可以分為三類：
人：賣家（業(yè)主）、買家（買房的、租房的）、經(jīng)紀(jì)人；
物：樓盤(pán)字典，之前我分享的文章里介紹過(guò)（文末有鏈接），貝殼08年就弄了一個(gè)團(tuán)隊(duì)專門(mén)整樓盤(pán)主數(shù)據(jù)，建了一個(gè)2億套房子的樓盤(pán)字典，給每套房子都編了唯一的ID，這不就是數(shù)據(jù)中臺(tái)的ONE ID么
；
行為：線上瀏覽行為、線下溝通、看房、談判等各種行為。
對(duì)于大數(shù)據(jù)平臺(tái)來(lái)說(shuō)，最重要的能力就是低成本、快速、準(zhǔn)確的為各個(gè)部門(mén)提供各種形式的數(shù)據(jù)。但是如同每個(gè)公司一樣，貝殼也是不斷演進(jìn)的。
其實(shí)這也符合架構(gòu)的原理：夠用就行，適度超前。畢竟?jié)M足業(yè)務(wù)需求是第一要?jiǎng)?wù)，跟產(chǎn)品的MVP（最小可行產(chǎn)品，Minimum Viable Product）原則一致。現(xiàn)在很多公司搞大數(shù)據(jù)的套路是先找一個(gè)總監(jiān)，總監(jiān)再找一個(gè)架構(gòu)師，然后瞅準(zhǔn)最先進(jìn)的數(shù)據(jù)中臺(tái)搞。這種公司各位最好有多遠(yuǎn)躲多遠(yuǎn)。
西門(mén)吹稅同學(xué)，祝好！
貝殼最早的大數(shù)據(jù)開(kāi)發(fā)平臺(tái)，非常的簡(jiǎn)單粗暴。經(jīng)典的Kafka+Sqoop+HDFS+Hive，任務(wù)調(diào)度用Ooize，處理完之后的數(shù)據(jù)放在MySQL中，報(bào)表平臺(tái)直接讀取MySQL的數(shù)據(jù)做展示。
大家不要覺(jué)得這個(gè)很Low，其實(shí)這套架構(gòu)足夠一個(gè)中小型公司用好久好久了?；旧险幸粋€(gè)中級(jí)大數(shù)據(jù)工程師，帶倆初級(jí)工程師，加一個(gè)報(bào)表工程師，能抗很久。
貝殼的同學(xué)很實(shí)在，把每個(gè)架構(gòu)的優(yōu)缺點(diǎn)都羅列出來(lái)了，我就不贅述了。
架構(gòu)的演進(jìn)要么是有高手前瞻性的規(guī)劃，要么就是痛苦到被迫改進(jìn)。我認(rèn)為貝殼兩方面的因素都有，判斷有高手的原因是貝殼這次的5個(gè)負(fù)責(zé)人分享的時(shí)候都共同提到了架構(gòu)的核心思想，所以他們內(nèi)部應(yīng)該有比較好的技術(shù)分享氛圍和合作基礎(chǔ)；判斷被迫改進(jìn)的原因是貝殼發(fā)展太快了，即便是有鏈家的基礎(chǔ)，對(duì)于**而來(lái)的復(fù)雜業(yè)務(wù)和海量需求，應(yīng)該也是非常痛苦的。
從這一版的大數(shù)據(jù)架構(gòu)可以看到，整體是按照l(shuí)ambda的框架進(jìn)行搭建的。增加了實(shí)時(shí)處理部分，用Storm、SparkStreaming處理后直接丟給Hbase，用API對(duì)外提供實(shí)時(shí)數(shù)據(jù)服務(wù)。
對(duì)比上一版，這邊對(duì)數(shù)據(jù)處理這邊做了很多改進(jìn)，建了數(shù)倉(cāng)和即時(shí)查詢引擎，加了數(shù)據(jù)產(chǎn)品對(duì)外提供自助式查詢和分析的服務(wù)。不過(guò)這ROLAP沒(méi)太看明白，直接用MySQL+Rest API？這效率沒(méi)法看了吧？
MOLAP主要用的是Kylin，后面的OLAP平臺(tái)會(huì)仔細(xì)講，貝殼是Kylin的深度用戶。
這個(gè)架構(gòu)看起來(lái)是不是就有數(shù)據(jù)中臺(tái)的意思了？值得注意的是，貝殼也開(kāi)始嘗試TiDB了，這應(yīng)該也是大趨勢(shì)。數(shù)據(jù)接入方面，開(kāi)始用阿里的dataX、DataBus等產(chǎn)品，可視化那邊自建了一個(gè)奧丁，數(shù)據(jù)開(kāi)放也增加了數(shù)據(jù)交換和數(shù)據(jù)訂閱，管理層面增加了元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量和數(shù)據(jù)權(quán)限?；旧蠑?shù)據(jù)中臺(tái)的基礎(chǔ)層面就已經(jīng)比較完善了。所以在這一版中，大量的增加了可視化編程工具，簡(jiǎn)化開(kāi)發(fā)流程；增加了大量的管理工具和自動(dòng)化運(yùn)維工具，進(jìn)行了數(shù)據(jù)標(biāo)準(zhǔn)化和質(zhì)量管控，對(duì)外開(kāi)放了大量的數(shù)據(jù)，實(shí)現(xiàn)了數(shù)據(jù)資產(chǎn)盤(pán)活。
數(shù)據(jù)管理沒(méi)啥好說(shuō)的，誰(shuí)家的都一樣。不過(guò)我對(duì)貝殼的房源主數(shù)據(jù)-樓盤(pán)字典是真的很感興趣，這個(gè)絕對(duì)是大殺器?，F(xiàn)場(chǎng)提了一個(gè)關(guān)于樓盤(pán)字典融合的問(wèn)題，可惜宗強(qiáng)不是這個(gè)組的，沒(méi)詳細(xì)解答。
早期的數(shù)據(jù)集成都是特別粗暴的Sqoop和kafka任務(wù)，那玩意誰(shuí)用誰(shuí)知道，維護(hù)簡(jiǎn)直是要了親命了?，F(xiàn)在改用DataX、DataBus等工具，效率杠杠的。不過(guò)介紹這張片子的時(shí)候，宗強(qiáng)說(shuō)他們能自動(dòng)接入新庫(kù)和新表，數(shù)據(jù)結(jié)構(gòu)變化也能自動(dòng)同步。這點(diǎn)就有意思了，技術(shù)上好處理，先讀一下業(yè)務(wù)庫(kù)的數(shù)據(jù)結(jié)構(gòu)就行了。但是在跟業(yè)務(wù)開(kāi)發(fā)那邊怎么協(xié)同的呢？自動(dòng)同步數(shù)據(jù)結(jié)構(gòu)，不會(huì)導(dǎo)致數(shù)倉(cāng)后續(xù)任務(wù)出問(wèn)題么？所以我認(rèn)為應(yīng)該是監(jiān)控?cái)?shù)據(jù)結(jié)構(gòu)發(fā)生變化，如果不會(huì)對(duì)后續(xù)任務(wù)產(chǎn)生影響，比如增加字段，則繼續(xù)進(jìn)行，如果是字段發(fā)生變化，應(yīng)該會(huì)停任務(wù)，報(bào)警。另外，業(yè)務(wù)開(kāi)發(fā)那邊應(yīng)該還有其他的數(shù)據(jù)庫(kù)結(jié)構(gòu)變更上線的審批和通知，提前告知結(jié)構(gòu)較大變動(dòng)的情況。
貝殼的哥們是真猛，把內(nèi)部系統(tǒng)都截圖出來(lái)了（ppt里有更多截圖，在這里我就不放那么多了）數(shù)據(jù)產(chǎn)品經(jīng)理可以抄一下作業(yè)哈（抄其他數(shù)據(jù)中臺(tái)產(chǎn)品的作業(yè)更完整
）。作業(yè)調(diào)度這邊，為了保證任務(wù)的健壯性，這邊設(shè)置了幾道防線：sql執(zhí)行測(cè)試、數(shù)據(jù)準(zhǔn)確性測(cè)試和最終的上線。
這邊的數(shù)據(jù)質(zhì)量基本上也是通過(guò)完善開(kāi)發(fā)流程、完善任務(wù)監(jiān)控體系和事后的數(shù)據(jù)質(zhì)量監(jiān)控來(lái)完成的。這部分略顯薄弱，缺少數(shù)據(jù)質(zhì)量分析、評(píng)估、驗(yàn)證和數(shù)據(jù)質(zhì)量問(wèn)題管理。我估摸著這邊還是以先滿足業(yè)務(wù)需求為準(zhǔn)吧，反正數(shù)據(jù)錯(cuò)了有人會(huì)找上門(mén)來(lái)的
。
最后是數(shù)據(jù)開(kāi)放。貝殼的幾位同事都共同提到一句話：數(shù)據(jù)的價(jià)值再大，不對(duì)外開(kāi)放，那就是垃圾，我表示非常認(rèn)同。數(shù)據(jù)放在那里就是成本，開(kāi)放、共享出去才有價(jià)值。后面的OLAP平臺(tái)、DMP平臺(tái)、推薦平臺(tái)、算法中臺(tái)都是從大數(shù)據(jù)平臺(tái)這邊獲取的數(shù)據(jù)，貝殼的app也大量從大數(shù)據(jù)平臺(tái)這邊獲取各種數(shù)據(jù)。
不過(guò)我發(fā)現(xiàn)大數(shù)據(jù)平臺(tái)數(shù)據(jù)中間層用的是mysql、Hbase和clickhouse，貌似沒(méi)用ES，不知道是處于什么考慮。
嗯，貝殼大數(shù)據(jù)平臺(tái)的架構(gòu)發(fā)展路徑非常值得借鑒，活生生的案例??！真的是非常感謝貝殼CTO線的大佬們
，希望以后能多來(lái)幾次。另外，茶歇的蛋糕也很好吃O(shè)(∩_∩)O哈哈~
另外，我把內(nèi)容整理成PPT，后臺(tái)回復(fù)“貝殼大數(shù)據(jù)”即可獲得下載鏈接。
配合以下文章享受更佳
本文為作者獨(dú)立觀點(diǎn)，不代表鳥(niǎo)哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。
《鳥(niǎo)哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問(wèn)，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)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(píng)論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開(kāi)放、真實(shí)、專業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)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(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)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(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)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(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)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(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)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(guò)網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)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(dòng)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(duì)他人或其行為進(jìn)行揭露或描述，以此來(lái)激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)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(duì)方難堪；
6)謾罵：以不文明的語(yǔ)言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)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(lái)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(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)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(gòu)買或出售帳號(hào)之間虛假地互動(dòng)，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(yíng)銷內(nèi)容，如通過(guò)偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營(yíng)銷；
8)使用特殊符號(hào)、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(guò)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(cè)字、占卜、解夢(mèng)、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(duì)具體風(fēng)水等問(wèn)題進(jìn)行求助或咨詢；
4)問(wèn)自己或他人的八字、六爻、星盤(pán)、手相、面相、五行缺失，包括通過(guò)占卜方法問(wèn)婚姻、前程、運(yùn)勢(shì)，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(lái)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(dòng)「飯圈」粉絲攀比炫富、奢靡享樂(lè)等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過(guò)「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(huì)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(píng)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(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)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(guò)主動(dòng)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(tái)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(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)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(guò)作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)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(tái)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(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過(guò)「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)