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）
這是我的第75篇原創(chuàng)
這算是今年參加的第二場線下活動。最近活動略密集啊，之前報名的三個活動全趕一塊了，只好選擇最感興趣的貝殼來看看。貝殼總算沒有讓我失望，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了，5位負(fù)責(zé)人分別分享了大數(shù)據(jù)平臺、OLAP平臺、DMP平臺、推薦平臺和算法中臺的架構(gòu)演進(jìn)之路。
全程干貨滿滿，收獲頗豐。其中很多經(jīng)驗，對于從0開始的公司來說，非常有借鑒意義。
今天給大家搬運一下《貝殼一站式大數(shù)據(jù)開發(fā)平臺實踐》，文末有ppt下載。由于本人拍照技術(shù)渣，沒法解決大屏熒光的問題，所以圖片不太好看，還請見諒。
先把大數(shù)據(jù)開發(fā)平臺實踐的分享人貼出來鎮(zhèn)樓。
貝殼的大數(shù)據(jù)平臺主要的數(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：樓盤字典，之前我分享的文章里介紹過（文末有鏈接），貝殼08年就弄了一個團隊專門整樓盤主數(shù)據(jù)，建了一個2億套房子的樓盤字典，給每套房子都編了唯一的ID，這不就是數(shù)據(jù)中臺的ONE ID么
；
行為：線上瀏覽行為、線下溝通、看房、談判等各種行為。
對于大數(shù)據(jù)平臺來說，最重要的能力就是低成本、快速、準(zhǔn)確的為各個部門提供各種形式的數(shù)據(jù)。但是如同每個公司一樣，貝殼也是不斷演進(jìn)的。
其實這也符合架構(gòu)的原理：夠用就行，適度超前。畢竟?jié)M足業(yè)務(wù)需求是第一要務(wù)，跟產(chǎn)品的MVP（最小可行產(chǎn)品，Minimum Viable Product）原則一致?，F(xiàn)在很多公司搞大數(shù)據(jù)的套路是先找一個總監(jiān)，總監(jiān)再找一個架構(gòu)師，然后瞅準(zhǔn)最先進(jìn)的數(shù)據(jù)中臺搞。這種公司各位最好有多遠(yuǎn)躲多遠(yuǎn)。
西門吹稅同學(xué)，祝好！
貝殼最早的大數(shù)據(jù)開發(fā)平臺，非常的簡單粗暴。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，報表平臺直接讀取MySQL的數(shù)據(jù)做展示。
大家不要覺得這個很Low，其實這套架構(gòu)足夠一個中小型公司用好久好久了?；旧险幸粋€中級大數(shù)據(jù)工程師，帶倆初級工程師，加一個報表工程師，能抗很久。
貝殼的同學(xué)很實在，把每個架構(gòu)的優(yōu)缺點都羅列出來了，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個負(fù)責(zé)人分享的時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)，對于**而來的復(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lambda的框架進(jìn)行搭建的。增加了實時處理部分，用Storm、SparkStreaming處理后直接丟給Hbase，用API對外提供實時數(shù)據(jù)服務(wù)。
對比上一版，這邊對數(shù)據(jù)處理這邊做了很多改進(jìn)，建了數(shù)倉和即時查詢引擎，加了數(shù)據(jù)產(chǎn)品對外提供自助式查詢和分析的服務(wù)。不過這ROLAP沒太看明白，直接用MySQL+Rest API？這效率沒法看了吧？
MOLAP主要用的是Kylin，后面的OLAP平臺會仔細(xì)講，貝殼是Kylin的深度用戶。
這個架構(gòu)看起來是不是就有數(shù)據(jù)中臺的意思了？值得注意的是，貝殼也開始嘗試TiDB了，這應(yīng)該也是大趨勢。數(shù)據(jù)接入方面，開始用阿里的dataX、DataBus等產(chǎn)品，可視化那邊自建了一個奧丁，數(shù)據(jù)開放也增加了數(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。基本上數(shù)據(jù)中臺的基礎(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，簡化開發(fā)流程；增加了大量的管理工具和自動化運維工具，進(jìn)行了數(shù)據(jù)標(biāo)準(zhǔn)化和質(zhì)量管控，對外開放了大量的數(shù)據(jù)，實現(xiàn)了數(shù)據(jù)資產(chǎn)盤活。
數(shù)據(jù)管理沒啥好說的，誰家的都一樣。不過我對貝殼的房源主數(shù)據(jù)-樓盤字典是真的很感興趣，這個絕對是大殺器?，F(xiàn)場提了一個關(guān)于樓盤字典融合的問題，可惜宗強不是這個組的，沒詳細(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)，那玩意誰用誰知道，維護簡直是要了親命了。現(xiàn)在改用DataX、DataBus等工具，效率杠杠的。不過介紹這張片子的時候，宗強說他們能自動接入新庫和新表，數(shù)據(jù)結(jié)構(gòu)變化也能自動同步。這點就有意思了，技術(shù)上好處理，先讀一下業(yè)務(wù)庫的數(shù)據(jù)結(jié)構(gòu)就行了。但是在跟業(yè)務(wù)開發(fā)那邊怎么協(xié)同的呢？自動同步數(shù)據(jù)結(jié)構(gòu)，不會導(dǎo)致數(shù)倉后續(xù)任務(wù)出問題么？所以我認(rèn)為應(yīng)該是監(jiān)控數(shù)據(jù)結(jié)構(gòu)發(fā)生變化，如果不會對后續(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)該會停任務(wù)，報警。另外，業(yè)務(wù)開發(fā)那邊應(yīng)該還有其他的數(shù)據(jù)庫結(jié)構(gòu)變更上線的審批和通知，提前告知結(jié)構(gòu)較大變動的情況。
貝殼的哥們是真猛，把內(nèi)部系統(tǒng)都截圖出來了（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)行測試、數(shù)據(jù)準(zhǔn)確性測試和最終的上線。
這邊的數(shù)據(jù)質(zhì)量基本上也是通過完善開發(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)控來完成的。這部分略顯薄弱，缺少數(shù)據(jù)質(zhì)量分析、評估、驗證和數(shù)據(jù)質(zhì)量問題管理。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)錯了有人會找上門來的
。
最后是數(shù)據(jù)開放。貝殼的幾位同事都共同提到一句話：數(shù)據(jù)的價值再大，不對外開放，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，開放、共享出去才有價值。后面的OLAP平臺、DMP平臺、推薦平臺、算法中臺都是從大數(shù)據(jù)平臺這邊獲取的數(shù)據(jù)，貝殼的app也大量從大數(shù)據(jù)平臺這邊獲取各種數(shù)據(jù)。
不過我發(fā)現(xiàn)大數(shù)據(jù)平臺數(shù)據(jù)中間層用的是mysql、Hbase和clickhouse，貌似沒用ES，不知道是處于什么考慮。
嗯，貝殼大數(shù)據(jù)平臺的架構(gòu)發(fā)展路徑非常值得借鑒，活生生的案例啊！真的是非常感謝貝殼CTO線的大佬們
，希望以后能多來幾次。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(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(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，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(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、使用迷信方式治病；
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(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)