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58篇原創(chuàng)
一個圈里的朋友問，有很多傳統(tǒng)數(shù)倉的朋友想轉(zhuǎn)型大數(shù)據(jù)數(shù)倉，不知道該怎么辦。問我能不能給講講課。準(zhǔn)備一個課比較費勁，主要是得非常系統(tǒng)的講。我這樣日更，已經(jīng)把所有的時間都占滿了。那我就每天寫一點，希望能幫助更多想轉(zhuǎn)型大數(shù)據(jù)數(shù)倉的兄弟們。
為什么先說這個，其實很簡單：因為絕大多數(shù)人都把這兩個概念混為一談。然后就會出現(xiàn)各種各樣的問題：oracle不是數(shù)據(jù)庫么，怎么又是數(shù)據(jù)倉庫？Hive不是數(shù)據(jù)倉庫么？怎么又是數(shù)據(jù)庫？
數(shù)據(jù)倉庫、數(shù)據(jù)庫是一個概念，是一些技術(shù)的集合。類同于切菜刀法和雕刻刀法；
Oracel、DB2、MySQL、Hive是一個容器，是一種工具。類同于一把刀。
當(dāng)我們在說數(shù)據(jù)倉庫的時候，我們在說什么？說的是你用的mysql還是oracle？用的是Hive還是Kylin？用的是druid還是doris？都不是！因為這些是實現(xiàn)數(shù)據(jù)倉庫的工具！
我們在說數(shù)據(jù)倉庫的時候，我們實際上說的是一種面向主題，沉淀歷史不可變信息，對明細(xì)數(shù)據(jù)進(jìn)行匯總的，為決策提供在線分析服務(wù)的數(shù)據(jù)技術(shù)的集合。
我們在實現(xiàn)數(shù)據(jù)倉庫的時候，需要用到數(shù)據(jù)倉庫設(shè)計（數(shù)據(jù)庫設(shè)計工具）、數(shù)據(jù)存儲技術(shù)（數(shù)據(jù)庫工具）、數(shù)據(jù)處理技術(shù)（ETL工具、監(jiān)控報警）、數(shù)據(jù)管理技術(shù)（元數(shù)據(jù)、數(shù)據(jù)地圖、血緣關(guān)系）等等技術(shù)。
而oracle、mysql、hadoop等都只是數(shù)據(jù)存儲技術(shù)中的一種而已。
1、數(shù)據(jù)倉庫概念誕生
數(shù)據(jù)倉庫概念公認(rèn)最早的定義者，是數(shù)據(jù)倉庫之父比爾·恩門（Bill Inmon）在1991提出的。在此之前，所有的業(yè)務(wù)操作數(shù)據(jù)和分析數(shù)據(jù)都是存在一個數(shù)據(jù)庫中的，并沒有分開。
這個inmon就是inmon、kimball建倉方法論的inmon，是不是很熟悉？
如同絕大多數(shù)新概念一樣，剛誕生的數(shù)據(jù)倉庫同樣遭受到了巨大的失敗。inmon的建設(shè)理念是自上而下，這個上指的是數(shù)據(jù)的上游，不是數(shù)據(jù)分層的上層。
大家都是做數(shù)倉的，你肯定理解為什么一開始數(shù)據(jù)倉庫概念會慘敗。因為自上而下太難見效，得把所有的業(yè)務(wù)理清楚，把所有系統(tǒng)的數(shù)據(jù)理清楚，然后分主題分層一點點的設(shè)計，然后按照這個設(shè)計一層層的建。而且一旦其中有任何變動，整個設(shè)計全廢。所以第一批吃螃蟹的那些公司基本上都是小白鼠。
2、數(shù)據(jù)集市概念誕生
這個時候，有個英雄站出來了，這就是Kimball，他寫了一本書《The?DataWarehouse?Toolkit》，開啟了數(shù)據(jù)集市的狂潮，也開創(chuàng)了另一種數(shù)據(jù)倉庫建設(shè)的流派-Kimball的自下而上流派。這個上、下也是上下游的意思。Kimball建議，百鳥在林，不如一鳥在手。先搞一個銷售部門，摸清銷售部門的需求，等于把下游的需求先鎖死。然后再順藤摸瓜，把數(shù)倉的每一層設(shè)計好，最后再摸到業(yè)務(wù)系統(tǒng)（CRM+ERP+人力系統(tǒng)），找業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，這樣就建立了一個銷售部門級的數(shù)據(jù)集市。
由于這種方法的需求少了，設(shè)計工作少，難度也就低了，對應(yīng)的建設(shè)難度和工作量也少，建設(shè)速度就快，見效也就快啊，非常利于工作的開展。所以數(shù)據(jù)集市大行其道。
3、DW\DM融合
兩派吵了很久很久，各自都有死忠，也都有對的理由，各自也都說服不了對方。雙方也明白了：“one size fits all”一碼通用是不可能的。終于在1998年， Inmon提出了新的BI架構(gòu)CIF(CorporationInformation Factory,企業(yè)信息工廠)。
上面這張圖就是inmon老爺子畫的，看上去很亂對吧？其實按照咱現(xiàn)在的視角看就很清晰了：
這個架構(gòu)是不是很熟悉？對！這個架構(gòu)從1998年到現(xiàn)在，就沒變過！而且也是所有數(shù)據(jù)倉庫建設(shè)的框架性指南。
4、實時數(shù)倉
一直到最近兩年，實時處理技術(shù)的飛速發(fā)展，才將數(shù)據(jù)倉庫的架構(gòu)往前又推了一步，出現(xiàn)了實時數(shù)倉。實時數(shù)倉又分為批數(shù)據(jù)+流數(shù)據(jù)、批流一體兩種架構(gòu)。從這里開始，也就正式進(jìn)入了大數(shù)據(jù)環(huán)境下的數(shù)據(jù)倉庫范疇。
1、離線數(shù)倉
剛轉(zhuǎn)到大數(shù)據(jù)環(huán)境中的哥們會很奇怪，為啥有一個數(shù)倉叫離線數(shù)倉？從來沒聽過?。?/span>
其實離線數(shù)倉就是咱以前做的傳統(tǒng)數(shù)倉，數(shù)據(jù)以T+1的形式計算好放在那里，給前臺的各種分析應(yīng)用提供算好的數(shù)據(jù)。這也被稱為“大數(shù)據(jù)的批處理”。只不過原本的單體環(huán)境工具（oracle、informatica等）基本都被替換成了大數(shù)據(jù)體系內(nèi)（Hadoop、Hive、Sqoop、oozie等）的工具而已。
大數(shù)據(jù)環(huán)境中工具清單：
數(shù)據(jù)采集：flume/logstash+kafka，替代傳統(tǒng)數(shù)倉的FTP；
批量數(shù)據(jù)同步：Sqoop、Kettle，跟傳統(tǒng)數(shù)倉一樣用Kettle，部分商用ETL工具也開始支持大數(shù)據(jù)集群;
大數(shù)據(jù)存儲：Hadoop HDFS/Hive、TiDB、GP等MPP，替代傳統(tǒng)數(shù)倉的Oracle、MySQL、MS SQL、DB2等；
大數(shù)據(jù)計算引擎：MapReduce、Spark、Tez，替代傳統(tǒng)數(shù)倉的數(shù)據(jù)庫執(zhí)行引擎；
OLAP引擎：Kylin/druid，（Molap，需預(yù)計算）、Presto/Impala，（Rolap，無需預(yù)計算），替代BO、Brio、MSTR等各種BI工具。
2、實時計算
就是因為有實時數(shù)據(jù)處理，所以才會有離線數(shù)據(jù)處理。相對應(yīng)的也就有實時數(shù)倉和離線數(shù)倉。實時數(shù)倉最開始是在日志數(shù)據(jù)分析業(yè)務(wù)中被廣泛使用，后來在各種實時戰(zhàn)報大屏的推動，實時數(shù)倉開始應(yīng)用。
與離線計算相比，實時計算這邊減少了數(shù)據(jù)落地，替換了數(shù)據(jù)計算引擎，目前純流式數(shù)據(jù)處理基本上就只有Spark Streaming了。Storm會丟數(shù)據(jù)，F(xiàn)link是批流一體的。實時數(shù)據(jù)計算好結(jié)果后，可以落地到各種數(shù)據(jù)庫中，也可以直接對接到大屏進(jìn)行展示。
1、Lambda 架構(gòu)
Lambda架構(gòu)核心就三個：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)對歷史長時間數(shù)據(jù)計算，流數(shù)據(jù)處理層應(yīng)對短時間實時數(shù)據(jù)計算。如果一個需求要歷史到當(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)兩套計算引擎，如果需要歷史到現(xiàn)在實時數(shù)據(jù)的累加，則需要在兩邊同時做相同的計算，然后還得加總一下，非常麻煩。因此就有了最近非?；馃岬腒appa架構(gòu)。
2、Kappa 架構(gòu)
Kappa架構(gòu)的設(shè)計很有意思。Lambda架構(gòu)反正還是分離線和實時兩部分的，所以可以從離線庫和實時消息隊列取數(shù)，分別計算后，在服務(wù)層加總就可以了。
Kappa的設(shè)計理念是：干脆不要離線了，全部都進(jìn)行流式計算。流式計算的數(shù)據(jù)來源是消息隊列，那我把所有需要計算的數(shù)據(jù)放在消息隊列里就好了，然后讓流計算引擎計算所有數(shù)據(jù)不就好了？
因為所有數(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則重啟一個任務(wù)重新計算，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)。
3、Kappa 架構(gòu)+查詢+分析展示
Kappa架構(gòu)只到數(shù)據(jù)服務(wù)層，F(xiàn)link本身只是一個計算引擎，因此還需要一個提供快速查詢的工具和一個展示的工具。所以現(xiàn)在的架構(gòu)就變成了這樣：
綜上所述，傳統(tǒng)數(shù)倉和大數(shù)據(jù)環(huán)境下的數(shù)倉還是有很多區(qū)別的：
數(shù)倉設(shè)計的工具都是一樣的，這個不會變；
由于大數(shù)據(jù)集群中，表關(guān)聯(lián)的代價比較大，因此數(shù)倉建模會更多的使用寬表，所以這里會有一些變化；
數(shù)據(jù)處理和調(diào)度工具用kettle基本都OK，沒啥太大變化，但是需要了解一下Flume、Kafka等工具；
數(shù)據(jù)存儲這邊需要深入了解一下，這是單體數(shù)據(jù)庫和集群數(shù)據(jù)庫的差別，會有分布式一致性的各種亂七八糟的問題；
數(shù)據(jù)計算引擎也有變化，也是單體數(shù)據(jù)庫和集群數(shù)據(jù)庫的差別。分布式計算會有數(shù)據(jù)傾斜、join代價高等問題，所以優(yōu)化的方法和方向也不一樣；
數(shù)據(jù)總體架構(gòu)設(shè)計的時候也會有所變化，傳統(tǒng)數(shù)倉整個BI套件就ok了，大數(shù)據(jù)環(huán)境下可能要面對更多的各種復(fù)雜需求，所需的大數(shù)據(jù)組件就變多了，需要系統(tǒng)學(xué)習(xí)。
建議傳統(tǒng)數(shù)據(jù)倉庫工程師的轉(zhuǎn)型路線：
傳統(tǒng)數(shù)倉-離線數(shù)倉（批數(shù)據(jù)處理）-實時數(shù)據(jù)處理（流數(shù)據(jù)處理）-lambda架構(gòu)-kappa架構(gòu)（批流一體）。
另外，還有一些朋友一直在問，數(shù)據(jù)倉庫、數(shù)據(jù)湖、數(shù)據(jù)中臺都有啥區(qū)別??？這些也都很火啊，能不能講講？這些也早已分享過了，
點擊查看：一口氣說穿數(shù)據(jù)中臺-給你架構(gòu)師的視角，數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)湖、數(shù)據(jù)中臺全給你講清楚了。
點擊查看：如何搭建一個數(shù)據(jù)倉庫，給你完整的數(shù)倉建設(shè)流程。
兄弟，祝你好運！轉(zhuǎn)型成功！工資漲漲漲！
往期精彩回顧
熱文 | 大數(shù)據(jù)工程師體系職業(yè)路徑全解
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(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)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(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??；
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(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)