服务器教程网资讯,各种服务器教程及便宜服务器租用更新信息实报!
主页 > 便宜VPS > 如何构建一个企业的大数据分析平台

如何构建一个企业的大数据分析平台

浏览:

面对海量的各种来源的数据,如何对这些零散的数据进行有效的分析,得到有价值的信息一直是大数据领域研究的热点问题。

大数据分析处理平台就是整合当前主流的各种具有不同侧重点的大数据处理分析框架和工具,实现对数据的挖掘和分析,一个大数据分析平台涉及到的组件众多,如何将其有机地结合起来,完成海量数据的挖掘是一项复杂的工作。在搭建大数据分析平台之前,要先明确业务需求场景以及用户的需求,通过大数据分析平台,想要得到哪些有价值的信息,需要接入的数据有哪些,明确基于场景业务需求的大数据平台要具备的基本的功能,来决定平台搭建过程中使用的大数据处理工具和框架。

如何构建一个企业的大数据分析平台

(1)操作系统的选择操作系统一般使用开源版的RedHat、Centos或者Debian作为底层的构建平台,要根据大数据平台所要搭建的数据分析工具可以支持的系统,正确的选择操作系统的版本。

(2)搭建Hadoop集群Hadoop作为一个开发和运行处理大规模数据的软件平台,实现了在大量的廉价计算机组成的集群中对海量数据进行分布式计算。Hadoop框架中最核心的设计是HDFS和MapReduce,HDFS是一个高度容错性的系统,适合部署在廉价的机器上,能够提供高吞吐量的数据访问,适用于那些有着超大数据集的应用程序;MapReduce是一套可以从海量的数据中提取数据最后返回结果集的编程模型。在生产实践应用中,Hadoop非常适合应用于大数据存储和大数据的分析应用,适合服务于几千台到几万台大的服务器的集群运行,支持PB级别的存储容量。Hadoop家族还包含各种开源组件,比如Yarn,Zookeeper,Hbase,Hive,Sqoop,Impala,Spark等。使用开源组件的优势显而易见,活跃的社区会不断的迭代更新组件版本,使用的人也会很多,遇到问题会比较容易解决,同时代码开源,高水平的数据开发工程师可结合自身项目的需求对代码进行修改,以更好的为项目提供服务。

如何构建一个企业的大数据分析平台

(3)选择数据接入和预处理工具面对各种来源的数据,数据接入就是将这些零散的数据整合在一起,综合起来进行分析。数据接入主要包括文件日志的接入、数据库日志的接入、关系型数据库的接入和应用程序等的接入,数据接入常用的工具有Flume,Logstash,NDC(网易数据运河系统),sqoop等。对于实时性要求比较高的业务场景,比如对存在于社交网站、新闻等的数据信息流需要进行快速的处理反馈,那么数据的接入可以使用开源的Strom,Spark streaming等。当需要使用上游模块的数据进行计算、统计和分析的时候,就需要用到分布式的消息系统,比如基于发布/订阅的消息系统kafka。还可以使用分布式应用程序协调服务Zookeeper来提供数据同步服务,更好的保证数据的可靠和一致性。数据预处理是在海量的数据中提取出可用特征,建立宽表,创建数据仓库,会使用到HiveSQL,SparkSQL和Impala等工具。随着业务量的增多,需要进行训练和清洗的数据也会变得越来越复杂,可以使用azkaban或者oozie作为工作流调度引擎,用来解决有多个hadoop或者spark等计算任务之间的依赖关系问题。

如何构建一个企业的大数据分析平台

如何构建一个企业的大数据分析平台

(4)数据存储除了Hadoop中已广泛应用于数据存储的HDFS,常用的还有分布式、面向列的开源数据库Hbase,HBase是一种key/value系统,部署在HDFS上,与Hadoop一样,HBase的目标主要是依赖横向扩展,通过不断的增加廉价的商用服务器,增加计算和存储能力。同时hadoop的资源管理器Yarn,可以为上层应用提供统一的资源管理和调度,为集群在利用率、资源统一等方面带来巨大的好处。Kudu是一个围绕Hadoop生态圈建立的存储引擎,Kudu拥有和Hadoop生态圈共同的设计理念,可以运行在普通的服务器上,作为一个开源的存储引擎,可以同时提供低延迟的随机读写和高效的数据分析能力。Redis是一种速度非常快的非关系型数据库,可以将存储在内存中的键值对数据持久化到硬盘中,可以存储键与5种不同类型的值之间的映射。

如何构建一个企业的大数据分析平台

(5)选择数据挖掘工具Hive可以将结构化的数据映射为一张数据库表,并提供HQL的查询功能,它是建立在Hadoop之上的数据仓库基础架构,是为了减少MapReduce编写工作的批处理系统,它的出现可以让那些精通SQL技能、但是不熟悉MapReduce、编程能力较弱和不擅长Java的用户能够在HDFS大规模数据集上很好的利用SQL语言查询、汇总、分析数据。Impala是对Hive的一个补充,可以实现高效的SQL查询,但是Impala将整个查询过程分成了一个执行计划树,而不是一连串的MapReduce任务,相比Hive有更好的并发性和避免了不必要的中间sort和shuffle。Spark可以将Job中间输出结果保存在内存中,不需要读取HDFS,Spark启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载。Solr是一个运行在Servlet容器的独立的企业级搜索应用的全文搜索服务器,用户可以通过http请求,向搜索引擎服务器提交一定格式的XML,生成索引,或者通过HTTP GET操作提出查找请求,并得到XML格式的返回结果。还可以对数据进行建模分析,会用到机器学习相关的知识,常用的机器学习算法,比如贝叶斯、逻辑回归、决策树、神经网络、协同过滤等。

如何构建一个企业的大数据分析平台

(6)数据的可视化以及输出API对于处理得到的数据可以对接主流的BI系统,比如国外的Tableau、Qlikview、PowrerBI等,国内的SmallBI和新兴的网易有数(可免费试用)等,将结果进行可视化,用于决策分析;或者回流到线上,支持线上业务的发展。成熟的搭建一套大数据分析平台不是一件简单的事情,本身就是一项复杂的工作,在这过程中需要考虑的因素有很多,比如:稳定性,可以通过多台机器做数据和程序运行的备份,但服务器的质量和预算成本相应的会限制平台的稳定性;可扩展性:大数据平台部署在多台机器上,如何在其基础上扩充新的机器是实际应用中经常会遇到的问题;安全性:保障数据安全是大数据平台不可忽视的问题,在海量数据的处理过程中,如何防止数据的丢失和泄漏一直是大数据安全领域的研究热点。

如何构建一个企业的大数据分析平台


本文地址:http://www.yitong.so/vps/16116.html
特别声明:以上内容(如有图片或视频亦包括在内)均来源于互联网,本平台仅提供信息存储服务。
更多服务器最新动态,请关注服务器教程网
 
发表评论
验证码: 点击我更换图片

注:网友评论仅供其表达个人看法,并不代表本站立场。

近期优惠活动

更多 >

热门文章

  • 绘图阿里:chia奇亚挖矿云服务器快速p图
    绘图阿里:chia奇亚挖矿云服务器快速p图

    绘图阿里:chia奇亚挖矿云服务器快速p图

    chia奇亚挖矿什么操作系统稳定一些,目前chia官方1.1版本来说,我感觉win10 1903版本最好,cpu利用率高,而且不会出现未同步现象,反而新版win10经常出现未...

  • 服务器速率:哪一家云服务器好你了解吗
    服务器速率:哪一家云服务器好你了解吗

    服务器速率:哪一家云服务器好你了解吗

    随着企业上云的趋势,对云服务器的需求增加,市面上也出现了越来越多的云服务器商,哪家云服务器好是很多企业在购买云服务器时比较关心的问题,下...

  • 服务器计算_GPU云计算哪家好 GPU云主机配
    服务器计算_GPU云计算哪家好 GPU云主机配

    服务器计算_GPU云计算哪家好 GPU云主机配

    GPU和CPU是同一个应用的配件元素,都是IDC数据存储必不可少的配置,通常一般的网站服务器租用云服务器都是配置CPU即可,GPU是比CPU更高配置的计算设备。...

  • 去哪购买虚拟主机好些
    去哪购买虚拟主机好些

    去哪购买虚拟主机好些

    这篇文章将为大家详细讲解有关去哪购买虚拟主机好些,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定...

  • 云计算的发展历程与优势介绍
    云计算的发展历程与优势介绍

    云计算的发展历程与优势介绍

    最近几年云计算慢慢的占据了我们的互联网生活,但是可能很多人听说过云计算这个词,但是要是让你来说云计算的发历程与其自身的优势,你可能心里也...

  • 用云服务器挖chia奇亚币行不行?
    用云服务器挖chia奇亚币行不行?

    用云服务器挖chia奇亚币行不行?

    挖奇亚币chia可以租云服务器吗,靠谱吗? 网友A:我自己租用的云服务器p图,效率还可以,现在主要担心云服务器到期后我耕的图废了 网友B:我也有此想...

  • 为什么这么多人选择香港云服务器
    为什么这么多人选择香港云服务器

    为什么这么多人选择香港云服务器

    科技的便利,让我们无时无刻都能知晓世界发生的情况,可以说是一个手机就朗阔了整个世界,你知道吗我们通过网上看到的那些信息,其实都是储存在一...

最新文章