asbj2014_刘彦伟_实时数据平台技术实践(v4)

《asbj2014_刘彦伟_实时数据平台技术实践(v4)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、ArchSummit2014全球架构师峰会京东实时数据平台技术实践刘彦伟目录京东大数据平台介绍实时数据平台背景实时数据平台解决方案关键环节详解关于平台产品化京东大数据平台定位支撑全集团数据业务全集团数据集中自助式服务平台模式大数据平台商城拍拍易迅无线金融京东大数据平台发展历程---技术选型2011年之前2011~20122012~至今京东大数据平台发展历程---技术选型传统商业数据仓库解决方案弊端高复杂度计算任务并发性差海量数据处理能力不足存储能力有限扩展性差成本高后期遇到的问题越来越多的ETL任务需要12点后才能完成任务排队现象严重基于流量等大数据量

2、的批量计算和复杂推荐类算法基本无法应付存储达到上限，需不断转移历史数据京东大数据平台发展历程---工具脚本+配置文件分散工具集一站式消费+多屏可用京东大数据平台架构自助式服务平台支持离线模式流式模式开源组件+自主研发通过产品化发挥最大价值让用户专注于开发实时数据平台背景运营场景实时感知业务运行情况，实现实时决策支持，比如调整营销策略、库房排班等营销场景根据用户位置、实时浏览轨迹、商品价格变化等实现精准推荐、广告Top排行榜：销量排行、热度排行等优化离线数据仓库数据抽取环节传统“T+1”模式的数据仓库每天凌晨第一件事就是增量或全量抽取业务数据随着数据抽取

3、任务的不断增长，数据抽取时间成本不断增长，离线计算启动时间不断被推迟实时数据平台要解决的几个问题实时数据采集----数怎么来数据要全延迟要低实时数据存储----数放在哪数据存储统一方便使用、高吞吐量实时数据计算----数怎么算及时性支持高复杂度场景实时数据平台解决方案实时数据采集实时数据总线实时数据分发实时数据流式处理准实时数据批量处理高可用实现产品化关键环节详解—实时数据采集实时数据来源在线系统记录日志统一的实时日志采集方案支持数据上报提供SDK支持用户上报实时数据基于数据库日志无需开发数据最全优势几乎覆盖全部业务数据通过产品化实现用户自助接入快速新增

4、实时数据关键环节详解—实时数据采集数据库日志采集方案Parser分库分表数据合并格式转换协议解析数据拆分数据过滤数据压缩Tracker数据确认数据压缩异构适配实时采集DBJDQ数据缓存库粒度原始日志保证顺序内部使用JDQ数据缓存表粒度结构数据保证顺序对外消费关键环节详解—高可用的任务调度框架实时任务调度框架–Magpie保证任务的高可用节点不可用时任务自动切换到可用节点调度框架通过Zookeeper实现各调度节点的无状态根据CPU，内存，网络资源平衡集群各节点压力通过分组实现集群内资源隔离集群规模水平扩展整合监控关键环节详解—实时数据总线DBLOG在线系

5、统JDQTopic_f2Topic_f1Topic_p1Topic_t2Topic_t1SDK上报BinlogFile关键环节详解—实时数据总线实时数据采集与下游数据使用者之间的桥梁数据共享通道实现了数据集中、统一了实时数据出口一个支持高吞吐率的分布式消息队列保障数据的基本可靠性以Topic为单位存储实时数据对象基于单分区保障Binlog数据的顺序性支持数据权限控制关键环节详解—流式处理离线批量计算静态数据规则可变流式计算动态数据规则预设及时响应关键环节详解—流式处理流式计算----计算程序从庞大而连续的数据流中提取、过滤、分析数据实时数据是一个持续的数

6、据流基于事件触发并行计算可靠的消息处理机制，失败后自动重试及时性高，毫秒级处理延迟关键环节详解—实时计算平台统一的实时计算平台基于Storm打造的流式计算平台提供SDK实现与JDQ的对接，从而通过JDQ获取实时数据提供可视化的配置管理系统支持Job的自助上传、测试、发布、管控服务支持Job的版本控制集成监控，实现状态、延迟等异常报警实时查看Job运行日志实现了公司资源利用最大化，包括人力、技术、硬件等关键环节详解—实时数据分发从JDQ中消费某一特定数据，并根据用户配置信息将数据分发到HDFS中日志型文件数据落地为HDFS的文件Binlog型实时增量数据落

7、地为准实时Hive还原表基于分钟级时间分区存储每个分区中一份全量数据提供UDF获取最新分区基于实时增量日志每天生成一份拉链表关键环节详解—实时数据分发准实时Hive还原表的实现思路关键环节详解—准实时批量处理适用场景计算逻辑复杂，难以通过流式处理模式实现的实时计算场景开发人员擅长传统ETL开发或SQL，不熟悉流式处理可以接受分钟级的延迟实现方式每隔固定时间周期（分钟级）批量处理一次与传统离线数据处理模式相同，学习成本低依赖准实时的hive还原表关键环节详解—基于Binlog增量日志的拉链表改变原有”T+1”数据抽取模式省去离线抽取环节基于当天数据库实时B

8、inlog增量日志快速生成离线拉链表缩短离线计算等待时间关于平台产品化愿景通过产