读《大数据处理之道》--Spark星火燎燃，Spark是否可以支持运营商的数据处理工作-低调大师

读《大数据处理之道》--Spark星火燎燃，Spark是否可以支持运营商的数据处理工作

2016-12-08 724

Spark同时支持复杂的批处理、互操作和流计算，而且兼容支持HDFS和Amazon S3等分布式文件系统。Spark是否可以替换现有运营商的数据批处理工作？

运营商的数据仓库一直以来采用的小型机+关系型数据库的方式的建设，随着大数据技术在互联网的使用，运营商也在考虑逐步用大数据平台替换现有的数据仓库建设方式。但始终在探索，要真正的落地实施还有一段很长的路要走。

某省运营商的数据仓库离线数据处理数据架构分为五层，分别是接口层，负责接口的装载，设计原则是与原系统结构保持相同；存储层，负责全量数据的存储，这层只做少量的转换工作，其主要的动作是增量转全量；汇总层，负责数据颗粒度的降低，在纵向上，按照业务的要求，把海量数据的单表的数据颗粒度降低。在横向上，进行关联，把单表的字节数减少；中心区，负责计算口径和业务口径的固化，大量的口径和复杂算法是在本层实现的；最后一层是应用层，负责应用表的展示，核心思想是对应用展现的缓冲。目前集成商在对数据仓库通过大数据技术进行优化时，考虑接口层和存储层放在Hadoop平台上实现，通过ETL工具将文件数据加载到HDFS上，HIVE完成存储层数据的处理。汇总层和中心区因涉及到大量的关联迭代操作，将这两层放到MPP中。应用层用关系型数据库进行处理。但这样存在一个问题，因为跨库的数据传输导致的数据处理效率的低下。既然Spark能够支持复杂的批处理，而且兼容支持HDFS，是否可以将其中的汇总层和中心区用spark进行处理，减少跨库的数据传输导致的效率问题。同时建立增量处理模型，实时呈现当日的关键数据指标。

另一问题是否还有必要建立五层的数据架构模式？个人觉得五层的数据架构不能很好体现大数据技术的优势。需要好好考虑，如果改变数据架构，整个数据仓库等于进行了重构，运营商是否有魄力进行改变。

微信关注我们

原文链接：https://yq.aliyun.com/articles/66116

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

基于Apache Flume Datahub插件将日志数据同步上云

本文用到的阿里云数加－大数据计算服务MaxCompute产品地址：https://www.aliyun.com/product/odps 简介 Apache Flume是一个分布式的、可靠的、可用的系统，可用于从不同的数据源中高效地收集、聚合和移动海量日志数据到集中式数据存储系统，支持多种Source和Sink插件。本文将介绍如何使用Apache Flume的Datahub Sink插件将日志数据实时上传到Datahub。环境要求 JDK (1.7及以上，推荐1.7) Flume-NG 1.x Apache Maven 3.x 插件部署下载插件压缩包 $ wget http://odps-repo.oss-cn-hangzhou.aliyuncs.com/data-collectors%2Faliyun-flume-datahub-sink-2

2016-12-09

777

1 发现问题在window连接虚拟机Hadoop集群时遇到问题： 1.1 缺少winutils.exe Could not locate executable null \bin\winutils.exe in the hadoop binaries1.2 缺少hadoop.dllUnable to load native-hadoop library for your platform… using builtin-Java classes where applicable 2 解决办法 2.1 下载资源 http://download.csdn.NET/detail/lizhiguo18/8764975。首先将hadoop.dll和winutils.exe放到hadoop的bin目录下。 2.2 配置环境变量 HADOOP_HOME/bin;HADOOP_HOME/sbin 原贴地址：http://blog.csdn.net/lizhiguo18/article/details/46333433

2016-12-09

610

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。