IOTA是什么？你是否為下一代大數(shù)據(jù)架構(gòu)做好準(zhǔn)備？
經(jīng)過這么多年的發(fā)展，已經(jīng)從大數(shù)據(jù)1.0的BI/Datawarehouse時代，經(jīng)過大數(shù)據(jù)2.0的Web/APP過渡，進(jìn)入到了IOT的大數(shù)據(jù)3.0時代，而隨之而來的是數(shù)據(jù)架構(gòu)的變化。
▌Lambda架構(gòu)
在過去Lambda數(shù)據(jù)架構(gòu)成為每一個公司大數(shù)據(jù)平臺必備的架構(gòu)，它解決了一個公司大數(shù)據(jù)批量離線處理和實時數(shù)據(jù)處理的需求。一個典型的Lambda架構(gòu)如下：
數(shù)據(jù)從底層的數(shù)據(jù)源開始，經(jīng)過各種各樣的格式進(jìn)入大數(shù)據(jù)平臺，在大數(shù)據(jù)平臺中經(jīng)過Kafka、Flume等數(shù)據(jù)組件進(jìn)行收集，然后分成兩條線進(jìn)行計算。一條線是進(jìn)入流式計算平臺（例如 Storm、Flink或者Spark Streaming），去計算實時的一些指標(biāo)；另一條線進(jìn)入批量數(shù)據(jù)處理離線計算平臺（例如Mapreduce、Hive，Spark SQL），去計算T+1的相關(guān)業(yè)務(wù)指標(biāo)，這些指標(biāo)需要隔日才能看見。
Lambda架構(gòu)經(jīng)歷多年的發(fā)展，其優(yōu)點是穩(wěn)定，對于實時計算部分的計算成本可控，批量處理可以用晚上的時間來整體批量計算，這樣把實時計算和離線計算高峰分開，這種架構(gòu)支撐了數(shù)據(jù)行業(yè)的早期發(fā)展，但是它也有一些致命缺點，并在大數(shù)據(jù)3.0時代越來越不適應(yīng)數(shù)據(jù)分析業(yè)務(wù)的需求。缺點如下：
● 實時與批量計算結(jié)果不一致引起的數(shù)據(jù)口徑問題：因為批量和實時計算走的是兩個計算框架和計算程序，算出的結(jié)果往往不同，經(jīng)常看到一個數(shù)字當(dāng)天看是一個數(shù)據(jù)，第二天看昨天的數(shù)據(jù)反而發(fā)生了變化。
●?批量計算在計算窗口內(nèi)無法完成：在IOT時代，數(shù)據(jù)量級越來越大，經(jīng)常發(fā)現(xiàn)夜間只有4、5個小時的時間窗口，已經(jīng)無法完成白天20多個小時累計的數(shù)據(jù)，保證早上上班前準(zhǔn)時出數(shù)據(jù)已成為每個大數(shù)據(jù)團(tuán)隊頭疼的問題。
●數(shù)據(jù)源變化都要重新開發(fā)，開發(fā)周期長：每次數(shù)據(jù)源的格式變化，業(yè)務(wù)的邏輯變化都需要針對ETL和Streaming做開發(fā)修改，整體開發(fā)周期很長，業(yè)務(wù)反應(yīng)不夠迅速。
●?服務(wù)器存儲大：數(shù)據(jù)倉庫的典型設(shè)計，會產(chǎn)生大量的中間結(jié)果表，造成數(shù)據(jù)急速膨脹，加大服務(wù)器存儲壓力。
▌Kappa架構(gòu)
針對Lambda架構(gòu)的需要維護(hù)兩套程序等以上缺點，LinkedIn的Jay Kreps結(jié)合實際經(jīng)驗和個人體會提出了Kappa架構(gòu)。Kappa架構(gòu)的核心思想是通過改進(jìn)流計算系統(tǒng)來解決數(shù)據(jù)全量處理的問題，使得實時計算和批處理過程使用同一套代碼。此外Kappa架構(gòu)認(rèn)為只有在有必要的時候才會對歷史數(shù)據(jù)進(jìn)行重復(fù)計算，而如果需要重復(fù)計算時，Kappa架構(gòu)下可以啟動很多個實例進(jìn)行重復(fù)計算。
一個典型的Kappa架構(gòu)如下圖所示：
Kappa架構(gòu)的核心思想，包括以下三點：
1.用Kafka或者類似MQ隊列系統(tǒng)收集各種各樣的數(shù)據(jù)，你需要幾天的數(shù)據(jù)量就保存幾天。
2.當(dāng)需要全量重新計算時，重新起一個流計算實例，從頭開始讀取數(shù)據(jù)進(jìn)行處理，并輸出到一個新的結(jié)果存儲中。
3.當(dāng)新的實例做完后，停止老的流計算實例，并把老的一些結(jié)果刪除。
Kappa架構(gòu)的優(yōu)點在于將實時和離線代碼統(tǒng)一起來，方便維護(hù)而且統(tǒng)一了數(shù)據(jù)口徑的問題。而Kappa的缺點也很明顯：
●?流式處理對于歷史數(shù)據(jù)的高吞吐量力不從心：所有的數(shù)據(jù)都通過流式計算，即便通過加大并發(fā)實例數(shù)亦很難適應(yīng)IOT時代對數(shù)據(jù)查詢響應(yīng)的即時性要求。
●?開發(fā)周期長：此外Kappa架構(gòu)下由于采集的數(shù)據(jù)格式的不統(tǒng)一，每次都需要開發(fā)不同的Streaming程序，導(dǎo)致開發(fā)周期長。
●?服務(wù)器成本浪費(fèi)：Kappa架構(gòu)的核心原理依賴于外部高性能存儲redis,hbase服務(wù)。但是這2種系統(tǒng)組件，又并非設(shè)計來滿足全量數(shù)據(jù)存儲設(shè)計，對服務(wù)器成本嚴(yán)重浪費(fèi)。
▌IOTA架構(gòu)
而在IOT大潮下，智能手機(jī)、PC、智能硬件設(shè)備的計算能力越來越強(qiáng)，而業(yè)務(wù)需求要求數(shù)據(jù)實時響應(yīng)需求能力也越來越強(qiáng)，過去傳統(tǒng)的中心化、非實時化數(shù)據(jù)處理的思路已經(jīng)不適應(yīng)現(xiàn)在的大數(shù)據(jù)分析需求，我提出新一代的大數(shù)據(jù)IOTA架構(gòu)來解決上述問題，整體思路是設(shè)定標(biāo)準(zhǔn)數(shù)據(jù)模型，通過邊緣計算技術(shù)把所有的計算過程分散在數(shù)據(jù)產(chǎn)生、計算和查詢過程當(dāng)中，以統(tǒng)一的數(shù)據(jù)模型貫穿始終，從而提高整體的預(yù)算效率，同時滿足即時計算的需要，可以使用各種Ad-hoc Query來查詢底層數(shù)據(jù)：
IOTA整體技術(shù)結(jié)構(gòu)分為幾部分：
●?Common Data Model：貫穿整體業(yè)務(wù)始終的數(shù)據(jù)模型，這個模型是整個業(yè)務(wù)的核心，要保持SDK、cache、歷史數(shù)據(jù)、查詢引擎保持一致。對于用戶數(shù)據(jù)分析來講可以定義為“主-謂-賓”或者“對象-事件”這樣的抽象模型來滿足各種各樣的查詢。以大家熟悉的APP用戶模型為例，用“主-謂-賓”模型描述就是“X用戶 – 事件1 – A頁面（2018/4/11 20:00） ”。當(dāng)然，根據(jù)業(yè)務(wù)需求的不同，也可以使用“產(chǎn)品-事件”、“地點-時間”模型等等。模型本身也可以根據(jù)協(xié)議（例如 protobuf）來實現(xiàn)SDK端定義，中央存儲的方式。此處核心是，從SDK到存儲到處理是統(tǒng)一的一個Common Data Model。
●?Edge SDKs & Edge Servers：這是數(shù)據(jù)的采集端，不僅僅是過去的簡單的SDK，在復(fù)雜的計算情況下，會賦予SDK更復(fù)雜的計算，在設(shè)備端就轉(zhuǎn)化為形成統(tǒng)一的數(shù)據(jù)模型來進(jìn)行傳送。例如對于智能Wi-Fi采集的數(shù)據(jù)，從AC端就變?yōu)椤癤用戶的MAC 地址-出現(xiàn)- A樓層（2018/4/11 18:00）”這種主-謂-賓結(jié)構(gòu)，對于攝像頭會通過Edge AI Server，轉(zhuǎn)化成為“X的Face特征- 進(jìn)入- A火車站（2018/4/11 20:00）”。也可以是上面提到的簡單的APP或者頁面級別的“X用戶 – 事件1 – A頁面（2018/4/11 20:00） ”，對于APP和H5頁面來講，沒有計算工作量，只要求埋點格式即可。
●?Real Time Data：實時數(shù)據(jù)緩存區(qū)，這部分是為了達(dá)到實時計算的目的，海量數(shù)據(jù)接收不可能海量實時入歷史數(shù)據(jù)庫，那樣會出現(xiàn)建立索引延遲、歷史數(shù)據(jù)碎片文件等問題。因此，有一個實時數(shù)據(jù)緩存區(qū)來存儲最近幾分鐘或者幾秒鐘的數(shù)據(jù)。這塊可以使用Kudu或者Hbase等組件來實現(xiàn)。這部分?jǐn)?shù)據(jù)會通過Dumper來合并到歷史數(shù)據(jù)當(dāng)中。此處的數(shù)據(jù)模型和SDK端數(shù)據(jù)模型是保持一致的，都是Common Data Model，例如“主-謂-賓”模型。
●?Historical Data：歷史數(shù)據(jù)沉浸區(qū)，這部分是保存了大量的歷史數(shù)據(jù)，為了實現(xiàn)Ad-hoc查詢，將自動建立相關(guān)索引提高整體歷史數(shù)據(jù)查詢效率，從而實現(xiàn)秒級復(fù)雜查詢百億條數(shù)據(jù)的反饋。例如可以使用HDFS存儲歷史數(shù)據(jù)，此處的數(shù)據(jù)模型依然SDK端數(shù)據(jù)模型是保持一致的Common Data Model。
●?Dumper：Dumper的主要工作就是把最近幾秒或者幾分鐘的實時數(shù)據(jù)，根據(jù)匯聚規(guī)則、建立索引，存儲到歷史存儲結(jié)構(gòu)當(dāng)中，可以使用map reduce、C、Scala來撰寫，把相關(guān)的數(shù)據(jù)從Realtime Data區(qū)寫入Historical Data區(qū)。
●?Query Engine：查詢引擎，提供統(tǒng)一的對外查詢接口和協(xié)議（例如SQL JDBC），把Realtime Data和Historical Data合并到一起查詢，從而實現(xiàn)對于數(shù)據(jù)實時的Ad-hoc查詢。例如常見的計算引擎可以使用presto、impala、clickhouse等。
●?Realtime model feedback：通過Edge computing技術(shù)，在邊緣端有更多的交互可以做，可以通過在Realtime Data去設(shè)定規(guī)則來對Edge SDK端進(jìn)行控制，例如，數(shù)據(jù)上傳的頻次降低、語音控制的迅速反饋，某些條件和規(guī)則的觸發(fā)等等。簡單的事件處理，將通過本地的IOT端完成，例如，嫌疑犯的識別現(xiàn)在已經(jīng)有很多攝像頭本身帶有此功能。
IOTA大數(shù)據(jù)架構(gòu)，主要有如下幾個特點：
●?去ETL化：ETL和相關(guān)開發(fā)一直是大數(shù)據(jù)處理的痛點，IOTA架構(gòu)通過Common Data Model的設(shè)計，專注在某一個具體領(lǐng)域的數(shù)據(jù)計算，從而可以從SDK端開始計算，中央端只做采集、建立索引和查詢，提高整體數(shù)據(jù)分析的效率。
●?Ad-hoc即時查詢：鑒于整體的計算流程機(jī)制，在手機(jī)端、智能IOT事件發(fā)生之時，就可以直接傳送到云端進(jìn)入real time data區(qū)，可以被前端的Query Engine來查詢。此時用戶可以使用各種各樣的查詢，直接查到前幾秒發(fā)生的事件，而不用在等待ETL或者Streaming的數(shù)據(jù)研發(fā)和處理。
●?邊緣計算（Edge-Computing）：將過去統(tǒng)一到中央進(jìn)行整體計算，分散到數(shù)據(jù)產(chǎn)生、存儲和查詢端，數(shù)據(jù)產(chǎn)生既符合Common Data Model。同時，也給與Realtime model feedback，讓客戶端傳送數(shù)據(jù)的同時馬上進(jìn)行反饋，而不需要所有事件都要到中央端處理之后再進(jìn)行下發(fā)。
如上圖，IOTA架構(gòu)有各種各樣的實現(xiàn)方法，為了驗證IOTA架構(gòu)，易觀也自主設(shè)計并實現(xiàn)了“秒算”引擎，目前支持易觀內(nèi)部月活5.5億設(shè)備端進(jìn)行計算的同時，也基于“秒算”引擎研發(fā)出了可以獨立部署在企業(yè)客戶內(nèi)，進(jìn)行數(shù)字用戶分析和營銷的“易觀方舟”，可以訪問ark.analysys.cn進(jìn)行體驗。
在大數(shù)據(jù)3.0時代，Lambda大數(shù)據(jù)架構(gòu)已經(jīng)無法滿足企業(yè)用戶日常大數(shù)據(jù)分析和精益運(yùn)營的需要，去ETL化的IOTA大數(shù)據(jù)架構(gòu)才是未來。
---------------------
作者：代立冬
來源：CSDN
原文：https://blog.csdn.net/oDaiLiDong/article/details/80035658
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請附上博文鏈接！
