#研发解决方案#数据移山：接入、迁移、同步一站式

数据中心赵兴申 最后更新于2018/8/7

关键词：数据接入，数据迁移，实时同步，数据库变更订阅中心

提纲：

1.      移山产生背景

2.      技术栈

3.      移山数据处理能力

4.      小结

 

移山 是数据中心推出的异构数据源之间的数据迁移自动化平台，它旨在解决第三方ISV数据接入、实时数据（单向/双向）同步、大数据集群间的数据迁移等问题。

移山 前台部分由刘永飞，后台由赵兴申、谭清勇等同学开发完成。2018年3月9日移山（YiShan）一期上线运行。

 

0x00 移山产生背景

随着数屏、魔盒、数据开放实验室等大数据组件上线运行，我司数据仓库体系得到了进一步的发展，生产效率进一步提高，但是在数据接入、数据迁移、分析结果输出还存在以下问题：

• 业务库数据进入仓库流程复杂：

• 对于数据仓库中不存在的业务表，数据挖掘工程师需要先在 数据库变更订阅中心 配置该表，数据才会流向HBase（数据湖），然后还需要编码开发才能将HBase中的数据同步至数据仓库。这个过程操作复杂，极大制约了数据的开发效率；

• 计算任务和结果输出未完全分离：

• 我们的离线计算任务采用 spark 进行计算，任务计算完成后需要将分析结果输出到下游数据使用方（一般输出到 MySQL 数据库），数据计算和结果输出封装在一个 spark 任务中。计算结果数据量大的情况下，经常会导致 spark 任务不能正常结束或假死；

• 第三方数据接入方案不成熟：

• 对于第三方数据接入，我们之前有一个简易版的数据采集服务，采用内存队列方式处理接入数据，数据量大的情况下，经常会造成接口访问超时，影响数据的完整性。

 

为了解决上述问题，我们需要一个完整的数据接入、同步、迁移解决方案，移山项目应运而生。同时我们要求可视化配置，可排查（最好是全链路可排查），可调度，支持下层集群服务（如kafka、hbase等）的扩容或缩容，最重要的一点是自带监控报警。

 

0x01 技术栈

0x02 移山数据处理能力

2.1 三大数据通道

数据接入、数据迁移、实时同步三大数据通道涵盖所有业务场景。

 

2.2 完备的监控报警机制

• 报警设置

系统根据不同数据通道，采用相应的监控报警机制，例如：对数据接入、数据迁移通道采用达到一定的重试阈值，才进行报警；对实时同步这种不能进行重试的任务，立即报警。

 

• 运行监控

对数据接入、数据迁移提供详细的任务运行监控，并详细记载任务执行日志、错误日志、成功记录数、失败记录数等信息。

 

2.3 良好的数据、异常分析能力

移山系统提供了数据分析，帮助了解每日数据同步记录数、执行时长等信息。

 

0x03 小结

综上所述，移山的三大数据通道已全部涵盖日常数据迁移场景。移山以组件的方式集成到数据仓库体系中，形成如下图所示的大数据技术支撑体系。

-EOF-