采集项目&数据仓库项目(是企业中数据管理平台中的两个核心管理模块)
采集项目:数据采集,传输为主(flume, kafka, datax, maxwell)
数据仓库:以计算为主,同时存储数据(mysql, HDFS, Spark, Flink , MR, Hive)
数据库&数据仓库
数据库database
- 来源:企业中基础核心的业务数据
- 存储:查找数据。行式存储,索引,不能存海量数据(查询速度)
- 价值:保障全企业全业务的正常运行
数据仓库data warehouse
- 来源:数据库中的数据
- 存储:统计分析数据。列式存储。存储海量数据(准确性)
- 价值:将数据的统计结果为企业的经营决策提供数据支撑,可视化
数据流转的过程
客户端 -> 服务器 -> 数据存储 数据采集 数据统计分析:数据仓库(Hive) -> 数据可视化
数据库业务 -> DataX, Maxwell
日志文件行为-> Flume -> HDFS <- 数据源 -> 加工数据(过滤数据,格式..)-> 统计数据 -> 分析数据-> Mysql
spark on hive: spark解析sql
hive on spark: hive解析sql
数据仓库的数据源从数据库周期性(天)同步,同步过程叫采集。
解耦合,加中间件
data& file ->
HDFS(file)->
hive(table) -> HDFS(file)
汇总。
将数据转化为结构化数据:表
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战
· 永远不要相信用户的输入:从 SQL 注入攻防看输入验证的重要性