软件架构设计原则和大数据平台架构层

1、软件架构设计的六大原则:

1）“开-闭”原则(OCP)

    Software entities should be open forextension, but closed for modification.

    对扩展开放，对修改封闭。

2）里氏代换原则(LSP)

凡是基类适用的地方，子类一定适用。

3）依赖倒转原则(DIP)

    要依赖抽象，不要依赖具体。

4）迪米特法则(LoD)

    一个对象应该对其他对象有尽可能少的了解。

5）接口隔离原则(ISP)

    使用多个专门的接口比适用单一的接口要好。

6）合成/聚合复用原则(CARP)

要尽量使用合成/聚合，尽量不要使用继承。

2、大数据平台典型的架构层：

根据数据的流向自底向上划分五层，跟传统的数据仓库其实很类似，数据类的系统，概念上还是相通的，分别为数据采集层、数据处理层、数据分析层、数据访问层及应用层。同时，大数据平台架构跟传统数据仓库有一个不同，就是同一层次，为了满足不同的场景，会采用更多的技术组件，体现百花齐放的特点，这是一个难点。

1） 数据采集层：既包括传统的ETL离线采集、也有实时采集、互联网爬虫解析等等。

2） 数据处理层：根据数据处理场景要求不同，可以划分为HADOOP、MPP、流处理等等。

3） 数据分析层：主要包含了分析引擎，比如数据挖掘、机器学习、深度学习等。

4） 数据访问层：主要是实现读写分离，将偏向应用的查询等能力与计算能力剥离，包括实时查询、多维查询、常规查询等应用场景。

5） 数据应用层：根据企业的特点不同划分不同类别的应用，比如针对运营商，对内有精准营销、客服投诉、基站分析等，对外有基于位置的客流、基于标签的广告应用等等。

6） 数据管理层：这是一纵，主要是实现数据的管理和运维，它横跨多层，实现统一管理。