【大数据】MaxCompute概述

什么是MaxCompute

大数据计算服务（MaxCompute，原名ODPS）是一种快速、完全托管的GB/TB/PB级数据仓库解决方案。MaxCompute为您提供了完善的数据导入方案以及多种经典的分布式计算模型，能够更快速的解决海量数据计算问题，有效降低企业成本，并保障数据安全。

同时，DataWorks和MaxCompute关系紧密，DataWorks为MaxCompute提供了一站式的数据同步、任务开发、数据工作流开发、数据管理和数据运维等功能，详情请参见DataWorks（原大数据开发套件）。

功能概述

1、数据通道

支持批量、历史数据通道。Tunnel。

实时、增量数据通道。

2、计算及分析任务

支持多种计算模型：MaxCompute SQL（查询功能）

UDF：用户自定义函数（注意用了分区，就无法使用此功能）

3、MapReduce

MaxCompute MapReduce是MaxCompute提供的Java MapReduce编程模型，它可以简化开发流程，更为高效。与分布式计算概念有关系。

4、Graph

一套面向迭代的图计算处理框架。

5、SDK

SDK是MaxCompute提供给开发者的工具包。

 6、安全

MaxCompute提供了功能强大的安全服务，为数据安全提供保护。

基本概念

Table	数据存储单元（内部表和外部表）
Console	客户端工具，通过Console可以提交命令完成Project管理、DDL、DML等操作
Partition（分区）	如果表没有分区，数据是直接放在表所在的目录下。如果表有分区，每个分区对应表下的一个目录，数据是分别存储在不同的分区目录下
fuxi	MaxCompute底层任务调度模块即fuxi的调度模块。
MapReduce	处理数据的一种编程模型，通常用于大规模数据集的并行运算，先分片，Map（映射）后Reduce（规约，合并）
Project	基本组织单元
Resource	MaxCompute中特有的概念，MaxCompute的自定义函数（UDF）或MapReduce功能，都需要依赖资源来完成。
生命周期  LIFECYCLE	数据从最后一次更新的时间算起，在经过指定的时间后没有变动，则此表（分区）将被MaxCompute自动回收
函数	SQL计算功能，可用内建函数完成，也可自定义。
任务	基本计算单元，SQL及MapReduce功能都是通过任务完成的。一个任务会被划分成多个进程Worker共同完成执行阶段的计算工作。 DDL语句不是计算型的任务，不会被转化成task。例如项目空间（Project）、资源（Resource）、自定义函数（UDF）及实例(Instance)的操作均不需要通过MaxCompute的任务来完成

分区：

指定表内的某几个字段作为分区列。目前MaxCompute支持Tinyint、Smallint、Int、Bigint、Varchar和String分区类型。

资源（Resource）

传Jar包的过程就是在MaxCompute上创建资源的过程。

资源类型：File类型，Table类型，Jar类型，Archive类型。

与其它服务的集成

MaxCompute与DataWorks

DataWorks控制台即为MaxCompute控制台，DataWorks是基于MaxCompute计算和存储，提供工作流可视化开发、调度运维托管的一站式海量数据离线加工分析平台。DataWorks理解成MaxCompute的web客户端。

MaxCompute与数据集成

MaxCompute可以通过数据集成加载不同数据源数据。数据集成已经集成到DataWorks作为数据同步任务进行配置、运行，您可直接在DataWorks上配置MaxCompute数据源，再配置读取MaxCompute表或者写入MaxCompute。

MaxCompute与机器学习

可通过机器学习平台的算法组件对MaxCompute数据进行模型训练等操作。

MaxCompute与QuickBI

数据在MaxCompute进行加工处理后，将Project添加为QuickBI数据源，即可在QuickBI页面对MaxCompute表数据进行报表制作，实现数据可视化分析。

MaxCompute与OSS

对象存储OSS 是海量、安全、低成本、高可靠的云存储服务，MaxCompute2.0支持直接通过外部表方式访问表格存储中的表数据并进行处理，详情请参见访问OSS非结构化数据。

使用

客户端：推荐使用MaxCompute Studio工具。

或 使用阿里云IDE：也可以通过DataWorks使用MaxCompute。直接单击项目列表下对应项目的进入工作区进行操作。

导入数据的方式

1、客户端使用Tunnel命令

2、通过MaxCompute Studio工具可视化方式导入导出。

3、通过Tunnel提供的SDK自行编写java工具。

4、通过Flume及Fluentd插件方式导入。

分析方式，可参考此篇文章：点我。

sql

修改生命周期	ALTER TABLE table_name SET lifecycle days;单位为天
禁止生命周期	ALTER TABLE trans PARTITION(dt='20141111') DISABLE LIFECYCLE;

数据类型

1.0版本：Bigint、Double、Boolean、Datetime、Decimal和String

MapReduce

分布式数据处理模型

处理流程：

分片（并行工作）→Map→Reduce(合并操作)。

功能：

1、作业提交

2、基本概念

3、输入和输出

4、资源使用

5、本地运行

数据迁移

致力于提供复杂网络环境下、丰富的异构数据源之间数据高速稳定的数据移动及同步能力。

DataWorks（MaxCompute开发套件）为MaxCompute提供了一站式的数据同步、任务开发、数据工作流开发、数据管理和数据运维等功能。

 

参考资料：官网