实用干货！大数据入门的常用技术栈全在这里了

大数据自 2009 年走向人们的视野，亦如所有新技术的发展，经历了一波炒作后，由风口回归理性发展。 我们可以看到，随着 IOT 技术的发展和成熟，以及 5G 业务的全面铺开，数据规模还将持续增长。

新晋技术风口 AI、区块链、RPA 的发展也都离不开大数据技术。 大数据技术将作为一项通用技术，应用在各个角落。 同时，大数据技术的发展也由解决数据规模问题，发展到如何更高效地消费大数据，数据的实时性、云上迁移等成为大数据圈的新挑战。 我们挑选了一些能应对这些新挑战的有代表性的技术栈，绘制了如下大数据圈生态图，并在下文对主流的技术栈进行了介绍：

OLAP 分析引擎：Apache Kylin™

Apache Kylin™ 是一个开源的分布式分析引擎，提供 Hadoop/Spark 之上的 SQL 查询接口及多维分析（OLAP）能力以支持超大规模数据。 Apache Kylin™ 仅需三步，即可实现超大数据集上的亚秒级查询：

1. 定义数据集上的一个星形或雪花形模型
2. 在定义的数据表上构建 Cube
3. 使用标准 SQL 通过 ODBC、JDBC 或 RESTFUL API 进行查询

Kylin 提供与多种数据可视化工具的整合能力，如 Tableau，PowerBI 等。

Kylin 官方社区推荐必读好文：

↓扫码关注 Kylin 社区公众号↓

新一代大数据计算引擎：Apache Flink

ApacheFlink 是一款开源分布式大数据处理引擎, 可对有限数据流和无限数据流进行有状态计算。 Flink在流处理方面具有绝对的优势，提供高吞吐、低延时的计算能力，Exactly-once 语义保证数据的准确性，亚秒级别的处理延迟确保业务的快速响应，成为类似阿里巴巴、腾讯、华为、eBay、字节跳动、滴滴、美团点评、字节跳动等知名公司建设流处理平台的首选。

Flink 官方社区推荐必读好文：

↓扫码关注 Flink 社区公众号↓

下一代云原生分布式流数据平台：Apache Pulsar

Apache Pulsar 源于 Yahoo，2016 年开源，2018 年正式成为 Apache 顶级项目，集消息、存储和函数式轻量化计算的流数据平台。

技术上采用业界领先的计算和存储分离架构，使用 Apache BookKeeper 作为其分片存储，配合层级存储，具备“高吞吐、低延时、分布式强一致、瞬时弹性扩容、Balance-Free、故障自恢复的高可用” 等核心特性。

Pulsar 官方社区推荐必读好文：

↓扫码关注 Pulsar 社区公众号↓

开源的非关系型分布式数据库：Apache HBase

Apache HBase 是一个高可靠、高性能、面向列、可伸缩的分布式数据库，是谷歌 BigTable 的开源实现，主要用来存储非结构化和半结构化的松散数据。 HBase 的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过 10 亿行数据和数百万列元素组成的数据表。

HBase 官方社区推荐必读好文：

↓扫码关注 HBase 社区公众号↓

开源分布式 NoSQL 数据库系统：Apache Cassandra

Apache Cassandra 最初由 Facebook 开发，于 2008 年开源。 它集 Google BigTable 的数据模型与Amazon Dynamo的完全分布式架构于一身，表现出良好的可扩展性和性能。 在数据库排行榜“DB-Engines Ranking”中位于宽列存储模型数据库第一名, 同时也被 Apple, eBay, Netflix, 360，饿了么等知名国内外公司广泛使用，是当下一种流行的分布式结构化数据存储方案。

Cassandra 官方社区推荐必读好文：

↓扫码关注 Cassandra 社区公众号↓

你也「 在看 」吗？