从零到一建设数据中台 - 关键技术汇总

一、数据中台关键技术汇总

语言框架：Java、Maven、Spring Boot

数据分布式采集：Flume、Sqoop、kettle

数据分布式存储：Hadoop HDFS

离线批处理计算：MapReduce、Spark、Flink

实时流式计算：Storm/Spark Streaming、Flink

批处理消息队列：Kafka

查询分析：Hbase 、Hive 、ClickHouse、Presto

搜索引擎：Elasticsearch

数据库：MySQL、Redis、MongoDB、Oracle、PostgreSQL、MariaDB、SQL Server、达梦

数据挖掘、机器学习：Spark MLLib、TensorFlow、NLP（AI大模型）

二、OLAT与OLTP

OLAP（联机分析处理）：

全称为 Online Analytical Processing，它强调对大量历史数据的分析与处理。OLAP系统通常用来查询多维数据库，以便观察数据的多个维度之间的关系，并进行复杂的计算和汇总。

它的主要功能包括查询、分析、预测、数据挖掘等，为用户提供灵活的数据分析和快速决策支持。

OLTP（联机事务处理）：

全称为 Online Transaction Processing，它强调对数据的实时处理。

OLTP系统通常用于处理企业的日常交易数据，例如订单处理、库存管理、银行交易等。它的主要功能是支持事务和实时数据处理，为用户提供高效的交易处理服务。

二者区别：

（1）功能区别：OLAP聚焦于数据分析和预测，为使用者提供数据挖掘和多维分析等功能，通过复杂的计算和统计分析来发现数据背后的规律。而 OLTP 更注重交易数据的实时处理，支持并发的事务处理和数据插入、更新、删除等操作。

（2）数据处理区别：OLAP通常处理大规模的历史数据，它需要快速的数据查询和复杂的统计计算，以满足用户对数据多维分析的需求。OLTP则处理实时的事务数据，它需要高效的事务处理和快速的数据录入，以保证日常交易的正常运行。

（3）数据结构区别：OLAP采用多维数据库结构，通过维度、度量、层次等数据元素来组织和管理数据，以便进行复杂的查询和分析。而OLTP通常采用关系数据库结构，通过表和关系来存储和管理交易数据，以支持事务的正确处理。

（4）应用场景区别：OLAP 适用于需要进行复杂数据分析和决策的场景，例如市场营销分析、销售业绩分析、客户关系管理等。而 OLTP 适用于需要进行实时数据处理和高并发事务处理的场景，例如在线交易管理、订单处理、支付结算等。

三、数据湖三剑客

Hudi：

过分布式文件系统（HDFS或者云存储）来摄取（Ingests）、管理（Manages）大型分析型数据集，Hudi 是一种针对分析型业务的、扫描优化的数据存储抽象，它能够使HDFS数据集在分钟级的时延内支持变更，也支持下游系统对这个数据集的增量处理。

Hudi是在大数据存储上的一个数据集，可以将 Change Logs 通过 upsert 的方式合并进 Hudi；

Hudi 对上可以暴露成一个普通的 Hive 或 Spark 的表，通过 API 或命令行可以获取到增量修改的信息，继续供下游消费；

Hudi 还保管了修改历史，支持回滚；

Hudi 内部有主键到文件级的索引，默认是记录到文件的布隆过滤器，高级的有存储到 HBase 索引提供更高的效率。

Delta Lake：

流批一体的Data Lake存储层，支持 update/delete/merge。

在数据写入方面，Delta 与 Spark 是强绑定的；在查询方面，开源 Delta 目前支持 Spark 与 Presto，但是，Spark 是不可或缺的，因为 delta log 的处理需要用到 Spark。

Iceberg：

是一种可伸缩的表存储格式，内置了许多最佳实践。

允许我们在一个文件里面修改或者过滤数据；当然多个文件也支持这些操作。

在查询方面，Iceberg 支持 Spark、Presto，提供了建表的 API，用户可以使用该 API 指定表名、schema、partition 信息等，然后在 Hive catalog 中完成建表。

四、开源技术探索

Apache Doris：

是一个现代化的基于MPP（大规模并行处理）技术的分析型数据库产品。

简单来说，MPP是将任务并行的分散到多个服务器和节点上，在每个节点上计算完成后，将各自部分的结果汇总在一起得到最终的结果(与Hadoop相似)。

仅需亚秒级响应时间即可获得查询结果，有效地支持实时数据分析。

Apache Doris可以满足多种数据分析需求，例如固定历史报表，实时数据分析，交互式数据分析和探索式数据分析等。

Open Metadata：

使用端到端元数据管理解决方案释放数据资产的价值，该解决方案包括数据发现、治理、数据质量、可观察性和人员协作。

Apache Atlas：

是Apache Hadoop的数据和元数据治理的框架，是为解决Hadoop生态系统的元数据治理问题而产生的开源项目。

它为Hadoop集群提供了包括数据分类、集中策略引擎、数据血缘、安全和生命周期管理在内的元数据治理核心登能力。

完结

九位数之极，本合集到现在已经到达第九篇，虽然还有很多内容想说，但是整体的架构脉络已基本上描述完毕。

接下来计划再出几篇番外，对其中的某些要点进行单项解析、功能 UI 赏析、物联网与中台、以及实际应用案例等内容。

大家也可以提提建议，对哪些板块比较感兴趣，将会优先考虑这些板块进行单项解析。

– 欢迎点赞、关注、转发、收藏【我码玄黄】，gonghao同名