2024年大数据最新实时数仓之实时数仓架构(Hudi)

• 技术框架

  • Kafka：用于接入数据源；
  • Flink CDC：如果直接接入业务数据源可以考虑CDC方式，如果通过Kafka缓冲接入业务数据可以忽略;
  • Flink：用于数据ETL，包括接入数据、处理数据及输出数据全链路数据计算任务；
  • Spark：用于数据ETL，包括处理数据及输出数据全链路数据计算任务；
  • Hudi：湖仓一体数据管理框架，用来管理模型数据，包括ODS/DWD/DWS/DIM/ADS等；
  • Doris：OLAP引擎，同步数仓结果模型，对外提供数据服务支持；
  • Hbase：用来存储维表信息，维表数据来源一部分有Flink加工实时写入，另一部分是从Spark任务生产，其主要作用用来支持Flink ETL处理过程中的Lookup Join功能。这里选用Hbase原因主要因为Table的Hbase Connector支持异步IO功能。
  • Hera：调度系统，用来调度离线Spark任务；
  • StreamX：Flink任务管理工具，用于部署管理以及监控Flink实时任务；

• 数仓架构

采用维度模型标准三层架构，ODS/DWD/DWS/DIM/ADS，分层架构符合Kimball维度模型建仓指导原则。

+ ODS层：增量方式接入业务数据和日志数据，