Pinot：LinkedIn的实时数据分析系统

Pinot是一个适用于Web的实时数据分析系统，由LinkedIn设计开发，现在已经成为LinkedIn的分布式实时数据分析基础设施，支撑着LinkedIn内外30多个分析产品。LinkedIn的各种数据跟踪功能都是在Pinot的基础上实现的，如最近哪些用户查看了特定用户的资料，哪些用户在关注某个公司等。

据GigaOM报道，在LinkedIn还是一家初创企业的时候，其工程团队分成了若干不同的组，每个组使用的数据存储系统差别很大，如将Oracle的关系型数据库用于查询，而将Voldemort用于键值存储。但随着LinkedIn的日益发展以及用户数据的增多，这些不同的系统变得难以扩展。

Praveen Neppalli Naga是LinkedIn的一名项目经理。他告诉GigaOM，为了解决上述问题，他与其团队开始构建一个集中式系统。该系统既要能够整合LinkedIn的所有数据，又要能够简化以它为基础的数据密集型产品的构建过程。为了集中管理LinkedIn的数据，他们选用Hadoop基础架构模型作为Pinot的基础，并根据需要做了修改。然后，他们就可以编写Hadoop脚本，检索建有索引的用户数据。

由于LinkedIn的数据维度众多，Pinot需要能够支持多种类型的索引。例如，一个人就读的大学是一个不会变化数据点，而他拥有的技能类型会发生变化，因此它们的索引方式应该不同。下面是Pinot的系统架构图：

另外，为了能够快速准确的响应用户请求，LinkedIn工程团队还必须找到一种方法，既能保证与请求相关的最新数据随时可用，又能保证老数据的可用性，同时，老数据又不会混入新数据妨碍用户的查询。为了实现这个目标，他们借助Apache Kafka实现了实时数据索引过程。

据Naga说，经过了大约两年的开发，Pinot现在成了LinkedIn事实上的数据分析平台。他们正在评估将其开源，并围绕它建立一个开发社区，以推动它进一步发展。

感谢张天雷对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ）或者腾讯微博（@InfoQ）关注我们，并与我们的编辑和其他读者朋友交流。