




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
數(shù)據(jù)倉庫技術(shù)內(nèi)容數(shù)據(jù)倉庫一些特點(diǎn)數(shù)據(jù)倉庫的架構(gòu)OracleRAC架構(gòu)GreenPlum架構(gòu)MapReduce的概念架構(gòu)比較風(fēng)險(xiǎn)評(píng)估2025/3/192數(shù)據(jù)倉庫的目前的現(xiàn)狀軟件架構(gòu)硬件架構(gòu)硬軟架構(gòu)又可以分成封閉式和開放式。封閉式硬件架構(gòu)代表廠商有teradata,其硬件是專屬的,必須使用特殊的硬件才能運(yùn)行。開放式硬件架構(gòu)的代表有oracle,可以運(yùn)行在各種硬件上,不過開放和封閉之間的界限也逐步的融合。
2025/3/193數(shù)據(jù)倉庫的目前的現(xiàn)狀2025/3/19杭州斯凱網(wǎng)絡(luò)科技4
Greenplum在這兩方面取長(zhǎng)補(bǔ)短,所提供的該公司的旗艦產(chǎn)品——Greenplum數(shù)據(jù)引擎就是特別為支持新型數(shù)據(jù)倉庫和大規(guī)模分析處理而設(shè)計(jì)開發(fā)的,可以同時(shí)支持SQL和MapReduce技術(shù)。Greenplum數(shù)據(jù)引擎對(duì)有PB量級(jí)數(shù)據(jù)的大型公司提供數(shù)據(jù)處理能力?;贕reenplum數(shù)據(jù)引擎的解決方案的核心優(yōu)勢(shì)在于可將原來長(zhǎng)達(dá)數(shù)小時(shí)甚至數(shù)天的運(yùn)算時(shí)間縮短為幾分鐘。
數(shù)據(jù)倉庫的軟件架構(gòu)數(shù)據(jù)倉庫的軟件架構(gòu)選擇更加豐富數(shù)據(jù)庫軟件ETL軟件展現(xiàn)軟件數(shù)據(jù)挖掘軟件每一種類型里面都具備非常多的選擇。2025/3/19杭州斯凱網(wǎng)絡(luò)科技5ETL約占整個(gè)項(xiàng)目的70%
2025/3/19杭州斯凱網(wǎng)絡(luò)科技6
ETL,Extraction-Transformation-Loading的縮寫,中文名稱為數(shù)據(jù)抽取、轉(zhuǎn)換和加載。
ETL負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成,最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中,成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。
如果說數(shù)據(jù)倉庫的模型設(shè)計(jì)是一座大廈的設(shè)計(jì)藍(lán)圖,數(shù)據(jù)是磚瓦的話,那么ETL就是建設(shè)大廈的過程。在整個(gè)項(xiàng)目中最難部分是用戶需求分析和模型設(shè)計(jì),而ETL規(guī)則設(shè)計(jì)和實(shí)施則是工作量最大的,約占整個(gè)項(xiàng)目的60%~80%,數(shù)據(jù)倉庫的架構(gòu)設(shè)計(jì)一些考慮因素2025/3/19杭州斯凱網(wǎng)絡(luò)科技71.成本。成本永遠(yuǎn)是企業(yè)關(guān)心的一個(gè)核心問題,特別在如今經(jīng)濟(jì)寒冬,更是如此。2.效率。能否高效的處理海量的數(shù)據(jù)是一個(gè)基礎(chǔ)要素,搞數(shù)據(jù)倉庫的都知道,數(shù)據(jù)量永遠(yuǎn)是一個(gè)經(jīng)常被拿出來討論的話題。3.線性擴(kuò)展。能支持線性擴(kuò)展的系統(tǒng)在計(jì)劃支撐多年的系統(tǒng)中特別重要,可以非常方便的做出年度預(yù)算。4.協(xié)同工作。解決多人協(xié)同開發(fā)問題。數(shù)據(jù)倉庫的架構(gòu)設(shè)計(jì)一些考慮因素2025/3/19杭州斯凱網(wǎng)絡(luò)科技85.調(diào)度。能否很方便的一目了然的看到整體調(diào)度,站在一個(gè)非常高的高度來管理各種數(shù)據(jù)流。6.兼容性。能否兼容各種異構(gòu)數(shù)據(jù)。7.準(zhǔn)確的監(jiān)控系統(tǒng)。8.高效的開發(fā)框架。數(shù)據(jù)倉庫的架構(gòu)類型2025/3/19杭州斯凱網(wǎng)絡(luò)科技9Oracle數(shù)據(jù)倉庫的架構(gòu)2025/3/19杭州斯凱網(wǎng)絡(luò)科技10GreenPlum數(shù)據(jù)倉庫的架構(gòu)2025/3/19杭州斯凱網(wǎng)絡(luò)科技11GreenPlum數(shù)據(jù)倉庫的架構(gòu)2025/3/19杭州斯凱網(wǎng)絡(luò)科技12MapReduce概念2025/3/19杭州斯凱網(wǎng)絡(luò)科技13
MapReduce是一種編程模型(并不是google自己開發(fā)的編程工具),用于大規(guī)模數(shù)據(jù)集(大于1TB)的并行運(yùn)算。概念"Map(映射)"和"Reduce(化簡(jiǎn))",和他們的主要思想,都是從函數(shù)式編程語言里借來的,還有從矢量編程語言里借來的特性。他極大地方便了編程人員在不會(huì)分布式并行編程的情況下,將自己的程序運(yùn)行在分布式系統(tǒng)上。
當(dāng)前的軟件實(shí)現(xiàn)是指定一個(gè)Map(映射)函數(shù),用來把一組鍵值對(duì)映射成一組新的鍵值對(duì),指定并發(fā)的Reduce(化簡(jiǎn))函數(shù),用來保證所有映射的鍵值對(duì)中的每一個(gè)共享相同的鍵組。MapReduce映射概念2025/3/19杭州斯凱網(wǎng)絡(luò)科技14
簡(jiǎn)單說來,一個(gè)映射函數(shù)就是對(duì)一些獨(dú)立元素組成的概念上的列表(例如,一個(gè)測(cè)試成績(jī)的列表)的每一個(gè)元素進(jìn)行指定的操作(比如前面的例子里,有人發(fā)現(xiàn)所有學(xué)生的成績(jī)都被高估了一分,他可以定義一個(gè)“減一”的映射函數(shù),用來修正這個(gè)錯(cuò)誤。)。事實(shí)上,每個(gè)元素都是被獨(dú)立操作的,而原始列表沒有被更改,因?yàn)檫@里創(chuàng)建了一個(gè)新的列表來保存新的答案。這就是說,Map操作是可以高度并行的,這對(duì)高性能要求的應(yīng)用以及并行計(jì)算領(lǐng)域的需求非常有用。
MapReduce化簡(jiǎn)概念2025/3/19杭州斯凱網(wǎng)絡(luò)科技15
而化簡(jiǎn)操作指的是對(duì)一個(gè)列表的元素進(jìn)行適當(dāng)?shù)暮喜ⅲɡ^續(xù)看前面的例子,如果有人想知道班級(jí)的平均分該怎么做?他可以定義一個(gè)化簡(jiǎn)函數(shù),通過讓列表中的元素跟自己的相鄰的元素相加的方式把列表減半,如此遞歸運(yùn)算直到列表只剩下一個(gè)元素,然后用這個(gè)元素除以人數(shù),就得到了平均分。)。雖然他不如映射函數(shù)那么并行,但是因?yàn)榛?jiǎn)總是有一個(gè)簡(jiǎn)單的答案,大規(guī)模的運(yùn)算相對(duì)獨(dú)立,所以化簡(jiǎn)函數(shù)在高度并行環(huán)境下也很有用。
MapReduce的分布和可靠性2025/3/19杭州斯凱網(wǎng)絡(luò)科技16
MapReduce通過把對(duì)數(shù)據(jù)集的大規(guī)模操作分發(fā)給網(wǎng)絡(luò)上的每個(gè)節(jié)點(diǎn)實(shí)現(xiàn)可靠性;每個(gè)節(jié)點(diǎn)會(huì)周期性的把完成的工作和狀態(tài)的更新報(bào)告回來。如果一個(gè)節(jié)點(diǎn)保持沉默超過一個(gè)預(yù)設(shè)的時(shí)間間隔,主節(jié)點(diǎn)(類同GoogleFileSystem中的主服務(wù)器)記錄下這個(gè)節(jié)點(diǎn)狀態(tài)為死亡,并把分配給這個(gè)節(jié)點(diǎn)的數(shù)據(jù)發(fā)到別的節(jié)點(diǎn)。每個(gè)操作使用命名文件的原子操作以確保不會(huì)發(fā)生并行線程間的沖突;當(dāng)文件被改名的時(shí)候,系統(tǒng)可能會(huì)把他們復(fù)制到任務(wù)名以外的另一個(gè)名字上去。(避免副作用)。MapReduce的分布和可靠性2025/3/19杭州斯凱網(wǎng)絡(luò)科技17
化簡(jiǎn)操作工作方式很類似,但是由于化簡(jiǎn)操作在并行能力較差,主節(jié)點(diǎn)會(huì)盡量把化簡(jiǎn)操作調(diào)度在一個(gè)節(jié)點(diǎn)上,或者離需要操作的數(shù)據(jù)盡可能近的節(jié)點(diǎn)上了;這個(gè)特性可以滿足Google的需求,因?yàn)樗麄冇凶銐虻膸挘麄兊膬?nèi)部網(wǎng)絡(luò)沒有那么多的機(jī)器。
MapReduce的用途2025/3/19杭州斯凱網(wǎng)絡(luò)科技18
在Google,MapReduce用在非常廣泛的應(yīng)用程序中,包括“分布grep,分布排序,web連接圖反轉(zhuǎn),每臺(tái)機(jī)器的詞矢量,web訪問日志分析,反向索引構(gòu)建,文檔聚類,機(jī)器學(xué)習(xí),基于統(tǒng)計(jì)的機(jī)器翻譯...”值得注意的是,MapReduce實(shí)現(xiàn)以后,它被用來重新生成Google的整個(gè)索引。
MapReduce會(huì)生成大量的臨時(shí)文件,為了提高效率,它利用Google文件系統(tǒng)來管理和訪問這些文件。
數(shù)據(jù)倉庫的架構(gòu)比較2025/3/19杭州斯凱網(wǎng)絡(luò)科技19硬件物理架構(gòu)比較2025/3/19杭州斯凱網(wǎng)絡(luò)科技20
數(shù)據(jù)倉庫的物理架構(gòu),包含硬件物理架構(gòu)和軟件物理架構(gòu)。硬件物理架構(gòu)包含集中式和分布式兩種,在企業(yè)里面都有運(yùn)用。集中式硬件物理架構(gòu)偏向于使用非常power的小型機(jī)或者大型機(jī),非常高端的海量存儲(chǔ),管理簡(jiǎn)單,在不計(jì)投入的情況下性能也能滿足企業(yè)需求。分布式硬件物理架構(gòu)目前非常流行,特征是采用價(jià)格低廉的中低端機(jī)器組成計(jì)算集群,不同的技術(shù)驅(qū)動(dòng)下,在sharednothing的架構(gòu)下可以采用本機(jī)的硬盤,在sharedeverything的架構(gòu)下偏向使用集中存儲(chǔ),分布式集群在網(wǎng)絡(luò)上的要求比較高,擴(kuò)展性比較好,配合好的軟件可以達(dá)到線性擴(kuò)展的要求。軟件物理架構(gòu)比較2025/3/19杭州斯凱網(wǎng)絡(luò)科技21
軟件物理架構(gòu)主要特征區(qū)別就是行存儲(chǔ)和列存儲(chǔ)。這個(gè)也是曾經(jīng)很多廠商津津樂道的地方,根據(jù)需求的不同,2種方式可以靈活采用。大部分DB軟件都是采用行存儲(chǔ),而列存儲(chǔ)的特征在于高效的單列值壓縮,在選擇列比較少的時(shí)候需要io要求很低,速度很快,不過行存儲(chǔ)的DB目前在壓縮效率上也在迅速提升,大部分需求還是選擇行數(shù)據(jù)進(jìn)行觀察,行存儲(chǔ)也更加便于表的按記錄拆分進(jìn)行并行化。OracleRAC和GreenPlum成本比較2025/3/19杭州斯凱網(wǎng)絡(luò)科技22
OracleRAC包括軟件成本,維護(hù)成本,硬件成本,由于Oracle采用sharedeverything方式,因而除了OracleRAC本身的軟件成本,維護(hù)成本外,還有很大一塊存儲(chǔ)成本。而GreenPlum是采用sharednothing方式,可以采用廉價(jià)的硬盤存儲(chǔ)方式。軟件成本相對(duì)于Oracle來說也便宜很多。因?yàn)閿?shù)據(jù)倉庫的主要的工作量和維護(hù)成本是ETL,而斯凱目前大部分?jǐn)?shù)據(jù)都放在Oracle數(shù)據(jù)庫中,因而采用OracleRAC方案ETL時(shí)間會(huì)大大縮小。
OracleRAC和GreenPlum風(fēng)險(xiǎn)評(píng)估2025/3/19杭州斯凱網(wǎng)絡(luò)科技23
OracleRAC方案是基于成熟的架構(gòu),被業(yè)界采用最廣泛的方案,因而風(fēng)險(xiǎn)相對(duì)小很多而GreenPlum方案是目前最近的解決方案,國外Vide
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年信號(hào)功分器行業(yè)深度研究分析報(bào)告
- 征地合同協(xié)議書范本下載
- 固廢商業(yè)計(jì)劃書
- 鋼構(gòu)合同協(xié)議書質(zhì)保金
- 中國PVB膜項(xiàng)目創(chuàng)業(yè)計(jì)劃書
- 公共技術(shù)服務(wù)平臺(tái)項(xiàng)目可行性研究報(bào)告
- 2025年文化創(chuàng)意咖啡廳商業(yè)計(jì)劃書
- 商用機(jī)器人商業(yè)計(jì)劃書
- 2025年石墨烯觸摸屏市場(chǎng)環(huán)境分析
- 外發(fā)組裝合同協(xié)議書
- 名人簡(jiǎn)介英文版(帶中文的)-周恩來(1) 2
- 動(dòng)環(huán)-動(dòng)環(huán)監(jiān)控系統(tǒng)-通用-L2
- 報(bào)告:彩鋼板圍擋施工方案
- 中國各省市地圖模塊化可編輯
- GB/T 3906-20203.6 kV~40.5 kV交流金屬封閉開關(guān)設(shè)備和控制設(shè)備
- 關(guān)愛生命-健康成長(zhǎng)家安全教育家長(zhǎng)會(huì)課件
- 關(guān)于印發(fā)《民醫(yī)院卒中篩查制度》的通知
- 工會(huì)基礎(chǔ)工作操作實(shí)務(wù)(培訓(xùn))課件
- 左哈爾的PolysystemTheory(多元系統(tǒng)理論)課件
- 限高桿施工圖 2
- 2022年生產(chǎn)機(jī)加工件工藝流程圖
評(píng)論
0/150
提交評(píng)論