企业级大数据技术体系是什么样的

今天给大家介绍一下企业级大数据技术体系是什么样的。文章的内容小编觉得不错，现在给大家分享一下，觉得有需要的朋友可以了解一下，希望对大家有所帮助，下面跟着小编的思路一起来阅读吧。

主要从事网页设计、PC网站建设（电脑版网站建设）、wap网站建设（手机版网站建设）、自适应网站建设、程序开发、微网站、小程序设计等，凭借多年来在互联网的打拼，我们在互联网网站建设行业积累了丰富的成都网站设计、做网站、网络营销经验，集策划、开发、设计、营销、管理等多方位专业化运作于一体，具备承接不同规模与类型的建设项目的能力。

做你没做过的事叫成长，做你不愿做的事叫改变，做你不敢做的事叫突破。

企业级大数据技术框架（六层大数据技术体系）

1、数据收集层：分布式、异构性、多样化、流式产生

主要由关系型和非关系型数据收集组件，分布式消息队列构成。

Sqoop/Canal：关系型数据收集和导入工具，是连接关系型数据库和Hadoop的桥梁，Sqoop可将关系型数据库的数据全量导入Hadoop，反之亦然。而Canal可用于实时数据的增量导入

Flume：非关系型数据收集工具，主要是流式日志数据，可近实时收集，经过滤，聚集后加载到HDFS等存储系统

Kafka：分布式消息队列，一般作为数据总线使用，它允许多个数据消费者订阅并获取感兴趣的数据。

2、数据存储层

主要由分布式文件系统（面向文件存储）和分布式数据库（面向行/列的存储）构成。

HDFS：Hadoop分布式文件系统，Google GFS的开源实现，具有良好的扩展性和容错性，目录已支撑各种类型的数据存储格式，包括SSTable，文本文件，二进制key/value格式Sequence File，列式存储格式Parquet，ORC和Carbondata等。

Hbase：构建在HDFS之上的分布式数据库，需要用户存储结构化与半结构化数据，支持行列无限扩展及数据随机查找与删除。

Kudu：分布式列数据库，允许用户存储结构化数据，支持行无限扩展以及数据的随机查找与更新。

3、资源管理与服务协调层：共享集群资源（优点：资源利用率高、运维成本低、数据共享）

YARN：统一资源管理与调度系统，它能够管理集群中的各种资源（eg：CPU、内存等），并按照一定的策略分配个上层各类应用，YARN内置了多种多租户资源调度器，允许用户按照队列的方式组织和管理资源，且每个队列的调度机制可独立定制。

ZooKeeper：基于简化的Paxos协议实现的服务协调系统，他提供了类似于文件系统的数据模型，允许用户通过简单的API实现leader选举、服务命名、分布式队列与分布式锁等复杂的分布式通用模块。

4、计算引擎层

包括批处理（时间要求低，高吞吐）、交互式处理（时间要求比较高，sql查询）、流式实时处理（时间要求非常高、广告投放等）三种引擎。

MapReduce/Tez：MapReduce是一个经典的批处理计算引擎，具体良好的扩展性与容错性，允许用户通过简单Api编写分布式程序；Tez是基于MapReduce开发的通用DAG（有向无环图）计算引擎，能够更加高效地实现复杂的数据处理逻辑，目前被应用在hive、pig等数据分析系统中。

Spark：通用的DAG计算引擎，它提供了基于RDD的数据抽象表示，允许用户充分利用内存进行快速的数据挖掘和分析。

Impala/Presto：开源的MPP系统，允许用户使用标准的SQL处理存储在Hadoop中的数据。它们采用了并行数据库架构，内置了查询优化器，查询下推，代码生成等优化机制，使得大数据处理效率大大提高。

Storm/Spark Streaming：分布式流式实时计算引擎，具有良好的容错性与扩展性，能够高效的处理流式数据，它允许用户通过简单的API完成实时应用程序开发。

5、数据分析层

为方便用户解决大数据问题而提供的各种数据分析工具。

Hive/Pig/SparkSQL：在计算引擎只是构建的支撑SQL或者脚本语言的分析系统，大大降低了用户进行大数据分析的门槛。其中hive是基于MapReduce/Tez实现的sql引擎，pig是基于MapReduce/Tez实现的工作流引擎，SparkSQL是基于spark实现的sql引擎。

Mahout/MLib：在计算引擎上构建的机器学习库，实现常用的机器学习和数据挖掘算法Mahout最初是基于MapReduce实现的，目前正迁移到spark，mlib是基于spark实现的。

Apache Beam/Cascading:基于各类计算框架而封装的高级API,方便构建复杂的流水线。Apache Beam统一了批处理和流式处理两类计算框架，提供了更高级的API方便用户编写与具体计算引擎无关的逻辑代码；Cascading内置了查询计划优化器，能够自动优化用户实现的数据流。采用了面向tuple的数据模型，如果你的数据可表示成类似与数据库行的格式，使用Cascading处理将变得很容易。

6、数据可视化层

应用UI展示，比如：运筹帷幄的Dashboard、火眼金睛的用户分析平台。

以上就是企业级大数据技术体系是什么样的的全部内容了，更多与企业级大数据技术体系是什么样的相关的内容可以搜索创新互联之前的文章或者浏览下面的文章进行学习哈！相信小编会给大家增添更多知识,希望大家能够支持一下创新互联！