转自ByteByteGo
数据流水线是在现代系统中有效管理和处理数据的基本组成部分。这些流水线通常包括5个主要阶段:采集、摄取、存储、计算和消费。
- 采集: 数据从数据存储、数据流和应用程序中获取,远程来源包括设备、应用程序或业务系统。
- 摄取: 在摄取过程中,数据被加载到系统中并组织在事件队列中。
- 存储: 摄取后,组织好的数据被存储在数据仓库、数据湖以及数据湖仓库中,同时也包括各种系统,如数据库,确保摄取后的存储。
- 计算: 数据经过聚合、清理和操作,以符合公司标准,包括格式转换、数据压缩和分区等任务。这个阶段使用批处理和流处理技术。
- 消费: 处理后的数据通过分析和可视化工具、操作性数据存储、决策引擎、面向用户的应用程序、仪表板、数据科学、机器学习服务、商业智能和自助分析等方式提供给用户使用。
每个阶段的效率和效果都对组织内以数据为驱动的操作的整体成功产生影响。