编者注:陈纯,计算机应用专家,浙江大学计算机科学与技术学院教授,中国工程院院士。是国家教委“跨世纪优秀人才培养计划”首批入选专家,第三届中国青年科技奖获得者。目前是国家列车智能化工程技术研究中心主任,国务院学位委员会学科评议组成员。陈纯教授长期从事计算机应用领域的前沿研究工作,在著名国际学术期刊和会议发表论文160多篇,曾获国家技术发明奖二等奖1项,国家科技进步奖二等奖2项,国家科技进步三等奖1项,省部级科学技术一等奖6项。
今天CNCC 2016在山西太原盛大开幕,开幕演讲中,CCF会士、中国工程院院士、浙江大学陈纯教授做了题为“流式大数据实时处理技术、平台及应用”的报告,以下为报告内容精编。
流式大数据
流式大数据从这个角度看,可以把大数据分成两个:一个是批式大数据,另一个是流式大数据。
举个例子来说
我们把数据当成水库的话,水库里面存在的水就是批式大数据,进来的水是流式大数据。
10年前,从传统的三架马车开始到现在组成了60、70个相关庞大的生态圈。重点我们可以看到,从2012年开始,才关注了流式大数据,就是数据流的模式。在之前,所有的大数据算法和系统就是批式大数据,从12年开始才专门针对流式大数据的组建。
由于数据流的处理,应用场景主要是两类:
一类是互联网
另一类是移动互联网
移动互联网和互联网的个性服务,不断提升用户体验对实时要求也是非常高的。一般要样本性的相应,而互联网的传感数据,通过智能分析来经营决策的。这以前大数据的分享,我们可以把它分成事后的风险和追溯,而更重要的应用事中的分析、处理。
一种集群式、分布式的解决方案,但是其实时响应比较慢。
另一种是组建流式大数据,即内存计算,但它的实时相应数据规模受限。
但是大数据的处理技术,主要有四个难题。它们分别是:
1、基于分布式内存的运行计算
2、可能很多台计算机,每台计算机多CPU,你一个任务下去,在计算机上同时进行内存的计算,它都是可以做到分布存储。
3、海量历史数据高性能的分析
4、当你流进水库的实时,不仅仅是处理流的数据,而且还要把你存在数据库的数据一起建立起来。因为这个时间窗口,要重复计算问题,并且有海量数据的复杂增量要计算。
数据流进来后,怎么样把流式数据跟历史数据一起计算?
所谓大数据,流式是必须要算的,解决办法就可以从增量基础上入手。
要用模型解决实际应用的问题
张老师说像统计的模型,基于规则的模型,这些模型能够很好的结合。所以要把实施处理的分析模型分开,这样就能针对不同的问题进行可以计算。
这四个就是最重要的四大问题,我们现在的研究成果——流立方的实时计算,把数据时间窗口、计算指标加上最核心的增量计算,也就是解决分布的存储的性能,与基于内存的计算更好的结合在一起。
流立方
现在我们来介绍下流式大数据实时处理平台,我们知道这个平台不仅仅是流立方计算引擎。结合大数据,相当于流立方的计算引擎要从60多个组件里面,抽取部分构成这么一个平台,同时还要加上分布存储、数据库,包括大数据的云处理平台,还有其他地方来构成这个平台,实际上这个平台是非常强大的系统。
下面介绍有应用,这个是流立方应用的框架。
<img alt="CNCC 2016 " 浙江大学陈纯:何为流式大数据?"="" height="386" data-cke-saved-src="http://www.raincent.com/uploadfile/2016/1021/20161021041755731.png" src="http://www.raincent.com/uploadfile/2016/1021/20161021041755731.png" width="600" style="width: 660px; height: 424.541px;">
红线里面都是以流式大数据存在的计算指标、统计指标,左边是有一个分析处理模型,这个模型是可以基于数学模型指导。所以,当你把一个要解决的问题,比如说:
下围棋要学习,就可以把下棋的棋谱传进来。可以在这个平台上进行计算,这是外部应用系统。
它可以应用很多,流立方实时平台上在原有基础系统上,做一个并行系统实时检测,通过专业知识、模型来实时分析。
下面具体来看几个案例:
金融风控反欺诈
现在电子支付上,除了蚂蚁金服和微信支付是自己做的风控以外,基本上所有的系统都是基于流立方来做的。
反爬虫系统
应用的前景非常的广泛:金融、电信、交通、公安、海关、互联网都可以应用。
体会
流数据的实时处理
流式数据的实时分析,一定是有规则、模型的东西。复杂的分析计算,加上实时这两个结合起来,如果能做的好,一定能够加速大数据在各个行业的应用。
大数据
我们现在大数据要么就是卖数据,对比数据事后不同的分析来追溯,这个非常重要。
但是我们现在应用最重要,还是要结合不同的空间数据实施流数据分析。这个要有平台才能把所有的数据(互联网、移动互联网还有互联网+)共同体验、提升。