数据汇聚:打破企业数据的物理孤岛,形成统一的数据中心,为后续数据资产的价值挖掘提供原始材料。
1.数据汇聚工具:
1.Canal 主要缺点:Server中的Instance(实例)和Client(客户机)之间是一对一消费,不太适合用于多消费和数据分发的场景。
2.Sqoop 处理过程定制程度较高,主要通过在命令行中配置参数来调整数据同步操作行为,在用户的一些自定义逻辑和数据同步链路监控方面比较薄弱。并且任务运行完全依赖于MapReduce,功能扩展性方面受到明显的约束和限制。
3.DataX 插件式离线数据交换工具。基于进程内读写直连的方式,高并发数据交换场景下对数据内存要求较高。且不支持非结构化数据的同步。
数据交换中心:
目的:屏蔽底层工具的复杂性,以可视化配置的方式提供给企业用户;其次需要考虑为了解决数据孤岛,需要满足异构存储,异构数据类型的交换需求;同事考虑不同时效下的数据互通
数据源分类:
关系型数据库:Oracle,MYSQL,SQL Server,Greenplum等。
NoSQL存储
网络及MQ
文件系统
大数据相关
离线数据交换:
适用场景:数据时效要求低,吞吐量大。解决大规模数据的迁移问题。
实现原理:将不同数据源的交换抽象为从源头数据源读取数据的读取插件,以及向目标端写入数据的写入插件,理论上可以支持任意类型数据源的数据交换工作。采用插件化方式构建,将数据源读取和写入抽象读取插件,写入插件。
非结构化的数据也可