大数据自 2009 年走向人们的视野,亦如所有新技术的发展,经历了一波炒作后,由风口回归理性发展。
我们可以看到,随着 IOT 技术的发展和成熟,以及 5G 业务的全面铺开,数据规模还将持续增长。
新晋技术风口 AI、区块链、RPA 的发展也都离不开大数据技术。
大数据技术将作为一项通用技术,应用在各个角落。
同时,大数据技术的发展也由解决数据规模问题,发展到如何更高效地消费大数据,数据的实时性、云上迁移等成为大数据圈的新挑战。
我们挑选了一些能应对这些新挑战的有代表性的技术栈,绘制了如下大数据圈生态图,并在下文对主流的技术栈进行了介绍:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/857651b57248495beb5957919ca2c1f0.jpeg)
OLAP 分析引擎:Apache Kylin™
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/2ca6cce5d577e338f64d45f5800e0149.png)
Apache Kylin™ 是一个开源的分布式分析引擎,提供 Hadoop/Spark 之上的 SQL 查询接口及多维分析(OLAP)能力以支持超大规模数据。
Apache Kylin™ 仅需三步,即可实现超大数据集上的亚秒级查询:
-
定义数据集上的一个星形或雪花形模型
-
在定义的数据表上构建 Cube
-
使用标准 SQL 通过 ODBC、JDBC 或 RESTFUL API 进行查询
Kylin 提供与多种数据可视化工具的整合能力,如 Tableau,PowerBI 等。
Kylin 官方社区推荐必读好文:
↓扫码关注 Kylin 社区公众号↓
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/bf87b82734308fded855148030b59d5c.jpeg)
新一代大数据计算引擎:Apache Flink
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/dfc3c52db4773078d2becd1277154897.jpeg)
ApacheFlink 是一款开源分布式大数据处理引擎, 可对有限数据流和无限数据流进行有状态计算。
Flink在流处理方面具有绝对的优势,提供高吞吐、低延时的计算能力,Exactly-once 语义保证数据的准确性,亚秒级别的处理延迟确保业务的快速响应,成为类似阿里巴巴、腾讯、华为、eBay、字节跳动、滴滴、美团点评、字节跳动等知名公司建设流处理平台的首选。
Flink 官方社区推荐必读好文:
↓扫码关注 Flink 社区公众号↓
![640?wx_fmt=other](https://i-blog.csdnimg.cn/blog_migrate/94d5f67f3adb36a5c1ad45a0d7f531db.jpeg)
下一代云原生分布式流数据平台:Apache Pulsar
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/8fec00923a599d2effce0f59a03fb816.png)
Apache Pulsar 源于 Yahoo,2016 年开源,2018 年正式成为 Apache 顶级项目,集消息、存储和函数式轻量化计算的流数据平台。
技术上采用业界领先的计算和存储分离架构,使用 Apache BookKeeper 作为其分片存储,配合层级存储,具备“高吞吐、低延时、分布式强一致、瞬时弹性扩容、Balance-Free、故障自恢复的高可用” 等核心特性。
Pulsar 官方社区推荐必读好文:
↓扫码关注 Pulsar 社区公众号↓
![640?wx_fmt=other](https://i-blog.csdnimg.cn/blog_migrate/4d447aac1741e17344c210cdad7811a2.jpeg)
开源的非关系型分布式数据库:Apache HBase
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/a06bd3352dee5c7638b0481b4214d224.png)
Apache HBase 是一个高可靠、高性能、面向列、可伸缩的分布式数据库,是谷歌 BigTable 的开源实现,主要用来存储非结构化和半结构化的松散数据。
HBase 的目标是处理非常庞大的表,可以通过水平扩展的方式,利用廉价计算机集群处理由超过 10 亿行数据和数百万列元素组成的数据表。
HBase 官方社区推荐必读好文:
↓扫码关注 HBase 社区公众号↓
![640?wx_fmt=other](https://i-blog.csdnimg.cn/blog_migrate/c1ec48b255d229dc4741cfd3aa79be90.jpeg)
开源分布式 NoSQL 数据库系统:Apache Cassandra
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/8dd6d6f0b460bb907e556fcfcf4ee852.jpeg)
Apache Cassandra 最初由 Facebook 开发,于 2008 年开源。
它集 Google BigTable 的数据模型与Amazon Dynamo的完全分布式架构于一身,表现出良好的可扩展性和性能。
在数据库排行榜“DB-Engines Ranking”中位于宽列存储模型数据库第一名, 同时也被 Apple, eBay, Netflix, 360,饿了么等知名国内外公司广泛使用,是当下一种流行的分布式结构化数据存储方案。
Cassandra 官方社区推荐必读好文:
↓扫码关注 Cassandra 社区公众号↓
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/ca795418c1dddb58314c1ed0b890a96b.jpeg)
你也「
在看
」吗?