多图技术贴：深入浅出解析大数据平台架构.docx

目录： 什么是大数据 Hadoop介绍-HDFS、MR、Hbase 大数据平台应用举例-腾讯 公司的大数据平台架构“就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解世界的方式”。大数据的4V特征-来源公司的“大数据”随着公司业务的增长，大量和流程、规则相关的非结构化数据也爆发式增长。比如：1、业务系统现在平均每天存储20万张图片，磁盘空间每天消耗100G；2、平均每天产生签约视频文件6000个，每个平均250M，磁盘空间每天消耗1T;三国里的“大数据”“草船借箭”和大数据有什么关系呢？对天象的观察是基于一种对风、云、温度、湿度、光照和所处节气的综合分析这些数据来源于多元化的“非结构”类型，并且数据量较大，只不过这些数据输入到的不是电脑，而是人脑并最终通过计算分析得出结论。Google分布式计算的三驾马车 Google File System用来解决数据存储的问题，采用N多台廉价的电脑，使用冗余（也就是一份文件保存多份在不同的电脑之上）的方式，来取得读写速度与数据安全并存的结果。 Map-Reduce说穿了就是函数式编程，把所有的操作都分成两类，map与reduce，map用来将数据分成多份，分开处理，reduce将处理后的结果进行归并，得到最终的结果。 BigTable是在分布式系统上存储结构化数据的一个解决方案，解决了巨大的Table的管理、负载均衡的问题。Hadoop体系架构Hadoop核心设计HDFS介绍-文件读流程Client向NameNode发起文件读取的请求。NameNode返回文件存储的DataNode的信息。Client读取文件信息。HDFS介绍-文件写流程Client向NameNode发起文件写入的请求。NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。MapReduce映射、化简编程模型输入数据-Map分解任务-执行并返回结果-Reduce汇总结果-输出结果Hbase分布式数据存储系统Client：使用HBase RPC机制与HMaster和HRegionServer进行通信Zookeeper：协同服务管理，HMaster通过Zookeepe可以随时感知各个HRegionServer的健康状况HMaster:管理用户对表的增删改查操作HRegionServer：HBase中最核心的模块，主要负责响应用户I/O请求，向HDFS文件系统中读写数据HRegion:Hbase中分布式存储的最小单元，可以理解成一个TableHStore：HBase存储的核心。由MemStore和StoreFile组成。HLog：每次用户操作写入Memstore的同时，也会写一份数据到HLog文件还有哪些NoSQL产品？为什么要使用NoSQL？一个高并发网站的DB进化史关系模型聚合数据模型的转换-基本变换关系模型聚合数据模型的转换-内嵌变换关系模型聚合数据模型的转换-分割变换关系模型聚合数据模型的转换-内联变换Hadoop2.0MapReduce：JobTracker：协调作业的运行。TaskTracker：运行作业划分后的任务。大数据的技术领域腾讯大数据现状（资料来自2014.4.11 腾讯分享日大会）腾讯大数据平台产品架构腾讯大数据平台与业务平台的关系