【大咖来了 第10期】零门槛构建弹性大数据云分析平台

作者: 鲍远松 2020-01-13 21:18:30

【51CTO.com原创稿件】大数据和大数据分析成为时下企业关注的焦点,大数据分析平台正在从企业的高配变为标配,是企业实现“一切业务数据化,一切数据业务化”目标的基础平台。本期《大咖来了》邀请了阿里云智能高级解决方案架构师鲍远松,分享主题为《零门槛构建弹性大数据云分析平台》,过程中对大数据分析平台建设进行阶段划分,并对每阶段进行了详尽的阐述。

如下图,为大数据分析平台建设的四个阶段,分别是自建、云托管、云服务和云原生。

大数据分析平台建设之自建

为什么要自建大数据分析平台呢?主要原因有三:其一、传统大数据分析技术已经不能满足大数据分析,需要通过引入新技术进行提升;其二、早期大数据技术相对不成熟、不可靠,需要专门的技术人才去研究;其三、市场上缺乏有效的大数据分析的成功案例和实践,企业必须摸着石头过河。

自建大数据分析平台属于重资产模式,存在多方面不足,主要有如下几点:

周期长:整个建设周期特别长,涉及机房选择、硬件采购、集群部署、测试调优、数据服务、运维管理等诸多环节。

成本高:成本分为两类,一类是服务器、存储、网络、运维、IDC等显性成本,另一类是业务影响、资源闲置、弹性扩容、一次性资金投入等隐性成本。这些成本的投入是确定的,但产出却是未知的。

门槛高:近些年大数据技术蓬勃发展,数据集成、数据存储、分析计算及数据作业每个维度都有很多细分的技术,任何一个技术都需要投入专人进行深入研究,对于普通企业来说人才门槛很高。

见效慢:大数据分析平台需要自始至终不断地进行迭代和修正,直至数据质量符合预期,数据分析结果可信,才能真正达到极致弹性性能、高可靠、多场景应用的效果。

大数据分析平台建设之云托管

自建大数据分析平台种种不足的背景下,云托管应需而生,原因有三:其一、企业甩掉重资产的包袱;其二、大数据技术趋于成熟,企业不再聚焦于大数据技术本身,而是需要一批具有大数据技能的人来做大数据的开发;其三、云厂商结合自身的优势,提供了云上大数据托管平台。

自建大数据分析平台通常是基于开源Hadoop平台,而云托管是把自建开源Hadoop平台转化为企业级、标准型大数据分析平台,具备统一集群管理、完备的监控报警、计算与存储分离、弹性扩容、按需构建、数据安全、低门槛运维、丰富云生态对接等优势。

EMR提供了基础资源、平台管理、数据存储、数据集成、计算引擎、数据使用和作业管理等平台能力,对于所有组件都提供了完备的监控报警,任何组件异常都可以第一时间做报警并且通知到用户,同时基于平台提供了智能的运维管理、调度等功能。

接下来我们从基础设施、运维管理、云生态等角度,详细了解下云托管的部分优势。

云托管之基础设施

首先,云上有丰富的产品规格族,阿里云整个虚拟机分为通用计算、异构计算、裸金属&高性能计算三大类,每一类满足不同的场景,可以快速构建不同场景下的大数据分析平台;其次,利用云的弹性,计算和存储资源可以进行独立扩充,满足业务高峰期或业务对极致性能的追求的同时,还可以灵活的按需构建;最后,云上构建大数据分析平台在成本上可以做大量优化,可以根据业务特性灵活选择购买方式,如通过Spot Instance 大幅降低计算节点的成本。

云托管之运维管理

运维整个大数据分析平台非常复杂,需要专业的人才和大量的投入。从基础运维到管理运维,再到组件运维,云厂商提供了多维度运维能力。

基础运维:云厂商借助自身大规模服务器运维经验构建AlOps系统,可以提前对硬件做检测分析、发现故障后快速进行主动运维,减少对业务的影响。

管理运维:EMR实现一键部署、开箱即用,还提供统一的配置管理、平台状态监控和故障报警等功能。

组件运维:组件运维是大数据分析平台最复杂的部分,当进行版本升级时,由于组件之间存在着千丝万缕的关联,保证兼容是重中之重。组件运维还有一个很重要的点就是性能优化,云厂商会结合自身云计算优势对底层基础设施进行优化,对内核引擎进行优化,帮助开源组件提升性能。

云托管之云生态

云上有丰富的生态,避免后来者重复造轮子或从零开始,如下图。

底层存储在云上可以提供OSS对象存储、HDFS存储,HDFS存储可以直接去无缝访问OSS对象存储,与访问HDFS文件没有任何差别,这样一来,就可以灵活的进行数据归档和成本调优。

在数据源方面, 支持OSS、SLS、RDS、消息队列等服务作为数据源;在计算引擎方面,云上EMR平台可与MaxCompute、Flink、Tensorflow引擎进行打通;在融合方面,云上提供DataWorks服务,通过DataWorks可以把Hadoop整个上层元数据的管理、数据质量管理进行统一。除此之外,云上还提供DataV、QuickBI等分析展示能力。

除以上概述内容外,后续还有云服务和云原生等方面更多干货,请戳视频进行观看: https://aix.51cto.com/activity/10019.html

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

大咖来了 大数据 云分析平台
上一篇:2019年全球人工智能芯片行业市场竞争格局分析 下一篇:不容错过的12个深度学习面试问题
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

大数据是否将我们拖到另一个AI冬天?

过去几年中,令人屏息的新闻剪辑数量令人难以记住,但人工智能的历史充满了挫折和挫折。 记忆犹新的人们记得70年代初和80年代的第一对所谓的" AI冬季"。

闻数起舞 ·  2020-05-17 14:52:22
地图厂商的下一战:AI大战

时代在变化,技术在精进,用户需求不断变化,新基建下的互联网地图行业会给用户带来惊喜,这也是地图商们破局的机遇。

暗脑 ·  2020-05-15 10:52:41
医疗行业正从大数据中汲取回报的六个途径

科技总是源源不断地改变着世界,人工智能和大数据正在结合起来,为人们提供各种好处,其中应用比较广泛的可能要数医疗行业了。

佚名 ·  2020-05-14 13:38:32
2020年,你需要掌握的10大趋势技术!

变化是唯一不变的。这也适用于您的职业生涯。如今,提高自己的技能是必需的,原因很简单,技术发展非常迅速。 我列出了十大趋势技术,这些技术有望在2020年获得巨大的市场。

愚子科技 ·  2020-05-06 14:54:59
数据科学vs.机器学习:有什么区别?

机器学习是人工智能(AI)的一个分支,而数据科学是数据清理、准备和分析的学科。人们需要了解每种技术的工作原理,以及它们是如何一起工作的。

Stephanie Overby ·  2020-05-06 14:19:53
大数据与人工智能应用的7个常见误区

大数据和人工智能技术总是结合在一起是很自然的,但是在这一过程中,人们对人工智能和大数据如何协同工作产生了一些误解,导致潜在的混乱,IT领导者应在采用数据驱动型策略时进行澄清。

Stephanie Overby ·  2020-04-22 10:03:39
你是否适应数据正在“看”着你?

从最近针对AI技术发展与影响进行的调查、研究、预测以及其他量化评估结果来看,消费者对于数据隐私、AI给工作带来的影响以及AI优先层面的竞争,普遍抱有困惑且矛盾的态度。

佚名 ·  2020-04-20 13:48:21
AI 时代,还不了解大数据?

如果要问最近几年,IT行业哪个技术方向最火?一定属于ABC,即AI + Big Data + Cloud,也就是人工智能、大数据和云计算。

骆俊武 ·  2020-04-20 10:55:57
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载