京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何做好大数据的实时复杂查询
在过去的几年里,我们生活中几乎每一个功能都依赖于实时应用。无论是通过社交媒体更新我们的朋友圈,在线购物,还是等待客户服务的立即回应,我们已经变得越来越依赖快速有效的得到我们想要的信息。
然而我们不知道的是,这其中存在几个挑战:
在这些系统中流动着的大量数据
·需要一个高度可用的应用程序和数据存储
·高性能的要求·支持复杂查询。
·事务支持
我们可以尝试把这些挑战转化为3个部分:大数据,实时性和复杂查询。
第一个挑战-大数据
从大数据开始,要解决这些问题,我们有很多可以利用的解决方案。 最流行的解决方案是NoSQL数据库和Hadoop。 它们属于分布式环境,其中存在多个包含数据的分区。 通过分区间的复制,以确保在某一台服务器宕机时,我们可以从另一台服务器获取数据(大多数是最终一致的,这意味着副本可能没有最新的数据更新,但是这属于另外的讨论范畴)。 那么,如果我们采用这些NoSQL数据库,我以很容易地克服数据量和高可用性问题所带来的挑战。 它也是一种可扩展的解决方案,可以添加更多的计算和存储资源,这些将能够支持更多的数据和吞吐量。
第二个挑战-实时
实时是面临的主要挑战。目前主流的解决方案主要是基于磁盘的,这意味着没有对实时部分的支持,面对复杂的查询可能需要几分钟,有时甚至更多。 这就是为什么我们需要内存数据网格,它在内存中存储了部分数据或全部数据。 当数据存储在内存中,计算是可以做到非常快速的使用RAM而不是I / O访问。
但这种解决方案也不是那么容易。 我们也许可以在RAM中存储几个TB数据,但如果我们有更多的数据,那怎么办? 比如说50TB ......即使如今RAM变得便宜得多,但50TB也将是非常昂贵的。 此外,这也导致管理一个数据网格集群的机器数量过多。 一些内存数据网格解决方案提供了另一种方法,在磁盘中存储一些非活跃的数据。
固态硬盘可以为我们提供一个将二者合二为一的机会,前提是我们使用正确。虽然SSD并不像RAM一样快,但它比正常的磁盘快得多,而且比RAM便宜很多。 现在有2种方式,我们可以利用固态硬盘来实现非常大的集群和实时复杂查询:
*快速索引模式 - 我们将查询的字段存储在RAM中,将其余部分都存储在SSD上。 例如,如果我们有一个包含很多字段的大对象,我们只能在RAM中存储其中的一些索引,将一些次要字段存储在固态硬盘中,所以相比于常规磁盘,我们依然可以在它们之上进行非常快的查询。
*热数据---最近被使用的对象将被存储在RAM中,其他对象将被放入SSD。 这种方法还可能具有实时性的挑战,因为查询引擎在SSD上进行需要全部数据的复杂运算,而不是在RAM上。
第三个挑战-复杂查询
还剩下复杂查询这部分挑战,大多数应用在关系型数据库中有实时分析的需求,我们可以很容易地通过聚合查询实现 (avg, min, max, sum, group by)。而分布式环境中,这要复杂得多,因为数据在集群的分区中,聚和就意味着我们要么需要把所有的数据传输到客户端(这不是一种好的选择,因为它实在是太多了)或使用MapReduce逻辑模型,使用Map Reduce逻辑模型是一种不错解决方案,只不过没有简单SQL group by来的更直观而已。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12