
文档式数据库在Hadoop集群中的应用
作为国内唯一专注于Hadoop技术与应用分享的大规模行业盛会,2013 Hadoop中国技术峰会(China Hadoop Summit 2013)于北京福朋喜来登集团酒店隆重举行。来自国内外各行业领域的近千名CIO、CTO、架构师、IT经理、咨询顾问、工程师、Hadoop技术爱好者,以及从事Hadoop研究与推广的IT厂商和技术专家将共襄盛举。
在SQL&NoSQL专场,来自巨彬软件的CTO王涛做了《文档式数据库在Hadoop集群中的应用》演讲,从大数据的回顾、文档式数据库特性、数据库在Hadoop中的定位以及用户案例四个方面详细介绍了NoSQL在大数据时代的作用。
王涛介绍到,谈到大数据我们首先想到的就是3V(Volume、Variety、Velocity),Volume代表海量数据规模,据统计已有50%以上的组织拥有和正在处理超过10TB的数据,其中超过10%的组织已经超过1PB的数据,这也是大数据面临的第一个挑战;Variety代表高时效性,有30%的组织每天需要处理超过100G的数据,如何从海量的数据中实时得到我们想要的数据这是大数据所面临的第二个挑战;Velocity是多样化,大数据里我们需要处理的数据更加多样化,比如图形、视频、通话记录而这些数据可能都需要被处理和分析,如何处理这些多样化的数据是我们在大数据里面临的第三个挑战。
想要真正的解决大数据问题,可以用Hadoop+NoSQL组合来使用。如下图,Hadoop很好的解决了海量数据与多样化数据的问题,NoSQL解决了海量与高时效性数据。王涛谈到,Hadoop与NoSQL互为补充,而非取代。
谈到普通关系型数据库在大数据环境下面临的困境,王涛介绍到,一是数据模型僵化,无法处理海量的数据,造成了性能的上线;二是强一致性,关系型数据库中日志、锁构成了性能瓶颈;而文档式数据库却可以很好的解决这些问题。王涛继续谈到,文档式数据库数据模型灵活,Schemaless带来开发的敏捷和可扩展性的提升;最终一致性也带来了性能大幅度的提升;同时,NoSQL也体现在低成本方面,可以使用PC服务器进行水平扩张。
接着,王涛介绍了文档型数据库的几大特性,首先是在线扩容,只要把新的节点增加到集群里,然后划分数据分区,系统就可以自动的把数据从其他的机器搬到新的机器上。其次是异构数据复制机制,可以保证数据的稳定性、不丢失。三是多索引的支持,和很多KV或者宽表数据库比起来,文档型数据库一般对一个集合能够在不同字段上创建多个索引。
谈及Hadoop与NoSQL的结合点,王涛谈到了NoSQL数据库在Hadoop中的定位(如下图),把NoSQL放到了hadoop的下面,与HDFS处于同一层,而做为一个数据源。这样做的好处就是,我们每次访问数据的时候,从需要从上方导入HDFS再使用,而是可以直接的访问原生的数据库接口访问到数据。
▲从Hadoop导入数据
首先,客户挑战面临每天需要入库归档超过100G数据,需要能够并发、实时、由多个维度访问超过2年的历史数据,当前的Oracle数据库无法满足实时查询的需求。
解决方式:使用MapReduce与Hive作为ETL处理的补充进行数据清洗和转换,使用Hive将最终结果进行加载入SequoiaDB,小规模x86集群平台降低TCO,使用SequoiaDB,在常用查询字段上建立多个索引保证查询性能。
最终结果:可以在线针对2年的历史数据进行多条件检索,高数据压缩比节省数据存储空间,利于细分客户群,发现高价值用户,降低客户流失率,帮助自营产品、套餐等设计与创新,提升客户体验进行策略管控。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-24解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-24CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-24从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-23用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-23鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-23解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22你是不是也经常刷到别人涨粉百万、带货千万,心里痒痒的,想着“我也试试”,结果三个月过去,粉丝不到1000,播放量惨不忍睹? ...
2025-07-21我是陈辉,一个创业十多年的企业主,前半段人生和“文字”紧紧绑在一起。从广告公司文案到品牌策划,再到自己开策划机构,我靠 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18