在網際網路高度發達的今天，ipad、手機等智能終端裝置随處可見，運作在其中的APP、網站也非常多，如何采集終端資料進行分析，提升軟體的品質非常重要，例如PV/UV統計、使用者行為資料統計與分析等。雖然場景簡單，但是資料量大，對系統的吞吐量、實時性、分析能力、查詢能力都有較高的要求，搭建起來并不容易。今天我們來介紹一下基于阿裡雲表格存儲，以及相關的大資料産品來采集與分析資料的方案。
TableStore(表格存儲)是阿裡雲自主研發的專業級分布式NoSQL資料庫，是基于共享存儲的高性能、低成本、易擴充、全托管的半結構化資料存儲平台，支撐網際網路和物聯網資料的高效計算與分析。
目前不管是阿裡巴巴集團内部，還是外部公有雲使用者，都有成千上萬的系統在使用。覆寫了重吞吐的離線應用，以及重穩定性，性能敏感的線上應用。表格存儲的具體的特性可以看下面這張圖檔。
一個典型的資料采集分析統計平台，對資料的處理，主要由如下五個步驟組成：
對于上圖流程的具體實作，網上有許多可以參考的案例，資料在用戶端采集完以後，如果量比較小，我們可能直接在後端的API上做一次透傳，然後持久化到RDBMS類型的資料庫中就好了，通過Sql可以進行資料分析。如果資料量很大，就需要一些中間件來輔助收集和上傳，然後分别将資料寫入到線上和離線的系統中，比如先上傳到Flume，Flume可以做資料的采集與聚合，再将Flume作為消息的生産者，将生産的消息資料通過Kafka Sink釋出到Kafka中，Kafka作為消息隊列的角色，可以對接後端的線上和離線計算平台。如下圖所示：
引入Flume和Kafka的原因有很多，比如他們可以處理大流量的資料、做資料聚合、保證資料不丢失等，但最關鍵的原因是他們擁有高吞吐的能力。引入的元件多，系統的複雜性和成本也會相應的增加，上圖中，Spark Streaming/Storm分析完成以後，結果資料還需要引入另外的存儲元件進行存儲，比如HBase/MySQL，如果引入MySQL可能還需要再引入Redis做熱點資料緩存，這樣一來就更加複雜了。
我們嘗試一種基于TableStore和阿裡雲其他大資料産品的新方案，我們先看架構圖：
圖中關鍵路徑分析：
1、Web頁、APP等用戶端先通過埋點系統收集資料，然後通過表格存儲的SDK将資料寫入TableStore的原始資料表。
4、TableStore中的資料可增量同步到Blink/Flink進行分析，分析完以後的資料再寫回TableStore的結果資料表中，DavaV讀取結果資料表的資料進行展示。
新架構優勢分析：
1、用戶端資料直讀直寫TableStore，不需要再引入API層進行資料透傳，降低了複雜度，對于大型應用來說也減少了不少的伺服器成本。
2、TableStore已經對接了豐富了大資料元件，包括阿裡雲的大資料産品和開源大資料産品，資料的同步與讀寫非常容易。
3、實時分析與離線分析後的結果資料再寫回TableStore，DataV直接讀取結果資料進行展示，因為TableStore具備高性能與高吞吐特點，不需要再引入Redis等緩存元件，可以簡化整個系統。
直讀直寫安全問題：
浏覽器跨域通路TableStore：
如果在浏覽器端直接通路TableStore，由于浏覽器有同源政策的限制，會産生跨域問題。因為TableStore的EndPoint域名與使用者Web站點的域名不同。解決這個問題的思路有兩個：一是Web端不直接通路TableStore，改為先請求自己的Web Server端，Web Server端再使用TableStore SDK來發起請求，這樣其實就是後端通路了，問題解決了但也沒了我們直讀直寫的優勢；二是TableStore服務端通過某種方式直接支援js跨域請求，這條路我們正在支援當中，目前處于開發階段，支援的方式是cors協定支援跨域。但目前也有快捷的支援方式，如果您有浏覽器直接通路TableStore的需求，可以直接聯系我們，支援起來也很快。