論建立实时大数据平台

                                                                                                                                                        李万鸿2020-2-15

           目前的大多大数据平台都是T+1的非实时平台，只能展示昨天的数据，而客户普遍需要实时数据仓库提供实时服务，那么，如何解决此问题，打造高质量、高可用、高稳定、高性能实时数据库呢？

   我们在刚刚完成湖南的一个项目中，就成功地完成了一个实时大数据平台，使用效果良好，客户很满意，给予好评。实时大数据平台需要实时增量获取数据并进行实时处理，才能提供实时数据服务。我们采用的技术体系是这样的：

1. 采用Spark Delta0.7数据湖做数据仓库DW，使用俄罗斯的新颖大数据平台Clickhouse做数据集市DM。
2. 全量采用Spark抽取数据到delta的ODS，并在delta生成DWS，再生成ADS到clickhouse。这里需要根据业务建立数仓模型，运行大量的sql。
3. 对oracle数据库采用logmnr获取log变动的sql，对Mysql数据库采用Canal获取log的sql，把sql通过kafka发送到Spark Streaming，使用spark执行insert、update、delete语句，修改ods，再对ODS生成dws和ads,从而实时增量获取变化的数据。
4. 使用Springboot开发clickhouse的微服务接口，实时处理数据，提供实时数据服务。比如出差、请假数据，实时比对日期，修改出差状态是已出差、已结束等。

Spark Delta数据湖具有事务功能，支持增删改查，性能优异，支持Spark的sql操作，作为DW数据仓库，clickhouse性能优异，是不同于hadoop的大数据存储平台，支持实时写入和读取，无需采用事务处理，稳定快速，速度是Mysql的800倍，实际使用，快如闪电，线性扩展，P级海量，是新出现的好产品，阿里华为都在使用。

经过实战，我们发现，还可以进一步简化架构，直接使用clickhouse做整个实时数据仓库，把ODS、DWD、DWS、ADS都放在ch，这样效果更好，简单快捷，更为实时高效。

对这个平台在建立数据中台时，需要根据这个技术架构进行巧妙设计，比如使用Datax全量抽取数据到Hive，利用Hive的mysql元数据建立数据的元数据管理，再从Hive把数据抽取到ch。

   从ch查询数据，进行数据资产管理，等等。

      总之，实时大数据平台和中台已成为新时代的大势所趋，这是一个行之有效的方案，希望对大家有所启迪开发更棒的实时中台，谢谢。