1 / 18

“ 大云 ” 大 数据平台及应用

“ 大云 ” 大 数据平台及应用. 中国移动通信研究院 郭磊涛 2013 年 11 月. 电信运营商具有更多的数据. 移动互联网 服务商. 消息. 专业 SNS. 博客. 视频. 优惠券. 电商. 图片. 点评. 新闻. 微博. 电信 运营商. 音乐. 签到. SNS. 地图. 问答. 论坛. 2G 、 3G 、 4G 、 WIFI. 除了像移动互联网服务商那样关注“结果”,电信运营商还需要关注“过程”!. 典型的应用场景 之一: 大 数据批处理系统.

halle
Download Presentation

“ 大云 ” 大 数据平台及应用

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. “大云”大数据平台及应用 中国移动通信研究院郭磊涛 2013年11月

  2. 电信运营商具有更多的数据 • 移动互联网 • 服务商 消息 专业SNS 博客 视频 优惠券 电商 图片 点评 新闻 微博 • 电信运营商 音乐 签到 SNS 地图 问答 论坛 2G、3G、4G、WIFI 除了像移动互联网服务商那样关注“结果”,电信运营商还需要关注“过程”!

  3. 典型的应用场景之一:大数据批处理系统 目标:针对海量结构化、非结构化数据的ETL操作。从各种数据源获取数据,并进行清洗、转换、去重、缺值补充等操作。通常采用MapReduce等并行计算技术。 技术要求举例: • 针对海量数据实时离线批处理运算(ETL),通常时间要求较为宽松,如几个小时级别。 • 数据ETL运算种类多,灵活性强,通常具有很强的定制化特征 • 数据通常需要导出到数据库、数据仓库,提供报表能力 • 需要灵活的调度的系统,便于系统需要和其他业务系统混合部署,提高资源利用水平 例图:分时段汇总的业务场景

  4. 典型的应用场景之二:大数据查询系统 目标:针对海量结构化、半结构化数据的精确定位、区段扫描等条件查询操作,用于网络优化、帐详单查询、故障定位、搜索引擎等业务场景。 计算2 采集预处理 计算1 原始 数据 处理 融合 消息 技术要求举例: • 针对海量数据实施交互式查询,返回时间在1秒钟左右。 • 针对海量大数据规模实施查询,数据规模可以达到100TB-10PB规模。 • 数据插入通常采用批处理方式,而查询通常带有条件,通常返回结果数较少 • 系统具备较高的并发性,支持大量用户同时查询,依然可以在给定时间出口返回结果 • 数据具有很高的可靠性和可用性要求 大数据库 大数据库 营业厅系统 营业厅3 营业厅1 营业厅2 营业厅4 例图:帐详单查询系统

  5. 典型的应用场景之三:大数据挖掘系统 目标:针对海量结构化、非结构化数据的进行深度挖掘。通常需要根据业务需求设计模型、训练集并选择算法(分类、聚类、关联、非结构化)。通常会使用各种分布式数据挖掘工具和算法 人群1 技术要求举例: • 针对海量数据实施全量数据挖掘,规模达到10TB-PB规模。 • 处理时间没有严格要求,通常达到几个小时,甚至更长时间 • 需要支持各种并行计算模式,如MapReduce、BSP等 • 数据挖掘系统需要较好的用户界面,用户通常具备业务知识,但是未必具备开发经验 • 系统可以和其他系统混合部署 • 数据具有一定的可靠性和可用性要求 其它人群 例图:客户分类识别应用

  6. 中国移动“大云”云计算平台 结算 系统 信令 系统 经分KPI 集中运算 物联 网应用 云计算 资源池系统 经分系统 ETL/DM EMail IDC服务 … “大云”产品 PaaS 产品 系统监控和管理 CloudMaster 平台安全管理 CloudSecurity 数据管理/分析类 实时交易类 IaaS 产品 能力开放平台 商务智能平台 计算/存储资源池 K-V数据库 BC-kvDB K-V数据库 BC-kvDB 分布式SQL数据库 BC-RDB 分布式SQL数据库 BC-RDB 搜索引擎 BC-SE 并行数据挖掘工具集 BC-PDM 并行数据挖掘工具集 BC-PDM 并行数据 抽取转换 BC-ETL 文件中间件 BC-NAS 弹性计算 BC-EC 数据仓库系统 HugeTable 数据仓库系统 HugeTable 分布式内存引擎BC-DME 消息队列 BC-Queue BC-BSP 数据并行框架 BC-BSP 数据并行框架 对象存储 BC-oNest 弹性块存储 BC-Block store BC-Hadoop数据存储和分析平台 BC-Hadoop数据存储和分析平台 其他平台中间件 IT基础资源

  7. Hadoop数据存储与分析 BC-Hadoop:对开源Hadoop/HBase进行扩展和增强,为大云其他组件提供基本的存储计算能力。 基于Hadoop 1.0的NameNode/JobTracker HA,HBase Coprocessor优化,管理工具整合等 Zookeeper JobTracker (Virtual IP) RS级别结果汇聚 线程池管理 JT-0002 JT-0003 JT-0001

  8. 基于Ambari的Hadoop监控管理工具 • Apache Ambari是对Hadoop进行部署、监控和管理的开源项目 • Puppet部署hadoop服务 • Ganglia 收集hadoop服务数据与生成图表 • Nagios监控集群服务状态并报警

  9. 基于Ambari的Hadoop监控管理工具 • TODO: • 启用MRv1 JT/HMaster HA • 删除节点 • 节点异构配置(Ambari-3531)

  10. 数据仓库系统(HugeTable) 基于Hadoop的海量结构化数据存储系统,利用低成本硬件提供高性能的数据加载、索引查询和并行分析能力,对外提供易于应用集成的数据访问接口 • 大容量:支持PB级别的数据存储能力 • 低成本:基于PC架构,不需要外接集中存储设备 • 高性能:秒级别索引查询、数据并行扫描 • 可靠性:数据冗余备份永不丢失 • 可定制:根据应用需求选择索引类型及存储引擎 • 接口丰富:提供标准的JDBC/ODBC/ SQL接口;提串行Scan接口和分布式MapReduce接口 • 外围工具:支持数据、性能、故障、配置、日志管理功能;支持外部数据并行加载;支持数据快速备份、恢复 • 单条查询等(少量数据) • 实时性要求高的分析查询SQL(数据量满足impala内存限制条件) • 复杂SQL语句或者扫描大表全表(大规模数据聚合查询等占用空间超过了impala内存能力)

  11. 图计算平台(BC-BSP) BC-BSP:针对社交网络分析、用户精准营销、搜索引擎PageRank计算等图计算领域的数据挖掘需求而研发的并行计算框架,针对迭代计算,计算效率优于MapReduce框架 http://www.github.com/cmri/

  12. 并行数据挖掘工具集(BC-PDM) 应用 各种海量数据处理、挖掘应用 Web GUI/工作流引擎 SQL脚本 CLI命令行 并行 数据探索 并行 数据挖掘 用户权限管理 数据交换 HugeTable BC-BSP MapReduce … BC-PDM:支持SaaS模式的海量数据并行处理、分析与挖掘系统。适用于经营决策、用户行为分析、精准营销、网络优化、移动互联网等领域的智能数据分析与挖掘应用 主要特点 • 数据交换:支持与RDB直接交换数据、支持CSV格式数据 • 数据ETL:支持数据清洗、转换、集成等7大类45种ETL • 数据探索:支持数据统计、变量分析、分布特征探索等 • 数据挖掘算法:支持分类、聚类、关联分析等3大类共15种算法 • 社交网络分析:支持网络特征分析、社团发现和演化、社团展示等 • 支持SaaS服务模式:Web浏览器使用,并可支持应用共享 • 支持丰富的用户UI:支持Web图形化方式创建数据分析逻辑,支持SQL脚本方式,支持CLI命令行方式 • 支持二次开发:Java API、Web Service 子任务 M 1 任务分解 任务 M 2 数据分割 … M i M 2 R 1 block3 block2 R 2 … R j 广域网 block1 block1 block1 block3 R j block2 block3 block2 社交 网络分析 并行 数据ETL M 1 R 2 R 1 M i

  13. K-V数据库(BC-KVDB) BC-KVDB:根据订购关系存储、用户个人信息存储等应用需求和相关规范,增强系统操作维护功能、优化性能并提高系统可靠性。提供一个高并发、高可扩展的键值对存储系统。 实现用户认证和授权 实现多个主节点的互备 元数据与用户数据隔离存储 数据连续范围分区,类似HBase 通过Region数据的多副本,保证数据的高可靠 • 不依赖DFS,数据直接读写本地多个磁盘 • Query Cache & Block Cache

  14. SQL数据库(BC-RDB) BC-RDB 是基于MySQL的分布式数据库,系统由多个安全组(safegroup)和一个分布式事务管理器组成。 采用“两阶段提交协议即2PC”来实现分布式事务

  15. “大云”应用案例之一:大数据ETL业务 现网3.2天,减少为0.8天节约近2.5天 滚详单类 现网90分钟 减少为10分钟 仅为1/10 出月表类

  16. “大云”应用案例之二:大数据查询业务 帐详单系统存储数量急剧膨胀,传统架构难以满足当前业务运营要求,系统面临扩容难题 计算2 采集预处理 计算1 原始 数据 处理 融合 • 某地市应用,每个月帐详单总体数据量10TB • 话单通过HTLoad工具批量加载 • 帐详单查询通过SQL或NativeAPI接口进行 • 复杂分析则通过MR接口进行 • HugeTable支持数据按照Join key预先进行数据划分,减少join过程中数据在节点间的拷贝 消息 HugeTable表2 HugeTable表1 营业厅系统 • 应用效果: • 加载:支持数据并行加载,数据加载保证完整性和可靠性; • 查询:在高并发条件下,数据查询性能一般可达到网络IO(对于千兆以太网单节点可达1GB)或磁盘IO瓶颈; • 更新:可支持单条或批量数据增删改查操作,聚合更新带宽可达网络IO极限; • 压缩:对数据内容进行高效压缩,节省磁盘、网络IO,节省存储空间 营业厅3 营业厅1 营业厅2 营业厅4

  17. 小结 BC-PDM 挖掘 BC-BSP 图计算 BC-RDB DataBase HugeTable SQL工具 BC-NoSQL KeyValue Hadoop HDFS+MR

  18. 谢谢!

More Related