H3C大数据产品技术白皮书.doc

H3C大数据产品技术白皮书H3C大数据产品技术白皮书杭州华三通信技术有限公司2019年9月目录1 H3C大数据产品介绍 产品简介 产品架构 产品技术特点 4先进的混合计算架构 4高性价比的分布式集群 4云化ETL 4数据分层和分级存储 5数据分析挖掘 5数据服务接口 5可视化运维管理 产品功能简介 6管理平面功能: 6业务平面功能: 62 DataEngineHDP核心技术 83 DataEngineMPPCluster核心技术 MPP+SharedNothing架构 核心组件 高可用 高性能扩展能力 高性能数据加载 OLAP函数 行列混合存储 ,具备高性能、高可用、高扩展特性,可以为超大规模数据管理提供高性价比的通用计算存储能力。H3C大数据平台提供数据采集转换、计算存储、分析挖掘、共享交换以及可视化等全系列功能,并广泛地用于支撑各类数据仓库系统、BI系统和决策支持系统帮助用户构建海量数据处理系统,发现数据的内在价值。产品架构H3C大数据平台包含4个部分:第一部分是运维管理,包括:安装部署、配置管理、主机管理、用户管理、服务管理、监控告警和安全管理等。第二部分是数据ETL,即获取、转换、加载,包括:关系数据库连接Sqoop、日志采集Flume、ETL工具Kettle。第三部分是数据计算。MPP采用分析型分布式数据库,存储高价值密度的结构化数据;Hadoop存储非结构化/半结构化数据和低价值密度结构化数据。计算结果都存到数据仓库,数据仓库中的数据可直接用于分析和展示。数据仓库是面向主题的、集成的、稳定的且随时间不断变化的数据集合,用以支持经营管理中的决策制定过程。第四部分数据服务,包括:机器学分析、SQL和API,为应用层提供服务和中间件调用。数据处理对于大数据管理平台,应该建立一套标准化、规范化的数据处理流程,例如:如何采集内部和外部数据、结构化和非结构化数据;如何清洗采集来的脏数据和无效数据;如何对不同来源的数据进行打通;如何对非结构化的数据进行结构化加工;如何在结构化数据的基础上进行商业建模和数据挖掘等等。大数据管理层在一条数据总线上构建了一条完整的大数据处理流水线。这条流水线从数据的采集、清洗到加工处理,把原始杂乱无章的数据加工成结构化的数据组件,供上层的大数据应用来拼装调用,让企业拥有创造数据资产的能力。数据分层ODS层:数据来源于各生产系统,通过ETL工具对接口文件数据进行编码替换和数据清洗转换,不做关联操作。未来也可用于准实时数据查询。