GetInsight是慧都自主研發(fā)、應用最靈活的大數(shù)據(jù)平臺。能夠幫助您隨時找到您想要的數(shù)據(jù)，使數(shù)據(jù)得到安全、穩(wěn)定和高效的管理與應用。GetInsight是企業(yè)大數(shù)據(jù)解決方案的重要組成部分，除了提供完整的大數(shù)據(jù)功能組件，我們還提供組件自定義搭配，為企業(yè)選擇滿足方案需要的大數(shù)據(jù)功能組件，使您的大數(shù)據(jù)解決方案成本降到最低，從而高品質(zhì)的解決您的大數(shù)據(jù)需求問題。

了解什么是GetInsight，請點擊這里查看GetInsight的基礎(chǔ)介紹>>

本文主要跟大家介紹GetInsight的分布式消息系統(tǒng)和分布式流處理框架。

分布式消息系統(tǒng)

分布式消息系統(tǒng)是一個分布式消息隊列：生產(chǎn)者、消費者的功能。它提供了類似于JMS的特性，但是在設計實現(xiàn)上完全不同，此外它并不是JMS規(guī)范的實現(xiàn)。

分布式消息系統(tǒng)是用于構(gòu)建實時數(shù)據(jù)管道和流應用程序。具有橫向擴展、容錯、速度快等優(yōu)點。

分布式消息系統(tǒng)對消息保存時根據(jù)主題進行歸類，發(fā)送消息者成為生產(chǎn)者，消息接受者成為消費者，此外分布式消息系統(tǒng)集群有多個實例組成，每個實例(server)成為broker。無論是分布式消息系統(tǒng)集群，還是生產(chǎn)者和消費者都依賴于分布式協(xié)調(diào)工具來保證系統(tǒng)可用性集群保存一些meta信息。

GetInsight分布式消息系統(tǒng)的特性

1. 構(gòu)建實時的流數(shù)據(jù)管道，可靠地獲取系統(tǒng)和應用程序之間的數(shù)據(jù)。
2. 構(gòu)建實時流的應用程序，對數(shù)據(jù)流進行轉(zhuǎn)換或反應。
3. 以容錯的方式存儲消息流。
4. 在消息發(fā)生的時候處理消息流。
5. 集群支持熱擴展
6. 消息被處理的狀態(tài)是在consumer端維護，而不是由server端維護。當失敗時能自動平衡。
7. 高吞吐量：可以滿足每秒百萬級別消息的生產(chǎn)和消費。
8. 持久性：有一套完善的消息存儲機制，確保數(shù)據(jù)的高效安全的持久化。
9. 分布式：基于分布式的擴展和容錯機制；分布式消息系統(tǒng)的數(shù)據(jù)都會復制到幾臺服務器上。當某一臺故障失效時，生產(chǎn)者和消費者轉(zhuǎn)而使用其它的機器，允許集群中節(jié)點失敗（若副本數(shù)量為n，則允許n-1個節(jié)點失敗）。
10. 支持實時在線處理和離線處理：可以使用分布式流處理工具這種實時流處理系統(tǒng)對消息進行實時進行處理，同時還可以使用Hadoop這種批處理系統(tǒng)進行離線處理。

GetInsight分布式消息系統(tǒng)的功能

在大數(shù)據(jù)平臺上，分布式消息系統(tǒng)主要是用來處理實時流數(shù)據(jù)，作為一個消息中間件來使用，用來接收其他組件或服務實時產(chǎn)生的消息數(shù)據(jù)，這可以是大量的，產(chǎn)生的速度也可以是很快的，分布式消息系統(tǒng)提供了主題的概念，它會根據(jù)消息的主題分類存儲起來，提供了持久化機制，容錯機制，處理的速度效率非常快。然后結(jié)合大數(shù)據(jù)平臺上其他的組件如分布式流處理框架來對消息系統(tǒng)上的消息進行消費。消費的處理是在消費者角色端進行。

GetInsight分布式消息系統(tǒng)的應用場景

日志收集，分布式消息系統(tǒng)可以收集各種服務的log，通過消息系統(tǒng)以統(tǒng)一接口服務的方式開放給各種consumer，例如Hadoop、Hbase、Solr等。

運營指標：Kafka也經(jīng)常用來記錄運營監(jiān)控數(shù)據(jù)。包括收集各種分布式應用的數(shù)據(jù)，生產(chǎn)各種操作的集中反饋，比如報警和報告。

作為一個大量的，高吞吐量的數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)緩沖，因為當信息采集平臺將這些變化的數(shù)據(jù)信息寫入或更新到數(shù)據(jù)庫時候，會給數(shù)據(jù)庫代理非常大的壓力，甚至可以直接將數(shù)據(jù)庫掛掉。所以就可以使用分布式消息系統(tǒng)來作為一個中間件，對實時的大量的數(shù)據(jù)進行緩沖，然后再寫入到數(shù)據(jù)庫中。

數(shù)據(jù)中心處理過的數(shù)據(jù)需要實時共享給幾個不同的機構(gòu)。我們常采用的方法是將數(shù)據(jù)批量存放在數(shù)據(jù)采集機，分支機構(gòu)定時來采集；或是分支機構(gòu)通過JDBC、RPC、HTTP或其他機制實時從數(shù)據(jù)中心獲取數(shù)據(jù)。這兩種方式都存在一定的問題，前者在于實時性不足，還牽涉到數(shù)據(jù)完整性問題；后者在于，當數(shù)據(jù)量很大的時候，多個分支機構(gòu)同時讀取數(shù)據(jù)，會對數(shù)據(jù)中心的造成很大的壓力，也造成很大的資源浪費。所以也可以用到分布式消息系統(tǒng)來解決這兩個問題。

分布式流處理框架

分布式流處理框架是一種構(gòu)建在分布式計算框架上的實時計算處理框架，它擴展了分布式計算框架處理大規(guī)模流式數(shù)據(jù)的能力。

分布式流處理框架在內(nèi)部的處理機制是：接收實時流的數(shù)據(jù)，并根據(jù)一定的時間間隔拆分成一批批的數(shù)據(jù)，然后通過分布式計算框架處理這些批數(shù)據(jù)，最終得到處理后的一批批結(jié)果數(shù)據(jù)。對應的批數(shù)據(jù)，在計算框架內(nèi)核對應一個RDD實例，因此，對應流數(shù)據(jù)的DStream可以看成是一組RDDs，即RDD的一個序列。通俗點理解的話，在流數(shù)據(jù)分成一批一批后，通過一個先進先出的隊列，然后分布式計算框架從該隊列中依次取出一個個批數(shù)據(jù)，把批數(shù)據(jù)封裝成一個RDD，然后進行處理。

分布式流處理框架對數(shù)據(jù)的處理其實并不是真正意義上的實時，并不是真正來一條數(shù)據(jù)就處理一條數(shù)據(jù)，而是根據(jù)分隔的時間片（例如1秒鐘）來做到的準實時，把每一個時間片內(nèi)到達的數(shù)據(jù)看做一組數(shù)據(jù)進行處理。所以，分布式流處理框架能做到的就是在秒級別的實時相應。

GetInsight分布式流處理框架的特性

1. 能在分布式環(huán)境中運行，并達到秒級延遲。
2. 使用基于內(nèi)存執(zhí)行引擎，具有高效和容錯的特性。
3. 能集成分布式計算框架的批處理和交互查詢。
4. 為實現(xiàn)復雜的算法提供和批處理類似的簡單接口。
5. 開發(fā)語言支持多種，scala、Java、Python，R
6. 數(shù)據(jù)源廣泛。

GetInsight分布式流處理框架的功能

對數(shù)據(jù)來源的實時流數(shù)據(jù)進行實時的處理，通過設置時間間隔的方式來滿足不同業(yè)務需求對實時性的不同要求，間隔設置得越小，實時性就會越高。但是數(shù)據(jù)的處理是需要時間的，雖然分布式流處理框架的數(shù)據(jù)處理能力非常強，而且處理的速度特別快，但是當數(shù)據(jù)量大到一定程度，也是需要時間來處理的，所以這個時間間隔設置得需要合理，不能夠太短，太短就會導致異常。

GetInsight分布式流處理框架的應用場景

分布式流處理技術(shù)應用場景主要體現(xiàn)在三個大的方面：實時營銷、實時服務、實時監(jiān)控以及實時同步應用場景。

實時營銷：根據(jù)特定消費者當前的個性需求，為其提供商品，該商品在被消費過程中可自動收集顧客信息，分析、了解消費者的偏好和習慣，自動調(diào)整產(chǎn)品功能，實時地適應消費者變化著的需求，金融、電商以及廣告等行業(yè)有較多應用場景體現(xiàn)。金融：根據(jù)客戶信用卡消費記錄，掌握客戶的消費習慣和偏好,預測客戶未來的消費需求,并為其推薦個性化的金融產(chǎn)品。電商：根據(jù)電商平臺用戶瀏覽商品的分類、價格區(qū)間、品牌等因素對用戶進行個性化推薦促成交易。廣告：根據(jù)客戶的查詢偏好、瀏覽歷史、地理位置等綜合語義決定插入什么廣告、在什么位置插入這些廣告能得到最佳效果。電商平臺、非電商業(yè)務系統(tǒng)以及外部數(shù)據(jù)共同描繪出用戶畫像，當用戶訪問電商網(wǎng)站、電商APP等觸點時，根據(jù)用戶畫像為用戶進行商品、商戶等個性化實時推薦。再根據(jù)用戶操作進行推薦算法以及畫像修正。

實時服務：對消費者動態(tài)需求的快速反應，隨時滿足消費者在消費過程中新產(chǎn)生的需求，提高消費者的滿意程度，培養(yǎng)消費者對企業(yè)的忠誠度并提升企業(yè)的競爭力，社交、電信以及交通等行業(yè)有較多應用場景體現(xiàn)。社交：實時分析用戶的狀態(tài)信息,及時提供最新的用戶分享信息到相關(guān)的朋友，準確地推薦朋友，推薦主題，提升用戶體驗，并能及時發(fā)現(xiàn)和屏蔽各種欺騙行為。交通：實時接收用戶使用手機軟件發(fā)送的約車請求，司機根據(jù)約車請求進行接單（或派單），到達目的地后進行實時結(jié)算服務。電信：用戶流量、資費實時統(tǒng)計做到個性化提醒服務；套餐、終端、閱讀、動漫等根據(jù)用戶畫像進行個性化推薦服務。由于打車服務是典型的基于LBS（地理位置實時定位系統(tǒng)）的應用，實時性要求高且用戶請求服務器并發(fā)量大。司機每隔幾秒鐘上報一次經(jīng)緯度，乘客發(fā)單時，圈選出附近司機，將訂單推送給司機，司機接單，開始服務。

實時監(jiān)控：實時監(jiān)控一般是指利用軟件或硬件采集信息，并用采集到的信息對系統(tǒng)、環(huán)境、硬件等運行狀態(tài)進行實時的監(jiān)控。制造：對機械運行狀態(tài)信息進行實時監(jiān)控，分析出可能產(chǎn)生問題的部件進行預警。交通：通過傳感器實時感知車輛、道路的狀態(tài)，并分析和預測一定范圍、一段時間內(nèi)的道路流量情況,以便有效地進行分流、調(diào)度和指揮。金融：信用卡詐騙、保險詐騙、證券交易詐騙、程序交易等需要實時跟蹤發(fā)現(xiàn)。

實時同步：對一些異構(gòu)數(shù)據(jù)庫之間進行實時數(shù)據(jù)同步，當然，需要用到分布式流處理框架的實時同步一般是產(chǎn)生數(shù)據(jù)量比較快，數(shù)據(jù)量很大的情況下，由于傳統(tǒng)的同步方法一試沒有消息中間件來緩沖大量的數(shù)據(jù)，而是對數(shù)據(jù)類型的轉(zhuǎn)換需要時間，不能滿足實時性的要求，所以就可以用到分布式流處理框架結(jié)合分布式消息系統(tǒng)來滿足。消息系統(tǒng)負責緩沖實時數(shù)據(jù)，流處理框架負責處理實時數(shù)據(jù)，進行類型轉(zhuǎn)換計算等，然后寫入到目標數(shù)據(jù)庫或者文件中，由于分布式流處理框架是基于分布式就算框架的，而分布式計算框架是基于內(nèi)存的，且是分布式運行，多以速度非常快，能夠滿足實時性要求，所以，分布式流處理框架也可以用來做實時同步工具。

關(guān)于慧都大數(shù)據(jù)分析平臺

慧都大數(shù)據(jù)分析平臺「GetInsight®」升級發(fā)布，將基于企業(yè)管理駕駛艙、產(chǎn)品質(zhì)量分析及預測、設備分析及預測等大數(shù)據(jù)模型的構(gòu)建，助力企業(yè)由傳統(tǒng)運營模式向數(shù)字化、智能化的新模式轉(zhuǎn)型升級，抓住數(shù)據(jù)經(jīng)濟的發(fā)展勢頭，提供管理效能，精準布局未來。了解更多，請聯(lián)系。

慧都大數(shù)據(jù)專業(yè)團隊為企業(yè)提供商業(yè)智能大數(shù)據(jù)平臺搭建，免費業(yè)務咨詢，定制開發(fā)等完整服務，快速、輕松、低成本將任何Hadoop集群從試用階段轉(zhuǎn)移到生產(chǎn)階段。

歡迎撥打慧都熱線023-68661681或咨詢慧都在線客服，我們有專業(yè)的大數(shù)據(jù)團隊，為您提供免費大數(shù)據(jù)相關(guān)業(yè)務咨詢！