建站
咨詢
售后
建站咨詢
新聞中心
數(shù)據(jù)中臺是 2015 年阿里提出來的雙中臺的概念其中的一個重要組成，阿里作為先驅者，提供了數(shù)據(jù)中臺架構、以及非常多的建設思路供大家參考，但是一千人眼里有一千個數(shù)據(jù)中臺，到底什么是數(shù)據(jù)中臺?數(shù)據(jù)中臺包含什么?
圖片來自 Pexels
本文分享的議題主要包括如下幾大內容：
- 帶大家回顧一下大數(shù)據(jù)在國內的發(fā)展，從傳統(tǒng)數(shù)倉到當前數(shù)據(jù)中臺的演進過程。
- 我個人認為數(shù)據(jù)中臺的核心組成，以及一些技術選型參考。
- 數(shù)據(jù)研發(fā)是數(shù)據(jù)中臺很重要的一環(huán)，會分享一些我們在數(shù)據(jù)研發(fā)方面的實踐，主要是數(shù)據(jù)倉庫架構與研發(fā)方面。
大數(shù)據(jù)演進，從數(shù)據(jù)倉庫到數(shù)據(jù)中臺
第一階段
21 世紀的第一個 10 年，企業(yè)級數(shù)據(jù)倉庫(EDW)從萌芽到蓬勃發(fā)展，“IOT”(IBM、Oracle、Teradata)占領了大部分市場，提供數(shù)據(jù)倉庫建設從硬件、軟件到實施的整體方案。
這個時代的數(shù)據(jù)倉庫實施不僅需要購買大(中、小)型機，配套商用的關系型數(shù)據(jù)庫(Oracle、DB2、SQL Server)以及一些 ETL/OLAP 套件，實施成本相對高昂，數(shù)據(jù)倉庫建設主要集中在金融、電信、大型零售與制造等行業(yè)。
數(shù)據(jù)倉庫的應用主要通過為企業(yè)提供報表、分析等數(shù)據(jù)，輔助企業(yè)的經(jīng)營決策。
像電信行業(yè)的經(jīng)營分析系統(tǒng)、銀行的風控管理等，都是這個期間比較典型的應用。
第二階段
2010-2015 年，大數(shù)據(jù)平臺階段，移動互聯(lián)網(wǎng)的飛速發(fā)展帶動 Bigdata(大數(shù)據(jù))的發(fā)展。
其中 Hadoop 生態(tài)技術開始逐步在國內大范圍使用，企業(yè)只要基于 Hadoop 分布式的計算框架，使用相對廉價的 PC 服務器就能搭建起大數(shù)據(jù)集群。
數(shù)據(jù)湖的概念也是這個階段誕生(主要是為降低傳統(tǒng)數(shù)倉較為復雜的中間建模過程，通過接入業(yè)務系統(tǒng)的原始數(shù)據(jù)，包括結構化、非結構數(shù)據(jù)，借助 Hadoop 生態(tài)強大計算引擎，將數(shù)據(jù)直接服務于應用)。
這個階段不只是金融、電信這些行業(yè)，國內主流互聯(lián)網(wǎng)企業(yè)也紛紛搭建起大數(shù)據(jù)平臺。
大數(shù)據(jù)應用更為豐富，不僅限于決策分析，基于 APP/門戶站點的搜索推薦、以及通過 A/B Test 來對產(chǎn)品進行升級迭代等是這個階段常規(guī)的應用點，用戶畫像在這個階段也得到重視，主要應用于企業(yè)的營銷、運營等場景。
第三階段
就是我們現(xiàn)在所處的階段，數(shù)據(jù)中臺以及云上大數(shù)據(jù)階段，通過前 10 多年不斷的技術積累，大數(shù)據(jù)在方法和組織的變革上也有了新的沉淀，主要體現(xiàn)在幾個方面：
①數(shù)據(jù)統(tǒng)一化
其核心思想是數(shù)據(jù)流轉的所有環(huán)節(jié)進行統(tǒng)一化，如從采集到存儲到加工等過程，在這些過程中通過建立統(tǒng)一的公共數(shù)據(jù)模型體系、統(tǒng)一的指標與標簽體系，提高數(shù)據(jù)的標準性、易用性，讓數(shù)據(jù)本身更好地連通，提升使用效率。
②工具組件化
數(shù)據(jù)在采集、計算、存儲、應用過程中涉及多業(yè)務線條，多場景，將這些場景與工具(采集工具、管道工具、計算&調度工具、數(shù)據(jù)服務工具，數(shù)據(jù)管理工具、可視化工具等)進行沉淀，研發(fā)出通用、高效的組件化工具，避免重復開發(fā)，降低研發(fā)成本。
③應用服務化
之前大數(shù)據(jù)應用的數(shù)據(jù)調用比較混雜，有些直接訪問數(shù)倉數(shù)據(jù)表，有些調用臨時接口等。
通過數(shù)據(jù)中臺應用服務化建設，提供標準的應用服務，以數(shù)據(jù)可視化產(chǎn)品、數(shù)據(jù) API 工具等服務，支撐應用的靈活調用。
④組織清晰化
數(shù)據(jù)中臺團隊專注于數(shù)據(jù)內容&數(shù)據(jù)平臺開發(fā)，提供各種基于數(shù)據(jù)的能力模塊。
而其他部門人員如業(yè)務產(chǎn)品、運營、分析等角色，只需要借助工具/產(chǎn)品有效地使用數(shù)據(jù)，發(fā)揮其價值，無需關注數(shù)據(jù)加工的過程，做到各盡其職，充分發(fā)揮各自專長，同樣也能達到降本提效目的。
大數(shù)據(jù)團隊內部本身組織和職責也傾于清晰化，比如按照職責分為平臺(工具)研發(fā)、數(shù)據(jù)研發(fā)、數(shù)據(jù)產(chǎn)品、數(shù)據(jù)分析等不同組織。
當前階段
數(shù)據(jù)應用到各個角落，除了之前可以支撐的決策分析以外，大數(shù)據(jù)與線上事務系統(tǒng)(OLTP)的聯(lián)動場景非常多，比如我們在電商平臺查詢個人所有歷史訂單，再比如一些刷單、反作弊的實時攔截，以及一些實時推薦等。
這些都是通過將數(shù)據(jù)的運算交給數(shù)據(jù)中臺部門處理，前臺部門直接通過 API 進行結果調用。
數(shù)據(jù)中臺的集中化建設也更好地支撐起創(chuàng)新業(yè)務，比如通過大數(shù)據(jù)+分析建立起商業(yè)化數(shù)據(jù)變現(xiàn)產(chǎn)品，進行數(shù)據(jù)售賣，把數(shù)據(jù)變成新的業(yè)務。
大家知道共享復用是中臺建設中很關鍵的一個詞，這也是為什么我們很多數(shù)據(jù)中臺下面會包括共享數(shù)據(jù)組，公共數(shù)據(jù)組等。
實際上共享復用并不是大數(shù)據(jù)發(fā)展的一個新詞，在早期數(shù)據(jù)倉庫(建立公共數(shù)據(jù)模型)、大數(shù)據(jù)平臺(研發(fā)一些組件化工具)的建設中，也是滿足共享復用的。
如上提到，數(shù)據(jù)中臺本身是組織，方法的升級與變革，更多是利用技術的進步更好地支持這些升級變革，如果你當前的建設還是數(shù)據(jù)平臺+數(shù)倉(數(shù)據(jù)湖等)但是已經(jīng)具備這些方法和特性，我個人認為也是合理的。
數(shù)據(jù)中臺的建設也需要相應的成本與門檻，例如集群搭建、工具建設等。
云計算的發(fā)展可以快速提供數(shù)據(jù)中臺建設的能力，例如企業(yè)無需自己搭建機房，使用云計算的彈性計算存儲能力以及豐富的工具，可以支撐數(shù)據(jù)中臺的快速搭建。
關于數(shù)據(jù)中臺的合理性也一直頗有爭議，大型(集團型)公司有相互獨立的子公司，數(shù)據(jù)之間不需要太多連接與共享，分別構建自己子數(shù)據(jù)中臺也是合理的架構。
集團層面可以利用數(shù)據(jù)子中臺進行數(shù)據(jù)上報解決集團層面數(shù)據(jù)大盤、統(tǒng)計、分析、財務等訴求。
再比如一些小型公司是否需要在一開始就按照數(shù)據(jù)中臺的架構進行建設，也是存有一些爭議。
數(shù)據(jù)中臺是 2015 年阿里提出來的雙中臺的概念其中的一個重要組成，阿里作為先驅者，提供了數(shù)據(jù)中臺架構、以及非常多的建設思路供大家參考。
從目前的建設效果來看，很多公司在數(shù)據(jù)中臺建設中有不錯的成效(尤其是大中型公司)，數(shù)據(jù)中臺整體思路得到了驗證。
但是數(shù)據(jù)中臺本身還算一個新鮮事務，這個新鮮事務目前還沒有標準答案，只有參考答案。
數(shù)據(jù)中臺架構與技術選型
數(shù)據(jù)中臺架構核心組成
我認為的數(shù)據(jù)中臺核心架構包括四大組成部分，具體是：
- 底座是數(shù)據(jù)基礎平臺，包括數(shù)據(jù)采集平臺&計算平臺&存儲平臺，這些可以自建也可以使用云計算服務。
- 中間部分兩大塊是中臺的公共數(shù)據(jù)區(qū)，公共數(shù)據(jù)區(qū)包括數(shù)據(jù)倉庫(數(shù)據(jù)湖) ，主要負責公共數(shù)據(jù)模型研發(fā)，還包括統(tǒng)一指標(標簽)平臺，負責把模型組織成可以對外服務的數(shù)據(jù)，例如數(shù)據(jù)指標、數(shù)據(jù)標簽。
- 上層是數(shù)據(jù)應用服務層，主要將公共數(shù)據(jù)區(qū)的數(shù)據(jù)對外包裝并提供服務，包括數(shù)據(jù)接口平臺、多維查詢平臺，數(shù)據(jù)可視化平臺、數(shù)據(jù)分析平臺等。
另外，數(shù)據(jù)研發(fā)平臺和數(shù)據(jù)管理平臺貫穿始終，其中：
- 數(shù)據(jù)開發(fā)平臺包括數(shù)據(jù)開發(fā)的各類工具組合，例如：數(shù)據(jù)管道工具(比如數(shù)據(jù)接入、數(shù)據(jù)導出)、模型設計工具、腳本開發(fā)工具、數(shù)據(jù)調度工具等。
- 數(shù)據(jù)管理平臺包括統(tǒng)一元數(shù)據(jù)管理、數(shù)據(jù)質量管理、數(shù)據(jù)生命周期管理。針對數(shù)據(jù)全鏈路的數(shù)據(jù)管理，保證數(shù)據(jù)中臺可以監(jiān)控數(shù)據(jù)鏈路中的數(shù)據(jù)流向、數(shù)據(jù)使用效果、數(shù)據(jù)生命周期，以衡量數(shù)據(jù)的價值與成本。
以上是數(shù)據(jù)中臺的核心部分，數(shù)據(jù)中臺的組成也可以更加豐富，比如包括：數(shù)據(jù)資產(chǎn)平臺、算法平臺等等。
在數(shù)據(jù)中臺的建設中一定不要忽視的是與業(yè)務的銜接，因為數(shù)據(jù)來源于業(yè)務并最終應用于業(yè)務，在數(shù)據(jù)中臺的建設中需要有一系列的流程制度明確與業(yè)務的充分銜接，以保障數(shù)據(jù)源&數(shù)據(jù)產(chǎn)出的質量。
數(shù)據(jù)中臺技術選型參考
在搭建數(shù)據(jù)中臺方面，基于開源技術的選型，尤其是 Hadoop 生態(tài)圈有非常多的選擇，從數(shù)據(jù)整體流向來看各大層級的選型。
數(shù)據(jù)抽取層：Sqoop 和 Flume 是兩大主流工具，其中 Sqoop 作為結構化數(shù)據(jù)(關系型數(shù)據(jù)庫)離線抽取，F(xiàn)lume 作為非結構化日志接入。
數(shù)據(jù)存儲層：Hadoop 文件系統(tǒng) HDFS 大家都比較了解，而 Kafka 作為流式數(shù)據(jù)總線應用也非常廣泛。
計算與調度層，包括：
- 離線計算：離線計算主要是 Hive，Spark，也有部分選用 Tez。
- 實時計算：前些年 Storm，Spark 比較流行，最近幾年大家紛紛往 Flink 轉型。
- 數(shù)據(jù)調度：除了像 Airflow Azkaban Oozie 等，易觀開源的 Dolphin-scheduler 也非?；钴S。
數(shù)據(jù)引擎層：也就是我們常說的 OLAP 層，我們看到這一層里的選擇非常多，就不一一列舉了(業(yè)務需求帶動技術進步的典型，選擇豐富主要是可以適配不同的數(shù)據(jù)應用場景)。
從概念上講分為 ROLAP、MOLAP 以及兩者混搭。MOLAP 提前做一些預計算，以生成 Cube 的方式，達到空間換取查詢效率。
而 ROLAP 是即查即用，效率完全取決于查詢引擎的性能，我個人認為從將來看，ROLAP 的趨勢會更加明顯，因為沒有中間的數(shù)據(jù)鏈路。
但目前看來，沒有一個統(tǒng)一的引擎足以支撐各類數(shù)據(jù)場景(這或許是將來的機會~)。
數(shù)據(jù)可視化層：比較主流的有 Metabase、Superset、Redash，也可以選擇阿里、百度的一些開源控件。
在開源技術的選擇里，我們看到各層里都有越來越多國內開源的工具(也充分體現(xiàn)了我們在大數(shù)據(jù)技術領域的進步)。
除了以上列舉的這些，整個 Hadoop 生態(tài)圈的技術選擇非常多，可以結合自己的實際場景選擇自己的架構，在選型層面可以參照的一些原則，比如：
- 是否有鮮活的成功案例，優(yōu)先找自己類似業(yè)務場景。
- 接口的開放性，與其他組件的兼容性。
- 社區(qū)活躍性度&發(fā)展趨勢。
當然，數(shù)據(jù)中臺的選型不只是開源技術，開源本身也不是完美的，例如維護開發(fā)成本較高，升級迭代不好把控，通過開源技術去建立數(shù)據(jù)中臺還是有一定研發(fā)門檻。
所以也有很多商業(yè)化的套件、以及基于云的數(shù)據(jù)組件可以選擇，包括數(shù)據(jù)采集、處理、分析、數(shù)據(jù)可視化全過程，國內外有很多廠商都提供了豐富的選擇。尤其在大數(shù)據(jù)可視化這塊，國內有許多非常專業(yè)的商業(yè)套件。
數(shù)據(jù)研發(fā)實踐
數(shù)據(jù)處理架構
下面是一個簡單的數(shù)據(jù)處理架構演進過程：
最早數(shù)據(jù)倉庫的計算只支持批處理，通常是按天定時處理數(shù)據(jù)，在后期逐步進化到準實時，本質上還是批處理，只是處理頻度上得有提升，到小時級，或者 15 分鐘這種。
隨著技術不斷進步，后期演化出一條新的流處理鏈路，這個鏈路和之前的批處理分別處理，然后在服務層面利用大數(shù)據(jù)的計算能力進行合并，向外提供離線+實時數(shù)據(jù)服務，這也是著名的 Lambda 架構。
最近幾年隨著 Flink 等技術的發(fā)展，有一個趨勢是流批一體化，在接入層統(tǒng)一采用流式接入，計算層采用統(tǒng)一套框架支持實時計算+離線計算，批處理僅僅作為流處理的一個特殊場景進行支持。
整體上可以做到流處理、批處理的自由切換。流計算和批處理在需求場景上有一些本質區(qū)別，前者主要用于支持線上業(yè)務場景(比如互聯(lián)網(wǎng)的推薦、搜索、風控等)，而批處理更多是支持離線統(tǒng)計分析。
日出而作，日落而息，大家針對大數(shù)據(jù)的統(tǒng)計分析習慣不會發(fā)生根本性變化，最簡單的 T+1 批處理方式也還是數(shù)據(jù)應用必不可少的環(huán)節(jié)。
在使用同一套架構上，由于數(shù)據(jù)源變化&維度變化的多樣性，批處理往往面臨一些復雜場景，這是采用同一套框架上的一些難點，充分支持好批處理也是將來流批一體框架的發(fā)展方向。
數(shù)倉分層與主題分類
①數(shù)倉分層
與傳統(tǒng) ETL 不同的，我們采用的是 ELT 的數(shù)據(jù)架構，較為適合在互聯(lián)網(wǎng)，總體分為業(yè)務數(shù)據(jù)層、公共數(shù)據(jù)層、應用數(shù)據(jù)層三大層次。
業(yè)務數(shù)據(jù)層(ODS 層)：原始數(shù)據(jù)經(jīng)過緩沖層(STG)的加載，會進入數(shù)倉的業(yè)務數(shù)據(jù)層，這一層采用范式建模，基本保持與數(shù)據(jù)源完全一致的結構，對于變化的數(shù)據(jù)，使用數(shù)據(jù)拉鏈加工與存儲。
這一層選用范式建模，是指保持源系統(tǒng)(例如關系數(shù)據(jù)庫)的范式結構，好處主要是：
- 一次性接入數(shù)據(jù)源結構，針對需求的變動不用頻繁去與數(shù)據(jù)源對接。
- 便于業(yè)務研發(fā)更好地理解數(shù)據(jù)，同時是也是公司的原始數(shù)據(jù)資產(chǎn)。
針對變化數(shù)據(jù)采用數(shù)據(jù)拉鏈的好處：
- 保留歷史數(shù)據(jù)的同時，盡可能少占用存儲空間，長期來看，拉鏈存儲比起每天全量保留歷史節(jié)約大概 90% 空間。
- 快速、高效地獲取歷史任意一天業(yè)務系統(tǒng)的快照數(shù)據(jù)。
公共數(shù)據(jù)層(包括公共明細層 DWD，公共匯總層 DWS)：公共數(shù)據(jù)層是數(shù)據(jù)倉庫的核心層，是整個數(shù)倉中使用率最高的，這一層主要采用的維度建模思路進行設計，類型包括事務事實、周期快照、累積快照。
同時為了方便下游對數(shù)據(jù)的使用，我們會設計一系列的寬表模型，將不同業(yè)務過程中的事實進行統(tǒng)一整合，包括縱向整合&橫向整合。
對于商品、用戶主數(shù)據(jù)類可能分散在不同的源系統(tǒng)中采用縱向整合;橫向整合主要包括交易、內容等行為數(shù)據(jù)不同業(yè)務過程的整合。
比如：用戶(用戶信息、注冊信息)購買(下單、支付、結算、覆約、完成)商品(商品信息，商家信息，等)。
我們會把訂單流轉業(yè)務過程整合放到一張明細表里，同時會研發(fā)一些基于用戶、或者商品視角的輕度匯總寬表。
寬表非常便于理解和易用，下游應用調用也方便。我們之前也做過一些統(tǒng)計，在調用分布來看，寬表的使用占到 70% 以上。
雖然寬表的使用在數(shù)倉建模中非常普遍，但是也有一些缺陷：
- 數(shù)據(jù)冗余較多，在存儲、計算、調用較為占資源，建議盡量還是按場景去使用。
- 寬表整合的信息較多，數(shù)據(jù)權限不好控制。建議可以根據(jù)需求，在有限范圍內開放整體寬表權限，或者通過視圖或者子表的方式建立不同權限的數(shù)據(jù)范圍，適應不同組織的需求。
- 寬表通常依賴比較多，會影響數(shù)據(jù)的產(chǎn)出的時效。
應用數(shù)據(jù)層(DWA 層)：顧名思義，就是偏向應用的數(shù)據(jù)加工，也可以叫集市層，這一層的設計可以相對靈活，貼近應用即可，總體設計思想仍然可以按維度建模思想為主。
主題分類
數(shù)倉架構的數(shù)據(jù)分類兩個視角，包括主題視角與業(yè)務視角。
①數(shù)據(jù)主題視角
最重要的一個視角，也就是咱們經(jīng)常提到的數(shù)倉主題，主題是將企業(yè)的業(yè)務進行宏觀數(shù)據(jù)抽象，是數(shù)據(jù)倉庫里數(shù)據(jù)的主要組織形式。
劃分方法如下：
- 參照波特價值鏈，分析企業(yè)本身經(jīng)營的業(yè)務(基本活動、支持型活動)，分別對應哪些數(shù)據(jù)。
- 參照業(yè)界通用模型，例如像 IBM、TD 等針對大型行業(yè)(如電信、金融、零售)有一些數(shù)據(jù)主題的通用劃分方法。
- 對企業(yè)的內部數(shù)據(jù)(線上數(shù)據(jù)模塊、數(shù)據(jù)字典)進行摸底，確認對應到哪些主題。
劃分結果會按照三個層級：
- 第一級是主題域，針對相對穩(wěn)定的主題進行合并，歸攏到主題域，利于數(shù)據(jù)的理解與建立全局的數(shù)據(jù)資產(chǎn)目錄。
- 第二級是主題。
- 第三級是子主題，主要針對有些主題下分類較多，比如供應鏈主題下會包含采購、倉儲、配送等子主題。
數(shù)據(jù)主題劃分建議完全互斥，不建議重復。
②數(shù)據(jù)業(yè)務視角
數(shù)據(jù)業(yè)務域是根據(jù)企業(yè)經(jīng)營的具體業(yè)務，結合企業(yè)的組織架構進行劃分，層次和分類可以相對靈活，子分類可以允許重復，因為兩條不同的業(yè)務域可能經(jīng)營相同的業(yè)務，例如電商、內容下都有會員這個業(yè)務。
上圖是一個比較典型的內容+電商的數(shù)據(jù)主題與業(yè)務分類。
以上一橫一縱兩個視角，將數(shù)據(jù)進行更好的歸類，在數(shù)據(jù)模型設計中會打上相應分類標簽，從而讓數(shù)據(jù)研發(fā)&數(shù)據(jù)使用人員統(tǒng)一認知。以上兩種分類方式主要應用于核心的公共數(shù)據(jù)層。
業(yè)務數(shù)據(jù)層、應用數(shù)據(jù)層并不需要遵循以上分類規(guī)則，比如業(yè)務數(shù)據(jù)層(ODS層)是按照數(shù)據(jù)源進行分類，應用數(shù)據(jù)層(DWA)是根據(jù)具體的應用進行分類。
數(shù)據(jù)研發(fā)流程
除了合理的架構之外，數(shù)據(jù)研發(fā)的流程也很重要，總體流程如下：
包括需求分析/數(shù)據(jù)調研、數(shù)據(jù)模型設計、數(shù)據(jù)開發(fā)&測試、上線發(fā)布等流程。
在之前數(shù)據(jù)中臺的核心架構提到不閉門造車，數(shù)據(jù)研發(fā)需要與業(yè)務部門充分銜接，比如在數(shù)據(jù)調研中要與業(yè)務研發(fā)同學進行線上數(shù)據(jù)&結構訪談。
在數(shù)據(jù)開發(fā)中，與分析&業(yè)務同學共同確認標準口徑;在數(shù)據(jù)研發(fā)完成后對數(shù)據(jù)使用方進行數(shù)據(jù)發(fā)布與培訓。
以上流程中，除了需求調研，其他部分我們都進行了線上化，包括數(shù)據(jù)的模型設計。
早期我們會手寫 Mapping 文檔，后期我們逐步把 Mapping 文檔進行了線上化，整體的數(shù)據(jù)模型設計通過模型設計工具完成，包括從概念模型、邏輯模型到物理模型的設計。
模型設計完成后，可以一鍵生成數(shù)據(jù)知識文檔：
數(shù)據(jù)生命周期管理
數(shù)據(jù)研發(fā)完成，還需要關注數(shù)據(jù)生命周期：
- 一方面數(shù)據(jù)量的飛速增長不僅僅需要占用大量存儲，比如像自建機房，會涉及擴充機柜、機房，往往會面臨一些瓶頸。
- 另外一方面，大量的數(shù)據(jù)會降低數(shù)據(jù)的計算效率，所以從數(shù)據(jù)的生成開始，我們就需要考慮生命周期，并且結合數(shù)據(jù)的使用情況制定數(shù)據(jù)歸檔、數(shù)據(jù)銷毀等管理策略。
針對數(shù)據(jù)已經(jīng)占用了大量存儲資源，可以采取一系列措施進行成本控制，例如：
- 降存量：通過數(shù)據(jù)壓縮技術、降副本等方式，以及在數(shù)據(jù)模型更合理的設計，將存量數(shù)據(jù)存儲降低。
- 控增量：根據(jù)數(shù)據(jù)重要性，可恢復性等考量角度，確認數(shù)據(jù)的保留周期，并根據(jù)周期自動歸檔或刪除。
- 攤成本：可以通過一些算法，比如數(shù)據(jù)調用分布、需求來源等，把成本分攤到相應業(yè)務部門，讓相關業(yè)務部門關注到成本。
數(shù)據(jù)安全也是數(shù)據(jù)生命周期管理重的一個重要課題，比如針對用戶敏感信息，需要在接入時考慮如何加密。
一種做法是通過一個獨立的物理集群對敏感數(shù)據(jù)進行隔離與強管控;數(shù)據(jù)使用中，也需要將數(shù)據(jù)劃分不同的安全或敏感等級(例如有些財務數(shù)據(jù)的非常敏感，需要謹慎對外開放)，根據(jù)不同的等級設定不同的訪問審批機制。
另外，在數(shù)據(jù)歸檔、銷毀也需要制定好配套的安全管理措施，避免安全風險。
數(shù)據(jù)質量管理
數(shù)據(jù)質量管理主要包括 3 個角度：準確性、及時性、一致性。管理的環(huán)節(jié)包括：事前、事中、事后、以及事故管理。
針對數(shù)據(jù)運維的告警發(fā)送，傳統(tǒng)的方式主要是短信、郵件、電話;隨著移動辦公工具功能逐步的強大，可以將運維告警以數(shù)據(jù)接口的方式與這些工具進行對接，將告警發(fā)送到企業(yè)內部的即時通訊工具。
數(shù)據(jù)應用架構
數(shù)據(jù)研發(fā)最終還是需要賦能到業(yè)務&應用，一個合理的數(shù)據(jù)應用架構是非常關鍵的。
這張圖是一個應用架構的簡圖參考：
從數(shù)據(jù)的流向上分：
- 數(shù)據(jù)倉庫(或者數(shù)據(jù)湖)：負責原始數(shù)據(jù)的計算，主要將數(shù)據(jù)落地到 HDFS。
- 數(shù)據(jù)引擎層：數(shù)據(jù)加工完成之后，會將數(shù)據(jù)推送到不同的引擎中，這一層之前提到選擇非常多，可以根據(jù)自己的場景選擇一個混搭組合，比如我們目前選擇的有 Presto，Kylin，Druid，MySQL。
- 數(shù)據(jù)服務層：通過統(tǒng)一化的 SQL 調用服務，屏蔽底層不同的數(shù)據(jù)引擎，為上層統(tǒng)一查詢提供標準接口。
- 指標平臺：指標平臺是一個非常關鍵的產(chǎn)品，定位于銜接數(shù)據(jù)研發(fā)與數(shù)據(jù)應用，包括指標的標準定義、邏輯、計算方式、分類等各項內容。指標分類上我們分為標準指標(指標口徑經(jīng)過審核過)、以及非標準指標。
- 多維查詢：這是我們的一個即席查詢工具，查詢的數(shù)據(jù)主要來源指標平臺，可以選定不同的指標維度組合進行結果呈現(xiàn)，用戶可以一次性查詢得到結果，也可以將查詢結果配置成可視化的報表進行固化。
中間是統(tǒng)一元數(shù)據(jù)管理：對整個架構中可以對外提供服務的元數(shù)據(jù)進行統(tǒng)一管理(包括數(shù)倉的元數(shù)據(jù)、查詢引擎的元數(shù)據(jù)、指標元數(shù)據(jù)等)，以及監(jiān)控這些元數(shù)據(jù)的調用情況。
最右側是權限管理：權限管理關乎到數(shù)據(jù)安全，在設計上需要考慮周全，比如針對表級、指標級、維度級別都可以進行控制;同時產(chǎn)品層面也需要靈活配置權限審批級別與人員。
在面向用戶使用層面，我們主要開放的是多維查詢&可視化，用戶通過多維去查詢各類指標&維度數(shù)據(jù)，得到數(shù)據(jù)結果列表，再選擇可視化配置面板，完成各類圖表、表格的自主配置，并發(fā)布到個人看板或者業(yè)務大盤目錄里。
也可以將配置的數(shù)據(jù)看板進行靈活組合，定制成一個小型的數(shù)據(jù)產(chǎn)品。
數(shù)據(jù) ROI 評估
在數(shù)據(jù)研發(fā)中，也要考量數(shù)據(jù)的 ROI，下面是一個簡單的 ROI 模型：
根據(jù)活躍度(調用次數(shù)等)、覆蓋度(通過血緣關系找出依賴數(shù)量)，以及貢獻度(依賴數(shù)據(jù)的重要等級)來確認數(shù)據(jù)的價值。同時會評估數(shù)據(jù)的成本指數(shù)(例如計算成本、存儲成本等)。
通過以上兩者相除，綜合得到數(shù)據(jù)的 ROI，針對 ROI 可以將數(shù)據(jù)分為不同等級，并相應進行數(shù)據(jù)治理。比如針對價值低，成本高的數(shù)據(jù)，可以考慮下線等。
數(shù)據(jù)研發(fā)趨勢&關注點：
- 提效：目前借助工具的研發(fā)可以把絕大部分數(shù)據(jù)研發(fā)工作線上化，將來借助 AI 等能力，實現(xiàn)數(shù)據(jù)處理中包括開發(fā)、運維的自動化，提升處理效率。
- 靈活：流批一體化，包括流處理與批處理自由切換，之前已經(jīng)提到過，個人認為也是一個發(fā)展的趨勢。
- 降本：數(shù)據(jù)研發(fā)鏈路的成本控制，在數(shù)據(jù)建設的早期通常不太引起關注，隨著數(shù)據(jù)量不斷的積累，往往存儲、計算成本成為瓶頸。針對數(shù)據(jù)建設成本需提前考慮。
- 算力：我們看到 Google，IBM 和阿里都在研究量子計算，將來的數(shù)據(jù)中間層(比如數(shù)倉的公共模型)是否可以考慮虛擬化(比如只保留規(guī)則&數(shù)據(jù)結構)，具體數(shù)據(jù)內容在應用發(fā)起時，即調即用，更多時候可以不需要占用存儲資源。算力的不斷提升，有可能會顛覆一些傳統(tǒng)數(shù)據(jù)建設的思路。
作者：顏博
簡介：現(xiàn)任馬蜂窩數(shù)據(jù)倉庫團隊負責人，曾供職于京東、IBM、亞信等公司。數(shù)據(jù)行業(yè)老兵一名，歷經(jīng)傳統(tǒng)數(shù)據(jù)倉庫、大數(shù)據(jù)平臺到數(shù)據(jù)中臺的發(fā)展。
編輯：陶家龍
出處：轉載自微信公眾號 DBAplus 社群(ID：dbaplus)，本文根據(jù)顏博老師在〖Deeplus 直播第 218 期〗線上分享演講內容整理而成。
網(wǎng)頁名稱：與“數(shù)據(jù)中臺”，來一次親密接觸
分享URL：http://www.dlmjj.cn/article/cdgesop.html
