|持续定义 Saas 模式云数据仓库+实时分析( 二 )

本文插图

实时分析的场景可以用以下两个类比演化出来：
类比1：大酒店同时具备其他综合业务，发展出餐饮（实时）业务，用以更好的发挥协同作用。演化1：以数仓分析为主场景，根据业务实时性需求进行实时分析，构建实时通道和实时交互式分析，形成Lambda架构。
类比2：饭店从餐饮（实时）业务发展而来，需要更好的外围支持作用，并向综合性发展。演化2：以实时分析为主场景，形成流式架构，又需要能从数仓快速提取数据，和数据源回放，形成kappa架构，后续还要考虑实时数据和模型如何入仓。

本文插图

详细分析这两种演化场景如下：
以数仓分析为主场景，根据业务实时性需求进行实时分析，构建实时通道和实时交互式分析，形成Lambda架构例如IOT设备监控分析，下发策略，设备接收后上报新数据立即进行分析，对比之前的结果，反复分析调优。
以实时分析为主场景，形成流式架构，又需要能从数仓快速提取数据，和数据源回放，形成kappa 架构，后续还要考虑实时数据和模型如何入仓例如欺诈监控，必须第一时间获取分析结论，并关联标签精准识别，最后实时数据落入数仓与其他数据融合形成知识。

本文插图

进一步的，实时分析的主要能力要求如下：
1 应用生态：

开发者生态
丰富的API、SDK
BI工具无缝对接
流式处理工具和分布式消息队列无缝对接。

2 极速查询响应：

毫秒级响应速度，轻松满足客户海量数据复杂多维分析需求
千万QPS点查
上千QPS简单查询。

3 实时存储：

亿级写入TPS
写入即可查询。

4 数仓查询加速：

直接分析
无数据搬迁
无冗余存储
统一权限。

5 联合计算：

统一建模方法
统一元数据
统一的管控治理体系
分层划域架构下的演进和整合。

本文插图

三、MaxCompute云数仓+实时分析
常见的Lambda架构有三大问题：
首先，一致性难题：

两套代码，两套逻辑
流和批语义完全不同
离线层和实时层数据存储和变换方式完全不同。

第二，环环相扣、多套系统、运维复杂、成本高昂：

多个不同的系统
大量的同步任务
资源消耗巨大
不同系统标准规范不统一。

第三，开发周期长、业务不敏捷：

错误难以诊断和定位
修订、补数周期长
无法自助实时分析
无法响应变化
分析到服务的转化周期长。

本文插图

以搜索推荐精细化运营的场景案例进行分析，开源方案的能力分散。如下图所示， KVStore ， MPP ，实时数仓，数仓具有多种能力，最好能有一种技术方案将多种能力统一于一个引擎。将存储、实时数仓、交互式分析、点查、OLAP分析等能力集于一身。 MaxCompute Hologres即是这个产品和解决方案。