【多维分析系列】拥抱大数据多维分析查询

2023-10-17 10:59

本文主要是介绍【多维分析系列】拥抱大数据多维分析查询,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


华为开放心态拥抱大数据多维分析查询

2013年11月23日15:03  it168网站原创 作者:申安安 编辑: 申安安  查看全文
0) 评论(0
标签:  大数据

  【IT168 现场报道】2013年11月22-23日,作为国内唯一专注于Hadoop技术与应用分享的大规模行业盛会,2013 Hadoop中国技术峰会(China Hadoop Summit 2013)于北京福朋喜来登集团酒店隆重举行。来自国内外各行业领域的近千名CIO、CTO、架构师、IT经理、咨询顾问、工程师、Hadoop技术爱好者,以及从事Hadoop研究与推广的IT厂商和技术专家将共襄盛举。

华为开放心态拥抱大数据多维分析查询
▲更多现场报道请点击

  华为电信软件平台中间件大数据平台高级经理谢国强分享了华为大数据领域实施的多维分析的探索。  据了解从09年开始,华为是Hadoop社区的参与者,目前华为是在电信行业唯一在Apache基金银牌赞助商,伴随着Hadoop2.0发布了之后高可用性在社区里讨论的非常热烈。而像基于hadoop的大数据平台的已经作为华为的基础的平台。

  华为大数据的创新,基于Hadoop上的数据挖掘、内存分析、ETL和优化ETL支撑上层解决方案领域上做很多尝试。Hadoop可以看到相关的很多东西,过去Hadoop的分析能力基本广泛把应用在批量的非实时的处理上,一直以来大家都在尝试分析的性能提升,快速的分析到Hadoop上的数据。说到底Hadoop还是一个数据处理系统,回到数据处理的本质上看,有很巨大的性能瓶颈,如何提高CPU计算效率,内存分析计等都成为解决问题的方向。

华为开放心态拥抱大数据多维分析查询

  谢国强介绍了多维分析的数据模型,实时表关联多个维表非常庞大,维表数据相对会比较小一些。新型模型的数据模型把所有的尾表编码到数据代码里去,建了分布式的智能索引,运用了R树索引技术,但是R树个缺点,所以华为将R树索引上做了一个二级索引,采用B树和R树互相补充的方式,主节点上的R树上存储了子节点上的所有的B树索引的范围,R树全部放在内存上,可以快速的通过维度信息范围,快速定位到子节点上的索引上去,这种索引的方式,索引重点是解决IO的问题,能够快速的找到我们所需要的数据。

华为开放心态拥抱大数据多维分析查询

  二层分布式的智能索引和传统的索引做了简单的对比,在可扩展性、适用范围、占用的空间、使用的透明和统一信息上,分布式索引有绝对的优势,由于把所有的维度信息都编码到我们的索引空间里去了,它不像传统的DMS的数据库系统一样,先有一张表,在这表上建索引。所有的索引集数据的方式,找到了索引也找到了这个数据。

华为开放心态拥抱大数据多维分析查询

  此外还要面临存储的IO的问题,如何再进一步把IO降下来,比如说HBase里存储的时候把索引这部分和值的部分做了分离,维度信息相对而言还是比较少的。而分布式的问题,所有的节点都在参与运算,华为则对数据编码进行了智能的算法,尽可能的分布提高了并行度,同时做了Key,大量的减少IO,如果数据是稀疏的话性能提升至少是2到5倍,因为跳过了大量的数据访问。

华为开放心态拥抱大数据多维分析查询

  美国专家做的专利的技术,grasshopper,在空间曲线里到底下一个数据在哪?这是我们要解决的问题,首先说会有三种方式,因为数据是没有排序,海量数据做排序是很难的,三种方式,一种是顺序扫描,一种是随机跳,第三种是尽可能的跳到我要找到的数据附近,并且找到它。这里要引入我们的优化策略,我们不断的在摄取数据的同时,会根据摄取的成本优化我们的跳跃找数据的方法。

  通过Grasshopper算法的性能优化,和“爆扫”数据做了对比,整体上在任何的情况下都会比爆扫要优,我们还有“随机跳”,因为它可比性很有趣,运气很好可能一下就跳到了,但是也有可能永远都跳不到。

华为开放心态拥抱大数据多维分析查询

  通过算法优化的,与传统系统做对比,谢国强认为可能不太公平但是效果是显而易见的,120亿条,5TB的数据通过多维分析索引的技术,做了26维度,大概每秒700万左右记录产生的情况,此外通过分组上的测试,通过不同的维度以及相同的分组的情况,整体上的性能都在10秒以内

  在现场我们不仅看到了华为在大数据方向的努力和尝试,更看到了基于Hadoop解决清单交互式分析的思路,交互式分析利最复杂的查询是,所有的数据都不能建索引,不知道要查的数据在哪里,传统的方式只是爆扫,而我们尝试解决这个问题,目前解决的情况给大家交流一下。


这篇关于【多维分析系列】拥抱大数据多维分析查询的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/224934

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl