5分钟GET一场清华大数据讲座实战应用案例干货

suuy

9月13日晚，由数据科学研究院主办，国双科技、清华大数据产业联合会承办的2016秋季学期首场清华大数据“应用·创新”系列讲座，在清华大学FIT楼多功能厅顺利举行。本场讲座邀请到了国双联合创始人、国双副总裁黄勇坚，通过实战应用案例对Lambda架构进行了全方位解读。

演讲时长两个多小时，全场满满干货，虽然当天也做了线上视频直播，但依旧有很多没有到场的大数据爱好者对此表示很遗憾，同样身为一名数据粉的小编不忍心让大家遗憾，为了让大家快速GET这场演讲的内容，小编特地捞出干货供大家交流学习。

以下文字均基于黄勇坚演讲速记，可自行脑补画面Google、微信之后是什么时代？

回顾整个IT技术发展历程，它始终是以促使人类办事更加容易，生活更加方便为发展趋势的。

上个世纪40年代以来，依据冯·诺依曼架构、图灵理论而造出了计算机。初心其实是为了打仗，计算原子弹路径千万别跑偏，当时需要庞大的人工的计算量，但二战期间人力有限。IBM的神话由此诞生。

随着时代的发展，除了计算，人们还产生了办公、娱乐等诉求。于是计算机逐步个人化、微型化。那个年代成就了微软、英特尔这样的巨头。

后来进入互联网时代，Google这样改变世界的企业应运而生，紧随其后的还有微信这样的移动互联网神器。如今，当计算世界进入到“大数据”时代，又会出现什么样的传奇呢？

为什么说近十年才是“大数据”的时代？当年比尔·盖茨靠Windows起家难道就没人提“大数据”吗？ 十年前，当我们想去一个地方却不知道路怎么走的情况下，还会依赖纸质地图。如今可以直接用百度、高德地图随时导航。十几年前并非没有“数据”，也不是没有需求，而是在整个业态里面，没人有能力收集起来这些数据，“大数据”又从何谈起呢？

中国大数据的两条腿

实质上，大数据技术是以解决业务问题为导向的。国双科技这家公司的文化也是一样以客户为中心，利用“大数据”帮助客户去解决业务问题，同时发现新的问题，以此也可以驱使技术进步。

中国的技术市场比较偏应用，各种基于大数据的应用满天飞，但是做底层做框架的公司并不多。另一方面，由于中国互联网用户数量庞大，大数据的应用又在不断产生新的数据。

为了能够用好这么海量的数据，中国的大数据行业需要两方面的人才，第一类是业务人才，第二类是技术人才。首先，“大数据”需要解决业务问题，业务专家必不可少。其次，相关专业的技术人才所做的的研究也不可或缺。因此“大数据”这个领域将会是一个非常宽广的就业市场。

大数据解决四类问题

“所有的技术的发展是为了解决业务问题，解决人们的衣食住行等生活问题，使人类社会变得更加美好”。用抽象的方式做个归类的话，基本可以归为四大类：

【描述性分析】：发生了什么？

【诊断性分析】：事情发生后，分析为什么会发生？

【预测性分析】：掌握规律，预测下一次什么时候发生？

【分析应用】：根据已经发生的事来解决实际问题，促进业务的发展。

奥运会上的大数据

在奥运会期间，全球数以亿计的观众会通过例如电视、PC，安卓等多个平台对比赛进行观看，这样就产生了跨区域、跨平台的海量数据。这时，国双通过技术帮助CNTV（中国网络电视台）进行“用户播放行为分析”。比如某个赛事在北京的收视率如何，各类终端占比是多少。

商用大数据的最低配置

类似奥运会的商用“大数据”系统有哪些必须满足的性能呢？

第一，高可用性。系统里的这些组件可能会随时挂掉一个，或者若干个，我们必须保证系统还要能正常的工作；

第二，可伸缩性。系统可以通过横向扩容去加机器，去解决数据量增大的问题。

第三，容错性。如果程序出了错误之后，要易于恢复；

第四，高性能。要做到实时且快速反应，不能半天才出来结果。

大数据领域的最基本问题与解决之道

回到上面提到的“在奥运期间，不同的终端，不同的地域，观众究竟分别观看了多少次呢？”这个问题，从问题到答案我们可以看到“大数据”领域最基本的问题以及解决之道。

我们要解决业务问题，究竟现在的在线人数有多少，终端比例是多少等这些问题的本质就是——查询，能把业务问题解决掉的实质也就是把查询这项功能做好。说起来“查询”二字好像很容易，但是这“大数据”行业里面的查询可并不简单，查询可以由这三类构成，分别是OLAP查询、OLTP查询、实时查询。为了支持最基本的问题——查询，Storm的作者就提出了Lambda架构，对查询的问题进行了抽象概化，那么这三种查询究竟是什么样的呢？接下来就对这三种查询进行简单的学习与介绍。

【OLAP数据仓库】

OLAP的英文是Online AnalyticsProcessing，这种技术是专门用于数据分析的，它的核心概念是维度和指标，维度就是分析问题的角度，指标就是一个数字，经过聚合计算的一个数字，通过求平均、求和，用聚合的方式得到了一个指标。这些维度和指标会组成一个数据立方体，允许用户去进行多个维度的察看这些数据立方体的数字，不同的维度与指标交叉就产生了多维度自由剖析。

【OLTP数据库】

OLTP数据库典型的应用就是用户注册，在数据库里面新添加一条用户的信息，上飞机的时候看一下这个用户有没有买票，进图书馆把书还了等，把还的书从借阅的状态变成未借阅的状态，这很显然是数据的更新、查找，一般不用聚合，这是很典型的OLTP数据库应用。

【实时查询（CEP）】

实时查询顾名思义就是要求在很短的延期内，能够对数据做各种各样的预计算，“在奥运期间，不同的终端，不同的地域，观众究竟分别观看了多少次呢？”的问题就是典型的应用，它强调的实时，现在这一刻。

在学习和了解了解决业务的这三种查询方法之后，我们回过头来看CNTV的那个问题，就是做实时的查询，在此基础上利用OLTP及OLAP进行聚合分析，满足那些没有提到的更为复杂的功能需求时，这就是Lambda架构在企业大数据领域的实际应用。

今天我们从对“大数据”行业的理解说到大数据技术是以“解决业务”为导向，再到大数据能解决什么问题？解决了CNTV的什么问题？最后利用国双提供给CNTV服务中的一个小问题来实例证明“大数据”里面最基础的问题其实也是最佳的解决之道——查询，怎么查询呢？我将查询分为三种查询，有OLAP、OLTP以及实时查询，跟大家讲了这些查询的概念，今天跟大家所讲的Lambda的架构，主要是从一个企业的实际角度来讲，用实际发生的案例让大家来理解Lambda架构在满足高可用性、容错性、可伸缩性和高性能的情况下，怎么能够通过分层的方式，巧妙的把这些东西揉到一起，去解决业务的问题，希望大家能够通过我的这次演讲对“大数据”对“Lambda架构”有新的认识，谢谢大家。

作者：数据派