很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把文章发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：鸟哥笔记小羽毛（ngbjxym）
这是彭文华的第99篇原创
好几位朋友在后台留言，说要看看各大厂都是咋玩实时数仓的。其实，实时数仓和离线数仓在模型设计的时候是一样一样的，只是需要计算引擎和存储不太一样而已。然后再解决实时计算场景中的几个问题就齐了。今天给大家分享实时数仓的架构。
目前实时架构方法是Lambda和Kappa。
1、Lambda 架构
Lambda架构核心就三个：批数据处理层、流数据处理层和服务层。批数据处理层应对历史长时间数据计算，流数据处理层应对短时间实时数据计算。如果一个需求要历史到当前所有数据的累加结果，那就在服务层将两部分数据进行累加就好了。
Lambda架构需要维护两套计算引擎，如果需要历史到现在实时数据的累加，则需要在两边同时做相同的计算，然后还得加总一下，非常麻烦。因此就有了最近非常火热的Kappa架构。
appa 架构
Kappa架构的设计很有意思。Lambda架构反正还是分离线和实时两部分的，所以可以从离线库和实时消息队列取数，分别计算后，在服务层加总就可以了。
Kappa的设计理念是：干脆不要离线了，全部都进行流式计算。流式计算的数据来源是消息队列，那我把所有需要计算的数据放在消息队列里就好了，然后让流计算引擎计算所有数据不就好了？
因为所有数据都存在Kafka，上面接Flink批流一体数据处理引擎将kafka的数据计算好存在服务层的table n中。如果需求有变化了，就讲kafka的offset调整一下，Flink则重启一个任务重新计算，存在table N+1中，当N+1的数据进度赶上table n了，就停掉table n的任务。
最后对比一下两种架构的优劣势：
没有最好的架构，只有最合适的架构。目前虽然流批一体的Kappa架构是最新最火的架构模式，但是绝大多数大厂现在仍然采用批流分离的Lambda架构。Lambda架构的问题不仅是要维护两套代码，更关键的是这两套代码跑出来的数据压根就不一致！误差率再少，乘以一个很大的基数，这差别就大了。我关注到微信公众号后台的实时数据和离线结果就不一样，应该就是用的Lambda架构。
不是因为技术能力不行，而是因为Kappa也有他的一些问题，在批处理上比较弱，数据回溯也比较费劲，所有应用场景有限。即便Kappa能解决这些问题，想要全面替换原有体系，也是需要时间和人力成本的。
所以即便是用了Flink，也都是作为Lambda架构中流式计算的一个分支，或者在特定场景中才使用流批一体。
不管是Lambda还是kappa架构，实时计算都需要有数据源、数据通道、实时计算引擎和存储引擎这几个部分。
数据源基本都是各种日志，有些时候也需要读取一些离线存储的数据，比如各种维度信息等。
数据通道基本就是Kafka、RocketMQ等消息中间件。
实时计算引擎目前只有Storm、SparkStreaming和Flink。
存储就比较多了，分为类型也不一样，可以分为面向查询的各种存储、面向维度分析的OLAP、面向大型应用的数据湖。
所有的组件都已经给你梳理了一下，供各位参考：
这里重点说一下存储。如果算完之后直接接大屏等应用，建议用redis；如果要快速查询，建议接Hbase、ES等，如果还有后续操作，建议扔kafka里，如果要结构化落地，建议MySQL里。
如果要接OLAP，做多维分析，可以在OLAP里选，准实时多维用Impala、GP、Presto、Doris、kudu等都行，大宽表就用ES、CK、Druid。
如果要接后续大量应用，就用数据湖，目前基本就Hudi、IceBerg、Delta三种，字节用Hudi，腾讯在推IceBerg。
其实OLAP还有一个比较出名的Kylin，但是这玩意要预计算，实在不太适合实时数仓，所以就没列。
另外，超大厂还会自研一些组件，比如阿里的Hologres，滴滴的ddmq，美团的celler、mkafka等，这就不往里写了，没有参考意义。
美团外卖实时数仓选型及分层架构：
美团的这张图看起来很舒畅，数据源是各种log，通过消息队列（kafka、mafka）流向实时和准实时两条线，实时用Flink、Storm，最后扔到redis、durid、Hbase里面，准实时用Doris。详情可见附件。
字节跳动实时数仓选型及分层架构：
其实每个大厂都会尝试很多技术。比如字节就有批、微批和流式三种处理。字节的实时走的是Flink，整个架构采用Lambda。
有赞实时数仓选型及分层架构：
有赞用的是kafka+Storm/Flink+Druid/Redis/Hbase的架构，而且有赞的这篇文章详细的阐述了实时数仓的迭代过程，很有参考意义。
这里就不再多放了，至于实时数据湖，目前也没几个能用上的，我就直接忽略了。感兴趣的可以下载文档自己研究一下。
实时数仓的建模逻辑跟普通数仓建模逻辑一样一样，该分领域分领域，该分主题分主题，该分几层分几层，该建款表建款表，该做多维做多维。
变化的是原有的数据落地变成不落地，所以要解决各种流式数据中会面临到的各种问题。
数据源我们没有太多的可选范围，基本上就是Kafka、RocketMQ等消息中间件；
计算引擎建议SparkStreaming或者Flink，相比前者，Storm不太友好。如果你公司现在就有Storm，可以参考58和字节，用Flink-Strom，做一些开发工作，直接兼容。
存储引擎就根据前端的应用来选择了，前面有介绍，我这里就不重复了。
最后，给大家总结了一下各大厂实时数仓的建设架构：
还有东西都给您准备好了，后台回复“实时数仓”即可下载全部资料。
配合以下文章享受更佳
本文为作者独立观点，不代表鸟哥笔记立场，未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问，请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求，为完善跟帖评论自律管理，为了保护用户创造的内容、维护开放、真实、专业的平台氛围，我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容，同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规，对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息，主要表现为：
1)反对宪法所确定的基本原则；
2)危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一，损害国家荣誉和利益；
3)侮辱、滥用英烈形象，歪曲、丑化、亵渎、否定英雄烈士事迹和精神，以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉；
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动；
5)煽动民族仇恨、民族歧视，破坏民族团结；
6)破坏国家宗教政策，宣扬邪教和封建迷信；
7)散布谣言，扰乱社会秩序，破坏社会稳定；
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序；
10)侮辱或者诽谤他人，侵害他人名誉、隐私和其他合法权益；
11)通过网络以文字、图片、音视频等形式，对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法规禁止的其他内容；
2. 不友善：不尊重用户及其所贡献内容的信息或行为。主要表现为：
1)轻蔑：贬低、轻视他人及其劳动成果；
2)诽谤：捏造、散布虚假事实，损害他人名誉；
3)嘲讽：以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述，以此来激怒他人；
4)挑衅：以不友好的方式激怒他人，意图使对方对自己的言论作出回应，蓄意制造事端；
5)羞辱：贬低他人的能力、行为、生理或身份特征，让对方难堪；
6)谩骂：以不文明的语言对他人进行负面评价；
7)歧视：煽动人群歧视、地域歧视等，针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击；
8)威胁：许诺以不良的后果来迫使他人服从自己的意志；
3. 发布垃圾广告信息：以推广曝光为目的，发布影响用户体验、扰乱本网站秩序的内容，或进行相关行为。主要表现为：
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式：
2)单个帐号多次发布包含垃圾广告的内容；
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容；
4)多次发布包含欺骗性外链的内容，如未注明的淘宝客链接、跳转网站等，诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光；
6)购买或出售帐号之间虚假地互动，发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容，如通过伪造经历、冒充他人等方式进行恶意营销；
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息，主要表现为：
1)包含自己或他人性经验的细节描述或露骨的感受描述；
2)涉及色情段子、两性笑话的低俗内容；
3)配图、头图中包含庸俗或挑逗性图片的内容；
4)带有性暗示、性挑逗等易使人产生性联想；
5)展现血腥、惊悚、残忍等致人身心不适；
6)炒作绯闻、丑闻、劣迹等；
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息，主要表现为：
1)可能存在事实性错误或者造谣等内容；
2)存在事实夸大、伪造虚假经历等误导他人的内容；
3)伪造身份、冒充他人，通过头像、用户名等个人信息暗示自己具有特定身份，或与特定机构或个人存在关联。
6. 传播封建迷信，主要表现为：
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病；
2)求推荐算命看相大师；
3)针对具体风水等问题进行求助或咨询；
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失，包括通过占卜方法问婚姻、前程、运势，东西宠物丢了能不能找回、取名改名等；
7. 文章标题党，主要表现为：
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户；
2)内容与标题之间存在严重不实或者原意扭曲；
3)使用夸张标题，内容与标题严重不符的。
8.「饭圈」乱象行为，主要表现为：
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论，影响传播秩序
9. 其他危害行为或内容，主要表现为：
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的；
2)不当评述自然灾害、重大事故等灾难的；
3)美化、粉饰侵略战争行为的；
4)法律、行政法规禁止，或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时，本网站将依据相关用户违规情节严重程度，对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号，或者滥用多个帐号发布违规内容时，本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富，本网站出于维护本网站氛围和秩序的目的，将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议，可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)