滴滴出行实时计算系统架构及实践

【文件属性】：
文件名称：滴滴出行实时计算系统架构及实践
文件大小：8.31MB
文件格式：PDF
更新时间：2019-09-05 15:30:24
滴滴出行 实时计算 滴滴出行作为全球最大的移动出行平台，每天收集和需要分析处理的数据量非常大。这些数据形式多样：既包括存储于数据库中的业务数据，也包括各种API请求所记录的文本日志。此外，更大的挑战在于业务上需要我们实时的分析处理如此大规模的数据。从数据生成到可被分析查询，系统延迟在秒级。我们选用Druid/Samza/Kafka/Spark/Hadoop等开源技术栈，开发了符合Lambda architecture的OLAP系统。本次演讲我们以滴滴大数据实时监控系统为例，介绍滴滴实时计算系统架构所面临的挑战及相应解决方案。 滴滴大数据实时监控系统服务于滴滴各个业务线，对关键业务指标的变化进行实时监控。研发、产品、运营人员可以据此及时了解业务现状，发现系统问题、调整业务决策。 演讲主要包括以下话题: 1. 实时计算的挑战及解决方案： （1）可扩展性 （2）有状态的实时计算 （3）数据被重复处理 （4）高可用 （5）实时数据流与外部系统或服务关联计算 2. OLAP系统架构选型:KV store与column store 哪种存储更适合OLAP应用？ 3. 简要介绍Kafka的特性，阐述为何Kafka是实时计算系统中理想的数据存储方案 4. 详细介绍Druid的架构设计及原理，阐述Druid作为OLAP解决方案的优点 5. 详细介绍Samza的架构设计及原理，阐述如何通过Samza解决实时计算中的各种挑战 6. 介绍Lambda architecture，阐述如何将离线计算和实时计算统一起来，通过离线计算来修正实时计算