00Hadoop数据仓库平台

什么是数据仓库

在计算领域，数据仓库（DW 或 DWH）也称为企业数据仓库（EDW），是一种用于报告和数据分析的系统，被认为是商业智能的核心组件。 数据仓库是来自一个或多个不同来源的集成数据的中央存储库。 它们将当前和历史数据存储在一个位置，用于为整个企业的员工创建分析报告。这对公司来说是有益的，因为它使他们能够询问数据并从数据中汲取见解并做出决策。

Extract, transform, load （ETL）是用于构建数据仓库系统的两种主要方法。

数据仓库的输入通常包括：业务数据、用户行为数据和爬虫数据等。

业务数据: 各行业在处理事务过程中产生的数据。比如用户在电商网站的登录、下单、支付等过程，和业务数据库进行的增删改查交互数据，这些产生的数据就是业务数据。业务数据通常存储在MySQL和Oracle中。

用户行为数据： 用户在使用产品的过程中，通过客户端交互的数据和业务埋点数据将发往服务器保存，例如页面浏览、点击、停留、评论、点赞、收藏等。用户行为数据往往存储在日志文件中。

常见大数据平台组件及介绍

技术选型主要考虑因素：数据量大小、业务需求、行业内经验、技术成熟度、开发维护成本、总成本预算，常见的数据仓库平台选型如下：

• 数据采集传输：Flume、Kafka、DataX、Maxwell，Sqoop，Logstash
• 数据存储：MySQL，HDFS\ Hadoop，HBase，Redis，MongoDB
• 数据计算：Hive，Spark，Flink，Storm，Tez
• 即席查询：Presto，Kylin，Impala，Druid，ClickHouse，Doris
• 数据可视化：Superset，Echarts，Sugar，QuickBI，DataV
• 任务调度：DolphinScheduler，Azkaban，NIFI，Airflow
• 集群监控：Zabbix，Prometheus
• 元数据管理：Atlas
• 权限管理：Ranger，Sentry

具体组件的介绍与安装，请点击各个组件名称进行跳转。