BI Exadata in YHD

Transcript

1. Exadata在电商的应用 By louis liu @vmcd.org

2. 在哪使用？ 怎么使用？

3. 结构化 vs 非结构化 事务 数据 结构化 元数据和 主数据 数据 仓库

   数据 分析 数据 集成 日志、社交、行 为、多媒体 非结构化 机器生成 Map Reduce 分布式 文件系统 NoSQL 数据存储 数据 分析 1. 割裂 or 集成? ?

4. 结构化 vs非结构化 割裂 or 集成 -- reloading? 元数据 非结构数据 结构数据

5. 目前-Reloading操作 技术路线 • 数据分析可直接从MR汇总 至BI分析; • 客户行为等数据分析要与已 有关系型数据关联, 需将 MR结果保存在RDBMS后再

   统一进行BI; 架构决策 • 使用标准 BI 平台; • 规划科学的数据流向; • 优化不同类型数据关联;

6. 1号店BI 数据现状与未来 2013 2014 2015 •BI业务数据当前-2013年： •非结构化数据 – xx+节点Hadoop, 总存储300TB,

   日 均增长1TB; •结构化数据 - 两台Exadata互备且读写分离, 总存 储6TB(high compress) ; •预计年均增长约200%+; •现有架构数据容量远不能满足未来三年发展; •需要升级、扩容现有架构; 关系数据 6TB 日志数据 200TB 日志数据 400TB 关系数据 15TB 日志数据 800TB 关系数据 30TB

7. 目前的架构 X4 X2 分离 –两层结构 + Reloading BI分析 平台 整合

   流量/浏览统计 销售/财务/CRM X4 X2 Not online

8. 1号店数据物理拓扑 2013年 利用成熟平台 X2-2 1/4 HDFS • 业务数据中结构化部分由 RDBMS架构处理; 非结构化部

   分由Hadoop平台处理; • Hadoop结果集通过 Connectors同步至Exadata; • 处理结果由统一的BI平台分析; 销售 供应链 财务 结构化数据 店中店 CRM 关联查询 复杂计算 统计分析 Hadoop结果集 各类行为日志 非结构化数据 分布存储 MapReduce Aggregation

9. 1号店数据物理拓扑建议 Exadata –X4 资源分割 2014 利用成熟平台 X4-2 1/2 HDFS •

   应用分离 (线上Domain 分离) • 资源隔离(两套XD集群互补) • 利用hadoop+ X2 构造ODS数 据集市 X4 ; 销售 供应链 财务 结构化数据 店中店 CRM 关联查询 复杂计算 统计分析 Hadoop结果集 日志Tracking 非结构化数据 分布存储 MapReduce Aggregation

10. DW X2-集群 X4-集群 Hadoop集群 系统融合 – 共组DW集群系统 X4构造ODS + X2构造分级BI,

    配合Hadoop的非结构化数 据组成了数据集市

11. 非结构化 结构化 P-of-X2 1号店数据物理架构 两层数据, 两层BI BI分析 平台 Hadoop X4-2

    1/2 ODS InfiniBand InfiniBand X2-2 1/4 多活业务中心 财务 Hadoop 结果集 Hadoop 结果集 CRM.. 供应链 商家 X2-2 1/4 Tracking ETL Tool …

12. 未来的BI架构- ->脱离传统的约束 Text in here

13. 截取Oracle的官方回复 性能提升 Exadata & Hadoop是 性能最佳结构化 & 非结构化数据平台; Oracle有最优的多 表Join,

    集群, Connector等技术; 成本节约 RDBMS是最成熟的 BI DW平台; CDH是 成熟的商用版本; 高效利用已有平台 能大大降低’新’数 据项目的资源投入; 灵活性增强 RDBMS & Hadoop组 成两层BI数据基础; 更多数据, 更多技 术手段灵活处理, 达到整体最优; 风险降低 RDBMS有更高的数 据安全性, 可管理 性; 两层架构使’新’数 据项目总体风险可 控;

14. 参考案例 - XXX BI DW 架构 filesystem

15. Exadata所面临的问题 2. X4 所考虑的问题 3. 升级所遇到的问题 1. X2所遇到的问题1

16. Q & A