近年來，各級(jí)政府和企業(yè)響應(yīng)數(shù)字化轉(zhuǎn)型的號(hào)召，都已開始或者即將開始數(shù)字化轉(zhuǎn)型。各類企業(yè)通過前期的業(yè)務(wù)線上化、信息化，積累了大量數(shù)據(jù)，而數(shù)字化轉(zhuǎn)型就是要聚合這些數(shù)據(jù)，進(jìn)行深入挖掘分析，用數(shù)據(jù)來驅(qū)動(dòng)業(yè)務(wù)，用數(shù)據(jù)來支撐決策、用數(shù)據(jù)來推動(dòng)業(yè)務(wù)和商業(yè)模式創(chuàng)新、推動(dòng)業(yè)務(wù)流程優(yōu)化，進(jìn)而實(shí)現(xiàn)降本增效。

要實(shí)現(xiàn)數(shù)據(jù)價(jià)值，建設(shè)數(shù)據(jù)倉庫是在數(shù)字化轉(zhuǎn)型過程中不得不面對的一項(xiàng)任務(wù)。數(shù)據(jù)倉庫匯聚各個(gè)業(yè)務(wù)部門數(shù)據(jù)，避免數(shù)據(jù)孤島，使數(shù)據(jù)真正成為整個(gè)企業(yè)的數(shù)據(jù)，而不是某個(gè)部門的數(shù)據(jù)。

數(shù)據(jù)倉庫的技術(shù)架構(gòu)包括離線數(shù)倉和實(shí)時(shí)數(shù)倉或準(zhǔn)實(shí)時(shí)數(shù)倉。離線數(shù)倉已發(fā)展多年，當(dāng)前已無法完全滿足企業(yè)在競爭中脫穎而出的發(fā)展需求，實(shí)時(shí)數(shù)倉越來越多成為企業(yè)建設(shè)數(shù)據(jù)倉庫的首選。然而由于實(shí)時(shí)數(shù)倉對實(shí)時(shí)性的嚴(yán)格要求，實(shí)現(xiàn)實(shí)時(shí)數(shù)倉的技術(shù)難度遠(yuǎn)遠(yuǎn)大于離線數(shù)倉，一些現(xiàn)有的實(shí)時(shí)數(shù)倉架構(gòu)，只能實(shí)現(xiàn)準(zhǔn)實(shí)時(shí)，而且無法解決削峰平谷、無感擴(kuò)展等問題。

本文為大家提供一種高效的實(shí)時(shí)數(shù)倉架構(gòu)：基于亞馬遜云科技 Serverless 架構(gòu)的實(shí)時(shí)數(shù)倉架構(gòu)。

實(shí)時(shí)數(shù)倉常見場景與亞馬遜云科技的做法賞析

我們先來賞析一下常見的實(shí)時(shí)數(shù)倉場景，以及亞馬遜云科技Serverless架構(gòu)的實(shí)時(shí)數(shù)倉成功落地的案例：

1、APP 埋點(diǎn)數(shù)據(jù)實(shí)時(shí)采集與分析（比如：實(shí)時(shí)智能推薦、實(shí)時(shí)欺詐檢測）

在此，我們以智能推薦場景為例：根據(jù)用戶歷史的購買或?yàn)g覽行為，通過推薦算法預(yù)測用戶興趣與需要，并從海量推薦資產(chǎn)（可能是短視頻、廣告、動(dòng)圖）中挑選最合適的進(jìn)行推送。推薦系統(tǒng)在飛速發(fā)展，對時(shí)延的要求也越來越苛刻和實(shí)時(shí)化。往往業(yè)務(wù)方希望客戶在使用App(或?yàn)g覽網(wǎng)頁）時(shí)，就能基于當(dāng)前行為和歷史數(shù)據(jù)進(jìn)行動(dòng)態(tài)推薦。

數(shù)據(jù)來源一般為App埋點(diǎn)采集和歷史瀏覽數(shù)據(jù)、消費(fèi)數(shù)據(jù)、和廣告資產(chǎn)等。

常見做法：流式ETL與數(shù)據(jù)同步與傳輸可能會(huì)用到Flume、Kafka等工具，計(jì)算有可能會(huì)采用ClickHouse、Flink、Spark等大數(shù)據(jù)計(jì)算工具。數(shù)據(jù)源端和數(shù)據(jù)消費(fèi)端就五花八門一些，在此不作展開。（同樣的技術(shù)架構(gòu)也出現(xiàn)在實(shí)時(shí)欺詐檢測等場景中）

我們來看一下亞馬遜云科技的案例：使用 Amazon Kinesis Data Streams （流式數(shù)據(jù)接入產(chǎn)品，AmazonKDS）實(shí)時(shí)接入 APP 埋點(diǎn)數(shù)據(jù)到 AmazonRedshift（云原生數(shù)據(jù)倉庫） 中，用于指標(biāo)分析和 BI 展現(xiàn)。支持高達(dá)30萬/秒的數(shù)據(jù)攝入速率，延遲小于10秒；在數(shù)據(jù)實(shí)時(shí)攝入數(shù)倉的同時(shí)，支持高并發(fā)實(shí)時(shí)查詢，支持大寬表多表關(guān)聯(lián)，復(fù)雜聚合等各種 SQL 查詢，查詢結(jié)果秒級(jí)響應(yīng)。

圖1 實(shí)時(shí)數(shù)倉架構(gòu)--APP 埋點(diǎn)數(shù)據(jù)實(shí)時(shí)采集與分析

2、RDBMS CDC+KDS+Amazon Redshift Serverless（實(shí)時(shí)BI報(bào)表、復(fù)雜事件處理）

在這個(gè)案例中，主要采集源頭日志數(shù)據(jù)和 RDS 結(jié)構(gòu)化數(shù)據(jù)的變更數(shù)據(jù)動(dòng)態(tài)捕獲（Change Data Capture，CDC）。這是一個(gè)數(shù)據(jù)倉庫非常常見的需求，外部數(shù)據(jù)庫系統(tǒng)（賬戶、存款、制造、人力資源等）作為數(shù)據(jù)源時(shí)，業(yè)務(wù)團(tuán)隊(duì)需求需要CDC日志數(shù)據(jù)動(dòng)態(tài)接入數(shù)據(jù)倉庫，實(shí)現(xiàn)實(shí)時(shí)的分析需求，比如實(shí)時(shí)BI報(bào)表、復(fù)雜事件處理（應(yīng)急響應(yīng)）。

CDC日志數(shù)據(jù)通過Amazon Kinesis 實(shí)時(shí)發(fā)送到 Amazon KDS，經(jīng)過流處理后，結(jié)果寫入 RDS，并提供 API 的方式供第三方查詢。同時(shí)，Amazon Redshift可以直接消費(fèi) Kinesis 數(shù)據(jù)，用于查詢分析，整體延遲小于30秒。

CDC日志采集方式支持多種，包括 Amazon DMS、Debezium、Flink CDC、Canal 等，采集數(shù)據(jù)寫入Kinesis后，接著使用 Amazon Redshift StreamingIngestion 功能將CDC數(shù)據(jù)實(shí)時(shí)寫入 AmazonRedshift。?

圖2  實(shí)時(shí)數(shù)倉--RDBMSCDC+KDS+Amazon Redshift Serverless

經(jīng)典解決方案—借助Amazon Redshift打造云原生數(shù)倉

在繼續(xù)開展下文前，需要介紹一個(gè)無法繞過的產(chǎn)品——Amazon Redshift ，一種快速、可擴(kuò)展、安全且完全托管的云數(shù)據(jù)倉庫，可以幫助用戶通過標(biāo)準(zhǔn) SQL 語言簡單、經(jīng)濟(jì)地分析各類數(shù)據(jù)。

無論是構(gòu)建傳統(tǒng)數(shù)據(jù)倉庫架構(gòu)還是實(shí)時(shí)數(shù)倉架構(gòu)，借助Amazon Redshift用戶都可以一站式的進(jìn)行部署。相比其他云數(shù)據(jù)倉庫，Amazon Redshift 可實(shí)現(xiàn)高達(dá)三倍的性能價(jià)格比。數(shù)萬家客戶正在借助Amazon Redshift 每天處理 EB 級(jí)別的數(shù)據(jù)，借此為高性能商業(yè)智能（BI）報(bào)表、儀表板應(yīng)用、數(shù)據(jù)探索、實(shí)時(shí)分析和等分析工作負(fù)載以及機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘提供強(qiáng)大動(dòng)力。Amazon Redshift支持ACID事務(wù)特性、ANSI SQL標(biāo)準(zhǔn)、JDBC/ODBC 連接協(xié)議的 MPP 架構(gòu)列式存儲(chǔ)數(shù)據(jù)倉庫。Amazon Redshift 不僅可以基于自身內(nèi)部表進(jìn)行數(shù)據(jù)分析，還可以查詢 Amazon S3 中的數(shù)據(jù)，S3 是一項(xiàng)具備極致彈性的對象存儲(chǔ)，它已經(jīng)成為了云上數(shù)據(jù)湖事實(shí)上的標(biāo)準(zhǔn)，既可以存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)，也可以是半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。Redshift與S3 可以無縫結(jié)合，實(shí)現(xiàn)智能湖倉架構(gòu)。?

圖3  Amazon Redshift Serverless 架構(gòu)

實(shí)時(shí)數(shù)倉架構(gòu)要解決的問題

良好的實(shí)時(shí)數(shù)倉架構(gòu)，可以解決以下四方面的問題：數(shù)據(jù)實(shí)時(shí)接入、數(shù)據(jù)實(shí)時(shí)分析、數(shù)據(jù)實(shí)時(shí)輸出。

• 數(shù)據(jù)實(shí)時(shí)接入：數(shù)據(jù)倉庫主要用來存儲(chǔ)來自各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)。實(shí)時(shí)數(shù)倉的第一步，就是要解決數(shù)據(jù)如何實(shí)時(shí)進(jìn)入數(shù)據(jù)倉庫的問題。
• 數(shù)據(jù)實(shí)時(shí)分析：實(shí)時(shí)接入的數(shù)據(jù)，要能夠立即可用，滿足即席查詢、報(bào)表分析和挖掘預(yù)測的需求，數(shù)據(jù)準(zhǔn)，延遲低。
• 數(shù)據(jù)實(shí)時(shí)輸出：數(shù)據(jù)實(shí)時(shí)分析的結(jié)果，要能夠及時(shí)進(jìn)行 BI 報(bào)表展現(xiàn)、及時(shí)以數(shù)據(jù)服務(wù)的形式提供給第三方。
• 實(shí)時(shí)數(shù)倉智能化：數(shù)據(jù)分析解決的是過去發(fā)生了什么，數(shù)倉智能化要解決的是未來要發(fā)生什么。讓實(shí)時(shí)數(shù)倉具備機(jī)器學(xué)習(xí)、智能預(yù)測能力，是實(shí)現(xiàn)智能湖倉的必備功能。

Serverless 架構(gòu)不僅彌補(bǔ)了傳統(tǒng)離線數(shù)倉的不足，而且完美解決了上述四方面的問題，先看下整體實(shí)時(shí)數(shù)倉架構(gòu)圖：

圖4 亞馬遜云科技 Serverless實(shí)時(shí)數(shù)倉架構(gòu)圖

Serverless 實(shí)時(shí)數(shù)倉架構(gòu)采用 Amazon KDS(Amazon Kinesis Data Streams) + Amazon RedshiftServerless+Redshift ML+S3 技術(shù)產(chǎn)品組合，KDS 負(fù)責(zé)數(shù)據(jù)的實(shí)時(shí)接入，Redshift Serverless+Redshift ML+S3 負(fù)責(zé)"智能湖倉"的落地，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)分析、實(shí)時(shí)輸出、實(shí)時(shí)預(yù)測。同時(shí)，RedshiftServerless 架構(gòu)，運(yùn)維簡單，按需計(jì)費(fèi)，降本增效，將客戶從紛繁復(fù)雜的架構(gòu)搭建、監(jiān)控、運(yùn)維中解放出來，專注于數(shù)據(jù)查詢分析，數(shù)據(jù)價(jià)值挖掘，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)決策。

• 數(shù)據(jù)實(shí)時(shí)接入：接入的數(shù)據(jù)，可以分為三大類：結(jié)構(gòu)化數(shù)據(jù)（數(shù)據(jù)庫數(shù)據(jù)）、半結(jié)構(gòu)化數(shù)據(jù)（Json、CSV數(shù)據(jù)）和非結(jié)構(gòu)化數(shù)據(jù)（圖片視頻數(shù)據(jù)）。對于源自數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)，通用的實(shí)時(shí)接入方式是使用 CDC 技術(shù)增量接入。在亞馬遜云科技實(shí)時(shí)數(shù)倉架構(gòu)中，采用Amazon DMS產(chǎn)品接入CDC數(shù)據(jù)到Amazon KDS。Amazon DMS支持同構(gòu)遷移、不同數(shù)據(jù)庫平臺(tái)之間的異構(gòu)遷移和CDC數(shù)據(jù)接入，可以從任何支持的源中將數(shù)據(jù)低延遲、持續(xù)地復(fù)制到任何支持的目標(biāo)。此外，利用 Amazon Redshift 流式攝取功能可以將 Kinesis 中的數(shù)據(jù)以極低延遲攝取到 Amazon Redshift 中。

圖5  Amazon Database Migration Service (AmazonDMS) 遷移數(shù)據(jù)到智能湖倉

對于非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)實(shí)時(shí)接入方式是掃描指定目錄，將新增文件寫入文件系統(tǒng)(HDFS、Amazon S3 等)，然后開發(fā)程序解析文件，寫入數(shù)據(jù)庫表中。然而，采用亞馬遜云科技提供的 DMS+S3+Redshift 方式，無需開發(fā)數(shù)據(jù)解析程序，只需通過簡單的配置，即可實(shí)現(xiàn)數(shù)據(jù)入寫 S3，Redshift 可與 S3 完美集成，即數(shù)據(jù)進(jìn)入 S3，即可在 Redshift 中查詢分析。

• 數(shù)據(jù)實(shí)時(shí)分析：數(shù)據(jù)的實(shí)時(shí)分析，由 Amazon Redshift Serverless 提供，智能湖倉的各個(gè)分層都創(chuàng)建在 Redshift 數(shù)據(jù)庫中，使用 SQL 語句做數(shù)倉指標(biāo)計(jì)算，采用 ETL 工具調(diào)度指標(biāo)計(jì)算任務(wù)，兼容開源 ETL 工具，也可以使用亞馬遜的 ETL 工具。
• 數(shù)據(jù)實(shí)時(shí)輸出：AmazonRedshift 支持 JDBC 協(xié)議，可以作為各類 BI 報(bào)表產(chǎn)品的數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)輸出；Amazon Redshift Data API 可以將數(shù)據(jù)以 API 的方式提供給第三方，Amazon Redshift Data API 不需要與集群的持久連接。提供了安全 HTTP 終端節(jié)點(diǎn)以及與亞馬遜云科技開發(fā)工具包的集成。使用終端節(jié)點(diǎn)運(yùn)行SQL 語句，無需管理連接。對 Data API 的調(diào)用是異步的。

圖6  Amazon Redshift Data API?

• AmazonRedshift 實(shí)時(shí)數(shù)倉+ML：為實(shí)時(shí)數(shù)倉增加機(jī)器學(xué)習(xí)和人工智能的能力，是大多數(shù)企業(yè)在建設(shè)實(shí)時(shí)數(shù)倉過程中面臨的一個(gè)難題，主要問題在于：1、機(jī)器學(xué)習(xí)的門檻高；2、機(jī)器學(xué)習(xí)開發(fā)人員招聘困難。Amazon Redshift實(shí)時(shí)數(shù)倉架構(gòu)利用 Amazon RedshiftML 產(chǎn)品解決了上述難點(diǎn)，大大降低了建設(shè)智能湖倉的難度。Amazon Redshift ML 使 SQL 用戶可以輕松地使用熟悉的 SQL 命令創(chuàng)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型。通過使用 Amazon Redshift ML，可以使用 Redshift 集群中的數(shù)據(jù)來通過 Amazon SageMaker 訓(xùn)練模型。隨后，模型將會(huì)本地化，并可在Amazon Redshift 數(shù)據(jù)庫中進(jìn)行預(yù)測。借助 Amazon Redshift ML，無需移動(dòng)數(shù)據(jù)或?qū)W習(xí)新技能，即可利用 Amazon SageMaker 這種完全托管的機(jī)器學(xué)習(xí)服務(wù)。借助Amazon SageMaker 提供支持的Amazon Redshift ML，使用 SQL 語句從 Amazon Redshift 中的數(shù)據(jù)創(chuàng)建和訓(xùn)練機(jī)器學(xué)習(xí)模型，然后將這些模型用于多種使用案例場景，例如直接在查詢和 BI 報(bào)表中進(jìn)行流失預(yù)測和欺詐風(fēng)險(xiǎn)評(píng)分。用寫 SQL 語句的方式，開發(fā)機(jī)器學(xué)習(xí)功能，底層各種機(jī)器學(xué)習(xí)算法的復(fù)雜性，交由 Amazon Redshift ML 解決，客戶可以將更多的精力專注在業(yè)務(wù)上面。

圖7  Amazon Redshift 實(shí)時(shí)數(shù)倉+ML

Serverless 實(shí)時(shí)數(shù)倉架構(gòu)的優(yōu)勢

成熟的技術(shù)架構(gòu)，可以大大降低企業(yè)的人力和財(cái)力成本。傳統(tǒng)的實(shí)時(shí)數(shù)倉架構(gòu)(采用托管服務(wù)器的方式)，無法實(shí)現(xiàn)削峰平谷。以電商行業(yè)為例，實(shí)時(shí)數(shù)倉架構(gòu)的服務(wù)器資源，必須能夠應(yīng)對數(shù)據(jù)高峰（各類大型活動(dòng)、促銷與其他不可預(yù)測的工作負(fù)載）帶來的壓力，所以硬件采購?fù)前促Y源峰值采購的，結(jié)果是大部分資源在大部分時(shí)間都是閑置的，無形提高了企業(yè)成本；傳統(tǒng)實(shí)時(shí)數(shù)倉架構(gòu)，無法實(shí)現(xiàn)無感擴(kuò)展，即服務(wù)器集群節(jié)點(diǎn)的增加和減少，會(huì)增加運(yùn)維人員工作量，可能會(huì)帶來業(yè)務(wù)的暫停?？偟膩碚f，Serverless 實(shí)時(shí)數(shù)倉架構(gòu)的優(yōu)勢包括如下幾點(diǎn)：

1.  Serverless 實(shí)時(shí)數(shù)倉架構(gòu)讓數(shù)據(jù)倉庫優(yōu)雅的具備實(shí)時(shí)數(shù)據(jù)分析能力（實(shí)時(shí) OLAP 看板，實(shí)時(shí)業(yè)務(wù)監(jiān)測）；

2.  Serverless 實(shí)時(shí)數(shù)倉架構(gòu)讓實(shí)時(shí)智能分析成為可能（基于實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的實(shí)時(shí)風(fēng)控/實(shí)時(shí)推薦/實(shí)時(shí)機(jī)器學(xué)習(xí)）；

3.  亞馬遜云科技提供了云上實(shí)時(shí)數(shù)倉搭建最全面的功能組件，讓用戶可以敏捷，高效，低成本的構(gòu)建自己的實(shí)時(shí)數(shù)倉；

4.  使用 Serverless 實(shí)時(shí)數(shù)倉云平臺(tái)，自動(dòng)擁有削峰平谷、無感擴(kuò)展、運(yùn)維簡單、易于使用等優(yōu)勢。

 10月亞馬遜云科技中國峰會(huì)《智能湖倉 統(tǒng)一分析》 分論壇上，將首次揭秘智能湖倉2.0， 講述如何打破數(shù)據(jù)孤島，跨數(shù)據(jù)庫、數(shù)據(jù)湖、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，釋放數(shù)據(jù)價(jià)值，助力企業(yè)更好做出決策。

感興趣的朋友可以點(diǎn)擊下方鏈接或掃描海報(bào)上二維碼報(bào)名參會(huì)！

??https://summit.awsevents.cn/2022/signin?source=gh/ZsR4xii4TX2Vs20QVMkW6A9pXuQSKzIgROLJHkTQ=&tab=1&type=2??