大數(shù)據(jù)平臺(tái)概要設(shè)計(jì)說明書

1、計(jì)算平臺(tái)概要設(shè)計(jì)說明書文件編號(hào)受控編號(hào)版次1.0密級(jí)內(nèi)部公開總頁(yè)數(shù)42附錄作者：日期：2013-01-28批準(zhǔn)：日期：審核：日期：（版權(quán)所有，翻版必究）-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考文件修改記錄修改日期修改狀態(tài)修改貝碼及條款修改人審核人批準(zhǔn)人.1L1-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考引言1.1編寫目的大數(shù)據(jù)泛指巨量的數(shù)據(jù)集，因可從中挖掘出有價(jià)值的信息而受到重視。華爾街日?qǐng)?bào)將大數(shù)據(jù)時(shí)代、智能化生產(chǎn)和無線網(wǎng)絡(luò)革命稱為引領(lǐng)未來繁榮的三大技術(shù)變革。麥肯錫公司的報(bào)告指出數(shù)據(jù)是一種生產(chǎn)資料，大數(shù)據(jù)是下一個(gè)創(chuàng)新、II競(jìng)爭(zhēng)、生產(chǎn)力提高的前沿。世界經(jīng)濟(jì)論壇的報(bào)告認(rèn)定大數(shù)據(jù)為新財(cái)富，價(jià)值堪比石

2、油。因此，發(fā)達(dá)國(guó)家紛紛將開發(fā)利用大數(shù)據(jù)作為奪取新一輪競(jìng)爭(zhēng)制高點(diǎn)的重要抓手。.»J,IjJ.jI互聯(lián)網(wǎng)特別是移動(dòng)互聯(lián)網(wǎng)的發(fā)展，加快了信息化向社會(huì)經(jīng)濟(jì)各方面、大眾日常生活的滲透。有資料顯示，1998年全球網(wǎng)民平均每月使用流量是1MB兆字節(jié)），xI；Jy,2000年是10MB2003年是100MB2008年是1GB（1GB等于1024MB,2014年將是10GB全網(wǎng)流量累計(jì)達(dá)到1EB（即10億GB或1000PB）的時(shí)間在2001年是一年，在2004年是一個(gè)月，在2007年是一周，而2013年僅需一天，即一天產(chǎn)生的信息量可刻滿1.88億張DVD光盤。我國(guó)網(wǎng)民數(shù)居世界之首，每天產(chǎn)生的數(shù)據(jù)量也位

3、于世界前列。淘寶網(wǎng)站每天有超過數(shù)千萬筆交易，單日數(shù)據(jù)產(chǎn)生量超過50TB（1TB等于1000GB,存儲(chǔ)量40PB（1PB等于1000TB）。百度公司目前數(shù)據(jù)總量接近1000PB,存儲(chǔ)網(wǎng)頁(yè)數(shù)量接近1萬億頁(yè)，每天大約要處理60億次搜索請(qǐng)求，幾十PB數(shù)據(jù)。一個(gè)8Mbps（兆比特每秒）的攝像頭一小時(shí)能產(chǎn)生3.6GB數(shù)據(jù)，一個(gè)城市若安裝幾十萬個(gè)交通和安防攝像頭，每月產(chǎn)生的數(shù)據(jù)量將達(dá)幾十PEL醫(yī)院也是數(shù)據(jù)產(chǎn)生集中的地方?，F(xiàn)在，一個(gè)病人的CT影像數(shù)據(jù)量達(dá)幾十GB而全國(guó)每年門診人數(shù)以數(shù)十億計(jì)，弁且他們的信息需要長(zhǎng)時(shí)間保存?？傊?，大數(shù)據(jù)存在于各行各業(yè)，一個(gè)大數(shù)據(jù)時(shí)代正在到來。-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考信息爆炸不

4、自今日起，但近年來人們更加感受到大數(shù)據(jù)的來勢(shì)迅猛。一方面，網(wǎng)民數(shù)量不斷增加，另一方面，以物聯(lián)網(wǎng)和家電為代表的聯(lián)網(wǎng)設(shè)備數(shù)量增長(zhǎng)更快。2007年全球有5億個(gè)設(shè)備聯(lián)網(wǎng)，人均0.1個(gè)；2013年全球?qū)⒂?00億個(gè)設(shè)備聯(lián)網(wǎng)，人均70個(gè)。隨著寬帶化的發(fā)展，人均網(wǎng)絡(luò)接入帶寬和流量也迅速提升。全球新產(chǎn)生數(shù)據(jù)年增40%即信息總量每?jī)赡昃涂梢苑?，這一趨勢(shì)還將持續(xù)。目前，單一數(shù)據(jù)集容量超過幾十TB甚至數(shù)PB已不罕見，其規(guī)模大到無法在容許的時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理。數(shù)據(jù)規(guī)模越大，處理的難度也越大，但對(duì)其進(jìn)行挖掘可能得到的價(jià)值更大，這就是大數(shù)據(jù)熱的原因。鑒于越來越大的數(shù)據(jù)規(guī)模，采用常規(guī)基于DB

5、MS的數(shù)據(jù)分析工具和方法已經(jīng)無法滿足大規(guī)模數(shù)據(jù)分析的需求，目前一些大型互聯(lián)網(wǎng)公司采用hadoop體系進(jìn)行大規(guī)模數(shù)據(jù)的運(yùn)算，結(jié)合hadoop體系結(jié)構(gòu)與實(shí)際的JI運(yùn)算需求結(jié)合，采用hadoop體系結(jié)構(gòu)的分布式運(yùn)算模型，通過集群的方式實(shí)現(xiàn)大數(shù)據(jù)運(yùn)算，為企業(yè)提供大數(shù)據(jù)的價(jià)值。為適應(yīng)大數(shù)據(jù)計(jì)算的要求，同時(shí)提供大數(shù)據(jù)運(yùn)算平臺(tái)的系統(tǒng)設(shè)計(jì)的依據(jù)，特制定計(jì)算平臺(tái)的系統(tǒng)概要設(shè)計(jì)文檔，為后期的系統(tǒng)詳細(xì)設(shè)計(jì)和實(shí)現(xiàn)提供依據(jù)。飛'i11I!j.j'x1i%I1.2術(shù)語(yǔ)與縮略詞卜列術(shù)語(yǔ)、定義和縮略語(yǔ)適用于本標(biāo)準(zhǔn):術(shù)語(yǔ)與縮略詞解釋備注NamenodeHDFS采用master/slave架構(gòu)。一個(gè)HDFS集群是

6、由一個(gè)Namenode和一定數(shù)目的Datanodes組成。Namenode是一個(gè)中心服務(wù)器，負(fù)責(zé)管理文件系統(tǒng)的名字空間(namespace)以及客戶端對(duì)文件的訪問。Namenode執(zhí)-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考行文件系統(tǒng)的名字空間操作，比如打開、關(guān)閉、重命名文件或目錄。匕也負(fù)責(zé)確te數(shù)據(jù)塊到具體Datanode下點(diǎn)的映射Datanode集群中的Datanode一般是個(gè)下點(diǎn)個(gè)，負(fù)責(zé)管理它所在節(jié)點(diǎn)上的存儲(chǔ)。HDFSt露了文件系統(tǒng)的名字空間，用戶能夠以文件的形式在上面存儲(chǔ)數(shù)據(jù)。從內(nèi)部看，一個(gè)文件其實(shí)被分成一個(gè)或多個(gè)數(shù)據(jù)塊，這些塊存儲(chǔ)在一組Datanode上。Datanode負(fù)責(zé)處理文件系統(tǒng)客戶端的讀

7、寫請(qǐng)求。在X:，I'L1/11Namenode的統(tǒng)一調(diào)度下進(jìn)行數(shù)據(jù)塊的創(chuàng)建、刪除和復(fù)制,：11Secondnamenode,1t1i光從字面上來理解，很容易什些初學(xué)者先入為主的認(rèn)為：SecondaryNameNode(snn)就是NameNode(nn)的熱備進(jìn)程。其實(shí)不是。snn是HDF磔構(gòu)中的一個(gè)組成部分，但是經(jīng)常由于名字而被人誤解它真正的用途，其實(shí)它真正的用途，是用來保存namenode中對(duì)HDFSmetadata的信息的備份，弁減少namenode重啟的時(shí)間1JobtrackerJobTracker是MapReducef匡架中最主要的類之一，所有job的執(zhí)行都由它來調(diào)度，而且H

8、adoop系統(tǒng)中只配置一個(gè)JobTracker應(yīng)用。？它們都是由一個(gè)-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考master服務(wù)JobTracker和多個(gè)運(yùn)行丁多個(gè)節(jié)點(diǎn)的slaver服務(wù)TaskTracker兩個(gè)類提供的服務(wù)調(diào)度的。master負(fù)責(zé)調(diào)度job的每一個(gè)子任務(wù)task運(yùn)行丁slave上，弁監(jiān)控它們，如果發(fā)現(xiàn)有失敗的task就重新運(yùn)行它，slave則負(fù)責(zé)直接執(zhí)行每一個(gè)task11TaskTrackerTaskTracker都需要運(yùn)行在HDFS的DataNode上,而JobTracker則不需要，一般情況應(yīng)該把JobTracker部署在單獨(dú)的機(jī)器上°x1JHBaseHBase是一個(gè)分布式的、

9、面向列的開源數(shù)據(jù)庫(kù)，該技術(shù)來源于Changetal所撰寫的Google論文"Bigtable:一個(gè)結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)。就像Bigtable利用了Google文件系統(tǒng)(FileSystem)所提供的分布式數(shù)據(jù)存價(jià)-樣，HBase在Hadoop之上提供了類似于Bigtable的能力。HBase是Apache的Hadoop項(xiàng)目的子項(xiàng)目。HBase不同一般的關(guān)系數(shù)據(jù)庫(kù)，它是一個(gè)適合于非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫(kù)。另一個(gè)不同的是HBase基于列的而不是基于行的模式。Hivehive是基于Hadoop的一個(gè)數(shù)據(jù)倉(cāng)庫(kù)工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫(kù)表，并提供完整的sql查詢功能，可

10、以將sql語(yǔ)句轉(zhuǎn)換為MapReducef壬務(wù)進(jìn)行運(yùn)行。其優(yōu)點(diǎn)是學(xué)習(xí)成本低，可以通過類SQL語(yǔ)句快速實(shí)現(xiàn)簡(jiǎn)單的MapReduc期計(jì)，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉(cāng)庫(kù)的統(tǒng)計(jì)分析。StormStorm為分布式實(shí)時(shí)計(jì)算提供了一組通-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考用原語(yǔ)，可被用于“流處理”之中，實(shí)時(shí)處理消息弁更新數(shù)據(jù)庫(kù)。這是管理隊(duì)列及工作者集群的另一種方式。Storm也可被用于“連續(xù)計(jì)算”(continuouscomputation),對(duì)數(shù)據(jù)流做連續(xù)查詢，在計(jì)算時(shí)就將結(jié)果以流的形式輸出給用戶。它還可被用于“分布式RPC,以弁行的方式運(yùn)行昂貴的運(yùn)算。11FlumeFlume是Cloude

11、ra提供的一個(gè)高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng),Flume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時(shí)，F(xiàn)lume提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，并寫到各種數(shù)據(jù)接受方(可定制)的能力。ETL1-1.11ETL是數(shù)據(jù)抽取(Extract)、清洗(Cleaning)、轉(zhuǎn)換(Transform)、裝載(Load)的過程。是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗,最終按照預(yù)先定義好的數(shù)據(jù)倉(cāng)庫(kù)模型，將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中去。KettleKettle是一款國(guó)外開源的ETL工具，純java編寫，可以在Window、Linux、Unix-來源網(wǎng)絡(luò)，僅供個(gè)

12、人學(xué)習(xí)參考上運(yùn)行，綠色無需安裝，數(shù)據(jù)抽取局效穩(wěn)定。MySQLMySQL是一個(gè)開放源碼的小型關(guān)聯(lián)式數(shù)據(jù)庫(kù)管理系統(tǒng)，開發(fā)者為瑞典MySQLAE公司。目前MySQL被廣泛地應(yīng)用在Internet上的中小型網(wǎng)站中。由于其體積小、速度快、總體擁啟成本低，尤其|是開放源用這一特點(diǎn)，許多中小型網(wǎng)站為了降低網(wǎng)站總體擁有成本而選擇了MySQL作為網(wǎng)站數(shù)據(jù)庫(kù)。11z"MongoDB*1.i.|MongoDB是一個(gè)介于關(guān)系數(shù)據(jù)庫(kù)和非關(guān)系數(shù)據(jù)庫(kù)之間的產(chǎn)品，是非關(guān)系數(shù)據(jù)庫(kù)當(dāng)中功能最豐富，最像關(guān)系數(shù)據(jù)庫(kù)的。他支持的數(shù)據(jù)結(jié)構(gòu)非常松散，是類似json的bson格式，因此可以存儲(chǔ)比較復(fù)雜的數(shù)據(jù)類型。Mongo取大的特

13、點(diǎn)是他支持的查詢語(yǔ)言非常強(qiáng)大，其語(yǔ)法有點(diǎn)類似于面向?qū)ο蟮牟樵冋Z(yǔ)言，幾乎可以實(shí)現(xiàn)類似關(guān)系數(shù)據(jù)庫(kù)單表查詢的絕大部分功能，而且還支持對(duì)數(shù)據(jù)建立索引。人員;1.3對(duì)象及范圍1、開發(fā)人員、DBA、測(cè)試人員；2、研發(fā)主管領(lǐng)導(dǎo)、產(chǎn)品-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考1.4參考資料1、大數(shù)據(jù)處理體系架構(gòu)2、HBaseTheDefinitiveGuide»3、«»4、Programming_Hive»2.系統(tǒng)總體設(shè)計(jì)r-_,.I2.1 需求規(guī)定/4'II2.2 運(yùn)行環(huán)境操作系統(tǒng)：RedHadEnterprise5.5I:y-軟件環(huán)境：Java1.6Hadoop-1.0.

14、4HBase-0.94.91ILlHive-0.10.0'i"fIsqoop-1.4.2zookeeper-3.4.5Kettle4.3MySQL5.1硬件環(huán)境：8核16G內(nèi)存PC服務(wù)器8臺(tái)2.3 基本設(shè)計(jì)思路和處理流程1、按照數(shù)據(jù)分析的實(shí)時(shí)性，分為在線數(shù)據(jù)分析和離線數(shù)據(jù)分析2.4 網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考2、在線數(shù)據(jù)分析：往往要求系統(tǒng)在數(shù)秒內(nèi)返回上億行數(shù)據(jù)的分析，從而才能達(dá)到不影響用戶體驗(yàn)的目的。3、離線數(shù)據(jù)分析：對(duì)大多數(shù)反饋時(shí)間要求不高的應(yīng)用，比如離線統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)等，應(yīng)采用離線分析的方式，通過數(shù)據(jù)采集工具將日志數(shù)據(jù)導(dǎo)入專門的分析平臺(tái)進(jìn)行分析。4、系統(tǒng)主要以離線數(shù)據(jù)分析

15、為主，采用目前在互聯(lián)網(wǎng)業(yè)界流行的hadoop體系結(jié)構(gòu)對(duì)大批量的數(shù)據(jù)進(jìn)行運(yùn)算，采用hadoop集群的方式對(duì)大數(shù)據(jù)進(jìn)行運(yùn)算。5、數(shù)據(jù)運(yùn)算平臺(tái)以調(diào)度為主線，作為運(yùn)算平臺(tái)的核心控制系統(tǒng)，對(duì)運(yùn)算平臺(tái)的各個(gè)環(huán)節(jié)進(jìn)行控制，且對(duì)運(yùn)算過程中的步驟依賴關(guān)系進(jìn)行控制，同時(shí)對(duì)各個(gè)環(huán)節(jié)進(jìn)行監(jiān)控，通過監(jiān)控異常報(bào)警來提高系統(tǒng)的穩(wěn)定性和異常響應(yīng)速度。-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考2.4 系統(tǒng)結(jié)構(gòu)2.4.1大數(shù)據(jù)運(yùn)算系統(tǒng)架構(gòu)圖2.4.2大數(shù)據(jù)平臺(tái)系統(tǒng)功能圖系統(tǒng)功能圖邏輯說明1) 生產(chǎn)系統(tǒng)的源數(shù)據(jù)通過sqoop,flume,Kettle等獲取后保存在KafkaIIX飛lr消息隊(duì)列中或者保存到hadoop的hdfs系統(tǒng)中。2) 調(diào)度

16、系統(tǒng)負(fù)責(zé)自身的控制功能，通過讀取調(diào)度控制的配置信息調(diào)用驅(qū)動(dòng)代理程序處理相關(guān)的運(yùn)算功能。3) 驅(qū)動(dòng)代理程序負(fù)責(zé)所有基于運(yùn)算平臺(tái)的相關(guān)組件的驅(qū)動(dòng)任務(wù)，讀取調(diào)度系統(tǒng)傳遞過來的模版信息，讀取模版信息，弁執(zhí)行相應(yīng)的驅(qū)動(dòng)操作。-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考4) 系統(tǒng)管理功能部分完成系統(tǒng)相關(guān)配置，管理等相關(guān)信息的維護(hù)操作。5) 監(jiān)控系統(tǒng)對(duì)整個(gè)系統(tǒng)的運(yùn)行狀況進(jìn)行監(jiān)控，由各個(gè)業(yè)務(wù)子系統(tǒng)按照監(jiān)控系統(tǒng)的要求實(shí)現(xiàn)相應(yīng)的監(jiān)控功能。6) 4.3大數(shù)據(jù)平臺(tái)功能結(jié)構(gòu)圖大數(shù)據(jù)平臺(tái)功能結(jié)構(gòu)圖說明：1）大數(shù)據(jù)平臺(tái)功能結(jié)構(gòu)主要?jiǎng)澐譃橛?jì)算平臺(tái)，應(yīng)用平臺(tái)，系統(tǒng)管理以及監(jiān)控,配置等相關(guān)應(yīng)用功能。2）計(jì)算平臺(tái)分為基礎(chǔ)運(yùn)算部分，模版管理部分，驅(qū)

17、動(dòng)代理部分，系統(tǒng)調(diào)度部，JII/*II»'yIj;jI分。3）計(jì)算平臺(tái)分為離線計(jì)算與實(shí)時(shí)計(jì)算兩種形式。X/產(chǎn)Ix-'/4）計(jì)算平臺(tái)基于模版的功能開發(fā)，實(shí)際應(yīng)用中做到模版的熱插拔，對(duì)于功能需求只需要開發(fā)相應(yīng)的模版，弁部署上計(jì)算平臺(tái)即可應(yīng)用。5）驅(qū)動(dòng)代理程序管理所有的基于大數(shù)據(jù)運(yùn)算的相關(guān)組件的代理功能，對(duì)外提：LI供給調(diào)度系統(tǒng)應(yīng)用，調(diào)用模版設(shè)置的相應(yīng)的類型，進(jìn)行相應(yīng)類型的驅(qū)動(dòng)操作。6）調(diào)度系統(tǒng)只關(guān)心其自身的系統(tǒng)控制能力，不參與具體的業(yè)務(wù)以及計(jì)算功能!j.j*1i%I組件的調(diào)用。2.5 尚未解決的問題無-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考3.模塊/功能設(shè)計(jì)3.1 調(diào)度模塊3.1.1

18、 設(shè)計(jì)思路一：調(diào)度模塊實(shí)現(xiàn)功能思路二：流程說明以及注意事項(xiàng)：1.1、 任務(wù)與步驟采用配置表的方式保存在mysql中，調(diào)度程序定時(shí)掃描任，L一一"務(wù)表，判斷是否有啟動(dòng)的任務(wù)，如果有啟動(dòng)的任務(wù)，則啟動(dòng)任務(wù)。2、 調(diào)度任務(wù)需要判斷任務(wù)中步驟之間的依賴關(guān)系，根據(jù)依賴關(guān)系判斷是否可以執(zhí)行下一步的執(zhí)行步驟。r3、 一個(gè)任務(wù)中可以包含多個(gè)步驟，每個(gè)步驟為一個(gè)具體的任務(wù)，步驟與步驟直接存在依賴關(guān)系。4、 對(duì)于具體的執(zhí)行任務(wù)將由驅(qū)動(dòng)代理自動(dòng)完成。Li3.1.2 流程圖3.1.3 處理邏輯1、調(diào)度任務(wù)啟動(dòng)后掃描任務(wù)配置表，看任務(wù)配置表是否存在需要處理的任務(wù)信息，如果不存在需要處理的任務(wù)信息，則線程執(zhí)行休

19、眠，否則執(zhí)行步驟2;2、生成數(shù)據(jù)日期，弁檢查任務(wù)依賴關(guān)系，如果依賴關(guān)系未執(zhí)行完，則現(xiàn)成等待操作，等待依賴的任務(wù)執(zhí)行完成，如果依賴關(guān)系都執(zhí)行完，則獲取符合條件的任務(wù)，執(zhí)行步驟3:3、讀取任務(wù)信息表，獲取任務(wù)信息，根據(jù)任務(wù)信息讀取步驟信息，執(zhí)行相應(yīng)-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考的步驟操作，執(zhí)行步驟4;4、根據(jù)步驟信息的配置獲取需要執(zhí)行的相應(yīng)的模版信息，調(diào)用驅(qū)動(dòng)代理程序執(zhí)行相應(yīng)的功能，執(zhí)行步驟5;5、驅(qū)動(dòng)代理程序執(zhí)行模版初始化，初始化完成后獲取相應(yīng)的參數(shù)數(shù)據(jù)，弁根據(jù)模版類型選擇具體的驅(qū)動(dòng)程序，執(zhí)行相應(yīng)的操作。6、判斷該任務(wù)的下步驟是否執(zhí)行完成，如果未執(zhí)行完成，則執(zhí)行步驟3,繼續(xù)下一個(gè)步驟的執(zhí)行，否則執(zhí)

20、行步驟7;7、寫步驟完成信息表，判斷是否還存在要執(zhí)行的任務(wù)，如果沒有等待，存在需要執(zhí)行的任務(wù)則執(zhí)行步驟3._y，弋4一":/3.2驅(qū)動(dòng)代理模塊X/產(chǎn)Ix-J，/I1Jy,3.2.1 設(shè)計(jì)思路一：計(jì)算驅(qū)動(dòng)模塊實(shí)現(xiàn)功能思路二：流程說明以及注意事項(xiàng)：.,.,.I1、計(jì)算平臺(tái)的驅(qū)動(dòng)提供針對(duì)Hive,MapReduceHbase等相關(guān)的驅(qū)動(dòng)應(yīng)用。U'i!ifl2、基于業(yè)務(wù)模版的設(shè)置操作，調(diào)度執(zhí)行業(yè)務(wù)模版，不關(guān)心模版具體業(yè)務(wù)形態(tài)。3、一個(gè)驅(qū)動(dòng)應(yīng)用包含四個(gè)步驟：1）刪除不用的數(shù)據(jù)；2）加載數(shù)據(jù)；3）運(yùn)算；4）導(dǎo)出結(jié)果文件。4、提供監(jiān)控需要的相應(yīng)信息。5、對(duì)于文件的操作，會(huì)涉及到多個(gè)文件或者

21、目錄操作，多個(gè)文件或者目錄以逗號(hào)分隔，對(duì)文件操作中涉及到一些按照小時(shí)，天，月份的文件命名的操作，配置中以特殊字符進(jìn)行替換。-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考3.2.2 流程圖3.2.3 處理邏輯1、由調(diào)度程序驅(qū)動(dòng)代理模塊，調(diào)用驅(qū)動(dòng)代理模塊的驅(qū)動(dòng)應(yīng)用，傳遞需要驅(qū)動(dòng)的模版編號(hào)，處理時(shí)間范圍等相關(guān)信息，執(zhí)行流程2;2、驅(qū)動(dòng)程序首先查詢是否存在該模版，如果不存在模版，、則執(zhí)行流程3,否則執(zhí)行流程4;.3、則直接返回任務(wù)失敗信息，不存在相關(guān)的模版，整個(gè)流程結(jié)束；4、如果查詢到相關(guān)的模版信息，先執(zhí)行初始化模版信息以及需要?jiǎng)h除的中間，I，I;II»'yIj;jI文件，多個(gè)文件以逗號(hào)分割，如果為空

22、則表示不需要清理中間文件，執(zhí)行流程5;二.5、清理hive表數(shù)據(jù)操作，多個(gè)hive語(yǔ)句以逗號(hào)分割，如果為空則表示不需要進(jìn)行分割，執(zhí)行流程66、判斷該操作是hive驅(qū)動(dòng)mapreduce還是自定義的mapreduce,如果是自定1I義的mapreduce則走自定義的mapreduce操作，執(zhí)行流程7,否則如果是hive驅(qū)動(dòng)的mapreduce,則走h(yuǎn)ive操作流程，否則執(zhí)行流程8;JI%I7、如果mapreduce的操作流程，第一步執(zhí)行加載文本文件數(shù)據(jù)，多個(gè)文本文件以逗號(hào)進(jìn)行分割，第二步執(zhí)行mapreduce操作，通過shell腳本的方式執(zhí)行mapreduce操作，第三步執(zhí)行完后將結(jié)果輸出。8、

23、如果是hive的操作流程，第一步先執(zhí)行加載文本文件到hive表，如果有多個(gè)文件操作一逗號(hào)分割，第二步執(zhí)行hive語(yǔ)句，多個(gè)hive語(yǔ)句以逗號(hào)分割的方式，第三步將結(jié)果輸出到相應(yīng)的hive表中。9、根據(jù)設(shè)置導(dǎo)出的方式，將結(jié)果文件導(dǎo)出到mysql,或者mongodb),或者直接-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考將文本文件從hdfs文件系統(tǒng)中導(dǎo)出。3.3對(duì)操作系統(tǒng)/應(yīng)用程序監(jiān)控流程3.3.1 處理流程圖3.3.2 處理邏輯1、讀取監(jiān)控服務(wù)器列表，判斷是否需要監(jiān)控，如果需要監(jiān)控，則執(zhí)行步驟2,如果不需要監(jiān)控，執(zhí)行步驟5;2、監(jiān)控模塊向監(jiān)控服務(wù)器發(fā)送監(jiān)控請(qǐng)求，等到被監(jiān)控服務(wù)器的返回，執(zhí)行步驟3;3、被監(jiān)控服務(wù)器

24、接收到請(qǐng)求監(jiān)控信息后，將相關(guān)的信息返回給監(jiān)控模塊，執(zhí)行步驟4;4、監(jiān)控服務(wù)器將返回的數(shù)據(jù)進(jìn)行解析后入庫(kù)，執(zhí)行步驟5;5、判斷被監(jiān)控服務(wù)器是否都請(qǐng)求完成，如果請(qǐng)求完成，則執(zhí)行步驟6,否則執(zhí)一.'''I1|行步驟1;6、監(jiān)控模塊線程休眠10分鐘，等待下次進(jìn)行監(jiān)控，執(zhí)行步驟1.'.J、.')"fI,4.j'a1i%IA.3.4監(jiān)控報(bào)警模塊3.4.1 設(shè)計(jì)思路一：監(jiān)控模塊實(shí)現(xiàn)功能思路二：流程說明以及注意事項(xiàng)：1、監(jiān)控報(bào)警模塊主要完成三個(gè)級(jí)別的監(jiān)控報(bào)警，分為：1)操作系統(tǒng)級(jí)別，檢測(cè)運(yùn)行的機(jī)器的操作系統(tǒng)是否正常運(yùn)行，CPU內(nèi)存，I/O,-來源網(wǎng)絡(luò)，

25、僅供個(gè)人學(xué)習(xí)參考存儲(chǔ)等資源的利用情況，采用Linux的Shell腳本對(duì)相關(guān)的信息進(jìn)行收集弁上報(bào)；2）應(yīng)用程序級(jí)別監(jiān)控，檢測(cè)kettle,hadoop,hive,hbase,zookeeper等相關(guān)程序是否正常啟動(dòng)，以及應(yīng)用程序的相關(guān)資源的監(jiān)控。3）程序數(shù)據(jù)級(jí)別的監(jiān)控，對(duì)數(shù)據(jù)情況進(jìn)行監(jiān)控，主要是數(shù)據(jù)異常的監(jiān)控。2、監(jiān)控模塊主要負(fù)責(zé)監(jiān)控?cái)?shù)據(jù)的采集，數(shù)據(jù)異常報(bào)警，以及后期的監(jiān)控?cái)?shù)據(jù)展7K等功能。3、對(duì)于系統(tǒng)級(jí)別和應(yīng)用程序級(jí)別的監(jiān)控?cái)?shù)據(jù)采集采用由監(jiān)控模塊主動(dòng)調(diào)用相應(yīng)的應(yīng)用接口的方式采集數(shù)據(jù)，對(duì)于應(yīng)用數(shù)據(jù)級(jí)別的監(jiān)控則由各個(gè)應(yīng)用將相關(guān)的數(shù)據(jù)寫入到數(shù)據(jù)庫(kù)表，由監(jiān)控系統(tǒng)對(duì)其進(jìn)行掃描。4、監(jiān)控模塊的報(bào)警機(jī)制支持

26、優(yōu)先級(jí)報(bào)警模式，對(duì)于優(yōu)先級(jí)較高，需要緊急處/I心Jy-理的報(bào)警，需要不間斷的進(jìn)行報(bào)警，但需要設(shè)置報(bào)警的頻率，如10分鐘重復(fù)一次。5、監(jiān)控的報(bào)警模式采用郵件監(jiān)控的方式，輔助以短信提醒的方式。、."'-L3.4.2 流程圖、jII-.I,4.j"a1i%IA.3.4.3 處理邏輯1、監(jiān)控報(bào)警啟動(dòng)采用啟動(dòng)啟動(dòng)的方式進(jìn)行，當(dāng)監(jiān)控報(bào)警線程啟動(dòng)后判斷是否到達(dá)監(jiān)控時(shí)間點(diǎn)，如果未到達(dá)監(jiān)控時(shí)間點(diǎn)，則線程休眠1分鐘后再次進(jìn)行判斷，如果到達(dá)監(jiān)控時(shí)間點(diǎn)則執(zhí)行步驟2。2、讀取需要監(jiān)控任務(wù)列表，得到需要監(jiān)控的任務(wù)，執(zhí)行步驟3。3、對(duì)監(jiān)控任務(wù)的源數(shù)據(jù)進(jìn)行掃描，判斷是否存在異常，如果存在異常則保存

27、-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考監(jiān)控異常數(shù)據(jù)，執(zhí)行步驟4,否則執(zhí)行步驟1。4、判斷監(jiān)控列表是否都執(zhí)行完，如果執(zhí)行完，對(duì)于異常情況以郵件的方式通知相關(guān)人，否則執(zhí)行步驟3。4 .系統(tǒng)數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)4.1 數(shù)據(jù)實(shí)體關(guān)系圖詳細(xì)圖例見附件4.2 數(shù)據(jù)邏輯結(jié)構(gòu)4.2.1調(diào)度任務(wù)表字段說明數(shù)據(jù)是否為空主鍵備注TaskId任務(wù)IDint否是主鍵，自增長(zhǎng)IDTaskName任務(wù)名稱Varchar(255)否TaskDesc任務(wù)描述Varchar(500)是Priority優(yōu)先級(jí)int是數(shù)值110值越大優(yōu)-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考先級(jí)越高，默認(rèn)5CycleType周期類型int否0.執(zhí)彳H次1.分鐘2.小時(shí)3.天4.

28、月Interval頻次間隔Int是整數(shù)11'八JPlanRunTime預(yù)期執(zhí)行時(shí)長(zhǎng)Int是單位：分鐘LastRunDate最后執(zhí)行日期int否Status任務(wù)狀態(tài)int否0.正常1.暫停CreateUser創(chuàng)建人Varchar(255)CreateTime創(chuàng)建時(shí)二二二間date否ModifyUser修改人Varchar(255)是ModifyTime修改時(shí)間date是-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考4.2.2調(diào)度步驟表字段說明數(shù)據(jù)是否為空主鍵備注StepId步驟IDint否是主鍵,自增長(zhǎng)ID,:TaskId任務(wù)IDint否“任務(wù)表”主鍵StepSort執(zhí)行順序int否相同則表示弁行Step

29、Name步驟名稱Varchar(255)TemplatelD模板IDInt否PlanRunTime預(yù)期執(zhí)行時(shí)長(zhǎng)Int是單位：分鐘CreateUser創(chuàng)建人Varchar(255)否CreateTime創(chuàng)建時(shí)間date否ModifyUser修改人Varchar(255)是ModifyTime修改時(shí)間date是-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考4.2.3調(diào)度任務(wù)依賴表字段說明數(shù)據(jù)是否為空主鍵備注TaskId任務(wù)IDint否Fatherld父任務(wù)IDint否4.2.4調(diào)度任務(wù)運(yùn)行日志表字段說明數(shù)據(jù)是否為空主鍵備注Serialld記錄IDInt否是主鍵，自增長(zhǎng)IDTaskDate任務(wù)日期Int否TaskId

30、任務(wù)IDInt“任務(wù)表”主鍵Status任務(wù)狀態(tài)Int否0.初始化1執(zhí)行中2.已完成-99.執(zhí)行-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考錯(cuò)誤RetryTimes重試次數(shù)IntBeginTime開始執(zhí)行時(shí)間Date是EndTime結(jié)束執(zhí)行時(shí)間Date是CreateTime創(chuàng)建時(shí)間Date否ModifyTime修改時(shí)間Date是°：L二二一4.2.5調(diào)度步驟運(yùn)行日志表字段說明數(shù)據(jù)是否為空主鍵備注SerialId"ri記錄ID1Int否是主鍵，自增長(zhǎng)IDTaskDate步驟日期Int否TaskId任務(wù)IDInt否“任務(wù)表”主鍵StepId步驟IDInt否“步驟表”主鍵StepSort步驟序號(hào)

31、int否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考Status步驟狀態(tài)Int否0.初始化1 .執(zhí)行中2 .已完成-99.執(zhí)行錯(cuò)誤RetryTimes重試次數(shù)IntBeginTime開始執(zhí)行時(shí)間Date是11_'i八%EndTime結(jié)束執(zhí)行時(shí)間DatekCz'1I1'：11*-1:111,i:1*CreateTime創(chuàng)建時(shí)間Date否ModifyTime修改時(shí)間Date是4.2.6調(diào)度步驟運(yùn)行錯(cuò)誤日志表字段說明數(shù)據(jù)是否為空主鍵備注SerialId記錄IDInt否是主鍵，自增長(zhǎng)IDTaskDate任務(wù)日期Int否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考TaskId任務(wù)IDInt否StepId步驟ID

32、Int否Errorinfo錯(cuò)誤信息Varchar(4000)InsertTime記錄時(shí)間Date是4.2.7系統(tǒng)資源表字段說明數(shù)據(jù)是否為空主鍵備注ResourceId資源IDInt,x11否是主鍵，自土銖IDCpuInfoCpu信息Varchar(4000)是MemoryInfo內(nèi)存信息Varchar(4000)是DiskInfo硬盤信息Varchar(4000)CreateTimet己錄創(chuàng)建時(shí)間date否CreateNamet己錄倉(cāng)1JVarchar(256)否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考建人ModifyTime記錄修改時(shí)間Date否ModifyName記錄修改人Varchar(256)否4

33、.2.8服務(wù)器機(jī)器表字段說明數(shù)據(jù)是否為空主鍵備注Machineld機(jī)型IDInt否是主鍵，自土銖IDCpulnfoCpu信息Varchar(4000)是Memorylnfo內(nèi)存信息Varchar(4000)是DiskInfo硬盤信息Varchar(4000)CreateTimet己錄創(chuàng)建時(shí)間date否CreateNamet己錄創(chuàng)建人Varchar(256)否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考ModifyTime記錄修改時(shí)間Date否ModifyName記錄修改人Varchar(256)否4.2.9服務(wù)器信息表字段說明數(shù)據(jù)是否為空主鍵備注Serverld服務(wù)器IDInt否是主鍵，自增長(zhǎng)IDServer

34、Name服務(wù)器名稱Varchar(256).是Serverlp服務(wù)器IPVarchar(256)是CreateTime記錄創(chuàng)建時(shí)間date否CreateName記錄創(chuàng)建人Varchar(256)否ModifyTime記錄修改時(shí)間Date否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考ModifyName記錄修改人Varchar(256)否4.2.10系統(tǒng)管理信息表字段說明數(shù)據(jù)是否為空主鍵備注SystemId服務(wù)器IDInt否是°主鍵，自:土銖IDMachineld機(jī)型IDInt否Resourceld資源IDInt否ServerId服務(wù)器IDInt否CreateTime記錄創(chuàng)建時(shí)間date否Create

35、Name記錄創(chuàng)建人Varchar(256)否ModifyTime記錄修改時(shí)間Date否ModifyName記錄修改人Varchar(256)否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考4.2.11集群信息表字段說明數(shù)據(jù)是否為空主鍵備注Clusterld集群IDInt否是主鍵，自增長(zhǎng)ID；ClusterName集群名稱Varchar(256)是：1J.1,i-ClusterPath集群配置目錄Varchar(256)是Remark集群配置備注Varchar(256)-_|1是，CreateTimet己錄創(chuàng)建時(shí)間date否CreateNamet己錄創(chuàng)建人Varchar(256)否ModifyTime記錄修改時(shí)間Date否ModifyName記錄修改人Varchar(256)否-來源網(wǎng)絡(luò)，僅供個(gè)人學(xué)習(xí)參考4.2.12集群列表字段說明數(shù)據(jù)是否為空主鍵備注ListId集群列表IDInt否是主鍵，自土銖IDClusterld集群IDInt否1"|JServerld服務(wù)器IDInt否1,'j.1i.1fCreateTime記錄創(chuàng)建時(shí)