摘要
在互聯網高度發達的今天，ipad、手機等智能終端設備隨處可見，運行在其中的APP、網站也非常多，如何采集終端數據進行分析，提升軟件的品質非常重要，例如PV/UV統計、用戶行為數據統計與分析等。雖然場景簡單，但是數據量大，對系統的吞吐量、實時性、分析能力、查詢能力都有較高的要求，搭建起來并不容易。今天我們來介紹一下基于阿里云表格存儲，以及相關的大數據產品來采集與分析數據的方案。
點此查看原文
TableStore
TableStore(表格存儲)是阿里云自主研發的專業級分布式NoSQL數據庫，是基于共享存儲的高性能、低成本、易擴展、全托管的半結構化數據存儲平臺，支撐互聯網和物聯網數據的高效計算與分析。

目前不管是阿里巴巴集團內部，還是外部公有云用戶，都有成千上萬的系統在使用。覆蓋了重吞吐的離線應用，以及重穩定性，性能敏感的在線應用。表格存儲的具體的特性可以看下面這張圖片。

基于TableStore的數據采集分析系統
一個典型的數據采集分析統計平臺，對數據的處理，主要由如下五個步驟組成：

對于上圖流程的具體實現，網上有許多可以參考的案例，數據在客戶端采集完以后，如果量比較小，我們可能直接在后端的API上做一次透傳，然后持久化到RDBMS類型的數據庫中就好了，通過Sql可以進行數據分析。如果數據量很大，就需要一些中間件來輔助收集和上傳，然后分別將數據寫入到在線和離線的系統中，比如先上傳到Flume，Flume可以做數據的采集與聚合，再將Flume作為消息的生產者，將生產的消息數據通過Kafka Sink發布到Kafka中，Kafka作為消息隊列的角色，可以對接后端的在線和離線計算平臺。如下圖所示：

引入Flume和Kafka的原因有很多，比如他們可以處理大流量的數據、做數據聚合、保證數據不丟失等，但最關鍵的原因是他們擁有高吞吐的能力。引入的組件多，系統的復雜性和成本也會相應的增加，上圖中，Spark Streaming/Storm分析完成以后，結果數據還需要引入另外的存儲組件進行存儲，比如HBase/MySQL，如果引入MySQL可能還需要再引入Redis做熱點數據緩存，這樣一來就更加復雜了。
我們嘗試一種基于TableStore和阿里云其他大數據產品的新方案，我們先看架構圖：

圖中關鍵路徑分析：
1、Web頁、APP等客戶端先通過埋點系統收集數據，然后通過表格存儲的SDK將數據寫入TableStore的原始數據表。
2、MaxCompute直讀TableStore原始數據表的數據進行分析，然后QuickBI讀取MaxCompute的數據進行展示，具體操作可參考：MaxCompute直讀直寫表格存儲、QuickBI新建云數據源。
3、TableStore原始數據表中的數據可增量同步到ElasticSearch或者openSearch中，同步方法參考：TableStore數據同步到ElasticSearch，TableStore數據同步到OpenSearch。
4、TableStore中的數據可增量同步到Blink/Flink進行分析，分析完以后的數據再寫回TableStore的結果數據表中，DavaV讀取結果數據表的數據進行展示。

新架構優勢分析：
1、客戶端數據直讀直寫TableStore，不需要再引入API層進行數據透傳，降低了復雜度，對于大型應用來說也減少了不少的服務器成本。
2、TableStore已經對接了豐富了大數據組件，包括阿里云的大數據產品和開源大數據產品，數據的同步與讀寫非常容易。
3、實時分析與離線分析后的結果數據再寫回TableStore，DataV直接讀取結果數據進行展示，因為TableStore具備高性能與高吞吐特點，不需要再引入Redis等緩存組件，可以簡化整個系統。

直讀直寫安全問題：
關于數據直讀直寫TableStore，大家可能都會想到一個安全的問題，客戶端直連TableStore不是要把AccessKey和AccessId暴露在客戶端嗎？答案是不用，我們使用STSToken授權訪問TableStore，過程如下圖所示：

TableStore提供的SDK都支持使用STS授權的方式進行訪問，示例可參考TableStore NodeJs SDK使用STSToken，使用STS方式訪問TableStore需要控制好授權策略，客戶端不需要的接口請不要授權。

瀏覽器跨域訪問TableStore：
如果在瀏覽器端直接訪問TableStore，由于瀏覽器有同源策略的限制，會產生跨域問題。因為TableStore的EndPoint域名與用戶Web站點的域名不同。解決這個問題的思路有兩個：一是Web端不直接訪問TableStore，改為先請求自己的Web Server端，Web Server端再使用TableStore SDK來發起請求，這樣其實就是后端訪問了，問題解決了但也沒了我們直讀直寫的優勢；二是TableStore服務端通過某種方式直接支持js跨域請求，這條路我們正在支持當中，當前處于開發階段，支持的方式是cors協議支持跨域。但目前也有快捷的支持方式，如果您有瀏覽器直接訪問TableStore的需求，可以直接聯系我們，支持起來也很快。

總結
表格存儲因其高性能、高吞吐、高可靠的特性，使得它在數據采集這種對后端吞吐要求很高的場景下非常適用，客戶端數據直讀直寫表格存儲，也為后端節省了中間層數據流轉這一層服務，減少了復雜性也節省了成本。另外，表格存儲對接了豐富的計算、分析、展示工具可以覆蓋數據采集與分析的幾乎所有場景，本文所介紹的周邊組件也只涵蓋了一部分，更多的示例與說明請參考表格存儲用戶指南。

總結

以上是生活随笔為你收集整理的基于TableStore/MaxCompute的数据采集分析系统介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。