當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

#研发解决方案#数据移山：接入、迁移、同步一站式

發布時間：2024/9/5 编程问答 45 豆豆

生活随笔收集整理的這篇文章主要介紹了 #研发解决方案#数据移山：接入、迁移、同步一站式小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

數據中心趙興申最后更新于2018/8/7

關鍵詞：數據接入，數據遷移，實時同步，數據庫變更訂閱中心

提綱：

1.??????移山產生背景

2.??????技術棧

3.??????移山數據處理能力

4.??????小結

移山?是數據中心推出的異構數據源之間的數據遷移自動化平臺，它旨在解決第三方ISV數據接入、實時數據（單向/雙向）同步、大數據集群間的數據遷移等問題。

移山?前臺部分由劉永飛，后臺由趙興申、譚清勇等同學開發完成。2018年3月9日移山（YiShan）一期上線運行。

隨著數屏、魔盒、數據開放實驗室等大數據組件上線運行，我司數據倉庫體系得到了進一步的發展，生產效率進一步提高，但是在數據接入、數據遷移、分析結果輸出還存在以下問題：

業務庫數據進入倉庫流程復雜：
- 對于數據倉庫中不存在的業務表，數據挖掘工程師需要先在?數據庫變更訂閱中心?配置該表，數據才會流向HBase（數據湖），然后還需要編碼開發才能將HBase中的數據同步至數據倉庫。這個過程操作復雜，極大制約了數據的開發效率；
計算任務和結果輸出未完全分離：
- 我們的離線計算任務采用 spark 進行計算，任務計算完成后需要將分析結果輸出到下游數據使用方（一般輸出到 MySQL 數據庫），數據計算和結果輸出封裝在一個 spark 任務中。計算結果數據量大的情況下，經常會導致 spark 任務不能正常結束或假死；
第三方數據接入方案不成熟：
- 對于第三方數據接入，我們之前有一個簡易版的數據采集服務，采用內存隊列方式處理接入數據，數據量大的情況下，經常會造成接口訪問超時，影響數據的完整性。

為了解決上述問題，我們需要一個完整的數據接入、同步、遷移解決方案，移山項目應運而生。同時我們要求可視化配置，可排查（最好是全鏈路可排查），可調度，支持下層集群服務（如kafka、hbase等）的擴容或縮容，最重要的一點是自帶監控報警。

數據接入、數據遷移、實時同步三大數據通道涵蓋所有業務場景。

系統根據不同數據通道，采用相應的監控報警機制，例如：對數據接入、數據遷移通道采用達到一定的重試閾值，才進行報警；對實時同步這種不能進行重試的任務，立即報警。

對數據接入、數據遷移提供詳細的任務運行監控，并詳細記載任務執行日志、錯誤日志、成功記錄數、失敗記錄數等信息。

移山系統提供了數據分析，幫助了解每日數據同步記錄數、執行時長等信息。

綜上所述，移山的三大數據通道已全部涵蓋日常數據遷移場景。移山以組件的方式集成到數據倉庫體系中，形成如下圖所示的大數據技術支撐體系。

-EOF-

轉載于:https://www.cnblogs.com/zhengyun_ustc/p/yishan.html

以上是生活随笔為你收集整理的#研发解决方案#数据移山：接入、迁移、同步一站式的全部內容，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。