【2020】 DBus,一个更能满足企业需求的大数据采集平
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了【2020】 DBus,一个更能满足企业需求的大数据采集平,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2851字,纯文字阅读大概需要5分钟。
内容图文
功能远超Sqoop、DataX、Flume、Logatash、Filebeat等采集工具深知其他组件的局限性,才能彰显DBus的优越感
当前有很多数据采集工具(Sqoop、DataX、Flume、Logatash、Filebeat等),他们或多或少都存在一些局限性。
一个共性问题是缺乏统一的数据源端管控,所以也就无法找到统一的数据入口,那后续处理元数据或者血缘分析会异常困难。
除此之外,现有各种数据采集工具的数据同步方法也有一定的局限性。比如:
(1)各个数据使用方在业务低峰期各种抽取所需数据(缺点是存在重复抽取而且数据不一致)
(2)由统一的数仓平台通过sqoop到各个系统中抽取数据(缺点是sqoop抽取方法时效性差,一般都是T+1的时效性)
(3)基于trigger或时间戳的方式获得增量的变更(缺点是对业务方侵入性大,带来性能损失等)
这些方案都不能算完美,要想同时解决数据一致性和实时性,比较合理的方法应该是基于日志的解决方案,同时能够提供消息订阅的方式给下游系统使用。在这个背景下DBus就诞生了。
DBus到底是什么?给我一个完美的解释
DBus(数据总线)项目为了统一数据采集需求而生, 专注于数据的收集及实时数据流计算,通过简单灵活的配置,以无侵入的方式对源端数据进行采集,采用高可用的流式计算框架,对公司各个IT系统在业务流程中产生的数据进行汇聚,经过转换处理后成为统一JSON的数据格式(UMS),提供给不同数据使用方订阅和消费,充当数仓平台、大数据分析平台、实时报表和实时营销等业务的数据源。支持多租户管理,提供租户级资源、数据隔离机制。
看DBus官网,了解更多更新一手资料
https://github.com/BriData/DBus
看DBus架构,聚焦DBus两大核心功能
DBUS主要分为两个部分:
(1)贴源数据采集
(2)多租户数据分发
两个部分之间以Kafka为媒介进行衔接。无多租户资源、数据隔离需求的用户,可以直接消费源端数据采集这一级输出到kafka的数据,无需再配置多租户数据分发
继续深入贴源数据采集功能模块
DBUS源端数据采集大体来说分为两部分:
读取RDBMS增量日志的方式来 实时获取增量数据日志,并支持全量拉取;基于logtash,flume,filebeat等抓取工具来实时获得数据,以可视化的方式对数据进行结构化输出;
以下为具体实现原理:
主要模块如下:
(1)日志抓取模块:从RDBMS的备库中读取增量日志,并实时同步到kafka中;
(2)增量转换模块:将增量数据实时转换为UMS数据,处理schema变更,脱敏等;
(3)全量抽取程序:将全量数据从RDBMS备库拉取并转换为UMS数据;
(4)日志算子处理模块:将来自不同抓取端的日志数据按照算子规则进行结构化处理;
(5)心跳监控模块:对于RDMS类源,定时向源端发送心跳数据,并在末端进行监控,发送预警通知;对于日志类,直接在末端监控预警。
(6)web管理模块:管理所有相关模块。
继续深入多租户数据分发功能模块
对于不同租户对不同源端数据有不同访问权限、脱敏需求的情形,需要引入Router分发模块,将源端貼源数据,根据配置好的权限、用户有权获取的源端表、不同脱敏规则等,分发到分配给租户的Topic。这一级的引入,在DBUS管理系统中,涉及到用户管理、Sink管理、资源分配、脱敏配置等。不同项目消费分配给他的topic。
【2020】 DBus,一个更能满足企业需求的大数据采集平
标签:规则 架构 时间 filebeat 企业 数据采集 web 数据源 数据分析
本文系统来源:https://blog.51cto.com/13735753/2475676
内容总结
以上是互联网集市为您收集整理的【2020】 DBus,一个更能满足企业需求的大数据采集平全部内容,希望文章能够帮你解决【2020】 DBus,一个更能满足企业需求的大数据采集平所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。