-系列目录-
大数据(三)大数据技术栈发展史前两章,我们分析了大数据相关的概念和发展史,本节我们就讲一讲具体的大数据领域的常见技术栈发展史。对主流技术栈有一个初步的认知。
一、总览
大数据技术栈非常多估计大大小小多达上百种。但发展史、技术体系仍有迹可循。我们从数据采集、清洗、应用3大步骤来看,在每个步骤内部按照时序标识主流技术栈时间点。以此期望能给大家一个初步的映像。三大步骤如下:
- 数据采集:从数据源进行数据同步,大致分为:主动查询DB数据批量(离线)同步、基于DB log数据变更(实时)同步2大类。
- 数据清洗:标准的ETL数据清洗,大致分为:离线计算(批处理)、实时计算(流处理)2大类。
- 数据应用:OLAP在线数据分析、报表、数据大屏、大数据查询服务API。
分步骤整体技术栈如下图所示:
二、技术栈
2.1 数据集采
如上图,数据采集可以归纳为两大类:离线查询同步、实时变更同步。如下图所示:
2.1.1 离线同步
离线同步常见技术栈有:Sqoop、Flume、DataX。
2.1.1.1 Sqoop-2009
1)介绍
05-22 21:24