有什么轻量级的大数据技术？

流行的大数据技术有Elasticsearch、Hadoop, Storm, Hive、Spark等，这些都是大集群方案，适合有海量规模数据的巨大企业。实际上，流行的大数据技术通常也源自这类头部互联网企业。很多场景下，数据虽然也很多，但小集群甚至无集群就足够处理，远没多到这些巨大企业的规模，也没有那么多的硬件设备和维护人员。这种情况下，就需要轻量级的大数据技术了。

轻量级的大数据技术不多，集算器SPL是其中的佼佼者。

SPL是开源的大数据JAVA计算库，不仅代码简洁，架构轻便，易于集成，而且提供了高性能存储格式，支持单机并行计算和多机集群计算，可以充分发挥小集群的硬件性能。

SPL架构轻便，没有复杂的计算框架，也不依赖外部环境，不需要集群时，只要嵌入SPL的jar包就能直接进行计算，不需要启动服务器。SPL的集群计算也没有沉重的中心体系，只要随便找来几台节点机启动SPL服务，可以是配置不同或操作系统不同的PC/Linux/服务器/工作站/笔记本，然后在任意的机器上执行很简单的集群运算代码即可：

	A
1	=[“192.168.1.11:8281”,“192.168.1.12:8281”,“192.168.1.13:8281”,“192.168.1.14:8281”]
2	=file(“Orders.ctx”:[1,2,3,4],A1)
3	=A2.open().cursor@m(Client, Amount,
4	=A3.groups(year(OrderDate),Client;sum(Amount))
这段代码即可以完成集群分组汇总，任务拆分汇总的压力远小于计算节点，可以在任意节点\集成环境上执行。

SPL提供了轻便的JDBC接口，方便被JAVA集成。比如将上面的算法存为SPL脚本文件，在JAVA中以存储过程的形式引用脚本文件名：

…Class.forName("com.esproc.jdbc.InternalDriver");
Connection conn =DriverManager.getConnection("jdbc:esproc:local://");
CallableStatement statement = conn.prepareCall("{call groupQuery(?, ?)}");
statement.setObject(1, "2021-01-01");
statement.setObject(2, "2021-12-31");
statement.execute();
...

在大数据计算方面，SPL也有很多高性能的存储机制和算法支持，比大多数使用SQL的大数据平台的性能表现要好很多，需要Hadoop/Spark集群才能完成的运算在SPL中常常用单机就解决了。

SPL提供了名为组表的高性能存储格式。组表经过精心设计，信息存储密度和计算性能高于普通格式；组表默认支持压缩，擅长存储大数据，尤其适合字段值有重复的情况；除了行存，组表也支持列存，适合对宽表的少数字段进行计算的情况，可以大幅提升压缩比和计算性能：

	A
1	=file(“Orders.ctx”)
2	=A1.open().cursor(Client,Amount, OrderDate; OrderDate>=arg1 && OrderDate
3	=A2.groups(year(OrderDate),Client;sum(Amount))

SPL组表支持并行计算，只要在cursor函数后面简单添加选项@m，这样可以充分利用多核CPU的性能优势：

	A
1	=file(“Orders.ctx”)
2	=A1.open().cursor@m(Client,Amount, OrderDate; OrderDate>=arg1 && OrderDate
3	=A2.groups(year(OrderDate),Client;sum(Amount))

大数据计算中的遍历很耗时，SPL支持游标遍历复用，只须对数据遍历一次，就可以计算出多个计算目标：

	A
1	=file(“Orders.ctx”).open()
2	=A1.open().cursor(Client, Amount, OrderDate)
3	=channel(A2).groups(year(OrderDate);max(Amount))
4	=A2.groups(Client;sum(Amount))
5	=A3.result()

和许多OLAP Server类似，SPL组表支持预汇总，可预先将常见的几种汇总结果缓存起来，正式计算时根据实际情况直接输出缓存结果，或对缓存结果进行二次计算，从而提升计算性能。比如下面代码即可利用预汇总的数据进行高速计算：

	A
1	=file(“fact.ctx”).open()
2	=A1.open().cgroups(dim1,dim2;sum(fact1),sum(fact2))

遇到较小的维表与大事实表进行关联计算的情况，可以把维表全量加载到每个节点的内存中，把大事实表以集群组表的形式存储在多个节点上，之后用内存的维表与外存的事实表进行关联计算，从而提升计算性能：

	A
1	=[“192.168.1.11:8281”,“192.168.1.12:8281”,“192.168.1.13:8281”,“192.168.1.14:8281”]
2	=file(“Orders.ctx”:[1,2,3,4],A1)
3	=A2.open().cursor@m(SellerId, Amount)
4	=file(“Employees.ctx”,A2).open().memory()
5	=A2.join(SellerId,A4,Name,Dept)
6	=A5.groups(dept;sum(Amount))

遇到大主子表关联计算的情况，可以把主表和子表各自以集群组表的形式存储于多个节点，并按关联字段有序存放，计算时就可以使用有序归并的方式进行关联计算，从而提升计算性能：

	A	B
1	=[“192.168.1.11:8281”,“192.168.1.12:8281”,“192.168.1.13:8281”,“192.168.1.14:8281”]
2	=file(“orders.ctx”:[1,2,3,4],A1)	=file(“orderdetail.ctx”,A2)
3	=A2.open().cursor@m()	=B2.open().cursor(;;A3)
4	=joinx(A3:m,ID;B3:c,ID)
5	=A4.groups(m.Client;sum(c.Amount))

在大数据计算方面，SPL还支持大维表集群计算，可自定义任务大小，指定并行数量，允许设计高效的执行路径，支持外存容错和内存容错。此外，SPL还支持多种文件、RDB、NoSQL、大数据数据源，并支持数据源之间的混合计算，经常可以省去大数据计算时麻烦耗时的格式转换和出库入库过程。

SPL资料

SPL官网
SPL下载
SPL源代码

欢迎对SPL有兴趣的加小助手（VX号：SPL-helper），进SPL技术交流群

有什么轻量级的大数据技术？相关推荐

有什么轻量级的大数据技术
一.大数据形式流行的大数据技术有Hadoop, Storm, Hive.Spark等,这些都是大集群方案,适合有海量规模数据的巨大企业.实际上,流行的大数据技术通常也源自这类头部互联网企业.很多场景 ...
《Spark大数据分析：核心概念、技术及实践》大数据技术一览
本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第1章,第1节,作者穆罕默德·古勒(Mohammed Guller)更多章节内容可以访问云栖社区"华章 ...
大数据技术学习路线，有信心能坚持学习的朋友，从现在开始吧
如果你看完有信心能坚持学习的话,那就当下开始行动吧! 推荐下我自己建的大数据学习交流群:199427210,群里都是学大数据开发的,如果你正在学习大数据 ,小编欢迎你加入,大家都是软件开发党,不定期分 ...
百分点大数据技术团队：乘风破浪海外数据中台项目实践
编者按踏上一带一路的新丝路,北京百分点信息科技有限公司从2016年开拓海外业务,以大数据技术为基础,结合中国先进的数据治国理念,用数据智能推动社会进步.三年时间,百分点海外团队在非洲某国实施大数据项 ...
【大数据】企业级大数据技术体系概述
目录产生背景常见应用场景企业级大数据技术框架数据收集层数据存储层资源管理与服务协调层计算引擎层数据分析层数据可视层企业级大数据技术实现方案 Google 大数据技术栈 Hadoop ...
大型网站技术架构:核心原理与案例分析 mobi_大数据技术经典学习路线
如果你看完有信心能坚持学习的话,那就当下开始行动吧! 点击链接加入群聊[大数据学习交流群]:想要在大数据这个领域汲取养分,让自己壮大成长.分享方向,行动以前先分享下一个大数据交流分享资源,欢迎想学习, ...
《大数据》杂志——大数据技术发展的十个前沿方向（中）
大数据技术发展的十个前沿方向(中) 吴甘沙英特尔中国研究院 doi:10.11959/j.issn.2096-0271.2015034 Ten Fronties for Big Data Techn ...
《大数据》2015年第2期“前沿”——大数据技术发展的十个前沿方向（上）
大数据技术发展的十个前沿方向(上) 吴甘沙英特尔中国研究院 doi:10.11959/j.issn.2096-0271.2015023 Ten Fronties for Big Data Techn ...
干货，主流大数据技术总结
作者:justcodeit 背景数据量不断增加,企业需要灵活快速地处理这些数据. 处理器主频和散热遇到瓶颈,多核处理器成为主流,并行化计算应用不断增加. 开源软件的成功使得大数据技术得以兴起. 互联 ...
大数据应用导论 Chapter1 | 大数据技术与应用概述
大家好,我是不温卜火,是一名计算机学院大数据专业大二的学生,昵称来源于成语-不温不火,本意是希望自己性情温和.作为一名互联网行业的小白,博主写博客一方面是为了记录自己的学习过程,另一方面是总结自己 ...

有什么轻量级的大数据技术？

SPL资料

有什么轻量级的大数据技术？相关推荐

最新文章

热门文章