大数据分析平台架构及其数据分析能力解读！

 

对于选型软件类产品来说，了解软件平台架构是必要的。平台架构是为用户提供一个整体解决方案的基础，从技术层面实现业务层面的落地。包含了对研发过程的整理和规范、对软件产品的整合和定义、对积累成果的融合和优化、对以往经验的总结和封装、对技术路线的规划和升级、对实现方案的提升和突破、对产品发展的探索和预见。因此软件平台架构决定了软件解决问题的能力。

 

随着大数据在越来越多的企业当中落地，企业要开展大数据相关的业务，那么首先要搭建起自身的数据平台。而企业搭建大数据分析平台，就需要对大数据平台架构有一定的了解，今天我们就来聊聊主流的一些大数据分析平台架构及其数据分析能力如何。

 

 

 

主流大数据分析平台架构及其数据分析能力

从市场主流选择来看，主流的企业大数据分析平台架构，目前大致有以下几种：

1、 传统BI架构，基于cube实现

BI系统里面，核心的模块是Cube。Cube是一个更高层的业务模型抽象，在Cube之上可以进行多种操作，例如上钻、下钻、切片等操作。

BI系统更多以分析业务数据产生的密度高、价值高的结构化数据为主，对于非结构化和半结构化数据的处理非常乏力。

 

2、MPP(大规模并行处理)架构

进入大数据时代以来，传统的主机计算模式已经不能满足需求了，分布式存储和分布式计算才是王道。大家所熟悉的Hadoop MapReduce框架以及MPP计算框架，都是基于这一背景产生。

MPP架构的代表产品，就是Greenplum。Greenplum的数据库引擎是基于Postgresql的，并且通过Interconnnect神器实现了对同一个集群中多个Postgresql实例的高效协同和并行计算。

 

3、Hadoop分布式系统架构

当然，大规模分布式系统架构，Hadoop依然站在不可代替的关键位置上。雅虎、Facebook、百度、淘宝等国内外大企，最初都是基于Hadoop来展开的。

Hadoop生态体系庞大，企业基于Hadoop所能实现的需求，也不仅限于数据分析，也包括机器学习、数据挖掘、实时系统等。企业搭建大数据系统平台，Hadoop的大数据处理能力、高可靠性、高容错性、开源性以及低成本，都使得它成为首选。

 

以上为目前大数据领域使用较多的几种架构，当然还有非常多其他架构，不过这些架构也会迭代更新，我们还是要与时俱进，不断更新自己的知识库。