第2章 项目需求及架构设计

2.1项目需求分析

2.2项目框架

2.2.1技术选型（#面试）

技术选型主要考虑因素：

• 数据量大小：数据量很小，直接用mysql即可，如果数据量很大就要考虑用HDFS
• 业务需求：分离线和实时数仓
  • 
• 技术成熟度和行业内经验：例如Flink刚出来时只有大厂使用，普通还是用的Spark,但是Flink成熟后，使用的就多了，有很多大厂的使用经验可以参考，就可以选择使用它。
• 开发维护成本：有的软件它的开发维护成本比较高，但是功能丰富，但需要使用很多功能时，即使开发维护成本高也得使用它。
• 总成本的预算：实现同一个功能可能有免费软件和收费软件，但是收费软件肯定有它收费的优势，如果总成本高的话，可以使用收费的软件，预算不够改用免费软件也行。

最好结合具体应用进行说明#待做

2.2.2 系统数据流程设计

• Nginx:负责分配请求到不同的服务器，避免数据倾斜

• 业务数据直接存放在MySql中

  • 每日全量？#疑问
  • 增量同步？#疑问

• Kafka

  • 消崩
  • 解耦
    • 离线数仓和实时数仓都从其中拿数据
  • 业务数据和用户行为数据都需要先经过Kafka然后进入Hadoop集群中

• 再进行数仓建模

• 将ADS层的数据同步到MySql中进行可视化展示

• 实时数仓部分#待学

2.2.3 框架版本选型

Apache版本

可能会出现组件不兼容的问题，需要自己修改源码，然后重新编译打包

但是尚硅谷提供的组件安装包已经解决了一些组件不兼容的问题。

云服务版本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-491wxRVG-1666100987011)(离线数仓-用户行为采集平台.assets/image-20221017145353180.png)]

云服务需要运行在云服务器上，也需要购买，但是可以在web页面上实现自动化配置。

具体版本号

2.2.5 集群规模

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0kM80Wfl-1666100987012)(离线数仓-用户行为采集平台.assets/image-20221017150752805.png)]

2.2.6 集群资源规划设计

在企业中通常会搭建一套生产集群和一套测试集群。生产集群运行生产任务，测试集群用于上线前代码编写和测试。