一个实时数据服务平台的设计和实现

背景
    在这个项目之前，也做过一个准实时的项目，大约延时10分钟左右，但是对业务单位的数据有要求，需要提供数据变化表，采用批量方式抽取，通过仓库调度系统控制任务顺序和数据流向。存在的问题：需要业务方做配合，提供数据变化表（删除，修改，新增）；数据准实时，有10分钟延时；任务有异常的时候，从错误时间补数据需要耗费大量时间且找到数据偏移不容易。所以开始寻求一种通用的实时数据服务平台，目标是开发成本较低，延时少，稳定性高。

需求
    根据需求目标有多种数据来源，数据库，文件，HTTP,SYSLOG,数据量较大，目标支持20000/s的数据抓取和请求，提供在线服务请求和数据查询。

设计
    根据需求我们做出来如下图的设计方案，
   
    从下往上是数据的流向，底部是实时数据采集和数据数据捕获层，中间是实时数据接收层，上面是数据处理和计算层，顶部是数据服务层。
    1. 数据采集层，捕获层
       因为数据来源较多，有通过syslog发的，tcp发的，http发的，还有主动捕获数据的，数据库包括mysql, sqlserver,还有log文件方式；将来还需要补充oracle数据库和客户端插件方式。mysql数据库数据变化采用的是binlog解析方式，利用了中间件，sqlserver数据库采用了cdc捕获方式，其余的是在flume基础上做二次开发或自研。

    2. 数据接收层
       flume和kafka做数据接收和消息队列，实践证明这个框架还是很成熟稳定，每秒20000次的测试轻松搞定。flume方面需要做一定的二次开发，进kafka根据不同的topic进行设置。
   
    3. 数据处理和计算层
       需要统计计算的数据从storm框架计算，得到结果集插入数据库或直接提供在线统计服务；需要提供明细数据服务的根据不同的需求发往hbase或者elasticsearch。

    4. 数据服务层
       插入数据库的数据提供给前台报表展现，在线服务可以提供给前台展现或第三方调用；hbase的数据服务提供key-value的明细数据查询，elasticsearch的数据服务提供多种组合条件的查询。

评论

1 楼 weiwei566716 2015-05-27  

做成公共服务的话，别的应用调用的话，应该怎么设计？
如果通过接口调用的话 ，是不是耦合度太高了？