[大数据] 有什么轻量级的大数据技术？

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 大数据 -> 有什么轻量级的大数据技术？ -> 正文阅读

[大数据]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))