三、（项目架构的过去与现在）亿级用户行为之大数据实时分析

 

1.  一期工程项目技术架构

1）业务驱动

2）问题驱动

2. 二期工程项目技术架构

项目优化原则：

1）优先从架构和程序进行优化

2）考虑增加集群扩容

做任务为什么不适用kafka？

1）此业务用户量还小

2）数据量小

3）使用kafka大材小用，资源浪费

为什么同时使用db和redis

1）用户成长值需要存储在db

2）提高用户查询性能需要使用缓存redis

3）数据写入db同时还需要写入redis

为什么这个业务线使用kafka而不使用Rabbit Mq

1）kafka支持高并发

2）kafka属于大数据生态组件，提供了成熟接口，很好的支持流式计算

3）RabbitMQ对spark Storm flink支持不好

当前遗留问题/隐患：此时kafka生产者在业务系统里面，耦合度太高

3. 三期工程项目技术架构

kafka中的数据为什么消费多次？

1）kafka中的数据需要使用Spark Streaming 做汇总统计

2）kafka中的数据加成长值，存入redis缓存，加快查询速度

3） kafka中的数据加成长值之后，HBase和db都保存一份

4. 项目流式计算框架

Nginx上面是一个硬件F5，F5可以实现负载均衡，用户访问请求发送过来之后，F5会按照一定的

规则轮询发送给Nginx，Nginx又按照一定的规则轮询分发给Tomcat。

无论硬件还是软件，都达到一个负载均衡的策略

F5硬件层面主备高可用，软件层面Nginx、Tomcat、Flume、kafka、Spark on yarn、HBase

　　都是高可用。

总结：端到端全链路都是高可用。如果整个环节/流程有一个环节不是高可用，那么整个系统

　　就存在风险。

哈哈