微店很熟悉的一个词汇，微店在16年4月之前，数据开发流程和现在是有很多的差异的;
在16年4月前：数据的开发流程：
1.开发人员通过公共账号登录安装了Hive、Hadoop客户端的gateway机器；
2.编写自己的脚本，调试代码，完成后通过crontab配置脚本定时执行；
3.为了防止脚本被其他同事修改，一些谨慎的同事会在每次开发完自己的脚本后同步一份到本机，后面为了实现版本控制，把脚本同步到了git；
这样的体系，原文中给了一个“小米加步枪”都赶不上，真的是可见有很多的问题：
1.效率低下。
2.脚本或代码没有版本控制，开发人员想回滚到以前的版本很不方便。
3.若开发人员疏忽，添加新的需求后未经过调试，将可能会影响生成的数据，进而影响线上业务。
4.任务缺乏权限控制，可登陆gateway的任何人都可修改、运行脚本。
5.对于脚本中依赖的表，只能预估它每天产生的时间，一旦它产出延迟，将影响数据的产出。
6.任务失败无任何报警，只能依靠人工发现。
7.任务失败重新恢复后无法自动通知依赖下游重新生成。
8.任务失败要逐层向上游查找最源头的任务失败原因，排查异常繁琐。
9.一旦gateway机器故障，所有的任务都将灰飞烟灭，毫无疑问这将是一场灾难。
对于这个平台来讲，呀翱翔提高大数据开发的效率，就必须会改变这种体系。在16年的4月，公司的员工研究并部署了zeus，公司数据开发效率得到了显著提高，解决了开发调试脚本，同步脚本，失败报警等问题，但同时zeus也存在一些问题，zeus使用的GWT的前端框架，开发新的需求比较繁琐，开发、发布任务的流程很不规范，改动很容易就影响线上，带来线上服务的不稳定。基于这些考虑我们启动了二期的开发，并且将二期大数据开发平台定名为Mars。Mars底层复用zeus，主要规范数据开发、调试、发布流程，更换zeus前端框架，改为使用extjs，并实现脚本版本控制，回滚历史脚本等一系列功能。
对于大数据开发平台来讲，就必须具备比较强的功能特征;
1.引入版本控制，方便开发人员回滚到之前版本，快速恢复线上调度的任务。
2.规范大数据开发、测试、上线的流程。
3.权限控制，任务的所有人、管理员才可以操作任务。
4.依赖调度，所有依赖的任务执行成功，自动触发自身执行。
5.任务执行失败，发送执行失败消息给任务所有人，人工介入。
6.手动恢复任务，恢复成功后，自动通知下游的任务重新执行。
7.任务依赖图谱，成功失败用不同颜色区分，失败源头一目了然。
8.任务信息存储在数据库，Mars机器采用分布式系统架构，即使单台机器故障也不会影响使用。
9.输入输出检测，判断输入表是否准备好，检测输出表数据是否完整。
10.合理使用Hadoop资源。用户只能使用所属团队指定的hadoop队列。
大数据开发平台建立在HDFS、YARN、HiveMeta的基础服务之上，目前支持通过Hive、Kylin查找数据，后面所有的数据查询入口将都集成在这里，包括：ES、Redis、Hades等，大数据平台目前支持Shell、Hive、MR、Spark四种任务类型。
mars体系架构设计的架构图：
Mars大数据开发平台依托于Hadoop集群，所有的mars机器都必须安装hadoop、Hive客户端。Mars机器有两个身份：master&worker。master负责管理Job、给worker分配Job；worker负责执行Job，提交Job到Hadoop集群，接收Job执行的日志信息。
到后来就是分布式的体系架构：
对于分布式来讲，就有一个很明显的问题就是谁是master谁是worker，在应用启动时，机器通过抢占的方式争当master，通过在数据库中插入一条记录的方式标识当前谁是master，master每隔一定时间去更新数据库，通过维护一个更新时间间接告知worker它还活着，worker同样每隔一定时间去查询数据库，倘若master的更新时间超过一定时间间隔，worker则认为master故障，第一个发现的worker将当仁不让的成为新的master。
对于master和worker的容灾模式，master与worker之间使用基于protobuf的netty进行通信，master会每隔一段时间去检测与worker的连接，若发现worker故障，master将断开与worker的连接，把分配到该故障worker上的任务重新分配到其他worker上去执行；若master故障，worker将使用抢占的方式争当新的master，新的mater将中止所有正在运行的Job，重新分配。
后端的工作主要是：
1.用户在开发中心运行、选中运行或在调度中心手动执行、手动恢复。
2.Mars worker机器进行预判断，包括权限判断、脚本中是否有参数为替换等。
3.worker机器向master机器发送执行任务请求。
4.master机器收到执行任务请求，把任务加入执行队列。
5.master机器定时扫描执行队列，选择合适的worker（负载均衡）执行此任务。
6.前置准备。包括：资源文件下载，数据表数据监测等。
7.执行任务。
8.后置处理。包括数据浮动检查、旧分区清理、添加执行成功标志等。
9.如果生成了结果文件，还要上传结果文件到Hadoop，方便以后下载。
前端主要是
1.用户触发执行任务。
2.每隔一段时间请求日志，刷新到前端页面。
3.任务执行完毕。
4.如果是开发中心有结果数据，则请求Hadoop上的结果数据。
5.进行数据展示。
而对于这个平台来讲还存在一些诟病，
1.检测未跑任务。master挂掉或部署过程中的定时任务不会被触发，需要有机制发现这种任务。
2.重新部署后，正在运行的任务会重新跑。正在运行的任务会被master取消掉，重新分配执行，如果任务执行需要较长的时间，这样做就是无法接受的。
3.检测数据质量。目前输出表仅简单的检测了数据浮动（即数据大小），对于表中的数据内容需要进一步检测，以保证数据产出的合法性。
这些需要他们下来的发展中进行改进
文中部分图片、专业术语摘自原文，如有不适，请联系15227013954，微信同号