《数据仓库数据平台与数据中台对比》

1、数据仓库数据平台与数据中台对比在大数据时代，凡是AI类项目的落地，都需要具备数据、算法、场景、 计算力四个基本元素，缺一不可。处理大数据已经不能仅仅依靠计算力 就能够解决问题，计算力只是核心的基础，还需要结合不同的业务场景 与算法相互结合，沉淀出一个完整的智能化平台。数据中台就是以云计 算为数据智能提供的基础计算力为前提，与大数据平台提供的数据资产 能力与技术能力相互结合，形成数据处理的能力框架赋能业务,为企业 做到数字化、智能化运营。目前，外界与业内很多人对于数据中台的理解存在误区，一直只是在强 调技术的作用，强调技术对于业务的推动作用，但在商业领域落地的层 面上，更多时候技术的发展和演进都

2、是需要跟着业务走，技术的发展和 进步需要基于业务方的需求与数据场景应用化的探索来反向推动。这个 也就是为什么最近知乎、脉脉都在疯传阿里在拆"大中台"？个人猜 想，原因是没有真正理解中台的本质，其实阿里在最初建设数据中台的 目的主要是为了提升效率和解决业务匹配度问题，最终达到降本增效， 所以说"拆"是假的，在“拆”的同时一定在“合“，“拆”的一个方 面是企业战略布局层面上的规划，架构升级，如果眼界不够高，格局不 够大，看到的一定只是表面；另一方面不是由于组织架构庞大而做“拆”的动作，而是只有这样才能在效率和业务匹配度上，做到最大利 益化的解箱。数据中台出现

3、的意义在于降本增效,是用来赋能企业沉淀业务能力,提 升业务效率，最终完成数字化转型。前一篇数据中台建设的价值和意义， 提到过企业需要根据自身的实际情况，打造属于自己企业独有的中台能 力。因为，数据中台本身绝对是不可复制的，从BCG矩阵的维度结合各家 市场资源、市场环境、市场地位以及业务方向来看，几乎所有企业的战 略目标都是不一样的。如果，有人说能把中台卖给你、对于中台的解读 只讲技术，不讲业务，只讲产品，不讲业务，不以结合企业业务目标来 解决效率和匹配度为目的的都有耍流氓嫌疑。数据中台的使命和愿景是 让数据成为如水和电一般的资源，随需获取，敏捷自助，与业务更多连 接，使用更低成本，通过更高效率

4、的方式让数据极大发挥价值，推动业 务创新与变革。为了进一步统一大家的认知，更加清晰的认识数据中台出现的意义，本 篇按顺序介绍如下：数据中台演进的过程数据仓库、数据平台和数据中台的概念数据仓库、数据平台 和数据中台的架构数据仓库、数据平台和数据中台的区别与联系01数据中台演进的过程从数据处理的维度来聊一聊数据中台经历的四个阶段：数据库阶段、数 据仓库阶段、数据平台阶段、数据中台阶段。1、数据库阶段：OLTP （事务处理）是传统的关系型数据库的主要应用, 主要是基本的、日常的事务处理，记录即时的增、删、改、查。比如银 行交易、电商交易等2、数据仓库阶段：数据仓库系统的主要应用主要是OLAP （联机

5、分析 处理），支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查 询结果。比如复杂的动态报表分析、用户价值分析等3、数据平台阶段：其实，目前业界并没有对大数据平台做统一的定义, 一般情况下,只要使用了 Hadoop/Spak/Stom/Flink等这些分布式 的实时或者离线计算框架，建立计算集群，并在上面运行各种计算任务， 具有数据互联互通、支持多数据集实时同步、支持数据资源管理、实现 多源异构数据的整合管控；提供完善的大数据分析基础运行环境，提供 统一二次开发接口等能力的，就算的上理解上的大数据平台。主要是为 了解决大数据存储计算+数据应用管理+任务监控+数据资产管 理+开发管理+可视化

6、报表需求等4、数据中台阶段：指具有全域级、可复用的数据资产中心与数据能力 中心，对海量数据进行采集、计算、存储、加工,同时统一标准和口径, 提供干净、透明、智慧的数据资产与高效、易用的数据能力来，能够对 当用户、商品和流量上升的时候，可以采取两种过渡方案。方案一是对 于查询速度慢、性能不足，升级单机配置，通过缓存优化+数据库优 化（SQL语句优化、SQL索引优化、分库分表、SQL脚本优化）+内 存优化+线程池优化+使用NIO通信机制+阻塞队列（程序优化）， 虚拟机（docker ） + SSD +合适的10模型等方式对单机配置做最大 性能上的优化；方案二是改变原有的模式，加服务器和多个业务数据

7、库, 对数据库表进行分库分表加单索引、双索引以支撑业务交易的稳定和高 并发,通过这种方式来支撑业务数字和指标，同样可以快速的从业务数 据库里查询出来。最终，随着客户、订单和外部流量的逐步上升，数据量从GB发展成TB 级别，数据库通过普通查询存在较大的压力,只能做升级改造,于是就 有了数据仓库的诞生。“加7P力弁（XARRMPPWM内存0B.分布贰、b USOCMHSM代化 b 可b MtwSQl. HTAF UMTMOLA夕含） 70 F BO F90 F2000*m45D力分 IGSQtlSIE 刃优 R70内存CH、MMMX化、分布式、 MewSQl. MTAR （OlEOW台） 20&#

8、171;><2” ?im-匕inttnrMDfMy$Q| SOOLAP«MIRPHX 可,住V0aLeluucrMarvWtOv«g J- FL -LiliWkft 1aM 201Aim& 5goeB&A A*Ot“PE M”:橙子.2、数据仓库阶段随着业务指数级的增长，数据量增长的同时公司的组织架构慢慢变得庞 大、复杂，面临的问题也越来越多，越来越深入。公司上层关心的问题, 从最初简单的想知道"昨天、今天的GMV"、"上周的PV、UV是多 少"、”某品类商品的环比、同比的增长比例是多少"，慢慢演

9、化到希 望通过数据进行精细化运营和用户的价值模型分析。希望通过数据统计 /分析/挖掘，分析出用户在某种特定的使用场景中，比如"1825岁女 性用户在过去三个月对服装类商品的购买行为与节假日促销活动之间 的关系"。当公司运营和高层，提出此类非常具体的case ,希望通过数据统计/分 析/挖掘对公司运营决策起到关键性作用的问题，其实是很难从业务数 据库从直接调取出来。原因是由于数据库是面向事务的设计，数据仓库是面向主题设计的。数 据库一般存储在线交易数据，为捕获数据而设计,在设计上数据库是尽 量避免冗余，一般采用符合范式的规则来设计。比如，业务数据库中的 数据结构是为了完成商品

10、交易而设计的，不是为了查询和分析的便利设 计的。数据仓库存储的一般是历史数据，为分析数据而设计,在设计上 是有意引入冗余，采用反范式的方式来设计。数据库和数据仓库两个基 本的元素都有维表和事实表。（维表是看问题的角度，比如时间，部门、 人，维表放的就是这些东西的定义，事实表里放看要查询的数据,同时 有维表的ID ）。因此，数据仓库的出现，并不是要取代数据库,而是为了更好的做数据 分析和报表需求分析，主要处理OLAP （联机分析处理）需求。但是，随着客户、订单和外部流量的逐步上升,数据量从TB发展成PB 级别,原来的技术架构越来越不能支持海量数据处理，这时候又有了数 据平台的诞生。3、数据平台阶

11、段第一、企业业务系统过多，彼此数据没有打通。涉及分析数据的过程当 中，需要先从各个系统寻找到相应的数据，然后提取数据进行整合打通, 才能做数据分析。在这个过程中人为进行整合出错率高，分析效果不及 时，导致整体的效率低下，数据迁移、数据同步的滞后与错误； 第二、业务系统压力大，架构相对笨重，做数据分析计算消耗资源很大。 需要通过将数据抽取出来，经过独立服务器来处理数据查询、分析任务， 来释放业务系统的压力；第三、性能问题,公司业务越来越复杂，数据量越来越大。历史数据的 积累严重，数据没有得到使用。原始数据系统不能承受更大数据量的处 理时，数据处理效率严重下降。于是，通过整合Hadoop/Spar

12、k/Stom/Flink等分布式的离线与实时 计算框架，建立计算集群，并在上面运行各种计算任务，搭建大数据平 台，使得平台具有数据互联互通、支持多数据集实时同步、支持数据资 源管理，实现多源异构数据的整合管控能力；可以提供完善的大数据分 析基础运行环境，提供统一二次开发接口等能力的，用这些能力来解决 大数据存储与计算问题，提升数据分析效率以及用户画像系统/推荐/搜 索/广告系统的运用落地。4、数据中台阶段数据量的指数级增长，从PB发展成EB级别,为了更好的赋能业务， 企业启动中台战略，打通各个业务线的数据，整合汇集数据，在底层通 过技术手段解决数据统一存储和统一计算问题，在数据服务层通过数据

13、服务化的Data API的方式,打通数据平台和前台的业务层对接,结合 算法，把前台业务的分析需求和交易需求直接对接到中台来，通过数据中台处理和逻辑运算，然后在反向赋能业务，真正做到意义上的一切业务数据化，一切数据业务化。数据仓库、数据平台和数据中台概念数据仓库是为企业所有级别的决策制定过程，提供所有类型数据 支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的 而创建。可以为需要业务智能的企业，提供指导业务流程改进、监视时 间、成本、质量以及控制。是一个相对具体的功能概念，是存储和管理 一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表数据平台是在大数据基础上出现的融合了结

14、构化和非结构化数据 的数据基础平台，变成一个集数据接入、数据处理、数据存储、查询检 索、分析挖掘等、应用接口等为一体的平台，为业务提供服务的方式主 要是直接提供数据集数据中台是全域级、可复用的数据资产中心与数据能力中心，可 以提供干净、透明、智慧的数据资产与高效、易用的数据能力，使得业 务能够数字化运营，为业务提供服务的方式主要是提供数据服务能力数据仓库的优势是具有元数据，通过表的方式很好的规整了数据。 数据需要加工,数仓是通过分层的模式,每往上走一层,数据信息损耗 会逐渐增加数据平台优势是可以提供高级分析功能和数据资源管理中心，主 要有数据互联互通，支持多数据集实时同步；支持数据资源管理,实

15、现 多源异构数据的整合管控；提供完善的大数据分析基础运行环境，提供 统一二次开发接口等数据中台具有一个全局的元数据管理系统，管理的方式同样是以 表为主，粒度到字段级别。数据中台这个元信息包含了各个子存储的元 信息，以数据中台需要的形态进行组织,变成数据资产管理中心，通过 数据地图来来进行承载，就像互联管道一样做数据分发中转管理，可以 很好的找到我们要的数据以及对数据进行关联和处理、分析,进一步加 速企业从数字化转型为业务价值的过程03数据仓库、数据平台和数据中台的架构RDBMSApache Kyi inH6ase数据仓库英构(Data Warehouse Architecture )【数据仓库

16、架构图】存储当 分桁屏Redis实时计算st. s 湍日志任务唬度与监控1、采集层从各种数据源中采集数据和存储到数据到存储在基于Hadoop分布式 文件系统HDFS上，期间做ETL操作。其中数据采集一般采用Flume 收集日志，采用Sqoop将RDBMS以及NoSQL中的数据同步到HDFS 上数据源主要有：日志数据（服务器日志+系统日志等）+业务数据库（Mysqk Oracle等）+埋点数据（服务端埋点+移动端埋点数据等） +其他数据（Excel手工录入的数据、合作伙伴提供的接口数据、第三 方爬虫数据、合法购买的第三方数据等）2、存储与分析层主要有离线计算+实时计算 存储系统：基于Hadoop

17、分布式文件系统对采集层的数据进行存储消息系统：加入Kafka防止数据丢失离线计算：是对实时性要求不高的部分，通常将计算结果保存在Hive 中实时计算：使用Spark Streaming. Storm消费Kafka中收集的日志 数据，然后通过实时计算，将结果保存在Redis中机器学习：用Spark MLlib提供的机器学习算法3、共享层通过离线和实时计算的数据分析与计算后的结果存储在数据共享层，做 数据共享层，主要做数据分发和调度中心。因为通过Hive、MR、Spark. SparkSQL分析和计算的结果，是存储在HDFS上，业务和应用不可能 直接从HDFS上获取数据。其中使用Kylin作为OL

18、AP引擎做多维度分 析4、数据应用报表展示+数据分析+即席查询+数据挖掘5、任务调度与监控3层物层一，占二力,在【数据平台架构图】1、采集层基于Hadoop分布式文件系统对采集层的数据进行存储。结构化数据：通过两种途径抽取并存放到HDFS分布式文件系统 中，能够序列化的数据,直接存放到HDFS中;不能够序列化的数据，通 过数据整理后统一存放在分布式数据库环境中，再经过序列化后和整 理后还不能序列化的数据一样直接存放到HDFS中；半结构化和非结构化数据：各种日志数据（通常序列化半结构化数 据）直接存放到HDFS中;点击流和数据接口中的数据（通常序列化半结 构化数据）直接存放到HDFS中;非结构化

19、的数据直接存放到HDFS中2、数据层一方面，把相关业务结构化数据和有一定格式关系的半结构化的数据存 放在Hadoop Hive数据仓库中，基于业务需求，按照特定的业务主题域进行数据集市的构建；另一方面把相关业务中半结构化的数据直接存放在HDFS分布3、计算层离线计算+实时计算4、应用层可视化数据分析报表+搜索/推荐/广告具体的场景应用5、任务调度与监控面向应用及开放今统fflg取势中间件(OneService)致免资产管理糜名纪依盆傩内容SX1K .体刍 体£ 侪系 以业务/自然对依就桁® 燧却涉(OnelDO系)商品触 体系计算与存储平台电台 攵索 的 般 金融 出行 a

20、s以业务板次业务过程，分析维度为架均构建(OneDataiJg )智能数奥册发£生/年典 1 K阿里数据中台架构(Ali Data Desk Architecture )，桂子解忧杂货/【阿里数据中台架构图】1、为了保证快速、高效、高质量数据接入，建立统一数据质量管理平台+数据能力中心2、通过数据采集和接入为切入角度，按照业态接入内部数据（比如淘 宝、天猫、盒马等）+外部数据（爬虫数据、第三方合作数据、埋点数 据等）3、把数据抽取到计算平台,通过以"业务板块+业务过程+分析维 度”为架构去构建”数据共享中心"，构建OneData体系4、在数据共享中心的上层，以业务

21、/自然对象+萃取标签"为架构构 建"数据唯一中心"，构建OnelD体系,打通消费者数据体系、企业 数据体系、内容数据体系等5、经过深度加工后，得到干净、透明、智慧的数据赋能产品与业务线； 通过统一的数据服务中间件"OneService”提供统一数据服务，让一 切业务数据化,一切数据业务化04数据仓库、数据平台和数据中台的区别与联系数据仓库、数据平台和数据中台的区别与联系：1、在概念层面上数据平台和数据中台的技术能力都是基于数据仓库发展而来没，在数据 建设理论上一脉相承，他们处理的对象都是海量数据，服务目的、商业 价值也同意类似。其实中平台和中台，两者在能力上都有对外都提供Open API 服务。一方面，中台是业务应用,不具体代表着某种技术，它不是最终用户能 直接使用的，必须结合企业的各个数据业务场景；另一方面，平台是不 带有业务特征性质的，主要汇集其他人的能力，整合成平台