大数据总线平台 DBus 设计思路与工作原理

阅读数:6 2020 年 2 月 9 日 15:09

大数据总线平台DBus设计思路与工作原理

一、背景

企业中大量业务数据保存在各个业务系统数据库中,过去通常的同步数据的方法有很多种,比如:

  • 各个数据使用方在业务低峰期各种抽取所需数据(缺点是存在重复抽取而且数据不一致)

  • 由统一的数仓平台通过 sqoop 到各个系统中抽取数据(缺点是 sqoop 抽取方法时效性差,一般都是 T+1 的时效性)

  • 基于 trigger 或时间戳的方式获得增量的变更(缺点是对业务方侵入性大,带来性能损失等)

这些方案都不能算完美,我们在了解和考虑了不同实现方式后,认为要想同时解决数据一致性和实时性,比较合理的方法应该是基于日志的解决方案,同时能够提供消息订阅的方式给下游系统使用。

DBus(数据总线)项目就是应这个需求而生的,DBus 专注于数据的收集及实时数据流计算,通过简单灵活的配置,以无侵入的方式对源端数据进行采集,采用高可用的流式计算框架,对公司各个 IT 系统在业务流程中产生的数据进行汇聚,经过转换处理后成为统一 JSON 的数据格式(UMS),提供给不同数据使用方订阅和消费,充当数仓平台、大数据分析平台、实时报表和实时营销等业务的数据源。

二、系统架构和工作原理

DBUS 主要分为两个部分:貼源数据采集和多租户数据分发。两个部分之间以 Kafka 为媒介进行衔接。无多租户资源、数据隔离需求的用户,可以直接消费源端数据采集这一级输出到 kafka 的数据,无需再配置多租户数据分发。

大数据总线平台DBus设计思路与工作原理

2.1 DBUS 源端数据采集

DBUS 源端数据采集大体来说分为 2 部分:

  • 读取 RDBMS 增量日志的方式来 实时获取增量数据日志,并支持全量拉取;

  • 基于 logtash,flume,filebeat 等抓取工具来实时获得数据,以可视化的方式对数据进行结构化输出。

以下为具体实现原理

大数据总线平台DBus设计思路与工作原理

主要模块如下:

  • 日志抓取模块:从 RDBMS 的备库中读取增量日志,并实时同步到 kafka 中;

  • 增量转换模块:将增量数据实时转换为 UMS 数据,处理 schema 变更,脱敏等;

  • 全量抽取程序:将全量数据从 RDBMS 备库拉取并转换为 UMS 数据;

  • 日志算子处理模块:将来自不同抓取端的日志数据按照算子规则进行结构化处理;

  • 心跳监控模块:对于 RDMS 类源,定时向源端发送心跳数据,并在末端进行监控,发送预警通知;对于日志类,直接在末端监控预警。

  • web 管理模块:管理所有相关模块。

2.2 多租户数据分发

对于不同租户对不同源端数据有不同访问权限、脱敏需求的情形,需要引入 Router 分发模块,将源端貼源数据,根据配置好的权限、用户有权获取的源端表、不同脱敏规则等,分发到分配给租户的 Topic。这一级的引入,在 DBUS 管理系统中,涉及到用户管理、Sink 管理、资源分配、脱敏配置等。不同项目消费分配给他的 topic。

大数据总线平台DBus设计思路与工作原理

主要功能:

  • 无侵入方式接入多种数据源: 业务系统无需任何修改,以无侵入性读取数据库系统的日志获得增量数据实时变化。目前 RDBMS 支持 mysql,oracle 数据源(Oracle 数据源请参考 Oracle 相关协议), 日志方面支持基于 logstash,flume 和 filebeat 的多种数据日志抽取方案。

  • 海量数据实时传输: 使用基于 Storm 的流式计算框架,秒级延时,整体无单点保证高可用性。

  • 多租户支持: 提供用户管理、资源分配、Topology 管理、租户表管理等丰富的功能,可根据需求,为不同租户分配不同的源端表数据访问权限,应用不同的脱敏规则,从而实现多租户资源隔离、差异化数据安全。

大数据总线平台DBus设计思路与工作原理

大数据总线平台DBus设计思路与工作原理

大数据总线平台DBus设计思路与工作原理

  • 感知源端 schema 变更: 当源端发生 schema 变更时,能自动感知 schema 变化,调整 UMS 版本号,并通过 Kafka 消息和邮件通知下游

大数据总线平台DBus设计思路与工作原理

  • 数据实时脱敏: 可根据需求对指定列数据进行实时脱敏。脱敏策略包括:直接替换、MD5、murmur 等脱敏算法,脱敏加盐,正则表达式替换等。支持用户开发 jar 包实现 DBUS 未覆盖的个性化脱敏策略。

大数据总线平台DBus设计思路与工作原理

  • 初始化加载: 支持高效的初始化加载和重新加载,支持任意指定输出 topic,灵活应对客户需求。

大数据总线平台DBus设计思路与工作原理

  • 统一标准化消息传输协议: 使用统一的 UMS(JSON 格式) 消息 schema 格式输出便于消费,提供数据线级 ums_id 保证数据顺序性, 输出 insert,Update(before/after),Delete event 数据。

大数据总线平台DBus设计思路与工作原理

  • 可靠多路消息订阅分发: 使用 Kafka 存储和传递消息保证可靠性和便捷的多用户订阅

  • 支持分区表 / 系列表数据汇集: 支持分区表的数据汇集到一个“逻辑表” 。也可将用户自定义的系列表数据汇集到一个“逻辑表“。例:

大数据总线平台DBus设计思路与工作原理

  • 实时监控 & 预警: 可视化监控系统能随时查看各数据线实时流量和延时状况;当数据线发生异常时,根据配置策略自动发邮件或短信通知相关负责人

大数据总线平台DBus设计思路与工作原理

本文转载自宜信技术学院。

原文链接: http://college.creditease.cn/detail/273

评论

发布