大数据面试大保健(8) | 项目架构

柔光的暖阳◎ 2022-12-11 07:47 211阅读 0赞

### 文章目录 ###

*  质疑项目
 *  数据仓库的输入数据源和输出系统分别是什么？
 *  服务器选型
 *  集群规模
 *  三年的数据都会保存吗？
 *  用户行为数据中，哪张表的数量最多，是多少？
 *  业务数据中，哪张表的数据最多，是多少？
 *  大数据设计方案(重点)

# 质疑项目 #

云上数据仓库解决方案：https://www.aliyun.com/solution/datavexpo/datawarehouse  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center]  
实时数仓架构  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center 1]

# 数据仓库的输入数据源和输出系统分别是什么？ #

输入：用户行为数据，业务数据，爬虫(灰色地带)
     输出：报表系统  (用户画像,推荐系统-如果不是985 211建议不要学) 
          高数，线性代数，概率(考过研究生)

*  框架版本选型

Apache：开源，免费，需要自己解决兼容性问题；  大厂比较有实力的公司
    hadoop3.1.3 spark2.4.5 hive3.1.0   编译2天
    
    CDH：不开源，不能编译源码；收费(7.0以后)   
    5.12 5.16 6.2.0 6.3.0用的比较多 =》 CDH市场上最多；大家也知道要收费
    java程序员在用
    
    HDP：可以重新编译源码，已经被CDH收购了
    
    CDP：(7.0以后)  一个节点10000美金  6万  100台  
    建议公司，赶紧备用一套Apache；

# 服务器选型 #

1.服务器使用物理机还是云主机？

（1）物理机：以128G内存，20核物理CPU，40线程，8THDD和2TSSD硬盘，单台报价4W出头，惠普品牌。 一般物理机寿命5年左右。
    （2）云主机，以阿里云为例，差不多相同配置，每年5W

2.运维成本考虑：

（1）物理机：需要有专业的运维人员（1万*13）、电费（商业用户）、安装空调
    （2）云主机：很多运维工作都由阿里云已经完成，运维相对较轻松

3.企业选择

金融公司(着急)，和阿里没有直接冲突的公司，一般选择阿里云
    小公司，需要融资上市的，先用阿里云搭建一个项目；
    如果能拉到融资，后续会买物理机，如果拉不到，一句凉凉！
    中型上市公司，传统行业的公司；资金比较充足，有长期打算的，运维技术实力比较强，选择物理机

# 集群规模 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center 2]

# 三年的数据都会保存吗？ #

生产环境有的公司
     1.保留半年
     2.保存1年
     3.保留2年
     4.保存3年
     非保留的数据，不是删除，只是永久备份
     公司稍微有点钱的话，保留数据。他会把数据备份

根据数据规模搭建集群

<table> 
 <thead> 
  <tr> 
   <th>1</th> 
   <th>2</th> 
   <th>3</th> 
   <th>4</th> 
   <th>5</th> 
   <th>6</th> 
   <th>7</th> 
   <th>8</th> 
   <th>9</th> 
   <th>10</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>nn</td> 
   <td>nn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
   <td>dn</td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td>rm</td> 
   <td>rm</td> 
   <td>nm</td> 
   <td>nm</td> 
   <td>nm</td> 
   <td>nm</td> 
   <td>nm</td> 
   <td>nm</td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td>nm</td> 
   <td>nm</td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td>zk</td> 
   <td>zk</td> 
   <td>zk</td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td>kafka</td> 
   <td>kafka</td> 
   <td>kafka</td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td>hbase</td> 
   <td>hbase</td> 
   <td>hbase</td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>hive</td> 
   <td>hive</td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>mysql</td> 
   <td>mysql</td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>spark</td> 
   <td>spark</td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td></td> 
   <td>es</td> 
   <td>es</td> 
   <td></td> 
   <td></td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

# 用户行为数据中，哪张表的数量最多，是多少？ #

商品列表，商品详情，点击，广告，点赞，评论，收藏，故障，启动，通知，后台活跃
    100g => 点击？
    平均值 100g/11 = 大约10g
    点击表的数量是平均值的2-3倍

# 业务数据中，哪张表的数据最多，是多少？ #

订单，用户，支付，订单详情，商品表，三级分类，二级分类，一级分类
    30张
    平均值：总数量1g/30张 = 34m
    订单详情：100m

# 大数据设计方案(重点) #

[https://blog.csdn.net/qq\_46548855/article/details/108866241][https_blog.csdn.net_qq_46548855_article_details_108866241]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/0936757951e94ad987a50fe2db0d1953.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/84a3a767e93c4cc6bac8800d8149318b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2NTQ4ODU1_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/11b09c6d3a5c4083baf3c23b090b9390.png
[https_blog.csdn.net_qq_46548855_article_details_108866241]: https://blog.csdn.net/qq_46548855/article/details/108866241