胡修濤

摘要：按照“一切系統(tǒng)皆上云”的工作要求，依托油田智云，采取應(yīng)用集中、數(shù)據(jù)分散的方式優(yōu)化生產(chǎn)指揮系統(tǒng)部署模式，開(kāi)展實(shí)時(shí)大數(shù)據(jù)匯聚體系研究，解決分散數(shù)據(jù)源尋址及數(shù)據(jù)高效處理的難題，支撐生產(chǎn)指揮系統(tǒng)的云化部署，助力油田降本增效。

關(guān)鍵詞：云化部署、大數(shù)據(jù)、流式計(jì)算、消息隊(duì)列

一、緒論

1、數(shù)據(jù)部署架構(gòu)現(xiàn)狀及趨勢(shì)

目前常見(jiàn)的數(shù)據(jù)部署方式有集中式和分布式兩種。由于歷史原因，集中式架構(gòu)多用于傳統(tǒng)銀行、電信等行業(yè)。主機(jī)資源集中在大型主機(jī)或小型機(jī)上。近年來(lái)，隨著邊緣計(jì)算、區(qū)塊鏈技術(shù)的發(fā)展，分布式架構(gòu)在 Google、阿里巴巴、騰訊等互聯(lián)網(wǎng)公司廣泛應(yīng)用基礎(chǔ)上、也越來(lái)越多的被其他行業(yè)關(guān)注和應(yīng)用。

在集中式架構(gòu)下為了應(yīng)對(duì)更高的性能，更大的數(shù)據(jù)量，往往只能向上升級(jí)到更高配置的機(jī)器，如升級(jí)更強(qiáng)的 CPU，升級(jí)多核，升級(jí)內(nèi)存，升級(jí)存儲(chǔ)等，但單機(jī)的性能永遠(yuǎn)都有瓶頸，隨著業(yè)務(wù)量的增長(zhǎng)，只能橫向擴(kuò)展出同樣架構(gòu)的服務(wù)器。在集中式架構(gòu)下，由于單個(gè)服務(wù)器的造價(jià)昂貴，無(wú)法做到按需擴(kuò)展。而分布式架構(gòu)的解決方案是基于廉價(jià)的 PC Server 來(lái)做 Scale Out，借助高速網(wǎng)絡(luò)組建的 PC 集群在整體上提供的計(jì)算能力已大幅高于傳統(tǒng)主機(jī)，并且成本很低，橫向的擴(kuò)展性還可帶來(lái)系統(tǒng)良好的成長(zhǎng)性。隨著數(shù)據(jù)量越來(lái)越大，用戶(hù)對(duì)數(shù)據(jù)的計(jì)算效率、實(shí)時(shí)性需求越來(lái)越強(qiáng)，分布式架構(gòu)在經(jīng)濟(jì)性、安全自主、靈活性和可伸縮性方面的優(yōu)勢(shì)，注定了分布式架構(gòu)應(yīng)用的廣泛性。

2、數(shù)據(jù)處理現(xiàn)狀及趨勢(shì)

大數(shù)據(jù)計(jì)算主要有批量計(jì)算和流式計(jì)算兩種形態(tài)，目前，關(guān)于大數(shù)據(jù)批量計(jì)算系統(tǒng)的研究和討論相對(duì)充分，而如何構(gòu)建低延遲、高吞吐且持續(xù)可靠運(yùn)行的大數(shù)據(jù)流式計(jì)算系統(tǒng)是當(dāng)前亟待解決的問(wèn)題且研究成果和實(shí)踐經(jīng)驗(yàn)相對(duì)較少。

①批量計(jì)算

批量計(jì)算首先進(jìn)行數(shù)據(jù)的存儲(chǔ)，然后再對(duì)存儲(chǔ)的靜態(tài)數(shù)據(jù)進(jìn)行集中計(jì)算。Hadoop是典型的大數(shù)據(jù)批量計(jì)算架構(gòu)，由HDFS分布式文件系統(tǒng)負(fù)責(zé)靜態(tài)數(shù)據(jù)的存儲(chǔ)，并通過(guò)MapReduce將計(jì)算邏輯分配到各數(shù)據(jù)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)計(jì)算和價(jià)值發(fā)現(xiàn)。

②流式計(jì)算

流式計(jì)算中，通過(guò)將流動(dòng)的數(shù)據(jù)到來(lái)后在直接在內(nèi)存中進(jìn)行數(shù)據(jù)的實(shí)時(shí)計(jì)算。如Twitter的Storm、Yahoo的S4就是典型的流式數(shù)據(jù)計(jì)算架構(gòu)，數(shù)據(jù)在任務(wù)拓?fù)渲斜挥?jì)算，并輸出有價(jià)值的信息。

流式計(jì)算和批量計(jì)算分別適用于不同的大數(shù)據(jù)應(yīng)用場(chǎng)景：對(duì)于先存儲(chǔ)后計(jì)算，實(shí)時(shí)性要求不高，同時(shí)，數(shù)據(jù)的準(zhǔn)確性、全面性更為重要的應(yīng)用場(chǎng)景，批量計(jì)算模式更合適;對(duì)于無(wú)需先存儲(chǔ)，可以直接進(jìn)行數(shù)據(jù)計(jì)算，實(shí)時(shí)性要求很?chē)?yán)格，但數(shù)據(jù)的精確度要求稍微寬松的應(yīng)用場(chǎng)景，流式計(jì)算具有明顯優(yōu)勢(shì)。流式計(jì)算能夠依賴(lài)kafka的消息系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)的高吞吐流轉(zhuǎn)，基于內(nèi)存的計(jì)算框架能夠?qū)崿F(xiàn)基于海量數(shù)據(jù)的數(shù)據(jù)分析計(jì)算功能，在數(shù)據(jù)的高速處理方面具備明顯的優(yōu)勢(shì)。

二、技術(shù)研究?jī)?nèi)容

基于實(shí)時(shí)數(shù)據(jù)的處理需求，調(diào)研常用的數(shù)據(jù)處理方案，主要包括傳統(tǒng)數(shù)據(jù)處理架構(gòu)、大數(shù)據(jù)Strom流式計(jì)算、Spark Stream處理架構(gòu)三種。

（1）傳統(tǒng)數(shù)據(jù)處理架構(gòu)

傳統(tǒng)oracle觸發(fā)器+存儲(chǔ)過(guò)程的實(shí)時(shí)數(shù)據(jù)處理方案，能充分發(fā)揮企業(yè)級(jí)數(shù)據(jù)庫(kù)處理優(yōu)勢(shì)，快速解決實(shí)際業(yè)務(wù)需要。隨著PCS云化對(duì)數(shù)據(jù)集中共享要求，實(shí)時(shí)數(shù)據(jù)量增大，oracle單機(jī)處理能力支撐不足，需要進(jìn)行數(shù)據(jù)處理架構(gòu)升級(jí)。

（2）大數(shù)據(jù)Strom流式處理方案

在不改變?cè)邢到y(tǒng)架構(gòu)的基礎(chǔ)上，借助消息隊(duì)列對(duì)數(shù)據(jù)削峰，使用大數(shù)據(jù)storm流式計(jì)算方式實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)的三級(jí)同步及實(shí)時(shí)預(yù)處理，該架構(gòu)在離線(xiàn)計(jì)算及交互式查詢(xún)能力支撐不足。

（3）大數(shù)據(jù)Spark 流式處理方案

補(bǔ)充storm流式計(jì)算交互式查詢(xún)能力支撐不足的情況，采用大數(shù)據(jù)Spark Streaming的流式計(jì)算和離線(xiàn)計(jì)算環(huán)境，進(jìn)行實(shí)時(shí)大數(shù)據(jù)處理。

（4）實(shí)時(shí)大數(shù)據(jù)匯聚及處理方案對(duì)比

考慮集群配置優(yōu)化、運(yùn)維開(kāi)發(fā)成本、業(yè)務(wù)交互性查詢(xún)因素，最終確定采用大數(shù)據(jù)Spark Stream的處理環(huán)境，提升實(shí)時(shí)數(shù)據(jù)處理能力，保障數(shù)據(jù)處理環(huán)境的穩(wěn)定運(yùn)行。

實(shí)時(shí)大數(shù)據(jù)匯聚體系，針對(duì)實(shí)時(shí)數(shù)據(jù)，數(shù)據(jù)服務(wù)引擎采用實(shí)時(shí)計(jì)算框架、離線(xiàn)計(jì)算框架實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)加載和離線(xiàn)計(jì)算。按照不同的數(shù)據(jù)需求，應(yīng)用高速緩存技術(shù)，實(shí)現(xiàn)階段數(shù)據(jù)、結(jié)果數(shù)據(jù)的快速取用。

數(shù)據(jù)高速接入技術(shù)：采用消息隊(duì)列的方法，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行削峰處理，平衡高頻實(shí)時(shí)數(shù)據(jù)接入擁塞的問(wèn)題，通過(guò)搭建多個(gè)通道，提高數(shù)據(jù)接入效率。

數(shù)據(jù)流式計(jì)算技術(shù)：采用高吞吐、分布式技術(shù)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行匯總和處理，可支撐海量實(shí)時(shí)數(shù)據(jù)集中匯總計(jì)算，形成滿(mǎn)足不同專(zhuān)業(yè)頻度需要的數(shù)據(jù)。Spark 是專(zhuān)為大規(guī)模數(shù)據(jù)處理而設(shè)計(jì)的快速通用的計(jì)算引擎，基于內(nèi)存計(jì)算的分布式處理軟件，支持實(shí)時(shí)流式計(jì)算，離線(xiàn)計(jì)算。

數(shù)據(jù)緩存技術(shù)能夠?qū)?shí)時(shí)計(jì)算模型及公式、實(shí)時(shí)計(jì)算結(jié)果保存在內(nèi)存中，減少數(shù)據(jù)庫(kù)的讀取次數(shù)，發(fā)揮高速緩存的優(yōu)勢(shì)。

三、總結(jié)

隨著油氣生產(chǎn)實(shí)時(shí)數(shù)據(jù)量的逐步增大、oracle單機(jī)處理能力無(wú)法支撐分公司數(shù)據(jù)集中處理需求。采用實(shí)時(shí)大數(shù)據(jù)匯聚處理方案，能夠發(fā)揮在實(shí)時(shí)數(shù)據(jù)接入、數(shù)據(jù)緩存、多節(jié)點(diǎn)運(yùn)算上的技術(shù)優(yōu)勢(shì)，提高實(shí)時(shí)數(shù)據(jù)處理的穩(wěn)定性和高效性，支撐分公司云化部署應(yīng)用。