騰訊云CKafka聯(lián)合云函數(shù)重磅上線DataHub，讓數(shù)據(jù)流轉更簡便

隨著大數(shù)據(jù)時代的到來，各大互聯(lián)網(wǎng)公司對于數(shù)據(jù)的重視程度前所未有，各種業(yè)務對數(shù)據(jù)的依賴也越來越重。有一種觀點認為大數(shù)據(jù)存在“3V”特性：Volume,Velocity,Variety。這三個“V”表明大數(shù)據(jù)的三方面特征：量大，實時和多樣。這三個主要特征對數(shù)據(jù)采集系統(tǒng)的影響尤為突出。多種多樣的數(shù)據(jù)源，海量的數(shù)據(jù)以及實時高效的采集是數(shù)據(jù)采集系統(tǒng)主要面對的幾個問題。

我們想要在數(shù)據(jù)上創(chuàng)造價值，首先要解決數(shù)據(jù)獲取的問題。因為在互聯(lián)網(wǎng)發(fā)展中，企業(yè)內(nèi)或不同企業(yè)之間建立了各種不同的業(yè)務系統(tǒng)，這些系統(tǒng)產(chǎn)生的數(shù)據(jù)也都是互不相通的，要想實現(xiàn)數(shù)據(jù)的互通與融合，在數(shù)據(jù)的獲取與處理上就需要下很大功夫。

01.

騰訊云CKafka重磅上線DataHub

騰訊云消息隊列CKafka正式上線數(shù)據(jù)中心接入服務模塊DataHub。DataHub具有強大的數(shù)據(jù)接入及分析處理的功能，可以從App、Web、MongoDB等數(shù)據(jù)源中進行持續(xù)不斷的數(shù)據(jù)采集，存儲和處理，并得到各種實時的數(shù)據(jù)處理結果，可用于日志分析、網(wǎng)頁活動追蹤、IoT分析應用等。

現(xiàn)今數(shù)據(jù)處理系統(tǒng)大體上可分為離線處理系統(tǒng)和在線處理系統(tǒng)。CKafka推出Datahub數(shù)據(jù)中心接入服務模塊，負責直接從業(yè)務數(shù)據(jù)源獲取數(shù)據(jù)，進行一些數(shù)據(jù)預處理工作，分發(fā)給離線/在線處理平臺，構建數(shù)據(jù)源和數(shù)據(jù)處理系統(tǒng)間的橋梁，將數(shù)據(jù)處理系統(tǒng)同業(yè)務側的數(shù)據(jù)源解耦。

02.

DataHub產(chǎn)品優(yōu)勢

DataHub基于CKafka的數(shù)據(jù)處理能力，具有高穩(wěn)定、實時性、高擴展性、高安全性等優(yōu)勢：

·高穩(wěn)定

基于消息隊列CKafka分布式的部署，穩(wěn)定性有很好的保障。

·實時性

數(shù)據(jù)采集實時高效的同時還可以進行實時處理。

·高擴展性

支持集群水平擴容，實例無縫升配，底層系統(tǒng)根據(jù)業(yè)務規(guī)模自動彈性伸縮，上層業(yè)務無感知。

·高安全性

不同租戶間網(wǎng)絡隔離，實例的網(wǎng)絡訪問在賬戶間天然隔離。支持管理流的CAM鑒權及數(shù)據(jù)流的SASL權限控制，嚴格控制訪問權限。

·上下游生態(tài)融合

支持與EMR、COS、容器、流計算、云函數(shù)、日志服務等13+云上產(chǎn)品資源，實現(xiàn)快速一鍵部署。

·統(tǒng)一運維監(jiān)控

提供騰訊云平臺整套的運維服務，包括租戶隔離、權限控制、消息堆積查詢、消費者詳情查看等多維度監(jiān)控告警等運維服務。

03.

DataHub應用價值

CKafka是一個分布式、高吞吐量、高可擴展性的消息系統(tǒng)，基于發(fā)布/訂閱模式，通過消息解耦，使生產(chǎn)者和消費者異步交互，具有數(shù)據(jù)壓縮、同時支持離線和實時數(shù)據(jù)處理等優(yōu)點。DataHub作為CKafka的一個功能模塊，可以幫助用戶以CKafka為入口，通過簡單的界面化配置，即時連接到常用的數(shù)據(jù)源和接收器，打包各個場景的解決方案，實現(xiàn)實時數(shù)據(jù)通道、實時數(shù)據(jù)清洗和分析的功能。

在實際應用中，DataHub實時接入各種數(shù)據(jù)源產(chǎn)生的不同類型的數(shù)據(jù)，用戶可以將多個數(shù)據(jù)源的數(shù)據(jù)投遞到同一個Topic中，統(tǒng)一管理，經(jīng)過簡單的數(shù)據(jù)處理，并投遞到下游的數(shù)據(jù)處理系統(tǒng)，形成清晰的數(shù)據(jù)流，更好地釋放數(shù)據(jù)的價值。

DataHub可以同時實現(xiàn)大數(shù)據(jù)系統(tǒng)與業(yè)務系統(tǒng)以及大數(shù)據(jù)系統(tǒng)各組件之間的解耦。

1.實時數(shù)據(jù)通道

我們都知道不同企業(yè)之間、不同業(yè)務之間數(shù)據(jù)互不相通，互不融合的數(shù)據(jù)在數(shù)據(jù)獲取、傳輸上會遇到很多問題，比如可用性差、傳輸延遲等。業(yè)務層面，也會遇到舊業(yè)務數(shù)據(jù)系統(tǒng)遷移到新系統(tǒng)、不同系統(tǒng)數(shù)據(jù)整合過程中數(shù)據(jù)不可用等問題，進而影響業(yè)務的后續(xù)進行。

為了能夠讓數(shù)據(jù)更加實時高效地融合，DataHub利用數(shù)據(jù)接入能力，使業(yè)務數(shù)據(jù)能夠實時融合進大數(shù)據(jù)系統(tǒng)，縮短數(shù)據(jù)分析周期，對于客戶來說就是實時的數(shù)據(jù)通道，那DataHub又是如何實現(xiàn)數(shù)據(jù)接入能力的呢？

從上圖可以看出，DataHub的數(shù)據(jù)源可以分為：主動上報、服務類和日志類。

·主動上報類：App、Web、游戲等；

·服務類：MongoDB、COS、MySQL等；

·日志類：容器、網(wǎng)絡流日志、CVM等。

數(shù)據(jù)接入的控制臺界面如圖所示，展示用戶建立的數(shù)據(jù)接入任務列表。

點擊列表項可以查看每一條數(shù)據(jù)接入任務的詳情，可以查看監(jiān)控。

數(shù)據(jù)接入具體操作主要分為以下兩個部分：

1.主動上報：提供SDK，使用流程如下：

·以HTTP上報為例：

任務創(chuàng)建成功后會生成接入點，后續(xù)在任務詳情中可以查看和復制該接入點。

2.異步拉取

服務類、日志類、接口類，提供完整的產(chǎn)品化配置界面，用戶無需關心底層實現(xiàn)。

·以MongoDB為例：

2.實時數(shù)據(jù)清洗和分析

DataHub接入多種不同類型的數(shù)據(jù)后，通過數(shù)據(jù)流出和數(shù)據(jù)處理，對多種數(shù)據(jù)源的數(shù)據(jù)進行實時清洗、過濾、關聯(lián)與轉換，形成統(tǒng)一的結構化數(shù)據(jù)，實現(xiàn)各數(shù)據(jù)源不同類型數(shù)據(jù)的融合。

DataHub又是如何進行數(shù)據(jù)清洗和分析處理的呢？

1.數(shù)據(jù)流出

利用云函數(shù)SCF或者sink connector，分發(fā)數(shù)據(jù)到下游的各種云產(chǎn)品。

·新建數(shù)據(jù)流出任務

點擊提交后會在數(shù)據(jù)流出任務列表增加一條記錄，可以查看任務詳情和監(jiān)控。

2.數(shù)據(jù)處理

DataHub延續(xù)了Kafka to Kafka的數(shù)據(jù)處理能力。

點擊“新建任務”，出現(xiàn)彈窗：

以上是一些簡單清洗規(guī)則界面化展示，更高級的清洗規(guī)則后續(xù)會支持編寫函數(shù)進行配置。解析模式支持JSON、分隔符、正則表達式，點擊測試可以驗證上面設置的數(shù)據(jù)處理規(guī)則。

如下圖所示，在消息隊列CKafka控制臺的側邊欄劃分為消息平臺和DataHub兩個模塊，查找使用更方便，目前DataHub已經(jīng)上線，有需要使用數(shù)據(jù)接入與數(shù)據(jù)處理分析功能需求的用戶，可以用起來啦！

未來騰訊云消息隊列產(chǎn)品的發(fā)展會在數(shù)據(jù)獲取與數(shù)據(jù)處理方向做更深的探索，也會結合上下游產(chǎn)品，為用戶提供更多符合場景的解決方案，DataHub未來可以發(fā)展為云上統(tǒng)一的數(shù)據(jù)接入服務，為各數(shù)據(jù)源數(shù)據(jù)的接入、分析與處理提供更穩(wěn)定的平臺。

04.

DataHub使用咨詢

目前DataHub都已全面發(fā)布上線，前往騰訊云消息隊列Ckafka控制臺即可使用體驗。