大数据项目实践指南（大数据项目架构）
大数据项目实践指南（大数据项目架构）输入系统：埋点产生的用户行为数据、JavaEE后台产生的业务数据、个别公司有爬虫数据。数据仓库的输入数据源和输出系统分别是什么？实时数仓架构实时数仓架构特点秒级延迟，实时构建数据仓库，架构简单，传统数仓平滑升级架构特点
1 提高自信
云上数据仓库解决方案：
离线数仓架构
离线数仓特点基于Serverless的云上数据仓库解决方案
架构特点
- 开箱即用：简单几步开启自己的一站式大数据开发平台。
- 低TCO：Serverless服务，免运维，降低企业成本
- 资源弹性：根据数据规模系统自动扩展集群存储和计算能力
- 强数据安全：多层沙箱机制防护与监控，备细粒度化授权
实时数仓架构
实时数仓架构特点秒级延迟，实时构建数据仓库，架构简单，传统数仓平滑升级
架构特点
- 数据模型基本不变
- 消息队列取代传统数仓分层表
- 订阅式实时计算取代调度式批处理
2 数仓概念
数据仓库的输入数据源和输出系统分别是什么？
输入系统：埋点产生的用户行为数据、JavaEE后台产生的业务数据、个别公司有爬虫数据。
输出系统：报表系统、用户画像系统、推荐系统
3 系统数据流程设计
4 框架版本选型
1）Apache：运维麻烦，组件间兼容性需要自己调研。（一般大厂使用，技术实力雄厚，有专业的运维人员）
2）CDH：国内使用最多的版本，但 CM不开源，但其实对中、小公司使用来说没有影响（建议使用）10000美金一个节点 CDP
3）HDP：开源，可以进行二次开发，但是没有CDH稳定，国内使用较少
5 服务器选型
服务器使用物理机还是云主机？
1）机器成本考虑：
（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个月）、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
（1）金融有钱公司和阿里没有直接冲突的公司选择阿里云（上海）
（2）中小公司、为了融资上市，选择阿里云，拉倒融资后买物理机。
（3）有长期打算，资金比较足，选择物理机。
6 集群规模
根据数据规模大家集群
7 人员配置参考
7.1 整体架构
属于研发部/技术部/数据部，我们属于大数据组，其他还有后端项目组，前端组、测试组、UI组等。其他的还有产品部、运营部、人事部、财务部、行政部等。
大数据开发工程师=>大数据组组长=》项目经理=>部门经理=》技术总监
7.2 你们部门的职级等级，晋升规则
职级就分初级，中级，高级。晋升规则不一定，看公司效益和职位空缺。
京东：T1、T2应届生；T3 14k左右 T4 18K左右 T5 24k-28k左右
阿里：p5、p6、p7、p8
7.3 人员配置参考
小型公司（3人左右）：组长1人，剩余组员无明确分工，并且可能兼顾javaEE和前端。
中小型公司（3~6人左右）：组长1人，离线2人左右，实时1人左右（离线一般多于实时），组长兼顾和javaEE、前端。
中型公司（5~10人左右）：组长1人，离线3~5人左右（离线处理、数仓），实时2人左右，组长和技术大牛兼顾和javaEE、前端。
中大型公司（10~20人左右）：组长1人，离线5~10人（离线处理、数仓），实时5人左右，JavaEE1人左右（负责对接JavaEE业务），前端1人（有或者没有人单独负责前端）。（发展比较良好的中大型公司可能大数据部门已经细化拆分，分成多个大数据组，分别负责不同业务）
上面只是参考配置，因为公司之间差异很大，例如ofo大数据部门只有5个人左右，因此根据所选公司规模确定一个合理范围，在面试前必须将这个人员配置考虑清楚，回答时要非常确定。
IOS多少人 安卓多少人 前端多少人 JavaEE多少人 测试多少人
（IOS、安卓） 1-2个人 前端1-3个人； JavaEE一般是大数据的1-1.5倍，测试：有的有，有的没有。1个左右。 产品经理1个、产品助理1-2个，运营1-3个
公司划分：
0-50 小公司
50-500 中等
500-1000 大公司
1000以上 大厂 领军的存在
