AI 助理
备案控制台
开发者社区 大数据 文章 正文

方案实践测评 | DataWorks集成Hologres构建一站式高性能的OLAP数据分析

2024-12-11 16
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： DataWorks在任务开发便捷性、任务运行速度、产品使用门槛等方面都表现出色。在数据处理场景方面仍有改进和扩展的空间，通过引入更多的智能技术、扩展数据源支持、优化任务调度和可视化功能以及提升团队协作效率，DataWorks将能够为企业提供更全面、更高效的数据处理解决方案。

DataWorks基于阿里云ODPS/EMR/CDP等大数据引擎，为数据仓库/数据湖/湖仓一体等解决方案提供统一的全链路大数据开发治理平台。作为阿里巴巴数据中台的建设者，DataWorks从2009年起不断沉淀阿里巴巴大数据建设方法论，同时与数万名政务/金融/零售/互联网/能源/制造等客户携手，助力产业数字化升级。

Hologres是阿里云自研一站式实时数仓，统一数据平台架构，支持海量结构化/半结构化数据的实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议），无缝对接主流BI工具，支持OLAP查询、即席分析、在线服务、向量计算多个场景，分析性能打破TPC-H世界记录，与MaxCompute、Flink、DataWorks深度融合，提供离在线一体化全栈数仓解决方案。

一、方案概述

本方案基于阿里云实时数仓Hologres和DataWorks数据集成，通过简单的产品操作即可完成数据库RDS实时同步数据到Hologres，并通过Hologres强大的查询分析性能，完成一站式高性能的OLAP数据分析。
image.png

方案部署

1、创建专有网络VPC和交换机

为确保后续任务的网络连通，请务必保证Hologres与DataWorks资源组使用同⼀个VPC。

image.png

image.png

在创建专有网络页面，您可查看到创建的专有网络VPC和交换机的ID、实例名称等信息。
image.png

2、试用实时数仓Hologres。新用户可以有3个月免费试用期。

image.png

在实时数仓Hologres面板，根据如下参数说明进行配置，未提及的参数保持默认即可，单击立即试用。
image.png

image.png

大概需要5-10分钟，在实例列表页面，等待运行状态变为运行正常，即可正常使用。
image.png

3、开通DataWorks

image.png

image.png

image.png
创建工作空间列表。注意需要类似XXXX_123这种格式，即字母、数字、下划线都用到才可以。
image.png

image.png

在资源组列表页面，等待目标资源组的状态变为运行中，即可正常使用资源组。
image.png

4、创建公网NAT

首次使用NAT网关时，在创建公网NAT网关页面关联角色创建区域，单击创建关联角色。角色创建成功后即可创建NAT网关。
image.png

image.png
image.png

image.png

image.png
返回如下页面，表示您已创建成功，可以查看到创建的弹性公网IP、NAT网关等资源的资源ID。
image.png

5、创建Hologres表

在实例列表页面，但是实例ID。
image.png

在实例详情页面，单击登录实例，进入HoloWeb。
image.png

image.png

在顶部菜单栏中，单击SQL编辑器。

image.png

新建SQL查询
image.png

新建Hologres内部表。

将如下命令复制并粘贴至临时Query查询页签中，单击执行，创建Hologres内部表hologres_dataset_github_event.hologres_github_event，后续会将数据实时写入至该表中。

-- 新建schema用于创建内表并导入数据
CREATE SCHEMA IF NOT EXISTS hologres_dataset_github_event;

DROP TABLE IF EXISTS hologres_dataset_github_event.hologres_github_event;

BEGIN;
CREATE TABLE hologres_dataset_github_event.hologres_github_event (
 id bigint PRIMARY KEY,
 actor_id bigint,
 actor_login text,
 repo_id bigint,
 repo_name text,
 org_id bigint,
 org_login text,
 type text,
 created_at timestamp with time zone NOT NULL,
 action text, 
 commit_id text,
 member_id bigint,
 language text
);
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'distribution_key', 'id');
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'event_time_column', 'created_at');
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'clustering_key', 'created_at');

COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.id IS '事件ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.actor_id IS '事件发起⼈ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.actor_login IS '事件发起⼈登录名';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.repo_id IS 'repoID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.repo_name IS 'repo名称';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.org_id IS 'repo所属组织ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.org_login IS 'repo所属组织名称';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.type IS '事件类型';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.created_at IS '事件发⽣时间';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.action IS '事件行为';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.commit_id IS '提交记录ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.member_id IS '成员ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.language IS '编程语⾔';

COMMIT;

执行结束
image.png

6、实时同步数据至Hologres

在管理中心页面，在下拉框中选择默认⼯作空间，单击进入管理中心。
image.png

在左侧导航栏中，选择数据源 > 数据源列表。

image.png

创建MySQL数据源。

image.png

image.png

配置完成后，在连接配置区域，找到您创建的资源组，单击其右侧的测试连通性。

image.png

image.png
image.png

创建Hologres数据源。

image.png

image.png
image.png

image.png

创建实时同步任务。
image.png

在数据集成页面，在创建同步任务中，选择来源与去向数据源，单击开始创建。

来源：选择MySQL。去向：选择Hologres

image.png

在基本信息区域中，配置任务信息。 新任务名称：data_test。 同步类型：选择整库实时。

image.png

在网络与资源配置区域中，配置任务网络连通。

image.png

image.png

image.png

实时同步任务设置。在选择要同步的库表区域的源端库表中，勾选github_public_event表，然后右移。

image.png
image.png

在目标表映射区域，勾选github_public_event表，单击批量刷新映射。基于上述已创建的Hologres内部表，将目标Schema名改为hologres_dataset_github_event，目标表名改为hologres_github_event，单击完成配置。
image.png

image.png

image.png

在任务列表页面，单击启动。

image.png

image.png
image.png

在任务详情页面，您可查看到任务的执行情况，请耐心等待任务执行完成。

image.png

进度如下：
image.png

image.png

7、实时OLAP分析

返回至SQL编辑器·HoloWeb页签。在临时Query查询页签中，执行如下命令，查询实时更新的过去24小时GitHub最活跃项⽬。


SELECT
  repo_name,
  COUNT(*) AS events
FROM
  hologres_dataset_github_event.hologres_github_event
WHERE
  created_at >= now() - interval '1 day'
GROUP BY
  repo_name
ORDER BY
  events DESC
LIMIT 5;

查看同步的相关监控数据

image.png
image.png
image.png

image.png
image.png
image.png

8、清除资源

删除实时数仓Hologres。

image.png

image.png

image.png

image.png

删除实时同步任务、数据源、资源组和工作空间。

image.png

在数据集成页面，找到目标同步任务，单击其右侧操作列下的停止。

image.png

任务停止以后，选择其右侧操作列下的更多 > 删除。
image.png

image.png

在工作空间列表页面，找到目标工作空间，单击其右侧操作列下的管理。

image.png

在数据源页面，分别单击Hologre和MySQL数据源右侧操作列下的删除。

image.png

image.png

在DataWorks控制台左侧导航栏中，单击资源组列表，找到您创建的资源组

image.png

image.png

image.png

删除工作空间列表
image.png
image.png

删除公网NAT和弹性公网IP。
image.png
image.png

image.png

image.png

image.png

删除VPC及交换机。

image.png

image.png

三、体验总结

在本方案中，DataWorks作为阿里云提供的大数据开发治理平台，其产品在多个方面如任务开发便捷性、任务运行速度、产品使用门槛等，通常都能满足大部分企业的数据处理需求，特别是在与Hologres等阿里云自研产品结合使用时，能够发挥出更高的效能。以下是对这些方面的具体分析：

  1. 任务开发便捷性：

    • DataWorks提供了丰富的数据开发组件和模板，简化了数据处理的流程。
    • 支持拖拽式的界面操作，降低了数据开发的技术门槛。
    • 集成了多种数据源和数据目标，方便数据的接入和输出。

    因此，从任务开发便捷性的角度来看，DataWorks能够很好地满足企业的需求。

  2. 任务运行速度：

    • DataWorks基于阿里云的大数据引擎（如ODPS、EMR等）构建，能够充分利用云端的计算资源。
    • 支持分布式计算和并行处理，提高了数据处理的效率。
    • 与Hologres等高性能数仓产品的结合，能够进一步提升数据查询和分析的速度。

    所以，在任务运行速度方面，DataWorks同样表现出色。

  3. 产品使用门槛：

    • DataWorks提供了详尽的文档和教程，帮助用户快速上手。
    • 支持多种身份认证和权限管理方式，确保了数据的安全性和合规性。
    • 提供了丰富的API和SDK，方便用户进行二次开发和集成。

    在产品使用门槛方面，DataWorks也做得相当不错，既适合初学者快速入门，也适合高级用户进行复杂的数据处理。

  4. 其他功能：

    • DataWorks还提供了数据质量管理、数据资产管理、数据安全审计等功能，满足了企业对数据治理的全方位需求。
    • 支持实时数据监控和告警，确保数据处理的稳定性和可靠性。

针对数据处理场景，DataWorks可以改进或增加的功能点如下：

  • 更智能的数据处理：引入更多的AI和机器学习算法，实现数据的智能清洗、转换和分析，提高数据处理的效率和准确性。
  • 更丰富的数据源支持：除了现有的数据源外，还可以进一步扩展对新兴数据源（如物联网设备、社交媒体等）的支持。
  • 更灵活的任务调度：提供更丰富的任务调度策略和触发机制，以满足不同场景下的数据处理需求。
  • 更强大的数据可视化：虽然DataWorks可以与主流BI工具无缝对接，但自身也可以提供更强大的数据可视化功能，方便用户进行直观的数据分析和展示。
  • 更高效的团队协作：优化团队协作功能，如版本控制、任务分配、进度跟踪等，以提高团队的工作效率和协作效果。
文章标签：
DataWorks
数据处理
OLAP
数据挖掘
大数据
穿过生命散发芬芳
目录
相关文章
弹性计算-百晓生
|
19小时前
|
存储 运维 安全
云上金融量化策略回测方案与最佳实践
2024年11月29日，阿里云在上海举办金融量化策略回测Workshop，汇聚多位行业专家，围绕量化投资的最佳实践、数据隐私安全、量化策略回测方案等议题进行深入探讨。活动特别设计了动手实践环节，帮助参会者亲身体验阿里云产品功能，涵盖EHPC量化回测和Argo Workflows量化回测两大主题，旨在提升量化投研效率与安全性。
弹性计算-百晓生
31616 4
云上金融量化策略回测方案与最佳实践
阿里云基础设施.
|
14天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站，马上报名
大会以“智能跃进 创造无限”为主题，设置主会场峰会、分会场研讨会及展览区，聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
阿里云基础设施.
11678 9
周周的奇妙编程
|
6天前
|
自然语言处理 数据可视化 API
Qwen系列模型+GraphRAG/LightRAG/Kotaemon从0开始构建中医方剂大模型知识图谱问答
本文详细记录了作者在短时间内尝试构建中医药知识图谱的过程，涵盖了GraphRAG、LightRAG和Kotaemon三种图RAG架构的对比与应用。通过实际操作，作者不仅展示了如何利用这些工具构建知识图谱，还指出了每种工具的优势和局限性。尽管初步构建的知识图谱在数据处理、实体识别和关系抽取等方面存在不足，但为后续的优化和改进提供了宝贵的经验和方向。此外，文章强调了知识图谱构建不仅仅是技术问题，还需要深入整合领域知识和满足用户需求，体现了跨学科合作的重要性。
周周的奇妙编程
2901 6
弹性计算-百晓生
|
1月前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日，2024云栖大会在杭州云栖小镇举行，阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家，共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力，及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点，专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练，并通过多个客户案例展示了云上大模型训练的显著优势。
弹性计算-百晓生
104557 9
周周的奇妙编程
|
2天前
|
人工智能 容器
三句话开发一个刮刮乐小游戏！暖ta一整个冬天！
本文介绍了如何利用千问开发一款情侣刮刮乐小游戏，通过三步简单指令实现从单个功能到整体框架，再到多端优化的过程，旨在为生活增添乐趣，促进情感交流。在线体验地址已提供，鼓励读者动手尝试，探索编程与AI结合的无限可能。
周周的奇妙编程
1066 16
阿里云云原生
|
2天前
|
人工智能 自然语言处理 前端开发
从0开始打造一款APP：前端+搭建本机服务，定制暖冬卫衣先到先得
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI，再配合简单易懂的方法，只要你会打字，就能真正做出一个完整的应用。
阿里云云原生
953 12
灵杰开发者
|
6天前
|
Cloud Native Apache 流计算
PPT合集｜Flink Forward Asia 2024 上海站
Apache Flink 年度技术盛会聚焦“回顾过去，展望未来”，涵盖流式湖仓、流批一体、Data+AI 等八大核心议题，近百家厂商参与，深入探讨前沿技术发展。小松鼠为大家整理了 FFA 2024 演讲 PPT ，可在线阅读和下载。
灵杰开发者
3151 10
PPT合集｜Flink Forward Asia 2024 上海站
阿里云云原生
|
19天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领，用通义灵码从 0 开始打造一个完整APP
打开手机，录制下你完成的代码效果，发布到你的社交媒体，前 100 个@玺哥超Carry、@通义灵码的粉丝，可以免费获得一个降噪蓝牙耳机。
阿里云云原生
5881 16
一名技术开发者
|
1月前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
一名技术开发者
32597 4
乘风直上
|
1天前
|
消息中间件 人工智能 运维
12月更文特别场——寻找用云高手，分享云&AI实践
我们寻找你，用云高手，欢迎分享你的真知灼见！
乘风直上
274 22

热门文章

最新文章

  • 1
    天猫精灵开放平台-之小百科测评
  • 2
    语义检索系统：基于Milvus 搭建召回系统抽取向量进行检索，加速索引
  • 3
    3D立方体图片切换动画
  • 4
    模态对话框和非模态对话框
  • 5
    java03
  • 6
    冒泡排序
  • 7
    Windows XP客户端加域操作手册上
  • 8
    微信 6.5.1 for iOS发布 可以在朋友圈分享相册中的视频
  • 9
    Chapter 1: Creating the GUI Form and Adding Widgets
  • 10
    【Mockplus教程】帐号和购买
  • 1
    「Mac畅玩鸿蒙与硬件42」UI互动应用篇19 - 数字键盘应用
    34
  • 2
    赋能加速AI应用交付，F5 BIG-IP Next for Kubernetes方案解读
    29
  • 3
    RAG分块策略：主流方法（递归、jina-seg）+前沿推荐（Meta-chunking、Late chunking、SLM-SFT）
    25
  • 4
    Python学习的自我理解和想法（2）
    26
  • 5
    Transformer图解
    33
  • 6
    API安全专题：如何有效应对新型Bot攻击？
    17
  • 7
    Selenium IDE：Web自动化测试的得力助手
    31
  • 8
    《docker高级篇（大厂进阶）：5.Docker-compose容器编排》包括是什么能干嘛去哪下、Compose核心概念、Compose使用三个步骤、Compose常用命令、Compose编排微服务
    49
  • 9
    24/7全时守护：AI视频监控技术的深度实现与应用分享
    40
  • 10
    《docker高级篇（大厂进阶）：6.Docker轻量级可视化工具Portainer》
    25

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    阿里云无影云电脑免费试用，最长可试用3个月