1，如何設(shè)計(jì)一個(gè)實(shí)時(shí)大數(shù)據(jù)用戶行為分析系統(tǒng)2，如何設(shè)計(jì)數(shù)據(jù)庫(kù) 實(shí)現(xiàn)大數(shù)據(jù)分析3，如何搭建大數(shù)據(jù)分析平臺(tái)4，如何設(shè)計(jì)企業(yè)級(jí)大數(shù)據(jù)分析平臺(tái)5，大型erp數(shù)據(jù)庫(kù)系統(tǒng)常見的幾種設(shè)計(jì)有什么1，如何設(shè)計(jì)一個(gè)實(shí)時(shí)大數(shù)據(jù)用戶行為分析系統(tǒng)
數(shù)云的crm系統(tǒng)，就是大數(shù)據(jù)用戶分析的結(jié)果，可以進(jìn)行用戶洞察。
2，如何設(shè)計(jì)數(shù)據(jù)庫(kù) 實(shí)現(xiàn)大數(shù)據(jù)分析
可以借助大數(shù)據(jù)分析工具，未至科技魔方是一款大數(shù)據(jù)模型平臺(tái)，是一款基于服務(wù)總線與分布式云計(jì)算兩大技術(shù)架構(gòu)的一款數(shù)據(jù)分析、挖掘的工具平臺(tái)，其采用分布式文件系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)，支持海量數(shù)據(jù)的處理。采用多種的數(shù)據(jù)采集技術(shù)，支持結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)的采集。通過(guò)圖形化的模型搭建工具，支持流程化的模型配置。通過(guò)第三方插件技術(shù)，很容易將其他工具及服務(wù)集成到平臺(tái)中去。數(shù)據(jù)分析研判平臺(tái)就是海量信息的采集，數(shù)據(jù)模型的搭建，數(shù)據(jù)的挖掘、分析最后形成知識(shí)服務(wù)于實(shí)戰(zhàn)、服務(wù)于決策的過(guò)程，平臺(tái)主要包括數(shù)據(jù)采集部分，模型配置部分，模型執(zhí)行部分及成果展示部分等。數(shù)據(jù)庫(kù)開發(fā)工程師的日常工作是設(shè)計(jì)、開發(fā)數(shù)據(jù)庫(kù)系統(tǒng)和數(shù)據(jù)庫(kù)應(yīng)用軟件，因此與軟件研發(fā)的過(guò)程一樣，會(huì)覆蓋需求、設(shè)計(jì)、編程和測(cè)試四個(gè)階段：需求：深入調(diào)研用戶市場(chǎng)需求，認(rèn)清項(xiàng)目的應(yīng)用場(chǎng)景，解決的問(wèn)題，性能指標(biāo)等，需要與數(shù)據(jù)庫(kù)系統(tǒng)使用方反復(fù)溝通，確定具體的需求。設(shè)計(jì)：根據(jù)收集整理的需求文檔設(shè)計(jì)數(shù)據(jù)庫(kù)系統(tǒng)軟件的模型和架構(gòu)，劃分模塊分別進(jìn)行概要和詳細(xì)設(shè)計(jì)。編程：按照模塊分工和設(shè)計(jì)文檔，進(jìn)行編碼和調(diào)試。測(cè)試：將開發(fā)完成的數(shù)據(jù)庫(kù)系統(tǒng)交給測(cè)試人員進(jìn)行測(cè)試，主要使用的測(cè)試方法有黑盒測(cè)試、白盒測(cè)試、壓力測(cè)試、性能測(cè)試等，測(cè)試全部通過(guò)后即可等待發(fā)布。
3，如何搭建大數(shù)據(jù)分析平臺(tái)
本人為大數(shù)據(jù)技術(shù)員，可以分享一些心得體驗(yàn)給題主：其實(shí)題主需要搞清楚以下幾個(gè)問(wèn)題，搞清楚了，其實(shí)問(wèn)題的答案也就有了：1、是從個(gè)人學(xué)習(xí)成長(zhǎng)的角度想搭建平臺(tái)自學(xué)？還是現(xiàn)在的公司需要大數(shù)據(jù)技術(shù)進(jìn)行分析？——如果是從個(gè)人學(xué)習(xí)成長(zhǎng)的角度，建議直接按照hadoop或者spark的官網(wǎng)教程安裝即可，建議看官網(wǎng)（英文），在大數(shù)據(jù)技術(shù)領(lǐng)域，英語(yǔ)的掌握是非常重要的，因?yàn)樯婕暗浇M件選型、日后的安裝、部署、運(yùn)維，所有的任務(wù)運(yùn)行信息、報(bào)錯(cuò)信息都是英文的，包括遇到問(wèn)題的解答，所以還是非常重要的。如果是公司需要進(jìn)行大數(shù)據(jù)分析，那么還要研究以下幾個(gè)問(wèn)題：為什么需要搭建大數(shù)據(jù)分析平臺(tái)？要解決什么業(yè)務(wù)問(wèn)題？需要什么樣的分析？數(shù)據(jù)量有多少？是否有實(shí)時(shí)分析的需求？是否有bi報(bào)表的需求？——這里舉一個(gè)典型的場(chǎng)景：公司之前采用oracle或mysql搭建的業(yè)務(wù)數(shù)據(jù)庫(kù)，而且有簡(jiǎn)單的數(shù)據(jù)分析，或者可能采購(gòu)了bi系統(tǒng)，就是直接用業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行支持的，現(xiàn)在隨著數(shù)據(jù)量越來(lái)越大，那么就需要采用大數(shù)據(jù)技術(shù)進(jìn)行擴(kuò)容。搞清楚需求之后，按照以下的步驟進(jìn)行：1、整體方案設(shè)計(jì)；整體方案設(shè)計(jì)時(shí)需要考慮的因素：數(shù)據(jù)量有多少：幾百gb？幾十tb？數(shù)據(jù)存儲(chǔ)在哪里：存儲(chǔ)在mysql中？oracle中？或其他數(shù)據(jù)庫(kù)中？數(shù)據(jù)如何從現(xiàn)在的存儲(chǔ)系統(tǒng)進(jìn)入到大數(shù)據(jù)平臺(tái)中？如何將結(jié)果數(shù)據(jù)寫出到其他存儲(chǔ)系統(tǒng)中？分析主題是什么：只有幾個(gè)簡(jiǎn)單指標(biāo)？還是說(shuō)有很多統(tǒng)計(jì)指標(biāo)，需要專門的人員去梳理，分組，并進(jìn)行產(chǎn)品設(shè)計(jì)；是否需要搭建整體數(shù)倉(cāng)？是否需要bi報(bào)表：業(yè)務(wù)人員有無(wú)操作bi的能力，或團(tuán)隊(duì)組成比較簡(jiǎn)單，不需要前后端人員投入，使用bi比較方便；是否需要實(shí)時(shí)計(jì)算？2、組件選型；架構(gòu)設(shè)計(jì)完成后就需要組件選型了，這時(shí)候最好是比較資深的架構(gòu)師參與設(shè)計(jì)，選型包括：離線計(jì)算引擎：hadoop、spark、tez……實(shí)時(shí)計(jì)算引擎：storm、flink、samza、spark streaming……bi軟件：tableau、qlikview、帆軟……3、安裝部署；選型完成后，就可以進(jìn)行安裝部署了，這部分其實(shí)是最簡(jiǎn)單的，直接按照每個(gè)組件的部署要求安裝即可。4、另一種選擇：采用商用軟件如果是企業(yè)需要搭建大數(shù)據(jù)平臺(tái)，那么還有一種選擇是直接采用商用的數(shù)據(jù)平臺(tái)。市面上有很多成熟的商用大數(shù)據(jù)平臺(tái)，cloudera、星環(huán)、華為、亞信等等，都有對(duì)應(yīng)的產(chǎn)品線，業(yè)內(nèi)數(shù)據(jù)大咖袋鼠云就有一款非常優(yōu)秀的大數(shù)據(jù)平臺(tái)產(chǎn)品：數(shù)棧。主要有以下幾個(gè)特點(diǎn)：1.一站式。一站式數(shù)據(jù)開發(fā)產(chǎn)品體系，滿足企業(yè)建設(shè)數(shù)據(jù)中臺(tái)過(guò)程中的多樣復(fù)雜需求。2.兼容性強(qiáng)。支持對(duì)接多種計(jì)算引擎，使更多企業(yè)“半路上車”。3.開箱即用?；趙eb的圖形化操作界面，開箱即用，快速上手。4.性價(jià)比高。滿足中小企業(yè)數(shù)據(jù)中臺(tái)建設(shè)需求，降低企業(yè)投入成本。
4，如何設(shè)計(jì)企業(yè)級(jí)大數(shù)據(jù)分析平臺(tái)
統(tǒng)企業(yè)的olap幾乎都是基于關(guān)系型數(shù)據(jù)庫(kù)，在面臨“大數(shù)據(jù)”分析瓶頸，甚至實(shí)時(shí)數(shù)據(jù)分析的挑戰(zhàn)時(shí)，在架構(gòu)上如何應(yīng)對(duì)?本文試擬出幾個(gè)大數(shù)據(jù)olap平臺(tái)的設(shè)計(jì)要點(diǎn)，意在拋磚引玉。突破設(shè)計(jì)原則建設(shè)企業(yè)的大數(shù)據(jù)管理平臺(tái)(big data management platform)，第一個(gè)面臨的挑戰(zhàn)來(lái)自歷史數(shù)據(jù)結(jié)構(gòu)，以及企業(yè)現(xiàn)有的數(shù)據(jù)庫(kù)設(shè)計(jì)人員的觀念、原則。數(shù)據(jù)關(guān)系、acid在關(guān)系數(shù)據(jù)庫(kù)幾十年的統(tǒng)治時(shí)期是久得人心，不少開發(fā)人員都有過(guò)為文檔、圖片設(shè)計(jì)數(shù)據(jù)表，或?qū)⑽臋n、圖片序列化為二進(jìn)制文件存入關(guān)系數(shù)據(jù)庫(kù)的經(jīng)歷。在bdmp之上，我們需要對(duì)多種不同的格式的數(shù)據(jù)進(jìn)行混合存儲(chǔ)，這就必須意識(shí)到曾經(jīng)的原則已經(jīng)不再適用——one size dosent fit all，新的原則——one size fits a bunch.以下是我列出的一些nosql數(shù)據(jù)庫(kù)在設(shè)計(jì)上的模式：文檔數(shù)據(jù)庫(kù)：數(shù)據(jù)結(jié)構(gòu)是類json，可以使用嵌入(embed)或文檔引用(reference)的方式來(lái)為兩個(gè)不同的文檔對(duì)象建立關(guān)系;列簇?cái)?shù)據(jù)庫(kù)：基于查詢進(jìn)行設(shè)計(jì)，有寬行(wild rows)和窄行(skinny rows)的設(shè)計(jì)決策;索引數(shù)據(jù)庫(kù)：基于搜索進(jìn)行設(shè)計(jì)，在設(shè)計(jì)時(shí)需要考慮對(duì)對(duì)每個(gè)字段內(nèi)容的處理(analysis)。搜索和查詢的區(qū)別在于，對(duì)返回內(nèi)容的排序，搜索引擎?zhèn)戎赜谖谋痉治龊完P(guān)鍵字權(quán)重的處理上，而查詢通常只是對(duì)數(shù)據(jù)進(jìn)行單列或多列排序返回即可。數(shù)據(jù)存儲(chǔ)的二八原則不少企業(yè)在解決海量數(shù)據(jù)存儲(chǔ)的問(wèn)題上，要么是把關(guān)系數(shù)據(jù)庫(kù)全部往hadoop上一導(dǎo)入，要么是把以前的非結(jié)構(gòu)化數(shù)據(jù)如日志、點(diǎn)擊流往nosql數(shù)據(jù)庫(kù)中寫入，但最后往往發(fā)現(xiàn)前者還是無(wú)法解決大數(shù)據(jù)分析的性能瓶頸，后者也無(wú)法回答數(shù)據(jù)如何發(fā)揮業(yè)務(wù)價(jià)值的問(wèn)題。在數(shù)據(jù)的價(jià)值和使用上，其實(shí)也存在著二八原則：20%的數(shù)據(jù)發(fā)揮著80%的業(yè)務(wù)價(jià)值;80%的數(shù)據(jù)請(qǐng)求只針對(duì)20%的數(shù)據(jù)。目前來(lái)看，不管是數(shù)據(jù)存儲(chǔ)處理、分析還是挖掘，最完整和成熟的生態(tài)圈還是基于關(guān)系型數(shù)據(jù)庫(kù)，比如報(bào)表、聯(lián)機(jī)分析等工具;另外就是數(shù)據(jù)分析人員更偏重于查詢分析語(yǔ)言如sql、r、python數(shù)據(jù)分析包而不是編程語(yǔ)言。企業(yè)大數(shù)據(jù)平臺(tái)建設(shè)的二八原則是，將20%最有價(jià)值的數(shù)據(jù)——以結(jié)構(gòu)化的形式存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中供業(yè)務(wù)人員進(jìn)行查詢和分析;而將80%的數(shù)據(jù)——以非結(jié)構(gòu)化、原始形式存儲(chǔ)在相對(duì)廉價(jià)的hadoop等平臺(tái)上，供有一定數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)分析師或數(shù)據(jù)工程師進(jìn)行下一步數(shù)據(jù)處理。經(jīng)過(guò)加工的數(shù)據(jù)可以以數(shù)據(jù)集市或數(shù)據(jù)模型的形式存儲(chǔ)在nosql數(shù)據(jù)庫(kù)中，這也是后面要講到的“離線”與“在線”數(shù)據(jù)。理解企業(yè)的數(shù)據(jù)處理需求數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)，是事務(wù)型數(shù)據(jù)到分析型數(shù)據(jù)的轉(zhuǎn)變，分析型數(shù)據(jù)需要包括的是：分析的主題、數(shù)據(jù)的維度和層次，以及數(shù)據(jù)的歷史變化等等。而對(duì)大數(shù)據(jù)平臺(tái)來(lái)說(shuō)，對(duì)分析的需求會(huì)更細(xì)，包括：查詢：快速響應(yīng)組合條件查詢、模糊查詢、標(biāo)簽搜索：包括對(duì)非結(jié)構(gòu)化文檔的搜索、返回結(jié)果的排序統(tǒng)計(jì)：實(shí)時(shí)反映變化，如電商平臺(tái)的在線銷售訂單與發(fā)貨計(jì)算出的庫(kù)存顯示挖掘：支持挖掘算法、機(jī)器學(xué)習(xí)的訓(xùn)練集針對(duì)不同的數(shù)據(jù)處理需求，可能需要設(shè)計(jì)不同的數(shù)據(jù)存儲(chǔ)，還需要考慮如何快速地將數(shù)據(jù)復(fù)制到對(duì)應(yīng)的存儲(chǔ)點(diǎn)并進(jìn)行合適的結(jié)構(gòu)轉(zhuǎn)換，以供分析人員快速響應(yīng)業(yè)務(wù)的需求。離線數(shù)據(jù)與在線數(shù)據(jù)根據(jù)不同的企業(yè)業(yè)務(wù)，對(duì)“離線”的定義其實(shí)不一樣，在這里離線數(shù)據(jù)特指在業(yè)務(wù)場(chǎng)景中適用于“歷史數(shù)據(jù)”的部分。常見的歷史數(shù)據(jù)查詢分析一般來(lái)自于特定時(shí)間段，設(shè)計(jì)上需要考慮的是將數(shù)據(jù)存入歷史庫(kù)中時(shí)，建立時(shí)間索引。另一種情況是某種業(yè)務(wù)問(wèn)題的定位或分析，在數(shù)據(jù)量巨大的情況下，基于hadoop或spark等框架編寫分析算法并直接在平臺(tái)上運(yùn)行，可以大大節(jié)約數(shù)據(jù)導(dǎo)出導(dǎo)入、格式轉(zhuǎn)換與各種分析工具對(duì)接的時(shí)間。在線數(shù)據(jù)處理按照存儲(chǔ)和分析的先后順序，可分為批處理(先存儲(chǔ)后分析)和流處理(先分析后存儲(chǔ))兩類。cassandra數(shù)據(jù)庫(kù)的設(shè)計(jì)采用上數(shù)據(jù)追加寫入模式，可以支持實(shí)時(shí)批處理;流式計(jì)算平臺(tái)則有apache storm、yahoo s4等開源框架，商業(yè)平臺(tái)有amazon kenisis(部署在云端)。企業(yè)的實(shí)時(shí)分析需求往往有特定的應(yīng)用場(chǎng)景，需要對(duì)業(yè)務(wù)和現(xiàn)行系統(tǒng)有深入的理解才能設(shè)計(jì)出一個(gè)合理的架構(gòu)。感覺呢 ， 如果想讀北 大 青鳥中關(guān)村軟件學(xué)院， 還是去北京的好些， 反正學(xué)費(fèi)都一樣， 如果是因?yàn)橄M(fèi)，我給你介紹一個(gè)消費(fèi)低的， 中關(guān)村的北大青鳥， 如果是因?yàn)?教學(xué)質(zhì)量， 那就更不用說(shuō)了， 中關(guān)村的北大 青 鳥教員的教學(xué)經(jīng)驗(yàn)豐富， 講課生動(dòng)有趣
5，大型erp數(shù)據(jù)庫(kù)系統(tǒng)常見的幾種設(shè)計(jì)有什么
采用自增長(zhǎng) 主要是性能。早期的數(shù)據(jù)庫(kù)系統(tǒng)，經(jīng)常采用某種編號(hào)，比如身份證號(hào)碼，公司編號(hào)等等作為數(shù)據(jù)庫(kù)表的 。然而，很快，大家就發(fā)現(xiàn)其中的不利之處。比如早期的醫(yī)院管理系統(tǒng)，用身份證號(hào)碼作為病人表的 。然而，第一，不是每個(gè)人都有身份證；第二，對(duì)于國(guó)外來(lái)的病人，不同國(guó)家的病人的證件號(hào)碼并不見得沒(méi)有重復(fù)。因此，用身份證號(hào)碼作為病人表的 是一個(gè)非常糟糕的設(shè)計(jì)?？紤]到?jīng)]有醫(yī)生或者護(hù)士會(huì)刻意去記這些號(hào)碼，使用自增長(zhǎng) 是更好的設(shè)計(jì)。公司編