[选型] 实时数仓之技术选型

数仓技术路线选型

对于已有的hive数据仓，怎样改造成实时数仓的要求呢？

2.关于实时数仓的选型

• 如果选择hbase，建议选择kudu
• 如果选择kudu, 还可以选择doris
• 如果选择doris，建议选择iceberg

以上三种选择，要配合具体的场景；

技术选型方案

方案一：doris作为实时数仓，hive作为离线数仓

其中doris作为实时数仓，可以设计存储n天的(doris紫自身能够自动就行数据生命周期的管理)；然后hive数据仓仍然作为T+1的离线数仓使用；

优点：继承以往的hadoop生态的hive遗产，只用新加入doris一个组件即可，满足实时性数仓的要求；

缺点：该架构缺点也很明显，早期的lamda架构；1.数据重复存储2份，导致存储资源的浪费；2.两套架构需要两套维护系统，需要跟多的人员和经理投入；

方案二：以doris构建实时数仓

doris完全取代hive数仓，作为离线和实时统一的数仓使用；一般常常和clickhouse对比；

doris自身是一个存算一体的mpp架构的olap引擎，PB 级别大数据集，秒级/毫秒级查询，对标准sql的支持很好；能够应付大规模数据数据的实时和离线数据查询；现实中有许多公司将doris作为事实的实时实仓工具；显示中对多维分析和报表查询都有良好的支持；

优点：

1. 使用更简单，如建表更简单，SQL标准支持更好， Join性能更好，导数功能更强大

2. 运维更简单，如灵活的扩缩容能力，故障节点自动恢复，社区提供的支持更好

3. 分布式更强，支持事务和幂等性导入数据，物化视图自动聚合，查询自动路由，全面元数据管理；百度研发开源，有小米、美团、好未来等企业使用经验；

缺点：

方案三：以iceberg为核心构建实时数仓

使用数据湖技术iceberg，作为统一离线和实时数仓的中间层

iceberg可以直接对接上层各种计算引擎，实现真正的离线和实时一体存储，所有的关键数据只保留一份；参考：Iceberg概述

iceberg可以对接上层各种数据源

总 结

因为hive本身只能作为离线数仓来使用，有T+1的时间延迟，无法保证查询实时性的要求，因此构建实时数仓就显得十分必要，也是行业发展的趋势；

综合考虑如下：

• 第一阶段，先完成离线数仓的构建，实时数据展示仍然使用以往的实时方案；
• 第二阶段，引入doris或者iceberg构建实时数仓；