大数据服务化业务架构

此时数据资产通常是在数据仓库，访问速度较慢，因此需要通过数据加速到更高速的存储介质，最后经过多场景服务接口，服务于业务。

在技术架构方面，数据接口形式有 RPC 和 HTTP 两类接口。

RPC 接口不需要重复建立链接，且传输数据时会被高效序列化，适用于高吞吐场景下的微服务，实现负载均衡、流控、降级、调用链追踪等功能。相对而言，HTTP 接口传输效率低一些，但使用非常简单。

关键技术一：配置即开发

平台用户分为两类角色：其一是数据服务生产方，其二是数据服务调用方。数据服务生产方只需要配置，做到“配置即开发”。

配置包括：

• 数据源
• 数据加速到何处
• 接口形态，访问方式
• 配置独立的测试环境，访问隔离的测试数据

当配置完毕后，数据服务平台便会根据配置清单，完成接口的自动化生产和部署。

生产和部署完毕后，调用方在平台申请服务权限调用。通过自动化生产，达到配置即开发的目的，从而极大的提升效率。

关键技术二：多模式服务形态

数据服务有多种服务形态，包括：

①KV API：简单点查，可以支撑百万 QPS、毫秒延迟。这类 API 是通过模板自动化创建出来，支持单查、批量查询等接口，返回的结果是 Protobuf (PB) 结构体，从而将结果自动做了 ORM，对于主调方更加友好。

典型场景包括：根据 IP 查询 geo 位置信息、根据用户 Id 查询用户标签画像信息等。

②SQL API：复杂灵活查询，底层基于 OLAP/OLTP 存储引擎。通过 Fluent API 接口，用户可自由组合搭配一种或若干种嵌套查询条件，可查询若干简单字段或者聚合字段，可分页或者全量取回数据。

典型场景包括：用户圈选(组合若干用户标签筛选出一批用户)。

③Union API：融合 API，可自由组合多个原子 API，组合方式包括串行和并行方式。

调用方不再需要调用多个原子 API，而是调用融合 API，通过服务端代理访问多个子查询，可以极大降低访问延迟。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!