数据中台真实应用案例

什么是数据中台

首先我们需要知道数据中台怎样理解:

• 阿里提出了“大中台，小前台”，其中台事业部包括搜索事业部、共享业务平台、数据技术及产品部，数据技术及产品部应是数据中台建设的核心部门。

在概念数据仓库、数据平台和数据中台这三者之间的区别是什么:

• 数据中台是企业级的逻辑概念，体现企业 D2V（Data to Value）的能力，为业务提供服务的主要方式是数据 API；

• 数据仓库是一个相对具体的功能概念，是存储和管理一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表；

• 数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集；

• 数据中台距离业务更近，为业务提供速度更快的服务；

• 数据仓库是为了支持管理决策分析，而数据中台则是将数据服务化之后提供给业务系统，不仅限于分析型场景，也适用于交易型场景；

• 数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。

如何应用

简单来说,数据中台应该为我们的业务服务提供api或者数据源,帮助业务提供更加优秀的数据服务,那么在中小型企业中,同样面临数据量大,业务场景复杂,我们在技术架构上如何构建自己的数据中台来处理大数据,实现业务服务热拔插呢?

这是一个简单的架构图,我们可以理解从客户端到数据中台,服务就走完了一个完整的服务流程.

数据中台不主动向DB索要数据,而是等着DB给他发送数据,这样做有什么好处呢,在实际开发中,业务服务.数据中台.还有DB之间的业务相互不影响,又可独立开发,又可协同发开,不会让三者其中之一的不良因素扩散到整个系统

实际架构

这是本次案例的架构设计方案
从客户端发送的请求到了我们的MongoDB,也就是我们的数据中台服务之后就返回数据,而在业务数据生成以后,会异步发送到生成数据的服务,这一部分的数据就会回到我们的运维平台,经过效验和洗礼,存储到我们的静态数据库


.而当业务服务要开发新的业务功能时,他首先会向数据中台发出数据要求,数据中台就需要向运维平台索要数据,DB便开始在静态数据仓库中需找该需求需要的数据,此时三个平台都是并行开发,都可以优先处理自己的业务需求,在数据结构需求确定的情况下,在对接时简化了很多步骤,每个平台都环环紧扣又各自独立,完成好自己的工作便就达成了团队协作

每当一个业务功能失去它的意义时,甚至只需要停止业务服务的提供就行了,在数据中台中甚至可以物理删除掉这一部分数据,这样在业务开发时,每个业务都可以热拔插

补充

虽然此次的案例相比网上其它的数据中台方案显得渺小和过于简单,但是我认为它是数据中台的一个雏形,在特定场景的一些企业里面,这样简单的架构方案更能解决实际的问题,至于完善和庞大的数据中台需要不少人力和时间的支持