阿里墨冶：大資料行業仍處於上半場

我們應該討論時代。在對潮流與趨勢的洞察中，可以獲得一些有用的見解，指導我們乘風而上、順勢而為。可與眼前的事務相比，討論時代又略顯空泛。時代無法告訴我們程式碼怎麼寫，bug怎麼改，該用哪個開源工具……所以平心而論，還得是那句“老話”——既要仰望星空，又要腳踏實地。

本次名人堂專訪，我們有幸邀請到了來自阿里資料技術與產品部的墨冶（本名陳敏敏），他在阿里主要支援和負責零售通的資料業務，同時橫向負責集團五條To B業務線的資料技術，包含採集、計算、儲存一直到資料展示端的技術。墨冶老師參與撰寫和翻譯了《Storm技術內幕與大資料實踐》、《軟體設計之道》和《HBase應用架構》等書籍，曾擔任過多個全國、全球性IT技術會議中架構或大資料專場的出品人，也曾在一些500強企業先後就任過工程師、架構師、總監、公共資料部門的技術總負責人。

墨冶老師在大資料領域擁有豐富的閱歷與見識，也有深厚的實踐經驗。所以這次我們談論大資料的“星空”和“土地”，他無疑是最適合的人選之一。

阿里巴巴資料技術及產品部高階技術專家陳敏敏（墨冶）

大資料“星圖”繪製未半

今天，全球範圍內的資料量呈現出井噴式的增長，大資料技術在很多企業的業務場景中都有非常普遍的應用，也因此湧現出了很多的開源技術和工具。如此繁榮的業態容易給人造成一種整個大資料行業已經完全成熟的錯覺，其實不然，墨冶老師認為從資料量和資料型別上看，大資料還處於上半場。這片星空的星圖有待進一步完善。

“目前僅IOT的資料量全社會就有1.1萬億T，但大量的半結構和非結構化資料還未採集，隨著感測器價格越來越便宜，物聯網的普及，5G的全面商用，資料應當會暴增。”

除了資料井噴現象仍將持續進行且愈演愈烈外，墨冶老師認為，實時計算框架、資料倉儲等技術也將不斷進化，未來幾年我們可能會看到以下三個重大變化：

1、半結構化\非結構的資料湖會逐步成熟。 在Google Trends上，Data Lake熱度已經超過Data Warehouse。支撐資料湖的幾個開源框架的社群也比較活躍，如Apache Atlas已經發布1.0.0版。佛羅斯特研究公司甚至認為資料湖最終會進化成Data Fabric，未來各種資料來源會更加自動化、智慧化、安全的採集到一個平臺，在統一平臺裡提供可信的、360°視角的客戶和商業資料。

2、流和批處理技術統一開發模式。 Spark和Flink等實時計算框架，不僅上層的功能相互借鑑，從最近來看，架構設計上也相互參考，比如micro batch模式的Spark，規模提升後效能會存在一定問題，所以當前Spark也在開發類似Flink的Continuous Processing Mode。

3、ETL會更方便。 目前僅僅用SQL和UDF仍存在不少限制，如缺少關鍵的繼承、不支援遞迴等，隨著一些雲廠商推出視覺化資料清洗工具，以及處理語音、影像、影片的資料湖逐步完善，以後ETL更加視覺化，很多甚至可以透過拖拽完成。

在這樣一個技術發展背景下，開源社群的力量是不容忽視的。墨冶老師認為，好的開源專案最好有一家對應的商業化公司，開發相應解決方案，完善外圍功能，幫助開源專案實現商業化，這樣對專案本身的發展會更加良性。同時，墨冶老師特別提到了上層功能標準化的重要性，特別是對於很多新技術，行業標準化會減少很多不必要的麻煩與成本。

“從程式語言的發展史來看，工具和平臺最終都會朝著降低大家理解世界的成本的方向發展，資料和智慧應用的開發會越來越方便，門檻會越來越低，解放出更多的人從商業和業務角度思考問題。”墨冶表示。

在大資料之路上站穩扶好

很多企業都在開始搭建自己的大資料平臺，這既是時代趨勢使然，也是業務場景需要。但大資料平臺從技術選型、搭建到落地，整個過程一定是困難重重的。

設計大資料平臺時，墨冶老師建議，首先要考慮預算和交付週期。若預算緊、交付週期短，且團隊還不具備提交Patch或者二次開發的條件，那麼可以先選擇部分元件用商業化；其次要評估應用場景的複雜度和資料量，以及保障要求的效能、容錯等非功能性需求，這些可以分幾個階段建設；最後是根據平臺如何設定配套管理流程、制度、規範等。

·常見的挑戰

確實，很多團隊在平臺建設初期會先選擇部分工具使用商用產品，等後期再根據業務需求將其替換到開源軟體，這的確是一個不錯的方式。但這樣一來，在後期進行過渡時，應用遷移將成為一個不小的挑戰。

再者，對於部分業務場景，現有的開源專案無法支撐。而且部分功能有時需要對正在使用中的開源專案進行二次開發，這可能會對平臺造成“傷筋動骨”般的影響，產生較大的麻煩。最後還應注意的問題是，資料儲存和處理分散、煙囪式資料開發，可能導致後期各個部門資料口徑不統一、維護成本高。

·如何應對

“業務發展到一定階段，老的報表平臺上指標口徑繁多，資料經常對不上，維護成本越來越高，問題逐步暴露了出來。”針對這些典型的問題與挑戰，墨冶老師以個人經驗為例，分享了一些應對辦法：

第一，自研自己的自主分析平臺和統一指標平臺，再結合OLAP的優缺點，選型Druid等OLAP做加速，方便自主分析和報表查詢。

第二，梳理各BU的指標，提取出公共的原子指標、衍生指標等，錄入統一指標平臺，統一指標口徑和指標服務。

第三，遷移工作中，自主分析平臺可以直接接入ETL加工後的表，也可以接入統一指標平臺，不用一套標準限制死，否則遷移工作會耗時很長，可以在過程中再慢慢進化。

·上雲也是一個很好的選擇

雲的靈活性、便利性是促使企業在雲上搭建大資料平臺的一大原因，而且，雲也可以提供更專業的大資料技術能力，對於一些技術水平尚缺的公司來說，上雲可以說更具優勢。

“這方面國外比較好，國外超級獨角獸Airbnb、市值千億美金的Netflix都用別人的雲。”墨冶老師表示，“專業的事情可以交給專業的公司來做，自己專注到業務增長上面。國內很多公司到了一點規模，還處於虧損狀態，就喜歡全部自建。我看到有些公司因為這塊壓力，拖累管理精力和成本而死掉。”

什麼是優秀架構師的基本素養？

很多初入IT行業的年輕朋友致力於走上架構一途，但往往苦於不知該如何前行，難以拿捏方向。那麼，要成為一名優秀的架構師應該具備哪些基本能力和素養呢？墨冶老師表示，自己接觸過的優秀架構師主要具備以下三方面的能力：

１、技術層面。 對分散式、高併發、高可擴充套件、效能最佳化等基本原理有一定了解，最好深入瞭解過一個框架。保持好奇心，有精力跟一條技術線的發展趨勢。

２、業務層面。 瞭解業務目標、策略和場景，知道盡可能全的業務場景，有助於設計好的產品。其中，業務流程的抽象能力對應用架構師就特別重要了。要知道，垂直領域的業務專家可是比技術架構師吃香，業務專家和老闆基本無縫溝通，技術型架構師很多還是很吃力的，深入業務是一個優秀應用架構師必備的能力。

３、溝通、協同能力。 很多重要系統往往是跨團隊、跨大型組織的，要想成為一個優秀的架構師，必須具備在複雜組織下協調和推進能力，能求同存異，協同兄弟團隊把方案落下來，才能拿到結果。

2018中國系統架構師大會（SACC）即將盛大開幕，10月17日到19日，這一由IT168旗下ITPUB企業社群平臺主辦的技術盛會將走過第十個年頭。

作為SACC的重要參與者，墨冶老師親身見證了許多架構師的技術成長之路，他表示：“在技術日新月異的今天，每個人或多或少都有危機感，唯有持續充電，方能不被淘汰，SACC是一個挺好的平臺，對於架構師或者想成為架構師的朋友是個很好的充電機會，幫助自己捕捉到前沿技術發展趨勢，增加自己的寬度和深度。”

與此同時，墨冶老師也代表阿里巴巴向各界精英人才廣發英雄帖。阿里巴巴資料技術及產品部是阿里巴巴大中臺戰略的重要部門，承載了集團資料中臺的工作，如果你對此感興趣，可以聯絡：

關於SACC 2018

2018年10月17日~19日，由IT168旗下ITPUB企業社群平臺主辦的第十屆中國系統架構師大會（SACC2018）將在北京隆重召開。自2009年以來，SACC架構師大會已成功舉辦了九屆，雲集了國內CTO、研發總監、高階系統架構師、開發工程師和IT經理等技術人群，與會規模超千人。本屆大會包括了核心業務系統架構設計、大資料平臺架構、傳統企業數字化轉型、人工智慧應用等四大主線，且每個主線都採用序列的場次安排，以保證大家都能全程聽完。

此外，本屆大會採用了“3+2”模式：3天傳統技術大會演講+2天深度主題培訓。40分鐘的大會主題，是從廣度的角度出發，以供大家參考更多的案例；而連續2天的深度課程培訓，則是從企業應用專案選型實施角度出發，全面而深入地向企業傳達：針對某個應用方案的具體實現、選型比較、實現策略、成本對比、優勢優點、自我經驗，教訓總結等內容。

搶票入口：   http://sacc.it168.com/goupiao.html

大會官網：   http://sacc.it168.com