数据湖技术之平台建设篇1

一. 建设思路

        在原有平台基础上，融合数据湖技术，提供统一、完善的湖仓能力，逐步实现湖仓一体、流批一体的最终模式。其中具体工作主要包括：

• 适配不同的计算引擎、存储引擎等
• 集成具体的数据湖技术，接入、元数据管理、数据处理等能力形成平台化
• 安全保障机制：
  • 监控告警保障：任务监控、文件监控、性能监控等能力
  • 小文件自动处理能力、任务自动恢复能力
  • 数据安全方面保障

二. 核心功能建设

        融合数据湖技术，形成湖仓一体化平台，主要需要考虑建设以下几个核心功能：第一个是数据集成方面，需要形成统一化的数据集成平台能力，自动化接入，不增加业务接入成本， 让业务接入便捷。第二个是元数据管理方面，需要打通湖仓元数据，提供统一化、安全稳定的元数据管理服务，不增加维护和应用的复杂性。第三个是对底层不同存储方案提供统一的开发接口能力等，方便对齐数据交互模式以及完善适配能力。第四个是提供一站式、托管化、智能化数据平台管理能力，主要是相关的一些服务管理能力建设，比如说湖仓任务管理、权限管理、数据探查等等。最后一个是平台稳定性和可靠性保障方面，需要保证服务的安全稳定才能达到上线的基本要求，才能开展后续的业务应用落地相关的推动工作。

2.1 数据集成

        数据集成平台主要能力包括，数据采集、数据存储、数据分发。具体建设一般是复用原大数据平台的数据集成能力，在原有基础上去简单扩展数据类型的支持，形成一建入湖，低成本接入的集成能力。引入一种技术类型