大数据技术是近几年发展比较繁荣的技术方向，出了很多优秀的开源项目，也有越来越多的公司投入大量人力在其中. 认识到数据的重要性，数据分析平台系统也成为数据平台重点建设的项目，数据分析被广泛应用到电商、金融、教育、医疗领域. 开源的OLAP数据分析引擎：. 1.2 wedata系统架构图. 已有 0 人发表留言，猛击->> 这里<<-参与讨论.

Uber 实时系统的 Use case：. 举一个更详细些的例子，UberEATS 是 Uber 的外卖服务. 实时系统也为这个功能估算送餐时间. 所有来自乘客和司机的事件 event ，由 Kafka 收集. Kafka 使用 Pub-sub 的订阅发布模式. Uber 整个系统中各个 microservice 之间的通信也通过了 Kafka.

拓展阅读： 大数据总线平台DBus设计思路与工作原理. 如何基于日志，同步实现数据的一致性和实时抽取?. 快速部署DBus体验实时数据流计算. Dbus所支持两类数据源的实现原理与架构拆解. 大体来说，Dbus支持两类数据源：. 一、RMDBMS类数据源的实现. 1.1 日志抽取模块（Extractor）.

随着互联网、移动互联网和物联网的发展，谁也无法否认，我们已经切实地迎来了一个海量数据的时代，数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB，对这些海量数据的分析已经成为一个非常重要且紧迫的需求. 作为一家互联网数据分析公司，我们在海量数据的分析领域那真是被“逼上梁山”. 多年来在严苛的业务需求和数据压力下，我们几乎尝试了所有可能的大数据分析方法，最终落地于Hadoop平台之上.

Dbus所支持两类数据源的实现原理与架构拆解. 大体来说，Dbus支持两类数据源：. 一、RMDBMS类数据源的实现. 1.1 日志抽取模块（Extractor）. mysql 日志抽取模块由两部分构成：. canal server：负责从mysql中抽取增量日志. mysql-extractor storm程序：负责将增量日志输出到kafka中，过滤不需要的表数据，保证at least one和高可用.

趣头条一直致力于使用大数据分析指导业务发展. 目前在实时化领域主要使用 Flink+ClickHouse 解决方案，覆盖场景包括实时数据报表、Adhoc 即时查询、事件分析、漏斗分析、留存分析等精细化运营策略，整体响应 80% 在 1 秒内完成，大大提升了用户实时取数体验，推动业务更快迭代发展. Flink to Hive 的小时级场景.

HBase是Apache Hadoop的数据库，能够对大型数据提供随机、实时的读写访问. HBase的目标是存储并处理大型的数据. HBase是一个开源的，分布式的，多版本的，面向列的存储模型. 5 可在廉价PC Server搭建大规模结构化存储集群. HBase是Google BigTable的开源实现，其相互对应如下：.

　　来源：http://www.quora.com/What-is-Facebooks-architecture （由Micha?l Figuière回答）. 　　根据我现有的阅读和谈话，我所理解的今天Facebook的架构如下：. Web 前端是由 PHP 写的. Facebook 的 HipHop [1] 会把PHP转成 C++并用 g++编译，这样就可以为模板和Web逻贺业务层提供高的性能.