在营业增加进程中，每个企业不知不觉堆集堆集了一些数据。不管数据是多是少，企业都希望让“数听措辞”，经过对数据的收集、存储、分析、计较终极供给对营业有代价信息。

由此，大数据平台、数据中台等新颖的概念就真的落地了，实在数据类的概念都是不异的：报表、BI、数据仓库...少了一个都玩不转，只要每一个都做到极致，企业的数据代价才能获得进步。

先来说说布景吧，搭建大数据平台离不开BI。在大数据之前，BI就已经存在很久了，简单把大数据同即是BI，明显是不得当的。但两者又是慎密关联的，相辅相成的。

BI是告竣营业治理的利用工具，没有BI，大数据就没有了代价转化的工具，就没法把数据的代价显现给用户，也就没法有用地支持企业经营治理决议；大数据则是根本，没有大数据，BI就落空了存在的根本，没有法子快速、实时、高效地处置数据，支持利用。

所以，数据的代价发挥，大数据平台的扶植，必定是包括了大数据处置与BI利用分析扶植的。

淘宝的大数据平台

滴滴的大数据平台

你可以看到，这些著名大厂的大数据平台真的是大同小异，他们按照各自场景和技术栈的分歧，虽然在大数据产物选型和架构细节上略有调剂，但整体思绪根基上都是一样的。

再来说说数据中台吧，厚平台，大中台，小前台，没有根本丰富粗笨的大数据平台，是不成能构建数据才能强大、功用强大的数据中台的。没有大数据中台，要敏捷搭建小快灵的小前台也只是理想化的。

数据平台你可以把它看成是数据集，那末数据中台呢他就是数据集API,那末它们之间就差在API这三个字母上，API我想应当不需要过量诠释呢，大师都晓得，比如学JAVA的时辰有了JAVA API你才晓得怎样利用，那末数据中台相当于在数据平台的根本上告诉你这些数据怎样利用。

稀有据中台之前，我们底子就不清楚表的来历和链路，特别是一些复杂报表的成果表，来历很是复杂能够触及到多个系统，触及十几个源表。等到上游营业表要做变更、都不晓得会影响哪些报表，线上已经运转上千个报表了啊！要去揪出这些来实在是麻烦！有了数据中台以后，10秒钟就能处理这个题目。

假如是公司需要停止大数据分析，那末还要研讨以下几个题目：

为什么需要搭建大数据分析平台？要处理什么营业题目？需要什么样的分析？数据量有几多？能否有实时分析的需求？能否有BI报表的需求？

这里举一个典型的场景：

公司之前采用Oracle或MySQL搭建的营业数据库，而且有简单的数据分析，大概能够采购了BI系统，就是间接用营业系统数据库停止支持的，现在随着数据量越来越大，那末就需要采用大数据技术停止扩容。

搞清楚需求以后，依照以下的步调停止：

1、整体计划设想

2、组件选型

架构设想完成后就需要组件选型了，这时辰最好是比力资深的架构师介入设想，选型包括：

（此处已增加小法式，请到本日头条客户端检察）

3、安装摆设

选型完成后，便可以停止安装摆设了，这部分实在是最简单的，间接依照每个组件的摆设要求安装即可。

后文是对数据仓库、大数据平台、数据中台的一些总结性的架构材料，也是对自己这些年来的一些汇总和思考吧，看懂了前面的笔墨，前面的各类架构图也就无需赘述了。

1、数据仓库硬件架构

2、数据仓库功用架构

3、数据仓库技术架构

4、第一个Hadoop平台硬件架构

主如果为领会决海量离线数据的计较和存储，在Hadoop集群中实现明细数据、汇总数据存储，在mysql中实现报表数据存储。

5、第一个流式处置平台硬件架构

主如果为领会决海量实时数据的流式收集和计较，在Hadoop集群中实现明细数据、汇总数据存储，在mysql中实现报表数据存储；并经过实时势件处置集群实现流式事务的婚配。

6、大数据平台系统计划

对于大数据平台各类软硬件各类组件的计划

7、大数据平台系统定位

8、大数据平台逻辑摆设架构

9、大数据平台功用视图

10、大数据平台数据流向

11、大数据平台整体硬件架构

12、数据中台整体架构