全部产品
Search
文档中心

DataHub:产品概述

更新时间:May 20, 2022

阿里云流数据处理平台数据总线DataHub是流式数据(Streaming Data)的处理平台,提供对流式数据的发布 (Publish),订阅(Subscribe)和分发功能,让您可以轻松构建基于流式数据的分析和应用。数据总线 DataHub服务可以对各种移动设备,应用软件,网站服务,传感器等产生的大量流式数据进行持续不断的采集,存储和处理。用户可以编写应用程序或者使用流计算引擎来处理写入到数据总线 DataHub的流式数据比如实时Web访问日志、应用日志、各种事件等,并产出各种实时的数据处理结果比如实时图表、报警信息、实时统计等。

产品概述

数据总线 DataHub基本介绍

阿里云流数据处理平台数据总线DataHub是流式数据(Streaming Data)的处理平台,提供对流式数据的发布 (Publish),订阅 (Subscribe)和分发功能,让您可以轻松构建基于流式数据的分析和应用。数据总线DataHub服务可以对各种移动设备,应用软件,网站服务,传感器等产生的大量流式数据进行持续不断的采集,存储和处理。用户可以编写应用程序或者使用流计算引擎来处理写入到数据总线DataHub的流式数据比如实时Web访问日志、应用日志、各种事件等,并产出各种实时的数据处理结果比如实时图表、报警信息、实时统计等。

数据总线DataHub服务基于阿里云自研的飞天平台,具有高可用,低延迟,高可扩展,高吞吐的特点。数据总线DataHub与阿里云流计算引擎StreamCompute无缝连接,用户可以轻松使用SQL进行流数据分析。

数据总线DataHub服务也提供分发流式数据到各种云产品的功能,目前支持分发到MaxCompute(原ODPS),OSS等。

系统整体功能图

system

产品优势

高吞吐

最高支持单shard每日1.6亿Record级别的写入量。

实时性

通过数据总线DataHub ,您可以实时的收集各种方式生成的数据并进行实时的处理,对您的业务产生快速的响应。

易用性

  • 数据总线DataHub 提供丰富的SDK包,包括C++, JAVA, Pyhon, Go等语言。

  • 数据总线 DataHub服务也提供Restful API规范,您可以用自己的方式实现访问接口。

  • 除了SDK以外,数据总线 DataHub 还提供一些常用的客户端插件,包括:Fluentd,LogStash,Flume等。您可以使用这些客户端工具往数据总线 DataHub 里面写入流式数据。

  • 数据总线 DataHub 同时支持强Schema的结构化数据(创建Tuple类型的Topic)和无类型的非结构化数据(创建Blob类型的Topic),您可以自由选择。

高可用

  • 服务可用性不低于99.9%。

  • 规模自动扩展,不影响对外服务;数据持久性不低于99.999%。

  • 数据自动多重冗余备份。

动态伸缩

每个主题(Topic)的数据流吞吐能力可以动态扩展和减少,最高可达到每主题256000 Records/s的吞吐量。

高安全性

  • 提供企业级多层次安全防护,多用户资源隔离机制;

  • 提供多种鉴权和授权机制及白名单、主子账号功能。

使用场景

数据总线 DataHub作为一个流式数据处理服务,结合阿里云众多云产品,可以构建一站式的数据处理服务。

environment

流计算StreamCompute

StreamCompute是阿里云提供的流计算引擎,提供使用类SQL的语言来进行流式计算。数据总线 DataHub 和StreamCompute无缝结合,可以作为StreamCompute的数据源和输出源,具体可参考实时计算文档

aliyun-stream-dataflow

流处理应用

用户可以编写应用订阅数据总线 DataHub中的数据,并进行实时的加工,把加工后的结果输出。用户可以把应用计算产生的结果输出到数据总线 DataHub中,并使用另外一个应用来处理上一个应用生成的流式数据,来构建数据处理流程的DAG。

流式数据归档

用户的流式数据可以归档到 MaxCompute(原ODPS)中。用户通过创建数据总线 DataHub Connector,指定相关配置,即可创建将数据总线 DataHub中流式数据定期归档的同步任务。