巨无霸们的数据架构大比拼：Facebook Amazon Airbnb的海量数据如何记录分析

大数据文摘作品，转载要求见文末

作者 | Michelle Wetzler

编译 | 璐、颖子

全球最好的数据架构长什么样？

我们认为使用事件数据的公司会有很强的竞争优势。这一点在世界领先的科技公司中似乎都得到了证明。脸书、亚马逊、Airbnb,Pinterest和Netflix公司的数据工程师团队一直令人称奇。他们的工作为软件和商务的认知设定了新准则。

因为他们的产品被广泛的使用，这些团队必须不断重新定义大规模数据分析。他们在数据架构上已经投入数以百万计的资金，并且拥有比大多数公司的整个工程部门人数还多的数据团队。

如果你对大型公司的大数据框架感到好奇，下面我们将介绍最好的集成架构。

Netflix 网飞

尽管拥有9300万月活跃用户，网飞在交互上没有任何缺陷。他们每天可以收集到大概5千亿条事件数据，大概占1.3PB。在高峰时段，他们每秒会记录800万条数据。网飞雇佣的数据工程师和分析师超过100人。

下面是在网飞之前公布的公司数据架构的简图，主要包括Apache Kafka, 弹性搜索, AWS S3, Apache Spark, Apache Hadoop, 和EMR。

来源http://techblog.netflix.com/2016/02/evolution-of-netflix-data-pipeline.html

Facebook 脸书

由于拥有超过10亿的活跃用户，脸书的数据库是世界上最大的数据库之一，储存了超过300pb的数据。这些数据会用于各种应用程序，从传统的批处理，到图像分析、机器学习和实时交互分析。

为了实现大规模交互查询，脸书的工程师设计了Presto，一个使用特定分析优化的定制分布式SQL查询引擎。上千员工在使用这一引擎，这些人每天跨越各种不同的后端数据库，如Hive, HBase, 和Scribe，执行超过3万个查询。

Airbnb 爱彼迎

爱彼迎支持超过1亿用户对200万条房屋记录进行查询。另外，爱彼迎可以为用户智能地提供旅行建议，这对其发展是非常重要的。他们的团队建立了一个很棒的博客AirbnbEng，去年他们在博客上介绍了爱彼迎的数据架构。

在我们去年办的一个聚会中，爱彼迎的数据科学部的经理, Elena Grewal说“要建立一个世界级的分析团队”。他提到爱彼迎的数据团队已经超过30人，公司每年付给这些职员的薪水超过500万美元。

Pinterest 品趣志

品趣志有超过1亿的月活跃用户和超过100亿的月页面访问量。在2015年，他们的数据团队的工程师就超过了250个。他们的架构很大程度上依赖于Apache Kafka、Storm、Hadoop、HBase 和 Redshift。

品趣志的数据架构概览

品趣志的团队不只需要持续记录巨量的客户数据，他们还需要给他们的广告商提供详细的分析结论。Tongbo Huang写过“在品趣志的背后：建立品趣志分析系统”(https://medium.com/@Pinterest_Engineering/behind-the-pins-building-analytics-f7b508cdacab?s=hi-from-keen-io)，该文章介绍了他们怎样改进数据分析软件栈以满足上述的需求。下图说明了他们如何运用Apache Kafka、AWS S3、和 HBase来实现目标的：

Pinterest商务分析系统数据架构

Pinterest商务分析系统客户界面

Twitter / Crashlytics

Crashlytics Answers团队建立了用来处理每天百万记的移动设备事件的架构。

事件接收器

存档

批处理

运算速度

组合视图

致谢

感谢协作数据工程社区，他们不仅持续发明新的数据科技，并且坚持开源并分享他们的知识。如果不是之前那么多工程师团队所做的基础工作，我们的工作不可能完成。同样如果没有那些日以继夜一直与我们并肩作战的人，我们的工作也不可能完成。欢迎在文章后进行评论和反馈。

特别感谢上面提到的文章的作者和架构师：网飞的Steven Wu, 脸书Presto的Martin Traverso , AirbnbEng,Pinterest Engineering, 和 Crashlytics Answers 的Ed Solovey 。

原文链接：https://blog.keen.io/architecture-of-giants-data-stacks-at-facebook-netflix-airbnb-and-pinterest-9b7cd881af54