アジャイルビッグデータ、つまり原則を導くアジャイル哲学においては、一連のツールを構築するための共通のプラットフォーム、および軽量化をサポートするためのビッグデータアプリケーションのライフサイクル方法論のセット、より柔軟な、ビッグデータの練習のしきい値を下げます。この記事では、我々は理論的なレベルから理解して全体の「アジャイルビッグデータ」を説明しました。
まず、アジャイルの原則の概念ビッグデータ
1.1 /プラットフォーム/製品/ローカリゼーションのコンポーネント
コンポーネント化/プラットフォーム：プラットフォームの複数のモジュラーリンク抽象形態高い凝集機能部品による大型データ処理、アセンブリのプラットフォームに依存しないと既存の統合されたプラットフォームコンポーネントを使用することができ、解決するために組み合わせることができます異なるリンクについて多くの質問。
製品/局在化：異なるプラットフォームのコンポーネントの組み合わせ、抽出された抽象サービスロジックモデル規則及びアルゴリズムモデルが容易に特定のビジネスソリューションの製品の分野で構築することができるとともに、ソリューション製品の実際のローカル着陸導入データ・モデル適応/ルールセット/パラメータ調整アルゴリズムモデルを含む方法。
1.2統一/オープンな技術/制御技術
開放の適合性を強化するために設計された、柔軟性を向上させる; 2つの補数お互い、合理的なバランスを見つける必要がある、とのまだ全体的な管理と制御、統一されたシステムの複雑さを簡素化管理と制御能力を向上させるために設計されています。
1.3標準化/界面/構成/可視化
プロトコルの名前空間は、データ/メタデータを含む大規模なデータ処理チェーン、標準化されたプロトコルのシリーズ、およびデータ型指定プロトコル/データ・アクセス・インタフェース・プロトコル/クエリ言語プロトコル/データ転送プロトコル/データセキュリティプロトコル：の標準化/インターフェース;サービス・インターフェースとシステムの相互作用の間にキュー・インターフェースを提供する方法。
/可視化の設定：可視化とインタラクティブな方法を提供するように配置。
1.4セルフヘルプ/自動化/インテリジェント
管理および制御が掛かる環境下でのフィールドで、ユーザーがビジネスニーズを達成するためのプラットフォームとデータのより自己志向使用することができますので、現代のデータ・アプリケーションは、出力する能力を必要とする自助ルーチンの操作がより良い自動化された方法でサポートすることができます。洞察自助をすることができますインテリジェントに、より良いサポート。
エンジン駆動（イベント・エンジン/アクションエンジン/ルールエンジン）の1.5
ビッグデータアプリケーションはより機敏かつ迅速、機敏なことができるように、高度なエンジンの駆動能力を導入することにより、外部の観客の積極的な接触は、今回ビッグデータアプリケーション自体は、ビジネスを駆動する強力なエンジンとなっています。
第二に、あなたはユニバーサルツールプラットフォームを抽象化することができます
エンタープライズクラスのリアルタイム・データ・プラットフォーム、例えば、我々はビッグデータのアジャイル概念の原則によって導かれ、リアルタイムデータプラットフォーム全体的なエンド・ツー・モジュール化セグメンテーション、および標準化された一連のプロトコル、そして最終的に統一された、オープンの原則を決定しますこれまで共通のプラットフォームとツールの境界とインタフェース仕様の開発。
図は、後続の記事で私たちは、共通のプラットフォーム・ツール由来の出発点、精巧な抽象化やアーキテクチャなどのリアルタイムデータプラットフォームとなり、概念ブロック図アーキテクチャリアルタイムデータプラットフォームです。
ライフサイクル全体で第三に、大規模なデータ・アプリケーション
3.1検証要件分析フェーズ
要求分析段階では、我々はすぐにデータアプリケーションのプロトタイプPOCを開発し、できるだけ早期に、迅速な反復ポイントのすべてのニーズをカバーすることが検証された後にできるようにする必要があります。
事業開発スタッフをサポートするための可視化機能/のアジャイルビッグデータプラットフォーム/構成は、視覚的に設定するとによって迅速に検証の繰り返しが必要です。ビジネス開発者は、唯一のビッグデータ技術の問題にあまり関心なしに、ビジネスの問題そのものに焦点を当てる必要があります。
3.2アーキテクチャの設計と選択相
実際、ストレージおよび計算エンジン選択プロセスでは、SLAの要件を満たすために、データとスケールに加えて、多くの要因を考慮することなく、オープンソース技術の選択の限界と問題点を受ける必要がありました。
標準化されたアジャイルビッグデータ/インタフェース技術/統一/オープンので、ベストプラクティスのアーキテクチャの選択のセットを提供する能力だけでなく、大幅に、オープンソース技術が問題と互換性がないシールド、システム設計の複雑さを軽減異なるストレージおよび計算エンジンをサポートする柔軟性を選択します。
3.3試験実施例チューニングステージ
テストとチューニングの実施形態ビッグデータ、カスタマイズ開発は、多くの場合、非常に時間のかかる作業であり、可変長と多様性の選択処理チェーン技術として、さらにチューニングテストの複雑さを増します。
インターネットアジャイル大きなデータ/ /ビジュアル/統合/対照および試験チューニングを実施するプロセスを作ることができるのでの/構成のインタフェースとなる反復プロセスを通して、視覚的構成/テスト/検証、データ処理チェーンを取り質問は視覚マスキング/処分され、問題はシールドのあまり統一技術選択/コントロールです。
3.4のオンライン移行段階の展開
ビッグデータは、多くの場合、複雑なオンラインの展開ステップの移行の開発をカスタマイズしたエラーが発生しやすい、スクリプトが方法でサポートすることができたとしても、それが不均一に起因するものと、非直感的な潜在的な問題をもたらす可能性があります。/ビジュアルの/統一/制御/セルフヘルプや他の機能のプラットフォームアジャイルビッグデータ/設定ができるようにオンライン展開の統一されたプラットフォーム機能の恩恵を受けているの移行が容易、かつセルフサービスの道に開いてこれらの機能ユーザー。
3.5管理運用、保守監視段階
企業内の管理操作や保守監視は、また、適切な機能を提供し、加えて、インテリジェント/自動化を提供することができます転嫁管理および制御、/自助のアジャイルビッグデータプラットフォーム/制御を統一する傾向があるので、能力がさらに操作を減らすためにワークロードは、また、既存の環境モニタリングシステムの運用・保守とのインタフェース機能を介して一体化することができます。
第四に、練習の練習アジャイルビッグデータ
図は、我々の偉大な敏捷要約されたデータのさまざまなコンポーネント間の関係です。
アジリティアジリティビッグデータビッグデータプラットフォームのコンセプトは、+ +ビッグデータビッグデータアジャイルプラクティス→アジャイル方法論を積み重ねます
本稿では、「アジャイルビッグデータ」の定義と同様に、アジャイルビッグデータの概念、そして簡潔には、プラットフォーム・スタックを構築し、この考え方に基づいた方法を実践する方法を学習する方法を説明します。今後の記事では、我々は特定のアジャイルビッグデータの経験各地の詳細なアジャイルビッグデータの旅を拡大していきます。
著者：呂汕尾
出典：テクノロジーのCreditEase研究所
ます。https：//juejin.im/post/5d0afac3f265da1b8466eae4で再現