SLide bài giảng môn học Phân tích dữ liệu lớn về nội dung "Mô hình xử lý đồ thị và luồng"

SLide bài giảng môn học Phân tích dữ liệu lớn về nội dung "Mô hình xử lý đồ thị và luồng" của Đại học Ngân hàng Thành phố Hồ Chí Minh với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao cũng như có thể vận dụng tốt những kiến thức mình đã học vào thực tiễn cuộc sống. Mời bạn đọc đón xem!

Thông tin:
24 trang 11 tháng trước

Bình luận

Vui lòng đăng nhập hoặc đăng ký để gửi bình luận.

SLide bài giảng môn học Phân tích dữ liệu lớn về nội dung "Mô hình xử lý đồ thị và luồng"

SLide bài giảng môn học Phân tích dữ liệu lớn về nội dung "Mô hình xử lý đồ thị và luồng" của Đại học Ngân hàng Thành phố Hồ Chí Minh với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao cũng như có thể vận dụng tốt những kiến thức mình đã học vào thực tiễn cuộc sống. Mời bạn đọc đón xem!

86 43 lượt tải Tải xuống
lOMoARcPSD|36667950
NI DUNG
Mô hình x lý lung
Mô hình x lý d liu
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
Khái nim
Vic x mt tp d liu ln mà không cần tương tácngười dùng
trong quá trình x
Điều này thường ưc thc hin vi nhng tác v òi hi thi gian x
lý ln, chng hn:
Phân tích d liu ln
X lý hóa ơn hàng lot
X lý giao dch ngân hàng hàng lot
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LÔ
Quy trình
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
Quy trình
D liu mới ược sinh ra s ược gom nhóm thành các (batch)
sau ó s ược x lý (process) sau ó
Hai cách ph biến xác nh khi nào các batch này s ược x lý là:
• Dựa trên mt khong thi gian nht nh
Ví d: C 60 phút x lý mt ln)
• Dựa trên mt s iu kin nht nh
Ví d: c thu thp 50 files d liu s x lý mt ln, hay c thu thp 100G d liu s x lý mt lần, …
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LÔ
Ngun: Microsoft
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
Công c h tr
Hadoop
Mt framework mã ngun m ược thiết kế lưu trữ và x lý d liu ln trên
mt cm máy tính vi phn cng chun.
Gm hai thành phn chính
Hadoop Distributed File System (HDFS) lưu trữ d liu
Hadoop MapReduce x lý d liu
• Hadoop cho phép xử lý d liu hàng lot bng cách phân chia công vic x lý trên
nhiu máy tính trong cm
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LÔ
Công c h tr
Apache Spark
Mt h thng x lý d liu phân tán mã ngun m, tối ưu chotốc , s d dùng,
và tính linh hot
th x d liu hàng lotd liu theo dòng (streaming),h tr mt lot
các tác v, t phân tích d liu ến hc máy
Thường nhanh hơn Hadoop MapReduce, ặc bit khi thc hin nhiu tác v x
trên cùng mt tp d liu
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
Công c h tr
Hive
Công c phù hp cho những người ã quen vi SQL và mun áp dng k năng SQL
ca mình phân tích d liu hàng lot trên Hadoop
Hu ích khi cn chuyn i d liu ln t Hadoop vào cơ sở d liu SQL
MapReduce
Mô hình lp trình hu ích to các ng dng phân tán t u, cho phép bn tn
dng toàn b sc mnh ca Hadoop
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LÔ
ng dng thc tế
Batch Processing thường ược s dng trong các ng dng yêu cu
x d liu ln không cn ến kết qu ngay lp tức, như phân
tích d liu quy mô ln, thng kê, d báo, hoc x lý giao dch hàng
lot
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
ng dng thc tế
Phân tích d liu quy mô ln
Do không yêu cu s tương tác ngưi dùng trong quá trình xlý, Batch
Processing rt phù hp vi vic phân tích d liu ln.
Các t chức thường s dng Batch Processing phân tích lưu lưng truy
cp web, thông tin khách hàng, kết qu bán hàng, và nhiều hơn na
Ví d, mt công ty có th dùng Batch Processing vào cui mi ngày tng hp và phân tích d liu
bán hàng
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LÔ
ng dng thc tế
X lý giao dch ngân hàng
Các ngân hàng thưng s dng Batch Processing xhàng lot các giao dịch, như
chuyn tin, rút tiền, và thanh toán hóa ơn
Nhng giao dịch này thường ược tng hp vào cuối ngày ược x nmột
batch Thng kê và do
Batch Processing thường ược s dng trong vic thng kê và d báo
D liu t nhiu nguồn khác nhau ưc tng hp x lý hàng lot to ra các d
báo v th trường, xu hướng tiêu dùng, hoc các d báo khác
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LÔ
ng dng thc tế
X lý hóa ơn hàng loạt
Các doanh nghiệp thường s dng Batch Processing x hóa ơn hàng loạt
Điu này bao gm vic to, gửi, và theo dõi hóa ơn cho hàng trăm hoặc thm chí
hàng nghìn khách hàng cùng mt lúc
X lý d liu trên h thng máy ch
Mt s tác v như sao lưu dữ liu, cp nht phn mm, hocchy các công vic
lch biểu thường ược thc hiện như các qtrình Batch Processing, thường xuyên
vào thi im nào ó trong ngày khi ti h thng thp
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LUNG
Khái nim
Quá trình x lý d liu gần như ngay lập tức sau khi nóược to ra
• Dữ liu s không phi ch cho ến khi batch mới ược x, nó s ược xngay
khi d liệu ược phát sinh
Điu này c bit hu ích khi cn xphân tích d liu theo thi
gian thc
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LUNG
Quy trình
D liu
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LUNG
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LUNG
Công c h tr
Apache Kafka
H thng phân tán ngun m ược thiết kế x lung d liu theo thi
gian thc
Đưc thiết kế x lung d liu quy ln, áng tin cy, và kh năng mở
rng linh hot
Thường ược s dng trong các h thng vn hành theo thi gian thực, như theo
dõi hot ng người dùng trc tuyến, phân tích lung d liu t các cm biến IoT,
hoc làm h thng trung gian cho vic truyn d liu gia các h thng khác nhau
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LUNG
Công c h tr
Apache Flink
Framework mã ngun m cho vic x lý d liu theo lung(streaming) và theo
lô (batch) vi tr thp và quy mô ln
Đưc thiết kế chy trên các cm máy tính phân tán và cung cp kh năng xử
d liu theo thi gian thc, kh năng khôi phục sau khi li hình lp trình
d s dng
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LUNG
Công c h tr
Apache Storm
H thng x lý d liu theo thi gian thc mã ngun m
Cho phép x d liu theo thi gian thc bng cách s dngcác lung d liu
không gii hn, và cung cp kh năng xử lý s c, m rng, và cân bng ti
Thích hp cho nhiu ng dng, t x lung d liu IoT choến phân tích d liu
theo thi gian thc
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LUNG
Công c h tr
Google Cloud Dataflow
Dch v x d liu theo thi gian thc hàng loạt ược qun lý hoàn toàn trên
Google Cloud Platform
T ng iu chnh quy mô tài nguyên da trên yêu cu công vic, giúp x lượng
d liu ln mà không cn quan tâm ến vic quản lý cơ sở h tng
Cung cp hình lập trình ơn giản, giúp tp trung vào vic viết không
phi quan tâm ến chi tiết ca h thng
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LUNG
ng dng thc tế
Phân tích d liu theo thi gian thc
Stream Processing giúp các t chc phân tích d liu ngay lp tc khi d liu
ược to ra, cung cp cái nhìn tc thi v hot ng kinh doanh
Ví dụ, các công ty thương mại in t có thng Stream Processing theo dõi hành vi mua hàng
ca khách hàng theo thi gian thc và to ra các gi ý sn phm phù hp
Giám sát và cnh báo
• Stream Processing cung cấp kh năng phát hiện và phn ng nhanh chóng vi các
s kin quan trng
Ví d, các h thng giám sát giao thông có th dùng Stream Processing phát hin và cnh
báo ngay lp tc v các v tai nn giao thông
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIU THEO LUNG
ng dng thc tế
X lý d liu t thiết b IoT
Các thiết b IoT thường to ra lung d liu liên tc
Stream Processing giúp x lý và phân tích d liu này theo thigian thc, cho
phép các t chc d oán và phn ng nhanh chóng vi các s kin
Ví d, h thng giám sát chất lượng không khí trong mt thành ph có thdùng Stream Processing
theo dõi mc ô nhim không khí và cnh báo ngay lp tc khi mc ô nhiễm vượt quá ngưỡng
cho phép
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU THEO LUNG
ng dng thc tế
Qung cáo theo thi gian thc
Stream Processing cho phép các công ty qung cáo cung cpqung cáo theo thi
gian thc dựa trên hành vi người dùng
Điu này th bao gm vic hin th qung cáo dựa trên trangweb người
dùng ang xem hoc da trên v trí a lý ca h
Phân tích truyn thông xã hi
Stream Processing giúp các công ty phân tích d liu t cácnn tng truyn thông
hi theo thi gian thc, cho phép h theo dõi xu hướng phn ng nhanh chóng
vi các s kin
Ví d, các công ty marketing có th s dng Stream Processing theo dõi các hashtag trên Twitter
và phn ng nhanh chóng vi các ch ang hot
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Khái nim
ưc s dng
ối tượng
Đỉnh
(vertex/node)
Cnh (egde)
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
S
tăng
trưởng vượt bc trong vic s dng d liu
Mng xã hi
Đỉnh
- Người dùng
- Bài viết, hình nh
Cnh
- Mi liên h xã hi
+ Có hướng: Twitter
+ Vô hướng: Facebook - Ưa
thích (likes)
Ngun: Pinterest
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
S
tăng
trưởng vượt bc trong vic s dng d liu
Mạng lưới Web
Đỉnh
- Trang web (webpage)
Cnh
- Liên kết (có hưng)
Ngun: Pinterest
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
S
tăng
trưởng vượt bc trong vic s dng d liu
Mng chui cung ng
Đỉnh
- Nhà cung cp
- Khách hàng
Cnh
- Giao dch mua/bán
Ngun: Requis
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
X LÝ D LIỆU ĐỒ TH
Khái nim
Đồ th cu trúc d liu trừu tượng ược s dng hình hóa
mi quan h cu trúc gia các ối tượng
Thc tế
S tăng trưởng vượt bc trong vic s dng d liu th trong các
ng dng hin i
Các ng dng này hot ng trên các th ln vi hàng t nh
cnh
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
Mng i web
Xếp hng trang
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
Mạng i web mng hi rt ln tiếp tc phát trin
vi tc nhanh chóng
Google ước tính s lượng trang web vượt quá 10
12
Facebook có hơn 10
9
người dùng và hơn 140 tỷ mi quan h
Twitter có hàng t mi quan h theo dõi
Các h thng e-Commerce hàng trăm triệu mi quanh mua-bán
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Cơ sở d liu thX lý d liu
th
B lưu trữCác API duyt và x
Ngôn ng truy vn Nâng cao
hiu qu Giao dch (d liu
trong b nh)
Ví d: Ví d:
Neo4jGraphX
OrientDBGiraphe
TitanGraphLab
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
Thách thc i với “tính toán thị”
Đồ th không va vi mt máy
Hn chế trong vic truy cp b nh theo v trí
Rt ít công vic trên mi
Vic duyt
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Thách thc i vi Hadoop MapReduce
Mi ln thc thi, MapReduce c d liu gc t ĩa cứng (HDFS),
tính toán các kết qu và lưu trữ chúng tr lại ĩa cứng
Hu hết thut toán th u quá trình lp, vic c toàn b d
liu t ĩa và ghi kết qu vào ĩa sẽ ược thc hin trong mi ln lp
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
Pregel, hình in toán ca Google, cha mt dãy các
superstep, trong superstep S, mi nh (vertex) có th
Thay i trng thái ca hoc ca mt trong s các “láng giềng”
ca nó
Nhn các thông ip gi cho nó t “superstep” S-1
Gi các thông iệp cho các “láng giềng” của (s ược nhn
“superstep” S+1)
B phiếu kết thúc
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Pregel, hình in toán ca Google, cha mt dãy c
superstep, trong ó
Đầu tiên tt c các nh u có hiu lực “ACTIVE
Đỉnh s hết hiu lc (INACTIVE, HALTED) t khi “b phiếu kết
thúc”, tức là không tiếp tc hot ng na
Đỉnh hết hiu lc (HALTED) s có hiu lc tr li
(ACTIVE) khi nhn ược thông ip
Thut toán s kết thúc khi
Tt c các nh cùng trng thái hết hiu lc (HALTED)
Không có thông ip ược gi nhn
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
SuperStep 0 SuperStep 1 SuperStep 2
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Pregel, mô hình in toán ca Google
Hn chế
th hi t vi
tc khác nhau
Không hiu qu nếu mt nhim v áng giá h n những nhim v khác
Thi gian chy ca mi giai nh bi máy chm nht
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIU ĐỒ TH Gii pháp
GraphX trên nn Apache Spark
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
X LÝ D LIỆU ĐỒ TH
Gii pháp GraphX trên nn Apache Spark
S dng ba chức năng của Pregel
Mi nh nhn các thông ip ến và tính giá tr mi ca nh
Gi thông ip ến các nh khác
Nhn hai thông ip ến và nhp chúng thành mt thông ip
S khác bit vi Pregel
Pha khi to c lp vi quá trình duyt và x
Cho phép truy cp c hai nh ca cnh trong khi to thông ip
Ch cho phép gi thông tin ến các nh láng ging
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
X LÝ D LIỆU ĐỒ TH
Gii pháp GraphX trên nn Apache Spark
Ngun: livebook.manning.com
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
| 1/24

Preview text:

lOMoARcPSD| 36667950 NỘI DUNG •Mô hình xử lý luồng
•Mô hình xử lý dữ liệu
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Khái niệm
– Việc xử lý một tập dữ liệu lớn mà không cần tương tácngười dùng trong quá trình xử lý
– Điều này thường ược thực hiện với những tác vụ òi hỏi thời gian xử lý lớn, chẳng hạn:
• Phân tích dữ liệu lớn • Xử lý hóa ơn hàng loạt
• Xử lý giao dịch ngân hàng hàng loạt
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam XỬ LÝ DỮ LIỆU THEO LÔ •Quy trình
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Quy trình
– Dữ liệu mới ược sinh ra sẽ ược gom nhóm thành các lô (batch) và
sau ó sẽ ược xử lý (process) sau ó
– Hai cách phổ biến ể xác ịnh khi nào các batch này sẽ ược xử lý là:
• Dựa trên một khoảng thời gian nhất ịnh
– Ví dụ: Cứ 60 phút xử lý một lần) • Dựa trên một số iều kiện nhất ịnh
– Ví dụ: cứ thu thập ủ 50 files dữ liệu sẽ xử lý một lần, hay cứ thu thập ủ 100G dữ liệu sẽ xử lý một lần, …
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam XỬ LÝ DỮ LIỆU THEO LÔ Nguồn: Microsoft
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Công cụ hỗ trợ – Hadoop
• Một framework mã nguồn mở ược thiết kế ể lưu trữ và xử lý dữ liệu lớn trên
một cụm máy tính với phần cứng chuẩn.
• Gồm hai thành phần chính
– Hadoop Distributed File System (HDFS) ể lưu trữ dữ liệu
– Hadoop MapReduce ể xử lý dữ liệu
• Hadoop cho phép xử lý dữ liệu hàng loạt bằng cách phân chia công việc xử lý trên
nhiều máy tính trong cụm
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam XỬ LÝ DỮ LIỆU THEO LÔ •Công cụ hỗ trợ – Apache Spark
• Một hệ thống xử lý dữ liệu phân tán mã nguồn mở, tối ưu chotốc ộ, sự dễ dùng, và tính linh hoạt
• Có thể xử lý dữ liệu hàng loạt và dữ liệu theo dòng (streaming),hỗ trợ một loạt
các tác vụ, từ phân tích dữ liệu ến học máy
• Thường nhanh hơn Hadoop MapReduce, ặc biệt khi thực hiện nhiều tác vụ xử lý
trên cùng một tập dữ liệu
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Công cụ hỗ trợ – Hive
• Công cụ phù hợp cho những người ã quen với SQL và muốn áp dụng kỹ năng SQL
của mình ể phân tích dữ liệu hàng loạt trên Hadoop
• Hữu ích khi cần chuyển ổi dữ liệu lớn từ Hadoop vào cơ sở dữ liệu SQL – MapReduce
• Mô hình lập trình hữu ích ể tạo các ứng dụng phân tán từ ầu, cho phép bạn tận
dụng toàn bộ sức mạnh của Hadoop
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam XỬ LÝ DỮ LIỆU THEO LÔ •Ứng dụng thực tế
– Batch Processing thường ược sử dụng trong các ứng dụng yêu cầu
xử lý dữ liệu lớn mà không cần ến kết quả ngay lập tức, như phân
tích dữ liệu quy mô lớn, thống kê, dự báo, hoặc xử lý giao dịch hàng loạt
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Ứng dụng thực tế
– Phân tích dữ liệu quy mô lớn
• Do không yêu cầu sự tương tác người dùng trong quá trình xửlý, Batch
Processing rất phù hợp với việc phân tích dữ liệu lớn.
• Các tổ chức thường sử dụng Batch Processing
ể phân tích lưu lượng truy
cập web, thông tin khách hàng, kết quả bán hàng, và nhiều hơn nữa
– Ví dụ, một công ty có thể dùng Batch Processing vào cuối mỗi ngày ể tổng hợp và phân tích dữ liệu bán hàng
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam XỬ LÝ DỮ LIỆU THEO LÔ •Ứng dụng thực tế
– Xử lý giao dịch ngân hàng
• Các ngân hàng thường sử dụng Batch Processing ể xử lý hàng loạt các giao dịch, như
chuyển tiền, rút tiền, và thanh toán hóa ơn
• Những giao dịch này thường ược tổng hợp vào cuối ngày và ược xử lý như một
batch – Thống kê và dự báo
• Batch Processing thường
ược sử dụng trong việc thống kê và dự báo
• Dữ liệu từ nhiều nguồn khác nhau ược tổng hợp và xử lý hàng loạt ể tạo ra các dự
báo về thị trường, xu hướng tiêu dùng, hoặc các dự báo khác
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 XỬ LÝ DỮ LIỆU THEO LÔ •Ứng dụng thực tế – Xử lý hóa ơn hàng loạt
• Các doanh nghiệp thường sử dụng Batch Processing ể xử lý hóa ơn hàng loạt
• Điều này bao gồm việc tạo, gửi, và theo dõi hóa ơn cho hàng trăm hoặc thậm chí
hàng nghìn khách hàng cùng một lúc
– Xử lý dữ liệu trên hệ thống máy chủ
• Một số tác vụ như sao lưu dữ liệu, cập nhật phần mềm, hoặcchạy các công việc
lịch biểu thường ược thực hiện như các quá trình Batch Processing, thường xuyên
vào thời iểm nào ó trong ngày khi tải hệ thống thấp
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU THEO LUỒNG •Khái niệm
– Quá trình xử lý dữ liệu gần như ngay lập tức sau khi nóược tạo ra
• Dữ liệu sẽ không phải chờ cho ến khi ủ batch mới ược xử lý, nó sẽ ược xử lý ngay
khi dữ liệu ược phát sinh
– Điều này ặc biệt hữu ích khi cần xử lý và phân tích dữ liệu theo thời gian thực
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU THEO LUỒNG •Quy trình – Dữ liệu
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU THEO LUỒNG
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU THEO LUỒNG •Công cụ hỗ trợ – Apache Kafka
• Hệ thống phân tán mã nguồn mở ược thiết kế ể xử lý luồng dữ liệu theo thời gian thực
• Được thiết kế ể xử lý luồng dữ liệu quy mô lớn, áng tin cậy, và có khả năng mở rộng linh hoạt
• Thường ược sử dụng trong các hệ thống vận hành theo thời gian thực, như theo
dõi hoạt ộng người dùng trực tuyến, phân tích luồng dữ liệu từ các cảm biến IoT,
hoặc làm hệ thống trung gian cho việc truyền dữ liệu giữa các hệ thống khác nhau
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU THEO LUỒNG •Công cụ hỗ trợ – Apache Flink
• Framework mã nguồn mở cho việc xử lý dữ liệu theo luồng(streaming) và theo
lô (batch) với ộ trễ thấp và quy mô lớn
• Được thiết kế ể chạy trên các cụm máy tính phân tán và cung cấp khả năng xử
lý dữ liệu theo thời gian thực, khả năng khôi phục sau khi lỗi và mô hình lập trình dễ sử dụng
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU THEO LUỒNG •Công cụ hỗ trợ – Apache Storm
• Hệ thống xử lý dữ liệu theo thời gian thực mã nguồn mở
• Cho phép xử lý dữ liệu theo thời gian thực bằng cách sử dụngcác luồng dữ liệu
không giới hạn, và cung cấp khả năng xử lý sự cố, mở rộng, và cân bằng tải
• Thích hợp cho nhiều ứng dụng, từ xử lý luồng dữ liệu IoT choến phân tích dữ liệu theo thời gian thực
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU THEO LUỒNG •Công cụ hỗ trợ – Google Cloud Dataflow
• Dịch vụ xử lý dữ liệu theo thời gian thực và hàng loạt ược quản lý hoàn toàn trên Google Cloud Platform
• Tự ộng iều chỉnh quy mô tài nguyên dựa trên yêu cầu công việc, giúp xử lý lượng
dữ liệu lớn mà không cần quan tâm ến việc quản lý cơ sở hạ tầng
• Cung cấp mô hình lập trình ơn giản, giúp tập trung vào việc viết mã mà không
phải quan tâm ến chi tiết của hệ thống
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU THEO LUỒNG •Ứng dụng thực tế
– Phân tích dữ liệu theo thời gian thực
• Stream Processing giúp các tổ chức phân tích dữ liệu ngay lập tức khi dữ liệu
ược tạo ra, cung cấp cái nhìn tức thời về hoạt ộng kinh doanh
– Ví dụ, các công ty thương mại iện tử có thể dùng Stream Processing ể theo dõi hành vi mua hàng
của khách hàng theo thời gian thực và tạo ra các gợi ý sản phẩm phù hợp
– Giám sát và cảnh báo
• Stream Processing cung cấp khả năng phát hiện và phản ứng nhanh chóng với các sự kiện quan trọng
– Ví dụ, các hệ thống giám sát giao thông có thể dùng Stream Processing ể phát hiện và cảnh
báo ngay lập tức về các vụ tai nạn giao thông
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU THEO LUỒNG •Ứng dụng thực tế
– Xử lý dữ liệu từ thiết bị IoT
• Các thiết bị IoT thường tạo ra luồng dữ liệu liên tục
• Stream Processing giúp xử lý và phân tích dữ liệu này theo thờigian thực, cho
phép các tổ chức dự oán và phản ứng nhanh chóng với các sự kiện
– Ví dụ, hệ thống giám sát chất lượng không khí trong một thành phố có thểdùng Stream Processing
ể theo dõi mức ộ ô nhiễm không khí và cảnh báo ngay lập tức khi mức ộ ô nhiễm vượt quá ngưỡng cho phép
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU THEO LUỒNG •Ứng dụng thực tế
– Quảng cáo theo thời gian thực
• Stream Processing cho phép các công ty quảng cáo cung cấpquảng cáo theo thời
gian thực dựa trên hành vi người dùng
• Điều này có thể bao gồm việc hiển thị quảng cáo dựa trên trangweb mà người
dùng ang xem hoặc dựa trên vị trí ịa lý của họ
– Phân tích truyền thông xã hội
• Stream Processing giúp các công ty phân tích dữ liệu từ cácnền tảng truyền thông
xã hội theo thời gian thực, cho phép họ theo dõi xu hướng và phản ứng nhanh chóng với các sự kiện
– Ví dụ, các công ty marketing có thể sử dụng Stream Processing ể theo dõi các hashtag trên Twitter
và phản ứng nhanh chóng với các chủ ề ang hot
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Khái niệm ược sử dụng ể ối tượng Đỉnh (vertex/node) Cạnh (egde)
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Sự tăng
trưởng vượt bậc trong việc sử dụng dữ liệu Mạng xã hội Đỉnh - Người dùng - Bài viết, hình ảnh Cạnh - Mối liên hệ xã hội + Có hướng: Twitter
+ Vô hướng: Facebook - Ưa thích (likes) Nguồn: Pinterest
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Sự tăng
trưởng vượt bậc trong việc sử dụng dữ liệu Mạng lưới Web Đỉnh - Trang web (webpage) Cạnh - Liên kết (có hướng) Nguồn: Pinterest
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Sự tăng
trưởng vượt bậc trong việc sử dụng dữ liệu Mạng chuỗi cung ứng Đỉnh - Nhà cung cấp - Khách hàng Cạnh - Giao dịch mua/bán Nguồn: Requis
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ Mạng lưới web Xếp hạng trang
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Khái niệm
– Đồ thị là cấu trúc dữ liệu trừu tượng ược sử dụng ể mô hình hóa
mối quan hệ cấu trúc giữa các ối tượng •Thực tế
– Sự tăng trưởng vượt bậc trong việc sử dụng dữ liệu ồ thị trong các ứng dụng hiện ại
– Các ứng dụng này hoạt ộng trên các ồ thị lớn với hàng tỷ ỉnh và cạnh
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ
•Mạng lưới web và mạng xã hội rất lớn và tiếp tục phát triển với tốc ộ nhanh chóng
– Google ước tính số lượng trang web vượt quá 1012
– Facebook có hơn 109 người dùng và hơn 140 tỷ mối quan hệ
– Twitter có hàng tỷ mối quan hệ theo dõi
– Các hệ thống e-Commerce có hàng trăm triệu mối quanhệ mua-bán
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ Cơ sở dữ liệu ồ thịXử lý dữ liệu ồ thị
Bộ lưu trữCác API duyệt và xử lý Ngôn ngữ truy vấn Nâng cao hiệu quả Giao dịch (dữ liệu trong bộ nhớ) Ví dụ: Ví dụ: • Neo4jGraphX • OrientDBGiraphe • TitanGraphLab
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Thách thức
ối với “tính toán ồ thị”
– Đồ thị không vừa với một máy
– Hạn chế trong việc truy cập bộ nhớ theo vị trí
– Rất ít công việc trên mỗi – Việc duyệt
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Thách thức ối với Hadoop MapReduce
– Mỗi lần thực thi, MapReduce ọc dữ liệu gốc từ ĩa cứng (HDFS),
tính toán các kết quả và lưu trữ chúng trở lại ĩa cứng
– Hầu hết thuật toán ồ thị ều là quá trình lặp, việc ọc toàn bộ dữ
liệu từ ĩa và ghi kết quả vào ĩa sẽ ược thực hiện trong mỗi lần lặp
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ
•Pregel, mô hình iện toán của Google, chứa một dãy các
superstep, trong superstep S, mỗi ỉnh (vertex) có thể
– Thay ổi trạng thái của nó hoặc của một trong số các “láng giềng” của nó – Nhận các thông
iệp gửi cho nó từ “superstep” S-1
– Gửi các thông iệp cho các “láng giềng” của nó (sẽ ược nhận ở “superstep” S+1) – Bỏ phiếu ể kết thúc
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ
•Pregel, mô hình iện toán của Google, chứa một dãy các superstep, trong ó
– Đầu tiên tất cả các ỉnh
ều có hiệu lực “ACTIVE”
– Đỉnh sẽ hết hiệu lực (INACTIVE, HALTED) tự khi “bỏ phiếu ể kết
thúc”, tức là không tiếp tục hoạt ộng nữa
– Đỉnh hết hiệu lực (HALTED) sẽ có hiệu lực trở lại (ACTIVE) khi nhận ược thông iệp –
Thuật toán sẽ kết thúc khi • Tất cả các
ỉnh cùng ở trạng thái hết hiệu lực (HALTED) • Không có thông iệp ược gửi – nhận
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ SuperStep 0 SuperStep 1 SuperStep 2
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Pregel, mô hình iện toán của Google – Hạn chế ồ thị hội tụ với tốc ộ khác nhau
• Không hiệu quả nếu một nhiệm vụ “áng giá h n” những nhiệm vụ khác
• Thời gian chạy của mỗi giai ịnh bở i máy chậm n hất
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ •Giải pháp
GraphX trên nền Apache Spark
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
XỬ LÝ DỮ LIỆU ĐỒ THỊ
•Giải pháp GraphX trên nền Apache Spark
– Sử dụng ba chức năng của Pregel • Mỗi ỉnh nhận các thông iệp
ến và tính giá trị mới của ỉnh • Gửi thông iệp ến các ỉnh khác • Nhận hai thông iệp
ến và nhập chúng thành một thông iệp
– Sự khác biệt với Pregel • Pha khởi tạo
ộc lập với quá trình duyệt và xử lý
• Cho phép truy cập cả hai ỉnh của cạnh trong khi tạo thông iệp
• Chỉ cho phép gửi thông tin ến các ỉnh láng giềng
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
XỬ LÝ DỮ LIỆU ĐỒ THỊ
•Giải pháp GraphX trên nền Apache Spark Nguồn: livebook.manning.com
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam