【华为云】数据湖探索 DLI

数据湖探索（Data Lake Insight，简称DLI）是完全兼容Apache Spark和Apache Flink生态， 实现批流一体的Serverless大数据计算分析服务。DLI支持多模引擎，企业仅需使用SQL或程序就可轻松完成异构数据源的批处理、流处理等，挖掘和探索数据价值。

Serverless DLI的优势
存算分离
存储和计算解耦，分开申请和计费，降低成本的同时，提高了资源利用率

自动扩缩容
根据业务负载，对计算资源进行预估和自动扩缩容

按量计费
真正的按使用量（扫描量/CU时）计费，不运行作业时“0”费用

免运维、高可用
用户无需感知底层运维、升级、跨AZ高可用，跨AZ双活

产品功能

All in SQL
无需大数据背景，会SQL就会大数据分析。SQL语法全兼容标准ANSI SQL 2003

Serverless Spark/Flink/openLooKeng
完全兼容Apache Spark、Apache Flink、Apache Presto生态和接口，线下应用可无缝平滑迁移上云，减少迁移工作量；一份资源支持流处理、批处理、交互式分析多种计算

跨源分析
支持多种数据格式，云上多种数据源、ECS自建数据库以及线下数据库，数据无需搬迁，即可实现对云上多个数据源进行分析，构建企业的统一视图，帮助企业快速完成业务创新和数据价值探索

企业级多租户
支持对计算资源和数据按租户进行细粒度授权管理，满足中大企业使用数据中台时对权限管理的需求

不同业务场景下使用DLI服务

数据库分析

数据库分析

应用的数据（如：注册信息）存在关系型数据库中，想对数据库内的数据进行分析

痛点：

•  数据量日益增多，复杂查询关系型数据库查不出来

•  数据分库分表存在多个关系型数据库中，无法做全量分析

•  不想因为分析业务影响在线业务

优势

熟悉的SQL体验
DLI的SQL语法全兼容关系型数据库的标准ANSI SQL 2003，0学习成本，使用习惯保持一致

极致性能
DLI采用分布式内存计算模型，轻松处理海量数据

建议搭配使用
云数据迁移 CDM

电商行业



精准营销

电商行业需要获取多个途径的信息做关联分析，以便更好地做精准营销，提高转化率。如：关联【页面广告点击事件数据】和【用户注册数据】，获取不同年龄

段喜欢的广告类型，以便对不同年龄段用户投放更精准的广告

优势

跨源分析
数据免搬迁，就可以关联分析存在OBS中的【页面广告点击事件数据】和RDS中的【用户注册数据】

纯SQL操作
DLI已对接多个数据源，直接通过SQL建表就可以完成数据源的映射

建议搭配使用
对象存储服务 OBS 数据接入服务 DIS

游戏行业



日志分析

游戏公司日常通过数据分析平台，借助数据力量没突破行业瓶颈。例如：寻找优质的投放渠道、提高新手期玩家留存、优化运营活动提升玩家活跃、数据驱动产

品迭代等

痛点：

•  日志分析通常是按周期进行调度，每次调度之间存在大量空闲期

优势

按量计费
DLI按量计费只在使用期间收费，成本较独占集群降低50%以上

融合分析
DLI三大引擎间元数据互通，数据实时清洗后入库进行离线ETL处理，处理结果直接可用交互式分析进行数据探索

建议搭配使用
数据接入服务 DIS 云数据库 MySQL

大企业



日志分析

大企业的部门比较多，不同部门在使用云服务时，需要对不同部门的员工的权限进行管理，包括计算资源的创建、删除、使用、隔离等。同时，也需要对不同部

门的数据进行管理，包括数据的隔离、共享等

优势

细粒度权限控制
列级别权限控制；INSERTINTO/OVERWRITE单独权限控制；表元数据只读权限控制

统一的管理机制
使用统一的IAM管理用户（无需单独创建DLI用户），支持IAM细粒度授权

基因行业



基因数据处理

现在基因行业有很多基于Spark分布式框架的第三方分析库，如ADAM、Hail等

痛点：

•  安装ADAM、Hail等分析库比较复杂

•  每次新建集群都需要安装一遍

优势

支持自定义镜像
支持基于基础镜像打包ADAM、Hail等第三方分析库，直接上传到容器镜像服务SWR，在DLI中运行作业时会自动拉取SWR中的自定义镜像

内置多个基础镜像
内置华为增强版Spark/Flink多版本基础镜像，开源Tensorflow/Keras/PyTorch的AI镜像

建议搭配使用
容器镜像服务 SWR

金融行业



实时风控

为了提高消灭或减少风险事件发生的各种可能性，需要使用风控系统对典型的场景包括：注册风控、登录风控、交易分控等进行风控

痛点：

•  风控系统对实时性要求很高

优势

高吞吐低时延
采用Apache Flink的Dataflow模型，完全的实时计算框架。采用高性能计算资源，单CPU每秒吞吐1千~2万条消息

丰富的云生态
使用SQL就可以将处理后的数据流式写入CloudTable、SMN等多个云服务

建议搭配使用
数据接入服务 DIS 消息通知服务 SMN

政府行业



实时大屏

为了更好地做好新冠疫情的管控，各地政府需要通过实时大屏掌握新冠疫情的现存确诊、累计确诊、境外输入等关键数据，为下一步疫情调控提供数据支撑

痛点：

•  政府行业技术人员通常会SQL，但对大数据了解不多

优势

毫秒级查询性能
内置的openLooKeng引擎在内存计算框架的基础上，还利用许多查询优化技术来满足高性能毫秒级的交互式分析的需要

简单易用
纯SQL开发方式，SQL语法全兼容标准ANSI SQL 2003

建议搭配使用
云数据迁移 CDM 云数据库 MySQL 数据可视化 DLV

地理大数据分析

地理大数据分析

地理大数据具有大数据的相关特征，数据体量巨大，例如全球卫星遥感影像数据量达到PB级；数据种类多，有结构化的遥感影像栅格数据、矢量数据，非结构化

的空间位置数据、三维建模数据；在大体量的地理大数据中，通过高效的挖掘工具或者挖掘方法实现价值提炼，是用户非常关注的话题

优势

提供地理专业算子
支持全栈Spark能力，具备丰富的Spark空间数据分析算法算子，全面支持结构化的遥感影像数据、非结构化的三维建模、激光点云等巨量数据的离线批处理，支

持带有位置属性的动态流数据实时计算处理

CEP SQL
提供地理位置分析函数对地理空间数据进行实时分析，用户仅需编写SQL便可实现例如偏航检测，电子围栏等地理分析场景

大数据治理能力
能快速将海量遥感影像数据接入上云，快速完成影像数据切片处理，为分布式批处理计算提供弹性分布式数据集

建议搭配使用
数据接入服务 DIS 对象存储服务 OBS 云数据迁移 CDM 数据快递服务 DES 表格存储服务 CloudTable

Serverless DLI与自建Hadoop对比

Data Lake Insight
自建Hadoop系统

成本

按照实际扫描数据量/CU时收费，可变成本，成本节约50%

长期占用资源，资源浪费严重，成本高

弹性扩缩容能力

基于容器化Kubernetes，极致的弹性伸缩

无

运维可用

即开即用，Serverless架构，跨AZ容灾能力

需要较强的技术能力去搭建、配置、运维

学习成本

低

10年、千个项目经验固化的调优参数。同时提供可视化智能调优界面

高

需要了解上百个调优参数

支持数据源

云上：OBS/RDS/DWS/CSS/MongoDB/Redis

云下：自建数据库/MongoDB/Redis

云上：OBS

云下：HDFS

生态兼容
DLV、Tableau、永洪BI、帆软

大数据生态工具

自定义镜像

支持，按需添加依赖，满足业务多样性
无
工作流调度

DAYU-DLF调度

自建大数据生态的调度工具，如Airflow

企业级多租户
基于表的权限管理，可以精细化到列权限
基于文件的权限管理

性能
基于软硬件一体化的深度垂直优化
大数据开源版本性能

客户案例

龙渊网络

龙渊网络携手华为云，实现高效、经济的查询分析海量数据，助力运营、策划、推广部门快速响应业务落地，实现数据应用一体化，DLI提供大数据分析工具助

力企业提升整体效益

视频教程

帮助文档

开发者资源

API
通过发起HTTP/HTTPS请求调用API的方式灵活的使用DLI服务

地区和终端节点
了解当前可服务区域和服务的Endpoint，选择满足DLI业务布局的服务区

SDK
获取、安装和调用SDK，达到资源综合管理目的