DataHub基本介绍

阿里云流数据处理平台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。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。您可以编写应用程序或者使用实时计算引擎来处理写入到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。

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。DataHub与阿里云实时计算引擎Realtime Compute无缝连接，您可以轻松使用SQL进行流数据分析。

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，如下所示：

产品优势

• 高吞吐

  最高支持单主题（Topic）每日T级别的数据量写入，每个分片（Shard）支持最高每日8000万Record级别的写入量。

• 实时性

  通过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

  • DataHub提供丰富的SDK包，包括C++，Java，Pyhon，Ruby，Go等语言；
  • 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，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DataHub中写入流式数据。
  • DataHub同时支持强Schema的结构化数据和无类型的非结构化数据，您可以自由选择。

• 高可用

  • 服务可用性不低于99.999%。
  • 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。

应用场景

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。

实时计算Realtime Compute

Realtime Compute是阿里云提供的实时计算引擎，提供使用类SQL的语言来进行流式计算。DataHub和Realtime Compute无缝结合，可以作为Realtime Compute的数据源和输出源。

流处理应用

您可以编写应用订阅DataHub中的数据，并进行实时的加工，把加工后的结果输出。

您可以把应用计算产生的结果输出到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

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

提示（新用户无需关注）：

• 目前 老版本MaxCompute DataHub已处于待下线状态，不再接入新用户。DataHub用户请参看使用文档。
• 自2016年11月21日起，新版本DataHub正式公测上线。
• 新老DataHub迁移手册。

公测约束与说明

DataHub免费公测期间，资源有限，将会不定时执行下述回收策略

• 凡15天无数据写入的Topic将有可能被系统临时关闭通道，再次使用需要重新申请资源。
• 凡15天未无数据同步的DataConnector将有可能会被系统临时暂停任务，再次使用需要重启任务。