我們常常會思考什么樣的數據才是,只有數據量大才能真正稱之為大數據嗎？其實不然,的特征應該包括數量、速度，多樣性和精準性這四個方面,也就是通常所說的4個V: Volume,Velocity,Variety 和Veracity。如下圖所示：

因此，數量大小只是描述大數據的其中一個維度，今天，我們不妨換個思路來聊聊大數據的另一個重要特征：Velocity(速度)，看看如何將傳統數據庫中的數據快速、實時、準確地應用到大數據平臺。快速獲取，快速分析，快速應用，快速實現，從而幫助企業提升自身的競爭力并創造巨大的商業價值。

IBM 介紹

InfoSphere Change Data Capture(以下簡稱CDC)用于捕獲源端交易數據庫如DB2，Oracle的數據變化，并實時復制到目標數據庫、消息隊列、以及ETL解決方案(例如IBM InfoSphere DataStage)。

InfoSphere BigInsights由Hadoop分布式文件系統(HDFS)以及Pig,Hive,HBase和ZooKeeper等Hadoop生態系統子項目構成，用于分析和展現基于Apache Hadoop的海量數據。 接下來，我們將通過一個智能電表的應用案例來演示CDC如何將實時的增量數據復制到InfoSphere BigInsights的HDFS中。

系統架構

在下圖所示的系統架構中，源端各種異構平臺的傳統數據庫所產生的變化數據通過CDC的復制引擎源源不斷的流向目標端 InfoSphere BigInsights 大數據平臺，所有關系型結構化數據的實時更新都會以文件的形式或格式存儲在HDFS文件系統中。

應用場景：智能電表系統

某公共事業公司利用智能儀表采集客戶日常使用水，電，煤氣等數據信息，這些信息的數據量龐大且實時變化快，通過分析這些儀表數據能及時了解客戶的使用模式和習慣，以及費用開銷。比如說該公司通過測量高峰期的用電量，能夠收取更多的費用，能夠設置客戶用電的使用上限，可以創建激勵機制讓客戶在特殊時段減少用電量等等。

該公司通過構建InfoSphere CDC + InfoSphere BigInsights的智能電表系統來實現以上這些業務功能，即CDC捕獲電表系統的變化數據，并實時復制到BigInsights的HDFS文件系統，接著BigInsights對傳送過來的實時海量數據進行復雜計算和模型分析，從而及時準確地響應了以上業務需求。

配置CDC到BigInsights(HDFS)的數據復制

安裝并初始化InfoSphere BigInsights運行環境

1）首先，需要完成InfoSphere BigInsights的安裝，安裝完成后，Hadoop集群環境也隨之搭建好了。然后，我們要確認環境變量是否設置正確

* CLASSPATH是否指向包含Hadoop核心Jar包的路徑。

* HADOOP_CONF_DIR是否指向包含Hadoop配置文件的路徑。

如果以上環境變量沒有設置，我們也可以運行BigInsights自帶的腳本程序biginsights-env.sh進行自動化設置，該腳本所在目錄為

BigInsights_install_dir/conf.

2）缺省情況下,環境變量CLASSPATH僅包含Hadoop的核心JAR包hadoop-core-1.0.3.jar,我們還需添加以下JAR包到CLASSPATH中:

* commons-configuration-1.6.jar

* commons-logging-1.1.1.jar

* commons-lang-2.4.jar

這些JAR包路徑為：BigInsights_install_dir/IHC/lib directory/

2. 啟動InfoSphere BigInsights Hadoop集群中的HDFS組件

InfoSphere BigInsights本身已集成了很多Hadoop組件，例如Apache MapReduce, HDFS, Hive, Catalog, HBase, Oozie等等,這些服務可以通過InfoSphere BigInsights控制臺或命令行啟動。例如在Web瀏覽器中打開InfoSphere BigInsights管理控制臺：

//server:8080/data/html/index.html#redirect-welcome

然后，在管理控制臺中選擇并啟動HDFS服務.

3. 安裝InfoSphere CDC for InfoSphere BigInsights，

并在BigInsights中創建HDFS目錄

在InfoSphere BigInsights管理控制臺中選中“Files”標簽.

如下圖所示，創建HDFS目錄，用于寫入CDC從源端數據庫中捕獲并復制過來的增量數據.

創建CDC實例

在CDC實例中創建預訂(Subscription)，并將源端數據庫的表映射到剛剛已創建的HDFS目錄中的某個文件。HDFS目錄格式為：

hdfs://your-server:9000/目錄名稱/文件名

啟動CDC復制數據并查看目標端所生成的HDFS文件

經過以上步驟，我們已完成了BigInsights和CDC的安裝及配置，接下來便可啟動CDC預訂開始數據的實時復制了

當我們回到BigInsights的管理控制臺，選中“File”標簽，可以觀察到在指定的HDFS目錄路徑下已生成從源端復制過來的增量數據。

可能有人會問，InfoSphere CDC 難道只能和IBM自家的大數據平臺BigInsights集成嗎？當然不是，CDC能提供對各大Hadoop廠商的廣泛支持，例如：HortonWorks Data Platform(HDP)，Cloudera CDH，Apache Hadoop等。

如果大家感興趣的話，歡迎與我們聯系！

慧都控件網年終促銷最后一波，全場6折起，豪禮搶不停>>>

截止時間：2016年12月31日

詳情請咨詢！

客服熱線：023-66090381