優(yōu)刻得大數據團隊于近期上線了大數據智能平臺（UCloud Smart Data Platform，下文簡稱 USDP） ，旨在幫助企業(yè)快速搭建大數據分析處理平臺，并對大數據集群進行集中管理，從而降低企業(yè)的大數據開發(fā)、維護成本。

在互聯網市場的頭部效應下，企業(yè)所面臨的競爭壓力越來越大，如何有效解決獲客成本高、用戶黏性低、變現能力弱等問題，正是越來越多的企業(yè)開始構建大數據平臺的初衷。但由于大數據解決方案所涉及的組件錯綜復雜、技術門檻較高，且初期投入的資源和后期的維護成本較大，十分考驗企業(yè)的大數據平臺組建和運維能力，在此背景下，USDP應運而生。

一站式大數據智能管理平臺

USDP是幫助企業(yè)構建云端托管型的一站式大數據采集、存儲、分析、應用和運維的智能平臺。其產品架構圖如下：

從上圖可以看出，USDP是構建在UCloud優(yōu)刻得公有云IaaS基礎資源之上，提供 Hadoop生態(tài)的服務系統(tǒng)，如HDFS、Hive、HBase、Spark、Flink、Presto、Atlas、Ranger 等眾多開源大數據服務組件，并對這些組件進行配置管理、監(jiān)控告警、故障診斷等智能化的運維管理，從而幫助企業(yè)快速構建起大數據的分析處理能力。

用戶可通過 USDP 方便快速地部署大數據集群中的各類服務與組件，并集中式地運維這些組件。且在部署服務與組件的過程中，USDP 可以全自動化完成整個流程，大大降低了部署成本。

同時，USDP 中集成的實時監(jiān)控視圖與告警策略可以幫助運維人員及時獲取異常告警信息，快速定位和排查問題。

除此之外，USDP 高度集成了 Hadoop 生態(tài)中的服務與組件，并且全部基于 Apache 版本完成適配，無深度修改，因此用戶無需擔心服務組件使用過程中造成的 API 不兼容問題，用戶業(yè)務也無需擔心被非 Apache 開源協(xié)議之外的服務框架所綁定。

輕量級、自動化運維的大數據“管家”

USDP 作為純國產化、UCloud優(yōu)刻得自研的大數據管理服務，可以實現云上、云下交互的便捷統(tǒng)一，其具體特點如下:

> 全面的組件支持

基于開放式的管理架構，USDP 集成了 30 余款開源的大數據組件，涵蓋數據集成、數據存儲、計算引擎、任務調度、權限管理等大數據處理的各個環(huán)節(jié)，全面性為業(yè)界之最。企業(yè)可以根據自身業(yè)務特點和需求，從中選擇相應的組件來搭建自己的大數據處理平臺。

> 完善的監(jiān)控告警機制

源自多年的大數據運維經驗積淀，USDP 為每款組件預置了完善的監(jiān)控和告警模板，豐富的監(jiān)控指標和靈活的告警方式，幫助用戶及時掌握各個組件的運行狀況，進行必要的維護和優(yōu)化。與此同時，智能化的故障診斷工具和專業(yè)的技術支持團隊，為大數據集群的穩(wěn)定運行保駕護航。

> 可視化工作流UDS

UDS(UCloud優(yōu)刻得 Data Studio)是一款UCloud優(yōu)刻得自研的輕量級、分布式、易擴展的可視化DAG工作流任務調度系統(tǒng)。通過拖拽式的工作流開發(fā) IDE，簡單 Web 式拖拽操作來完成整個大數據工作流的任務開發(fā)。內置了豐富的處理器，多樣化的任務支持：Shell、Python、Hive、Spark、MR、SQL、子流程等。

UDS提供可視化的流程定義能力，可對大量異構數據源提供高速穩(wěn)定的數據集成能力，并在同步過程中實現對數據的ETL操作。

>安全穩(wěn)定

公有云USDP 的底層資源為用戶所獨享，集群位于獨立的虛擬私有網絡中，實現了有效的安全隔離。同時，USDP 集成的各個組件編譯自 Apache 社區(qū)穩(wěn)定版本，經過了嚴格的兼容性測試和壓力測試，關鍵性組件都支持高可用特性，確保集群穩(wěn)定可靠運行。

> 彈性易用

針對大數據應用場景，公有云USDP 提供了豐富多樣的機型（大數據物理機、普通云主機、快杰云主機等）供用戶選擇，并結合公有云的彈性伸縮能力，有效控制實際使用成本。向導式的操作流程和完善的場景案例，幫助用戶輕松上手。

> 支持私有化部署

USDP除了與UCloud優(yōu)刻得公有云IaaS集成，還可以作為獨立的大數據組件管理平臺部署在私有化的數據中心，并兼容虛擬機、物理服務器環(huán)境。為私有化部署的客戶提供與公有云體驗一致的大數據平臺服務。

UCloud優(yōu)刻得還提供基于USDP的軟硬一體交付方案，已提前預裝完成USDP服務，實現用戶插電即用的大數據平臺管理服務。

典型應用場景

1、數據倉庫

目前國內最常用的數倉模型為維度數倉，就是按照事實表、維度表來構建數據倉庫、數據集市。在該體系中，維度是描述事實的角度，如日期、客戶、供應商等，事實是要度量的指標，如客戶數、銷售額等。通過 USDP，用戶可以部署構建維度數倉所需的一切服務，幫助企業(yè)快速構建數據中臺。

2、機器學習

在機器學習領域，對運算往往有大量需求，通過 USDP 中的Spark、Flink 等分布式運算框架，搭配官方算法或自研算法，即可事半功倍的進行機器學習開發(fā)。同時，在深度學習領域，建模所需的大量數據，也可以存儲于 HDFS，從而真正實現一站式開發(fā)。

3、實時計算

可以利用USDP中的Kafka、Flink、Spark Streaming對數據進行實時處理，來滿足實時風控、實時推薦、實時日志分析、實時點擊等場景需求。

總結

大數據時代，數據作為企業(yè)的核心生產要素，其隱藏的商業(yè)價值離不開大數據技術的深度挖掘，而USDP的推出正是為了解決目前企業(yè)構建大數據解決方案所面臨的高成本、高技術門檻等問題，助力更多企業(yè)快速構建大數據服務，充分釋放數據生產力的商業(yè)價值。