应用架构（Application Architecture）是描述了IT系统功能和技术实现的内容。应用架构分为以下两个不同的层次：
企业级的应用架构：企业层面的应用架构起到了统一规划、承上启下的作用，向上承接了企业战略发展方向和业务模式，向下规划和指导企业各个IT系统的定位和功能。在企业架构中，应用架构是最重要和工作量最大的部分，他包括了企业的应用架构蓝图、架构标准/原则、系统的边界和定义、系统间的关联关系等方面的内容。
单个系统的应用架构：在开发或设计单一IT系统时，设计系统的主要模块和功能点，系统技术实现是从前端展示到业务处理逻辑，到后台数据是如何架构的。这方面的工作一般属于项目组，而不是企业架构的范畴，不过各个系统的架构设计需要遵循企业总体应用架构原则。
应用架构主要以架构图的方式描述系统的组成和框架，一般从系统功能和系统技术层次两个架构视角进行设计：

1. 系统功能视角的应用架构图

image.png

2. 系统技术层次视角的应用架构图

image.png

应用就是处理器，应用架构的内容包括现有架构图、Web 应用现状、作业小应用（Job）现状和接口架构。其中，接口是应用层面的关键，它是一个程序与另外一个程序交互的部分。
应用架构图表列出了哪些业务逻辑没有被重用，换句话说业务逻辑被多少个应用调用，就需要被重复开发多少次，一旦改了一个地方，就要同时改多个地方，导致系统开发效率非常低下。
各业务逻辑如预订逻辑，虽然被多个应用调用，但它们与应用是没有关系的，业务逻辑可以独立的存在，也可以寄宿于多个应用。业务逻辑是一个业务操作的抽象，而业务应用与业务部门共同完成了业务操作。

应用架构

image.png

应用架构 :
应用之间结构和交互的描述。
image.png

大数据系统体系架构图
image.png

大数据架构思路
从图中可以看出，分为数据采集层、数据计算层、数据服务层、数据应用层。

数据采集层
数据从内部其它系统或者外部系统到大数据平台的过程，数据包括：前端埋点、内部数据库导入、日志、爬虫等；

数据计算层
通过采集层收集过来的大量原型数据，需要进行整合和计算才能实现价值。
其中整合即数据的管理体系，通过数据建模，构建统一、规范的全域数据体系；通过数据分层，把数据更加清晰。其中分层按照业界统一的分层理念，包括：数据操作层、明细层、汇总层、应用层。
计算包括离线计算和实时计算；离线数据同步可采用T-1方式，即每天同步上一天的数据；

数据服务层
数据被整合和计算后，提供给其它应用进行消费。比如公司内部的BI报表、数据服务（API)等。

数据应用层
数据服务准备好后，就可以开放给用户；比如其它公司、广告商、推荐等。

名词解释
数据网关
这里的数据网关是数据中台中数据服务里的概念。数据服务基本功能包括：接口规范化定义、数据网关、链路关系的维护、数据交付、提供多样中间存储、 逻辑模型、 API接口、API测试等；
数据网关作为网关服务，数据服务必须要具备认证、权限、限流、监控四大功能，这是数据和接口复用的前提。
通俗的理解，可以说数据网关=API接口，对外提供接口服务。在架构图中，也可以改为”API网关“。

自助化提数
常用的报表平台提供给数据分析人员，通过拖拉拽，实现数据获取。

预处理
当时想的是数据经过一定的程序处理后，对外提供服务，其实这块就是数据网关，可以去掉，有点重复了。

建模
ADS（应用数据）
DWS（公共汇总）
DWD（公共明细）
ODS（操作数据）

数据仓库分层是为了解耦，如果通过源数据直接提供报表服务，前端、中间数据处理、后端数据库就绑定了，如果想修改会互相影响；具体分几层，根据实现业务的，每个公司不一样；通用的用

  • ODS（Operation Data Store），操作数据层，即原始数据层，又叫贴源层，与业务系统基本一样。
  • DWD（Data Warehouse Detail），明细数据层，对数据进行清洗、代码统一、字段统一、格式统一、简单聚合等工作。
  • DWS（Data Warehouse Service），服务数据层，按照业务目标，对已经处理好的数据进行横向汇聚、纵向汇总。按照宽表模型进行数据冗余和预计算，以空间换时间。其中宽表就是这一层；
  • ADS(Application Data Store),应用数据层，主要是面向前端应用汇聚的数据。有的公司没有专门的划分这一层。

另外还有标签层、主题层、DWB基础数据层（轻度汇总层）等，每个公司的可能不一样，大致差不多。另外电力这边分为

  • ODS层，即他们叫贴源层。
  • 共享层（CIM表），原来电力有一套建模CIM标准，同步过来的数据都是标准化后的，直接是共享层了。
  • 分析层：即宽表，这块应该是某些业务组合后对外的数据；

技术名词
Kylin
Kylin是Hadoop大数据平台的一个开源OLAP引擎。它采用多维立方体预计算技术，可以将大数据的SQL查询速度提升到亚秒级别。
简单说就是按照指定的数据模型，提前进行数据处理，保存结果提供服务；速度快、性能好

Spark Streaming
大数据流式数据处理技术，Spark是离线，批处理，比较慢，后来出了流式处理Spark Streaming，实现了近实时的数据处理；

Flink
大数据流式数据处理技术，可能同时实现离线和实时数据处理

OGG
oracle公司出的一个数据同步工具，即从一个数据源到另一个数据源，目前支持关系数据库如mysql、oracel，也支持大数据,如hadoop等。

应用架构

应用架构（Application Architecture）是描述了IT系统功能和技术实现的内容。应用架构分为以下两个不同的层次：
企业级的应用架构：企业层面的应用架构起到了统一规划、承上启下的作用，向上承接了企业战略发展方向和业务模式，向下规划和指导企业各个IT系统的定位和功能。在企业架构中，应用架构是最重要和工作量最大的部分，他包括了企业的应用架构蓝图、架构标准/原则、系统的边界和定义、系统间的关联关系等方面的内容。
单个系统的应用架构：在开发或设计单一IT系统时，设计系统的主要模块和功能点，系统技术实现是从前端展示到业务处理逻辑，到后台数据是如何架构的。这方面的工作一般属于项目组，而不是企业架构的范畴，不过各个系统的架构设计需要遵循企业总体应用架构原则。
应用架构主要以架构图的方式描述系统的组成和框架，一般从系统功能和系统技术层次两个架构视角进行设计：

1. 系统功能视角的应用架构图

image.png

2. 系统技术层次视角的应用架构图

image.png