数据队列
当数据从遍布全球的设备端以及服务端采集上来后，最先会到达数据队列。队列承载所有数据的入口和出口，必须具备的两大能力是：
上下游生态对接
为了能降低用户使用负担，与生态更好结合，我们也在积极拓展LogHub上下游的生态，包括：
采集端：Logstash、Beats、Log4J等实时消费端（流计算）：Flink/Blink、Storm、Samza等存储端（数仓）：Hadoop、Spark、Presto、Hive等
截止5月已支持30+ 数据接入方案（包括最完整K8S方案）、以及对主流流计算、数据仓库等引擎支持。
](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/5b8cb23e8a6b5ad9c603d15271c465b8.png)
弹性伸缩
在解决各类上下游对接问题后，我们把问题聚焦在服务端流量这个问题上。熟悉Kafka都知道，通过Partition策略可以将服务端处理资源标准化：例如定义一个标准的单元Partition或Shard（例如每个Shard固定5MB/S写，10MB/S读）。当业务高峰期时，可以后台Split Shard以获取2倍的吞吐量。
这种方法看起来很工程化，但在使用过程中有两个难以绕开的现实问题：
业务无法预测：事先无法准确预估数据量，预设多少个shard才合适呢人的反应滞后：数据量随时会突增，人不一定能够及时处理，长时间超出服务端负载能力会有数据丢失风险 针对以上情况，LogHub提供了全球首创Shard自动分裂功能：在用户开启该功能后，后台系统实时监控每个shard的流量，如果发现一个shard的写入在一段时间内，有连续出现超过shard处理能力的情况，会触发shard的自动分裂，时刻保障业务流量。