大數(shù)據(jù)治理抽取轉(zhuǎn)換清洗血緣分析數(shù)據(jù)回滾解決方案

1、大數(shù)據(jù)治理方案一. 大數(shù)據(jù)現(xiàn)狀二. 大數(shù)據(jù)治理方案三. 大數(shù)據(jù)案例解析一.大數(shù)據(jù)現(xiàn)狀所涉及行業(yè)：政府、公安、政法、人社、審計、水務(wù)、醫(yī)療、 教育、電力、保險、銀行等。沒有數(shù)據(jù)因為業(yè)務(wù)系統(tǒng)沒有對數(shù)據(jù)加以保存，或者因為行政原因不能開放，即使上了大數(shù)據(jù)平臺，那也只是有了“殼”而并不能發(fā)揮大數(shù)據(jù)的作用和價值。數(shù)據(jù)采集影響源端業(yè)務(wù)系統(tǒng)大多數(shù)廠商通過各種開源工具從業(yè)務(wù)系統(tǒng)抽取數(shù)據(jù)，侵入式的工具不但影響了源端業(yè)務(wù)系統(tǒng)的正常使用，而且穩(wěn)定性極差，經(jīng)常出現(xiàn)各種丟數(shù)據(jù)的情況。人員消耗大，服務(wù)成本高，不僅沒有發(fā)揮大數(shù)據(jù)的價值，而且變成一種負擔。缺乏數(shù)據(jù)治理、不準確、周期長缺乏數(shù)據(jù)治理，對數(shù)據(jù)中存在的數(shù)據(jù)缺失、數(shù)據(jù)散

2、亂、數(shù)據(jù)不一致，元數(shù)據(jù)頻繁變更，元數(shù)據(jù)類型多樣的問題并沒有真正的處理和解決，即使有了大數(shù)據(jù)平臺其分析結(jié)果也不準確。導(dǎo)致錯誤的決策，大數(shù)據(jù)分析失去可信度。智能應(yīng)用并不智能通過對大數(shù)據(jù)與人工智能的營銷，聲稱可以通過機器學(xué)習和深度學(xué)習的算法等，開發(fā)各種類型的智能應(yīng)用，然而這些智能應(yīng)用因為數(shù)據(jù)缺失、數(shù)據(jù)不準確并不能真正的落地，最后變成一個”噱頭”。數(shù)據(jù)孤島，信息不一致，數(shù)據(jù)難以整合由于在不同時期、應(yīng)用不同技術(shù)、與不同廠商合作，建設(shè)了不同規(guī)模的業(yè)務(wù)應(yīng)用系統(tǒng)，導(dǎo)致大量數(shù)據(jù)孤島問題，系統(tǒng)間信息不一致且難以整合，希望通過數(shù)據(jù)治理和大數(shù)據(jù)的建設(shè)對數(shù)據(jù)加以融合，解決數(shù)據(jù)中存在的各種問題并讓各系統(tǒng)間數(shù)據(jù)能夠互聯(lián)互通

3、。Demo結(jié)果，可視化大數(shù)據(jù)分析只關(guān)注到數(shù)據(jù)可視化中數(shù)據(jù)展示的效果，并以Demo和數(shù)據(jù)展示的效果來作為依據(jù)判斷大數(shù)據(jù)建設(shè)的預(yù)期效果，忽略了數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)存儲和數(shù)據(jù)計算的重要性。大數(shù)據(jù)建設(shè)現(xiàn)狀：周期長（問題、協(xié)調(diào))2018Data Governance數(shù)據(jù)缺、散、亂數(shù)據(jù)不規(guī)整，存在數(shù)據(jù)缺失、散亂的情況數(shù)據(jù)多源異構(gòu)業(yè)務(wù)系統(tǒng)眾多，數(shù)據(jù)往往來自幾十個不同品牌的業(yè)務(wù)系統(tǒng)元數(shù)據(jù)類型多樣元數(shù)據(jù)類型多樣,缺乏標準統(tǒng)一的元數(shù)據(jù)存儲 元數(shù)據(jù)頻繁變更各主題業(yè)務(wù)系統(tǒng)間數(shù)據(jù)變更后無法快速進行數(shù)據(jù)統(tǒng)一缺乏業(yè)務(wù)詞匯標準缺乏貼合行業(yè)的專業(yè)業(yè)務(wù)詞匯標準數(shù)據(jù)不一致由于錄入或其他問題造成的數(shù)據(jù)不一致情況數(shù)據(jù)治理：面臨的挑

4、戰(zhàn)一. 大數(shù)據(jù)現(xiàn)狀二. 大數(shù)據(jù)治理方案三. 大數(shù)據(jù)案例解析目錄二. 大數(shù)據(jù)治理方案2.2 大數(shù)據(jù)采集交換平臺2.4 大數(shù)據(jù)資產(chǎn)管理平臺2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 大數(shù)據(jù)整體架構(gòu)數(shù)據(jù)湖是經(jīng)過治理和整合的數(shù)據(jù)最佳存放環(huán)節(jié)數(shù)據(jù)湖架構(gòu)，實現(xiàn)數(shù)據(jù)治理與大數(shù)據(jù)應(yīng)用開發(fā)的脫藕，可以支持應(yīng)用的百花齊放數(shù)據(jù)湖確保數(shù)據(jù)是用戶的數(shù)據(jù)，不是應(yīng)用開發(fā)商的數(shù)據(jù)多個不同特色的應(yīng)用開發(fā)，可以分別從數(shù)據(jù)湖獲得各自需要的數(shù)據(jù)，大大加快應(yīng)用開發(fā)的速度Bill Inmon（數(shù)據(jù)倉庫之父）2015

5、年：事先對數(shù)據(jù)歸類建模的處理，可能對于大數(shù)據(jù)的各種離線分析有不足、需要演進，因此數(shù)據(jù)建模方式也需要演進?；蛟S應(yīng)該采取措施，把大量的原始數(shù)據(jù)初步處理后保存下來，為未來不斷應(yīng)用創(chuàng)新提供數(shù)據(jù)來源，而這個想法就是數(shù)據(jù)湖，現(xiàn)在廉價的存儲和大數(shù)據(jù)技術(shù)也提供了這個可能性。二. 大數(shù)據(jù)治理方案2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 Oracle數(shù)據(jù)庫PostgreSQL達夢Dameng浪潮KDBFrom other數(shù)據(jù)庫SQL S

6、erverDB2MySql國產(chǎn)數(shù)據(jù)庫MPP內(nèi)存數(shù)據(jù)庫常見數(shù)據(jù)庫消息隊列文本格式達夢Dameng浪潮KDBDBoneEMC greenplumgbase8MSap hanaSQL ServerKafkatibcoTXTCSVXMLsql人大金倉Kingbase南大通用GbaseBa神州通用HP VerticaDB2PostgreSQLMySql常見數(shù)據(jù)庫國產(chǎn)數(shù)據(jù)庫InformixsybaseTo 大數(shù)據(jù)To NoSqlGemfireFrom Kafka華為云騰訊云阿里云天翼云To other數(shù)據(jù)庫To Cloud 云端數(shù)據(jù)庫實時交換OracleSQL ServerK-DBDB2MySQLPost

7、greSQLDMCDB中間庫第三方ETL接口文件結(jié)構(gòu)化數(shù)據(jù)大數(shù)據(jù)/云源ETL過程目標端用戶實時多表關(guān)聯(lián)鏡像庫精簡庫數(shù)據(jù)倉庫數(shù)據(jù)抓取模塊實時Loader實時單表轉(zhuǎn)換過濾準實時對源數(shù)據(jù)庫的首次同步和實時增量跟蹤技術(shù)目標數(shù)據(jù)庫或者云直接裝載源數(shù)據(jù)庫-接口文件和ETL-目標庫多種通路選擇實現(xiàn)實時和準實時轉(zhuǎn)換和共享鏡像庫精簡庫數(shù)據(jù)庫實時交換與共享平臺功能 功能說明數(shù)據(jù)實時抽取通過源系統(tǒng)端的Agent進程對數(shù)據(jù)庫Log日志進行實時分析，獲取交易指令，將交易指令和交易數(shù)據(jù)經(jīng)過格式轉(zhuǎn)化生成數(shù)據(jù)格式；過濾轉(zhuǎn)化為與生產(chǎn)應(yīng)用相吻合的指令；再次實時傳輸?shù)侥繕硕讼到y(tǒng)數(shù)據(jù)實時轉(zhuǎn)換復(fù)制指定的數(shù)據(jù)、表、列支持數(shù)據(jù)集中，即多個

8、相同結(jié)構(gòu)的數(shù)據(jù)庫中將數(shù)據(jù)整合到一個庫中，同類的數(shù)據(jù)項集合放到一個表中支持數(shù)據(jù)分發(fā)實時存儲和增量變化通知Agent將識別到的實時增量數(shù)據(jù)發(fā)送到中間數(shù)據(jù)庫，在此庫中維護一張和生產(chǎn)系統(tǒng)對應(yīng)的數(shù)據(jù)表；對數(shù)據(jù)進行整合、過濾和判斷后通知訂閱方支持ETL實現(xiàn)準實時數(shù)據(jù)抽取支持增量抽取間隔到每幾秒鐘、幾分鐘、10分鐘生成一個接口文件支持從鏡像庫中獲取數(shù)據(jù)QETL支持多表關(guān)聯(lián)同步只復(fù)制到多表關(guān)聯(lián)結(jié)果集到目標端支持復(fù)雜的sql模式支持多種同步維護模式保持分析日志模式而非sql查詢模式 從生產(chǎn)數(shù)據(jù)庫中抽取數(shù)據(jù)，并經(jīng)過過濾、分析、整合、轉(zhuǎn)換后，將數(shù)據(jù)加載到大數(shù)據(jù)平臺或云平臺中源端數(shù)據(jù)庫的實時增量跟蹤技術(shù)目標端實時復(fù)制

9、轉(zhuǎn)換裝載技術(shù)中間過程中的接口文件技術(shù)中間過程中的中間庫技術(shù)中間過程中的準實時復(fù)雜轉(zhuǎn)換（ETL）技術(shù)源數(shù)據(jù)庫Redo LogArchived Log日志合成日志分析QUEUE目標數(shù)據(jù)庫過濾SenderQUEUEYLoaderTransfor第三方ETLETL接口數(shù)據(jù)文件Receiver大數(shù)據(jù)/云功能數(shù)據(jù)庫數(shù)據(jù)復(fù)制與實時技術(shù) 二. 大數(shù)據(jù)治理方案2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 大數(shù)據(jù)處理平臺定位提供統(tǒng)一查詢服務(wù)

10、，支持多數(shù)據(jù)源數(shù)據(jù)關(guān)聯(lián)，支持查詢元數(shù)據(jù)、血緣和數(shù)據(jù)統(tǒng)計信息、支持數(shù)據(jù)全文搜索基于 spark，提供簡單的用戶界面實現(xiàn)可視化查詢、多表關(guān)聯(lián)和交互式轉(zhuǎn)換集成各種數(shù)據(jù)存儲平臺，提供各類型的數(shù)據(jù)采集，支持數(shù)據(jù)全量、增量采集，支持數(shù)據(jù)清洗驗證分析234查詢探索采集存儲數(shù)據(jù)準備提供豐富的監(jiān)控界面，支持儀表盤，支持監(jiān)控流程、服務(wù)、作業(yè)健康狀態(tài)，支持告警，支持性能監(jiān)控5集中監(jiān)控提供豐富的組件，支持可視化拖拽編排流程、模板，簡化數(shù)據(jù)流程、作業(yè)的管理，提高數(shù)據(jù)ETL效率1流程設(shè)計為企業(yè)用戶提供數(shù)據(jù)采集、存儲、計算、調(diào)度、探索、監(jiān)控、安全等數(shù)據(jù)治理相關(guān)的一整套數(shù)據(jù)湖治理解決方案，提供數(shù)據(jù)分析師準備數(shù)據(jù)的效率6集成方

11、案 大數(shù)據(jù)處理平臺:目標效果目標效果-數(shù)據(jù)治理前呼叫中心CRM系統(tǒng)訂單處理系統(tǒng)HR系統(tǒng)采購系統(tǒng)數(shù)據(jù)財務(wù)報告客戶行為分析企業(yè)績效管理數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)客戶數(shù)據(jù)服務(wù)商數(shù)據(jù)合作伙伴數(shù)據(jù)容易產(chǎn)生的問題：數(shù)據(jù)孤島、數(shù)據(jù)冗余、編碼不統(tǒng)一、數(shù)據(jù)不同步、缺乏一致性、訪問繁瑣引入若干第三方應(yīng)用，或者定制開發(fā)數(shù)據(jù)分析業(yè)務(wù)系統(tǒng)企業(yè)內(nèi)部企業(yè)外部 大數(shù)據(jù)處理平臺:目標效果目標效果-數(shù)據(jù)治理后呼叫中心CRM系統(tǒng)訂單處理系統(tǒng)HR系統(tǒng)采購系統(tǒng)數(shù)據(jù)財務(wù)報告客戶行為分析企業(yè)績效管理數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)客戶數(shù)據(jù)服務(wù)商數(shù)據(jù)合作伙伴數(shù)據(jù)數(shù)據(jù)治理的價值:數(shù)據(jù)共享、編碼統(tǒng)一、數(shù)據(jù)同步、內(nèi)容豐富、數(shù)據(jù)干凈、訪問可控單一平臺、標準組

12、件、拖拽可視化操作，支持定制 (組件開發(fā)接口支持 java, scala, python, groovy, shell多種語言)數(shù)據(jù)分析業(yè)務(wù)系統(tǒng)企業(yè)內(nèi)部企業(yè)外部數(shù)據(jù)湖治理平臺原始數(shù)據(jù)清洗后的數(shù)據(jù)數(shù)據(jù)質(zhì)量報告關(guān)聯(lián)數(shù)據(jù)加工數(shù)據(jù)共享數(shù)據(jù)標準數(shù)據(jù)數(shù)據(jù)資產(chǎn) 大數(shù)據(jù)處理平臺數(shù)據(jù)采集非結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)網(wǎng)絡(luò)數(shù)據(jù)全量、增量、實時全量、增量、實時數(shù)據(jù)庫表CSV、XLSJSON、XML日志文檔、圖片音頻、視頻網(wǎng)頁、論壇關(guān)系型數(shù)據(jù)庫文件系統(tǒng)分布式文件系統(tǒng)網(wǎng)絡(luò)爬蟲、全量、增量NoSQL 數(shù)據(jù)庫圖 數(shù)據(jù)庫GIS 數(shù)據(jù)庫全量、增量數(shù)據(jù)存儲界面管理任務(wù)進度日志界面監(jiān)控比對配置功能截圖數(shù)據(jù)清洗、驗證、轉(zhuǎn)換、分析

13、功能截圖數(shù)據(jù)轉(zhuǎn)換/脫敏功能截圖質(zhì)量分析功能截圖可視化關(guān)聯(lián)、交互式分析功能截圖集中監(jiān)控功能截圖全文搜索、訪問控制2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案數(shù)據(jù)資產(chǎn)管理系統(tǒng)元數(shù)據(jù)源OracleMySQLSQL ServerPostgreSQL技術(shù)元數(shù)據(jù)管理元數(shù)據(jù)業(yè)務(wù)元數(shù)據(jù)手工錄入批量導(dǎo)入自動采集/更新元數(shù)據(jù)采集血緣分析數(shù)據(jù)地圖訪問安全數(shù)據(jù)趨勢數(shù)據(jù)回滾E-R圖CWM模型標準數(shù)據(jù)生命周期表結(jié)構(gòu)對比實時性

14、能展示實時會話管理圖形化診斷大數(shù)據(jù)資產(chǎn)管理系統(tǒng) 數(shù)據(jù)資產(chǎn)管控資產(chǎn)視圖數(shù)據(jù)資產(chǎn)管理 2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案 數(shù)據(jù)共享平臺目標數(shù)據(jù)資產(chǎn)訪問控制質(zhì)量報告變動告警數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)內(nèi)容數(shù)據(jù)目錄數(shù)據(jù)共享主題庫接口管理文檔API 服務(wù)訪問統(tǒng)計質(zhì)量報告變動告警數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)內(nèi)容數(shù)據(jù)目錄公共庫各平臺、接口統(tǒng)一的接入中間件平臺獲取數(shù)據(jù)、服務(wù)，降低平臺、接口直接與數(shù)據(jù)庫交互平臺、接口解耦統(tǒng)一管理業(yè)務(wù)剝離

15、、遷移緩存、內(nèi)存數(shù)據(jù)庫WEB中間件主要業(yè)務(wù)功能引入緩存和內(nèi)存數(shù)據(jù)庫，降低與關(guān)系型數(shù)據(jù)庫交互次數(shù)，數(shù)據(jù)清理，篩選，提升性能將數(shù)據(jù)庫一些業(yè)務(wù)實現(xiàn)剝離或遷移至中間件平臺，以服務(wù)的方式提供出去數(shù)據(jù)交換.場景1.支持接口發(fā)短信支付接口作業(yè)調(diào)度短信服務(wù)組件支付接口組件校驗過濾記錄日志作業(yè)調(diào)度框架作業(yè)1作業(yè)2作業(yè)N數(shù)據(jù)庫組件DB統(tǒng)一認證組件郵件組件WEB 中間件數(shù)據(jù)篩選統(tǒng)計數(shù)據(jù)存儲緩存（訪問頻率極高，重復(fù)性數(shù)據(jù)）內(nèi)存數(shù)據(jù)庫（一天的經(jīng)營性數(shù)據(jù)、統(tǒng)計性數(shù)據(jù)）關(guān)系型數(shù)據(jù)庫（作為備份、大數(shù)據(jù)量存儲）數(shù)據(jù)交換.場景2.數(shù)據(jù)查詢查詢網(wǎng)吧信息記錄日志調(diào)用服務(wù)校驗過濾緩存組件內(nèi)存數(shù)據(jù)庫組件數(shù)據(jù)庫組件DBRedis服務(wù)器12

16、YN345同步緩存同步緩存數(shù)據(jù)同步（全量、增量）WEB界面緩存動態(tài)管理（方法級別）WEB界面數(shù)據(jù)庫管理、監(jiān)控123第一次訪問第二次訪問目前直接訪問DISKWEB 中間件數(shù)據(jù)篩選統(tǒng)計數(shù)據(jù)屬性經(jīng)營性數(shù)據(jù)（營業(yè)額數(shù)據(jù)）活躍性數(shù)據(jù)（使用頻率很高）數(shù)據(jù)量不大數(shù)據(jù)統(tǒng)計內(nèi)存實時統(tǒng)計每次訪問記錄緩存或內(nèi)存關(guān)系型數(shù)據(jù)庫定時同步。定時后臺統(tǒng)計Hadoop 第三方組件Storm 流式計算數(shù)據(jù)交換系統(tǒng).示例.服務(wù)器.接口管理服務(wù)器管理組件管理數(shù)據(jù)交換系統(tǒng).示例.攔截器及監(jiān)控攔截器管理性能監(jiān)控2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6

17、 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案分布式架構(gòu)應(yīng)用架構(gòu)由集中式向分布式演進后，整個調(diào)用關(guān)系變得復(fù)雜?？缬蚩逯行南到y(tǒng)一個完整的調(diào)用過程可能橫跨多個服務(wù)及數(shù)據(jù)中心。系統(tǒng)指標狀況無法準確知道整體系統(tǒng)性能及運行情況。系統(tǒng)獨立分布式架構(gòu)由復(fù)雜且較大規(guī)模集群構(gòu)成，各個應(yīng)用之間相當獨立，可能由不同團隊、不同語言實現(xiàn)。業(yè)務(wù)復(fù)雜復(fù)雜的調(diào)用導(dǎo)致系統(tǒng)出問題后難以定位問題。接口運維平臺：應(yīng)用系統(tǒng)現(xiàn)狀1)根據(jù)拓撲可相應(yīng)計算組件、平臺、物理設(shè)備的實時吞吐量;2)包括整體調(diào)用的響應(yīng)時間和各個服務(wù)的響應(yīng)時間等;3)錯誤記錄，根據(jù)服務(wù)返回統(tǒng)計單位時

18、間異常次數(shù);4)告警功能，提供各種閥值警告功能。核心功能接口運維平臺接口運維平臺AGENT無侵入部署對原服務(wù)無影響，資源消耗極低；準確掌握生產(chǎn)一線應(yīng)用部署情況；提供可追溯的性能數(shù)據(jù)，量化 IT系統(tǒng)服務(wù)狀態(tài)；從調(diào)用鏈全流程性能角度，識別關(guān)鍵調(diào)用鏈，協(xié)助系統(tǒng)人員持續(xù)性的優(yōu)化。特點、作用2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案自助統(tǒng)計分析企業(yè)級、公共級大數(shù)據(jù)智能分析平臺超大數(shù)據(jù)集上提供亞秒級SQL分

19、析能力、支持互聯(lián)網(wǎng)級高并發(fā)訪問的企業(yè)級數(shù)據(jù)倉庫產(chǎn)品，是以行業(yè)標準的數(shù)據(jù)倉庫和商業(yè)智能方法論架構(gòu)DW（Data Warehouse)）on Hadoop的解決方案為業(yè)務(wù)用戶、分析師及工程師提供簡便、快捷的大數(shù)據(jù)分析服務(wù)；自助式敏捷BI：建模的高性能查詢、自助式建模、無需編程、JDBCODBC支持、非侵入式部署等突出優(yōu)點的同時數(shù)據(jù)湖等方面進行了創(chuàng)新自助統(tǒng)計分析功能數(shù)據(jù)集模塊：該模塊可對數(shù)據(jù)集進行分類管理，并可對其進行修改刪除操作；主要根據(jù)業(yè)務(wù)需求構(gòu)建數(shù)據(jù)模型，通過選擇拖拽方式操作便捷，并可手動修改定制自助統(tǒng)計分析。超高性能支持ANSI SQL查詢標準和自定義SQL查詢內(nèi)存建立數(shù)據(jù)模型(數(shù)據(jù)立方體C

20、ube)，建模速度快 極低的查詢開銷，支持大規(guī)模并發(fā)查詢場景基于Cube預(yù)計算技術(shù)，支持超大數(shù)據(jù)集上的亞秒級查詢響應(yīng)支持明細數(shù)據(jù)查詢支持數(shù)據(jù)流式數(shù)據(jù)增量構(gòu)建模型超高性能支持ANSI SQL查詢標準和自定義SQL查詢內(nèi)存建立數(shù)據(jù)模型(數(shù)據(jù)立方體Cube)，建模速度快 極低的查詢開銷，支持大規(guī)模并發(fā)查詢場景基于Cube預(yù)計算技術(shù)，支持超大數(shù)據(jù)集上的亞秒級查詢響應(yīng)支持明細數(shù)據(jù)查詢支持數(shù)據(jù)流式數(shù)據(jù)增量構(gòu)建模型結(jié)果導(dǎo)出支持結(jié)果圖和表之間靈活轉(zhuǎn)換，結(jié)果集的旋轉(zhuǎn)(行列轉(zhuǎn)置)，支持結(jié)果導(dǎo)出（PDF、Excel、圖片等）和打印 2.2 大數(shù)據(jù)采集集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1

21、 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案知識圖譜.圖圖是相互連接的事物及其關(guān)系的一種結(jié)構(gòu)化表達。信息讀取是順序的過程，要求閱讀者在大腦中將信息串聯(lián)形成理解，而圖能夠即時傳達信息，易于揭示復(fù)雜的模式.在社交網(wǎng)絡(luò)、交通網(wǎng)絡(luò)、通訊網(wǎng)絡(luò)、資金網(wǎng)絡(luò)等展現(xiàn)場景下，都有比較直觀的展現(xiàn)效果圖存儲技術(shù)是支持知識圖譜應(yīng)用的關(guān)鍵技術(shù)之一。知識圖譜（知識引擎）是多種技術(shù)的綜合應(yīng)用，包括自然語言識別（NLP）、機器學(xué)習及圖存儲技術(shù)等，其大量知識來源于非結(jié)構(gòu)化數(shù)據(jù)。知識圖譜的整體使用過程包括知識獲取、知

22、識融合、知識存儲、知識推理、知識應(yīng)用等步驟，典型應(yīng)用場景包括搜索引擎、問答系統(tǒng)等知識圖譜-構(gòu)建過程.知識推理應(yīng)用知識抽取知識融合知識加工實體抽取關(guān)系抽取屬性抽取知識合并實體鏈接實體消歧共指消解知識推理本體構(gòu)建質(zhì)量評估第三方知識庫知識圖庫知識圖譜構(gòu)建過程比如在美國限制向中興通訊出口的消息發(fā)布之后，如果我們有中興通訊的客戶供應(yīng)商、合作伙伴以及競爭對手的關(guān)系圖譜，就能在中興通訊停牌的情況下快速地篩選出受影響的國際國內(nèi)上市公司從而挖掘投資機會或者進行投資組合風險控制知識圖譜-應(yīng)用PageRank算法發(fā)現(xiàn)重要頂點算法原理1）數(shù)量假設(shè)：在Web圖模型中，如果一個頁面節(jié)點接收到的其他網(wǎng)頁指向的入鏈數(shù)量越多，

23、那么這個頁面越重要。2）質(zhì)量假設(shè)：指向頁面A的入鏈質(zhì)量不同，質(zhì)量高的頁面會通過鏈接向其他頁面?zhèn)鬟f更多的權(quán)重。所以越是質(zhì)量高的頁面指向頁面A，則頁面A越重要。PageRank算法剛開始賦予每個網(wǎng)頁相同的重要性得分，通過迭代遞歸計算來更新每個頁面節(jié)點的Pag場景：在犯罪團伙通訊網(wǎng)絡(luò)中尋找重點人NO. PageRank Value1 0.05091405 2 0.05736763 3 0.14422522 4 0.24487449 5 0.081283846 0.243872487 0.07027479 8 0.03572916 9 0.03572916 10 0.035729知識圖譜-應(yīng)用基于現(xiàn)有

24、的知識圖譜信息，推斷出當前圖譜不存在但實際中存在的真是關(guān)系知識圖譜技術(shù)可以幫助我們快速構(gòu)建一個法律知識圖譜，目前還缺乏法律知識圖譜的理論工作。跟其他領(lǐng)域的知識圖譜相比，法律知識圖譜需要考慮法律的邏輯，下面就是一個法律知識圖譜的片段：從上面這個例子可以看出，每一個犯罪行為都有主體、客體、主觀要件和客觀要件，我們就需要從文本中去抽取這些信息，從而形成一個關(guān)于犯罪行為的圖譜，而通過對海量判決書的挖掘，可以建立犯罪行為之間的關(guān)聯(lián)，比如說，防衛(wèi)過當和故意傷害之間有一個關(guān)聯(lián)，即誤判為的關(guān)系。通過這個圖譜，給定一個判決書，可以輔助法官判的一個案件是否有誤判，是否需要補充信息。知識圖譜-應(yīng)用2.2 大數(shù)據(jù)采集

25、集成平臺 2.4 大數(shù)據(jù)資產(chǎn)管理平臺 2.3 大數(shù)據(jù)處理平臺2.1 大數(shù)據(jù)整體架構(gòu)2.5 大數(shù)據(jù)交換平臺2.6 大數(shù)據(jù)接口運維平臺2.7 大數(shù)據(jù)分析挖掘平臺 2.8 大數(shù)據(jù)智能平臺 2.9 大數(shù)據(jù)決策平臺 二. 大數(shù)據(jù)治理方案決策管理系統(tǒng).功能支持功能性解耦支持同步與異步任務(wù)支持任務(wù)生命周期管理支持任務(wù) DAG 的設(shè)計和表達用無碼圖形設(shè)計器建立復(fù)雜的工作流程價值:提升人和組織的生產(chǎn)力沉淀標準化，體系化的知識全方位業(yè)務(wù)流程化管理，過程透明化提升處理時效提升處理數(shù)量減少系統(tǒng)間溝通成本讓管理變得可預(yù)期(端到端的業(yè)務(wù)流程)數(shù)據(jù)可追溯，審計無憂大數(shù)據(jù)決策平臺-示例決策系統(tǒng)流程跟蹤決策系統(tǒng)流程編輯一. 大

26、數(shù)據(jù)現(xiàn)狀與數(shù)據(jù)治理緣由二. 大數(shù)據(jù)治理方案三. 大數(shù)據(jù)案例解析目錄大數(shù)據(jù)案例解析-深圳龍崗智慧城區(qū)XX信息化現(xiàn)狀與問題 隨著XX智慧城區(qū)項目建設(shè)的推進，已經(jīng)取得較顯著成效，但通過前置機方式從各部門、各系統(tǒng)采集數(shù)據(jù)時，卻遇到以下諸多問題：（1）數(shù)據(jù)不能實時從各系統(tǒng)同步到大數(shù)據(jù)中心，導(dǎo)致不能實時統(tǒng)計與分析；（2）前置機由所屬單位進行管理，出現(xiàn)問題不能及時發(fā)現(xiàn)和提醒；（3）建設(shè)智慧城區(qū)項目，前置機無法采集非結(jié)構(gòu)化的海量數(shù)據(jù)（如交通視頻、安防視頻、物聯(lián)網(wǎng)數(shù)據(jù)等），導(dǎo)致無法實現(xiàn)智能圖像識別、智能運維能等人工智能服務(wù)，城市智慧難以充分體現(xiàn)；（4）前置機實施需要原廠商較多配合和開發(fā)工作，推進、協(xié)調(diào)、運維都難

27、度較大。 在大數(shù)據(jù)和人工智能時代，迫切需要利用大數(shù)據(jù)復(fù)制技術(shù)、實時流技術(shù)、大數(shù)據(jù)采集與集成技術(shù)、人工智能技術(shù)等建設(shè)龍崗智慧城區(qū)大數(shù)據(jù)集成與交換平臺，解決傳統(tǒng)前置機采集數(shù)據(jù)方式的上述諸多問題。某區(qū)政府數(shù)據(jù)共享交換平臺實現(xiàn)數(shù)據(jù)采集與交換、數(shù)據(jù)治理。將現(xiàn)有信息系統(tǒng)與各部門相關(guān)的信息資源進行統(tǒng)一采集、清洗、脫敏和標準化。信息資源目錄遵循統(tǒng)一的標準規(guī)范組織管理所有政務(wù)信息資源，釆用元數(shù)據(jù)對信息資源特征進行描述，形成統(tǒng)一規(guī)范的目錄內(nèi)容，通過對目錄內(nèi)容的有效組織和管理，形成目錄信息庫，為信息資源的匯聚、共享以及對應(yīng)用的支撐提供信息資源的發(fā)現(xiàn)定位服務(wù)。公共信息資源共享交換平臺門戶和與市級共享交換平臺的對接。門

28、戶實現(xiàn)各類應(yīng)用的統(tǒng)一入口，統(tǒng)一管理和統(tǒng)一登錄。構(gòu)建大數(shù)據(jù)治理體系，成立數(shù)據(jù)治理組織結(jié)構(gòu)、治理流程、治理制度等方面，遵循平臺建設(shè)先行，將數(shù)據(jù)治理作為推進平臺建設(shè)的重要手段和措施，加快智慧城區(qū)數(shù)據(jù)資產(chǎn)化進程；基于迪思杰DataXOne + DataLKOne + 大數(shù)據(jù)平臺，可以快速定制與開發(fā)龍崗智慧城區(qū)大數(shù)據(jù)集成和交換平臺、大數(shù)據(jù)中心；建設(shè)龍崗智慧城區(qū)大數(shù)據(jù)中心，分為區(qū)基礎(chǔ)庫、8+1行業(yè)應(yīng)用庫、交換和共享庫等，將分散在各個業(yè)務(wù)系統(tǒng)數(shù)據(jù)統(tǒng)一集中，便于各部門、各系統(tǒng)進行數(shù)據(jù)共享和數(shù)據(jù)交換；嗯嗯XX智慧城區(qū)大數(shù)據(jù)治理1期大數(shù)據(jù)集成與交換平臺方案架構(gòu)某市衛(wèi)計委區(qū)域醫(yī)療健康大數(shù)據(jù)實現(xiàn)以患者為中心、以時間為

29、軸線，將多源端病歷數(shù)據(jù)聚合、形成統(tǒng)一標準病歷，支持分級診療與雙向轉(zhuǎn)診等業(yè)務(wù)，并且大數(shù)據(jù)還可以挖掘價值，實現(xiàn)人工智能時代的智慧醫(yī)療XX市衛(wèi)計委在項目前期充分調(diào)研和學(xué)習了國內(nèi)各地醫(yī)療大數(shù)據(jù)項目。在以下幾個方面有了明確的認識專業(yè)的數(shù)據(jù)治理在項目中的重要性衛(wèi)計委在近兩年完成的大數(shù)據(jù)項目中發(fā)現(xiàn)，在項目建設(shè)初期普遍關(guān)注大數(shù)據(jù)的上層應(yīng)用，忽視數(shù)據(jù)治理的重要性。當項目上線以后才發(fā)現(xiàn)因為數(shù)據(jù)采集工具的選擇不當，數(shù)據(jù)質(zhì)量不達標等問題導(dǎo)致的上層應(yīng)用的擱置和新業(yè)務(wù)無法拓展的問題比比皆是。因此在與XX市衛(wèi)計委溝通的過程中，衛(wèi)計委對數(shù)據(jù)的采集方式，數(shù)據(jù)質(zhì)量和大數(shù)據(jù)平臺的存儲方面提出了高標準、嚴要求。是專業(yè)的數(shù)據(jù)治理公司衛(wèi)

30、計委了解到市面上做大數(shù)據(jù)項目的公司在數(shù)據(jù)采集方面普遍采用不支持ddl，低效的jdbc/odbc技術(shù)。而的Enhanced ETL在關(guān)系型數(shù)據(jù)采集領(lǐng)域性能優(yōu)越。并且有完整的數(shù)據(jù)治理體系，不是簡單進行數(shù)據(jù)加工存儲后提供給上層應(yīng)用就竣工了。的數(shù)據(jù)治理不僅要保證數(shù)據(jù)質(zhì)量，還對數(shù)據(jù)進行血統(tǒng)分析、生命周期的管理。真正的將數(shù)據(jù)作為資產(chǎn)進行歸置和管理。從架構(gòu)層面，迪思杰提供了高標準的大數(shù)據(jù)平臺建設(shè)的三層架構(gòu)。DataXone集成了數(shù)據(jù)庫實時復(fù)制技術(shù) Enhanced ETL，也集成了 開發(fā)的先進爬蟲技術(shù)，還有大數(shù)據(jù)技術(shù)中標準的 Flume、Sqoop 等。對外提供支持非結(jié)構(gòu)化數(shù)據(jù)實時采集服務(wù)，無需開發(fā)就能快速

31、完成文件、目錄、網(wǎng)絡(luò)日志數(shù)據(jù)采集功能，支持二次開發(fā)插件滿足定制數(shù)據(jù)采集功能。采用關(guān)系型數(shù)據(jù)庫實時復(fù)制轉(zhuǎn)換技術(shù)（Enhanced ETL），在采集數(shù)據(jù)庫數(shù)據(jù)時擁有實時優(yōu)勢（延遲 1-5 秒鐘）、高性能優(yōu)勢（每小時單個數(shù)據(jù)庫數(shù)百 GB）、實時數(shù)據(jù)轉(zhuǎn)換優(yōu)勢、源生產(chǎn)端低干擾優(yōu)勢。方案采用數(shù)據(jù)湖，就能夠支持不同大數(shù)據(jù)應(yīng)用開發(fā)商從數(shù)據(jù)湖調(diào)取數(shù)據(jù)，避免為了特定應(yīng)用四處采集數(shù)據(jù)的被動局面。數(shù)據(jù)湖架構(gòu)達到了高靈活度，低延時，開放的目的。真正將數(shù)據(jù)治理與上層應(yīng)用進行剝離，為后期的專業(yè)數(shù)據(jù)治理，專業(yè)應(yīng)用開發(fā)提供了可能。案例某省會城市衛(wèi)計委醫(yī)療大數(shù)據(jù)方案優(yōu)勢為什么選擇？某券商數(shù)據(jù)集成案例地市1-oracle地市2-o

32、racle地市n-oracle數(shù)據(jù)倉庫-oracle業(yè)務(wù)1-oracle業(yè)務(wù)2-oracle業(yè)務(wù)n-oracleEnhanced ETL QETL 案例介紹湖北某券商客戶使用Enhanced ETL 將各地市的數(shù)據(jù)集中復(fù)制匯聚集成到數(shù)據(jù)倉庫，然后使用QETL對數(shù)據(jù)實時導(dǎo)出并進行組合運算，將轉(zhuǎn)換后的數(shù)據(jù)集實時同步到各業(yè)務(wù)庫。案例功能特點源端為組合視圖，目標端直接同步的結(jié)果集為表中；目標數(shù)據(jù)涉及多個用戶下的多張表，QETL只關(guān)注客戶所需數(shù)據(jù)，最小化同步范圍，節(jié)省系統(tǒng)資源；只跟蹤業(yè)務(wù)所需字段，避免了敏感字段數(shù)據(jù)的向下傳遞；某行業(yè)某塊業(yè)務(wù)所需的數(shù)據(jù)，業(yè)務(wù)上僅需要通過一條SQL從多張分別擁有百萬和幾億條的數(shù)據(jù)表中提取所需結(jié)果，該結(jié)果返回僅有幾十條數(shù)據(jù)，傳統(tǒng)的推送方式要么達不到實時要求，要么占用較大資源，現(xiàn)通過QETL 實時的推送所需的幾十條數(shù)據(jù)的結(jié)果集，簡化了同步方式、大大提高了同步效率，深受客戶好評，并將大量推廣應(yīng)用。某省交警大數(shù)據(jù)應(yīng)急指揮平臺XX交警大數(shù)據(jù)應(yīng)急指揮平臺結(jié)構(gòu)化描述行人結(jié)構(gòu)化車輛結(jié)構(gòu)化騎行結(jié)構(gòu)化車輛實時布控無/套牌分析GIS應(yīng)用（同行分析/頻繁過車分析）XX交警大數(shù)據(jù)應(yīng)急指揮平臺數(shù)據(jù)集成源端無干擾采集：基于日志解析的數(shù)據(jù)庫實時復(fù)制采集多源異構(gòu)數(shù)據(jù)支持：支持DB2、Ora