《水质监测分析解决方案说明书.docx》由会员分享，可在线阅读，更多相关《水质监测分析解决方案说明书.docx（11页珍藏版）》请在课桌文档上搜索。
1、水质监控解决方案说明书XX科技股份有限公司编制目录一、项目存在问题及需解决问题31. 存在问题32. 需解决问题4二、解决方案51 .解决方案总体架构52 .核心技术6(1) Hadoop6(2) SpringMVC6(3) MyBatis6(4) Echarts7(5) MySQ1.7(6) Hive7(7) HBASE8(8) Zookeeper8(9) F1.ume8三、开发范围91 .数据生产92 .数据采集/消费93 .数据分析104 .数据展示11一、项目存在问题及需解决问题1 .存在问题1.1 缺乏统一的监测体系管理缺乏统一的监测体系管理主要责任在于环境监测部门繁多，因为通常情况
2、下，会根据水的流域进行划分，一个水流域，可能被分为多个部门管理，每个部门各自为政，各部门根据自身的实际情况，监测方向和擅长的监测方法不唯一，对问题具体的衡量标准不同，就会导致监测的结果无法汇总到一起，忽视了水流域整体的利益，在工作开展的整个过程中，监测部门繁多，严重影响了水环境保护工作的顺利进行，也在很大程度上影响了监测数据的质量以及处理问题的时效,长此以往，水环境监测工作的稳定会受到很大的影响，最终失去水环境监测本身的作用。因此，若要使水环境监测工作能够正常有效的发挥作用，必须对水流域环境监管部门进行明确的划分，明确各部门的权利和义务，对于环境盛测工作来说这不但十分重要而且非常迫切。1.2
3、水环境监测系统不够完善随着现代技术的不断发展，人们对技术的要求也越来越高，在水环境监测工作中，工作人员希望在整个水资源监测过程中实现自动预警这一要求，达到检测过程中的自动化和智能化，从而获得更多的数据，使监测结果更加真实、可靠。水资源监测预警是通过对水的水文特征进行预警，但是，由于我国现有的监测系统不够完善，检测部门繁多，过程冗杂，分工不明，权利与义务不匹配，各部门各自为战等等因素，导致监测数据的真实性得不到保障，给监测后的分析工作带来了一定的困难，监测工作中预警功能还没有发挥出应有的作用和价值。1.3 缺乏评价和监测指标由于一个水流域中，涉及到多个环境监测部门，而每个环境监测部门都根据本部门
4、的实际情况，制定了独具自身部门特色的检测标准和评价指标，所以各部门对同样的水资源污染程度有不同的评价结果,严重降低了水资源监测中获得的数据的使用率，导致了各部门做了大量重曳的工作。,所以制定水环境监测指标标准和评价指标标准是我国急需解决的问题，一直以来，对于地表水或是我们饮用的水在整个监测过程中都没有统一的监测指标，所以水环境监测中获得的数据也无法统一，无法对各部门的结论进行对比与脸证，在一定程度上降低了水环境的监测质量，对我国水资源环境保护工作产生了非常不利的影响，所以国家要制定统一的污水排放标准和水环境质量标准，同时结合当地水环境实际条件构建具有可行性的监测和管理体系标准，只有这样才能更好
5、的做好水环境保护工作。2 .需解决问题缺乏统一的监测体系管理水环境监测系统不够完善缺乏评价和监测指标二、解决方案1 .解决方案总体架构KMDfSECSaIITab1.eau效第米Jt笈图1水成Ia控第决方案总旅架构HBaSe是一个分布式的、面向列的开源数据库，该技术来源于FayChang所撰写的GOOgIe论文Bigtab1.e：一个结构化数据的分布式存储系统就像BigtabIe利用了GOogIe文件系统(Fi1.eSyStem)所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtab1.e的能力OHBaSe是APaChe的Hadoop项目的子项目。HBase不同于一般
6、的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBaSe基于列的而不是基于行的模式。系统采用面向对象的软件设计方法，把整个系统看作是多个离散对象的组合。系统设计时，首先把业务流程分解成功能模块及其业务实体对象，然后根据业务流程分析对于这些业务实体对象的操作方法,形成业务处理对象，最后把各个功能模块关联起来，形成系统。软件设计是一个将需求转变为软件的过程，系统通过逐步求精使得设计陈述逐渐接近于源代码。系统程序采用MVc的设计思想，将展现逻辑、控制逻辑、业务处理逻辑分离。系统采用参数化的设计思想，定义和管理系统的实体及配置，调整实体以适应外部变化。系统采用J2EE技术保证程序
7、逻辑实现的平台无关性，并便于安装部署。系统采用AJAX技术，提高客户操作的交互性，保证实际使用的易用性。系统采用echarts可视化框架实现数据展示。2 .核心技术(1) HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。(2) SpringMVCSPringMVe:属于SpringFrameWork的后续产品，已经融合在SpringWebFIOW里面。SPring框架提供了构建Web应用程序的全功能MVC模块。(3) MyBatisMYBatis:是支持普通SQ1.查询，
8、存储过程和高级映射的优秀持久层框架。MyBatis消除了几乎所有的JDBC代码和参数的手工设置以及结果集的检索。MyBatis使用简单的XM1.或注解用于配置和原始映射，将接口和Java的PojOS(P1.ainO1.dJavaObjects,普通的JaVa对象)映射成数据库中的记录。(4) EchartsECharts是一款基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。(5) MySQ1.MySQ1.是一个关系型数据库管理系统，由瑞典MySQ1.AB公司开发，属于Orac1.e旗下产品。MySQ1.是最流行的关系型数据库管理系统之一，在WE
9、B应用方面，MySQ1.是最好的RDBMS(Re1.ationa1.DatabaseManagementSystem,关系数据库管理系统)应用软件之一。MySQ1.是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQ1.所使用的SQ1.语言是用于访问数据库的最常用标准化语言。MySQ1.软件采用了双授权政策，分为社区版和商业版，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQ1.作为网站数据库。(6) HiveHiYe是基于HadooP构建的一套数据仓库分析系统，
10、它提供了丰富的SQ1.查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQ1.查询功能；可以将SQ1.语句转换为MaPRedUCe任务运行，通过自己的SQ1.查询分析需要的内容，这套SQ1.简称HiveSQ1.,使不熟悉mapreduce的用户可以很方便地利用SQ1.语言查询、汇总和分析数据。而mapreduce开发人员可以把自己写的mapper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQ1.略有不同，但支持了绝大多数的语句如DD1.、DM1.以及常见的聚合函数、连接查询、条件查询。它还提供了一系
11、列的：具进行数据提取转化加载，用来存储、杳询和分析存储在HadOOP中的大规模数据集，并支持UDF(User-DefinedFunction),UDAF(User-DefnesAggregateFunc1.ion)和UDTF(User-DefinedTab1.e-GeneratingFunction),也可以实现对map和reduce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。(7) HBASEHBase-HadoopDatabase,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBaSe技术可在廉价PCServer上搭建起大规模结构化存储集群。(8) Zookeepe
12、rZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是GoogIe的ChUbby一个开源的实现，是HadOOP和HbaSe的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。(9) F1.umeFIUme是CIoUdera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，F1.Ume支持在日志系统中定制各类数据发送方，用于收集数据；同时，F1.ume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。三、开发范围1 .数据生产对于该模块的业务，即数据生产过程，一般并不会让你来进行操作，数
13、据生产是一套完整且严密的体系，这样可以保证数据的安全性。但是如果涉及到项目的一体化方案的设计（数据的产生、存储、分析、展示），则必须清楚每一个环节是如何处理的，包括其中每个环境可能隐藏的问题；数据结构，数据内容可能出现的问题。2 .数据采集/消费数据采集模块（消费）,在企业中你要清楚流式数据采集框架f1.ume和kafka的定位是什么。我们在此需要将实时数据通过f1.ume采集到kafka然后供给给hbase消费。f1.ume：CIOUdera公司研发适合下游数据消费者不多的情况：适合数据安全性要求不高的操作；适合与Hadoop生态圈对接的操作。kafka：Iinkedin公司研发适合数据下游
14、消费众多的情况；适合数据安全性要求较高的操作（支持rep1.ication）；因此我们常用的一种模型是：线上数据一f1.umekafkaf1.ume（根据情景增删该流程）HDFS线上数据一f1.umekafka-Sparkstreaming实时流式处理消费存储模块流程图:图2消费存储模块流程图3 .数据分析我们的数据已经完整的采集到了HBaSe集群中，这次我们需要对采集到的数据进行分析，统计出我们想要的结果。注意，在分析的过程中，我们不一定会采取一个业务指标对应一个mapreduce-job的方式，如果情景允许，我们会采取一个mapreduce分析多个业务指标的方式来进行任务。图3分析模块流程图分析模块流程图:4 .数据展示数据展示模块流程图:图4数需展示模块流程图
