《电信人口大数据项目解决方案说明书.docx》由会员分享，可在线阅读，更多相关《电信人口大数据项目解决方案说明书.docx（9页珍藏版）》请在课桌文档上搜索。
1、电信人口大数据项目解决方案说明书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3二、解决方案41 .解决方案架构42 .关键技术5(1) Hadoop5(2) SpringMVC5(3) MyBatis5(4) Echarts5(5) MySQ1.5(6) Hive6(7) HBASE7(8) Zookeeper7(9) F1.ume7三、开发范围71 .数据生产72 .数据采集/消费73 .数据分析94 .数据展示10一、项目存在问题及需解决问题1 .存在问题数据移动代价高快速适应变化难数据类型支撑有限投入成本较大2 .需解决问题数据移动代价高传统
2、的数据仓库构建需要经过四个过程，数据源经过ET1.工具（抽取、转换、装载工具）抽取到数据仓库，再按照星型模型或雪花型组织数据，之后由O1.AP工具将数据生成多维立方体，最终立方体的数据或仓库的数据供查询分析应用使用。随着数据规模的增大，数据在各阶段的移动时间将可能呈数量级增长，无法适应大规模数据处理快速适应变化难传统的数据仓库需要相对稳定的数据模型，任何模型的变化都需要重新加载和计算数据，导致处理周期长、适应变化慢。但在大数据时代，数据分析将广泛应用到各个业务场景中，时刻面临着新的业务，传统模式将难以适应需求的不断变化。数据类型支撑有限目前关系型数据库主要支持的是结构化数据，对于半结构化和非结
3、构化数据不能进行有效使用，大大限制了可利用和挖掘的数据范围。投入成本较大由于数据量迅猛增加，需要传统数据库具有良好的线性扩展性和MPP架构，而提供该种能力的数据仓库产品价格高昂，当服务器节点随数据量不断增多时，将导致成本的急剧上升。二、解决方案1.解决方案架构系统开发平台使用Hadoop大数据开发平台。Hadoop是一个高度可扩展的存储平台，可以存储和分发横跨数百个并行操作的廉价的服务器数据集群。能扩展到处理大量的数据，能提供成百上千TB的数据节点上运行的应用程序。HadooP能够有效的在几分钟内处理TB级的数据。相比关系型数据库管理系统更具有优势。它适用于任何规模的非结构化数据持续增长的企业
4、，将帮助用户持续提高用户体脸。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VVC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
5、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.关键技术(1) HadoopHadoop是一个由APaChC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) SpringMVCSPringMVC: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，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
6、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WEB应用方面，MySQ1.是最好的KDBMS(Re1.ationa1.Datab
7、aseManagementSystem,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) Hivehive是基于HadooP构建的一套数据仓库分析系统，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：
8、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，这会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。它还提供了一系列的：具进行数据提取转化加载，用来存储、查询和分析存储在HadooP中的大规模
9、数据集，并支持UDF(User-DefinedFunction).UDAF(USe1.DefneSAggregateFunction)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) ZkeperZooKeeper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
10、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C1.oUdCra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，FIUnIe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
11、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门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.umekafka-f1.ume（根据情景增删该流程）HDFS线上数据一f1.umekafkaSparkstreaming实时流式处理消费存储模块流程图:3 .数据分析我们的数据巳经完整的采集到了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。分析模块流程图:4.数据展示数据展示模块流程图:
