大数据平台解决方案报告书

33大数据平台技术方案1.大数据平台技术方案 TOC\o"1-5"\h\z技术路线 3动静态信息交换 4系统概述 4数据采集服务 4数据采集服务配置 5平台认证服务 5动静态数据发布订阅服务 5负载均衡服务 6协议分析转换功能 6动静态数据分发服务 6数据分发服务配置 6数据缓存服务 7数据交换信息日志 7大数据存储 7数据仓库工具 8大数据在线存储 8大数据离线存储 10数据清洗转换 12流数据处理框架 12分布式ETL工具 12143ETL功能介绍 13大数据处理 15实时数据流处理 15数据挖掘分析引擎 15大数据服务引擎 16大数据配置服务管理 16大数据在线分析 16大数据离线分析 17大数据可视化管理 20大数据全文检索 21调度与业务监控 21资源与安全 22租户管理 22资源分配 23权限管理 23接口封装 231.大数据平台技术方案1.1概述大数据平台必须具有高度可扩展性、实时性、高性能、低延迟分析、高度容错性、可用性、支持异构环境、开放性、易用性，同时也希望具有较低成本；其核心技术包括大规模数据流处理技术以及大规模数据管理、分析技术。系统技术架构采用面向服务的体系结构（Service-OrientedArchitecture,SOA，遵循分层原则，每一层为上层提供服务。将大数据平台进行逐层解析，从下至上分别是数据接口层、文件存储层、数据存储层、数据分析层、数据层、业务控制层、表现层、系统监控层。（1）数据接口层：为保证数据接入层的接口灵活性，采用Restful风格接口实现方式，Restful有轻量级以及通过HTTP直接传输数据的特性，Web服务的RESTful方法已经成为最常见的方法。同时数据的接入及交换采用 Kafka集群和WebService方式，Kafka是一种高吞吐量的分布式发布订阅消息系统，可以满足系统与大数据平台的高并发量数据交换。 WebService是一个平台独立的，低耦合的，自包含的、基于可编程的web的应用程序，可使用开放的XM标准来描述、发布、发现、协调和配置这些应用程序，用于开发分布式的互操作的应用程序。（2文件存储层：为满足大数据的存储要求，文件存储采用 HDFS文件系统，Hadoop分布式文件系统（HDFS）是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。（3） 数据存储层：根据本工程数据资源设计的需要，数据存储分别采用关系数据库、存数据库Redis、分布式大数据存储。（4） 数据分析层：采用Storm技术完成实时流分析的需求，Storm是一个分布式的、容错的实时计算系统。可以方便地在一个计算机集群中编写与扩展复杂的实时计。采用MapReducesSpark实现离线分析。Spark是类HadoopMapReduce勺通用并行框架，能更好地适用于数据挖掘与机器学习等需要迭代的MapReduct勺算法。数据接入层：应用与数据库的交互采用JDBC级Hibernate技术实现。Hibernate是一个开放源代码的对象关系映射框架，它对JDBC进行了非常轻量级的对象封装，它将POJO与数据库表建立映射关系，是一个全自动的orm框架，hibernate可以自动生成SQL语句，自动执行，使得Java程序员可以随心所欲的使用对象编程思维来操纵数据库。业务控制层：采用当今最流行的轻量级Java开发框架Spring，同时与SpringMVC整合。Spring具有轻量、低侵入式设计、方便解耦，简化开发、AO编程的支持、方便集成各种优秀框架等优点。表现层：采用EasyUI，Ajax，FreeMarker，JavaScript技术，这些技术能极大提高开发效率，同时能满足工程中各种复杂的前端展现要求。监控层：采用Zookeeper分布式服务框架。主要是用来解决分布式应用中经常遇到的一些数据管理问题，如：统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理等。它的作用主要是用来维护和监控你存储的数据的状态变化。通过监控这些数据状态的变化，从而可以达到基于数据的集群管理。1.2动静态信息交换系统概述动静态信息交换建立目的是通过标准的规性数据接口定义，实现采集各类动态和静态数据，实现与接入平台的数据通信与交换共享。数据采集交换系统根据数据交换的对象和容的不同，服务对象包括省市级管理机构等。数据交换平台包含一系列的服务，如：数据采集服务、平台认证服务、发布订阅服务等。数据采集服务数据采集服务采集各级行业管理部门、各行业业务系统的数据信息，对这些静动态数据进行收集，用以进行后续操作数据采集模块按照定义的接口规进行连接、响应、接收、发送处理。接收各级行业管理部门报送的数据。数据采集服务配置针对上报大数据管理平台的信息，灵活配置其可采集的服务种类，来源，IP地址，采集的数据类型以及服务方式，使数据的采集更加灵活可控。数据采集服务配置模块的主要功能有：(1)动态配置服务。根据IP、数据类型和服务方式对服务进行动态配置。(2)对接入数据进行验证。不允许非配置的服务接入数据，允许配置的服务接入数据。平台认证服务为了保障数据服务的安全性，在传输数据之前，需要先通过接口进行登录认证，从而确定数据交换平台及权限，以及平台接入的有效期。平台认证模块主要功能有：根据平台信息进行登录认证。根据申请接入的其他平台或者系统的相关信息，对该平台或者系统进行身份验证。根据认证结果获取登录权限和有效期等信息。如果验证通过，则允许接入系统，如果验证不通过，则不允许接入。动静态数据发布订阅服务发布订阅服务根据分发调度策略，判断采集动静态数据属于某个地市，发布到该地市的主题，存储到消息队列，记录日志。动静态数据发布订阅模块的主要功能有：(1)获取信息，将数据存储到消息队列。根据接入数据的相关信息，获取对应的信息(2)记录日志信息。将信息下发到相应的消息队列，并记录日志信息。负载均衡服务根据数据采集服务和分发服务进行负载分析与数据的多路径流向调整，用以减小平台压力，提高平台的运行效率。负载均衡模块的主要功能是根据采集服务和分发服务进行负载均衡处理。协议分析转换功能按协议规对上报数据进行解析，对分发的数据进行封装，实现与其他平台的数据准确对接。协议分析转换模块的主要功能有：(1)按协议规对上报数据进行解析。对接入的数据，按照预先指定的协议进行解析，方便在系统中的处理和流通。(2)对分发的数据进行封装。对于系统处理过的数据，要根据预先指定的协议，将数据进行打包封装，然后下发到其他平台或者系统。动静态数据分发服务根据各级数据请求，按照定义的接口规进行连接、响应、按主题分发处理。分发各类动静态信息。(1)按照定义的接口规进行连接响应。(2)对数据按照主题进行分发。根据接入数据的相关信息，从而获取相关的数据需求方信息，并且获取相应的主题信息，并将数据按照主题下发到相应的平台。数据分发服务配置针对分发平台的信息，灵活配置分发的服务种类，分发的数据类型以及服务方式，实现分发的灵活可控性。数据分发服务配置模块的主要功能有：(1)获取将要分发的平台的信息。根据系统中提供的其他平台的相关数据，获取将要分发的平台的相关信息，方便后续数据的分发。(2)根据平台的信息配置要进行分发的服务。根据已经获取的相关的平台的数据，对平台的服务信息进行配置。数据缓存服务数据缓存服务主要提供本项目动态信息存缓存、持久化存储当前点以及缓存预处理的数据，向数据应用提供快速访问中间数据源。数据缓存模块的主要功能是进行数据缓存，如存缓存、持久化存储当前点以及缓存预处理网格信息等数据。数据交换信息日志记录数据采集以及分发的数据量，为验证数据交换的完整性、可追溯性以及可视性打下基础。数据交换信息日志模块的主要功能有：(1)记录数据采集获取的数据量。在进行数据交