耿鵬+許國平+彭新宇+孫志偉

【摘要】商業(yè)銀行應(yīng)用系統(tǒng)每時(shí)每刻都在產(chǎn)生日志數(shù)據(jù)，這些日志種類繁雜，格式多樣，散落在生產(chǎn)系統(tǒng)的各個(gè)角落，往往只有在系統(tǒng)出現(xiàn)問題時(shí)才會(huì)臨時(shí)到日志中去查找和分析，大部分日志數(shù)據(jù)都會(huì)在暫存一段時(shí)間后被永久清理。本文針對商業(yè)銀行日志分析面臨的數(shù)據(jù)量大、日志格式不規(guī)范、存儲(chǔ)分散及用途單一等問題，提出一種基于日志分析的商業(yè)銀行應(yīng)用系統(tǒng)畫像架構(gòu)，能夠?qū)崿F(xiàn)對日志文件的有效分析，從中提取出有效的信息來指導(dǎo)生產(chǎn)、優(yōu)化決策。

【關(guān)鍵詞】日志分析 ?應(yīng)用系統(tǒng)畫像 ?大數(shù)據(jù)

一、引言

隨著商業(yè)銀行業(yè)務(wù)規(guī)模的不斷發(fā)展，各類應(yīng)用系統(tǒng)的數(shù)量和規(guī)模也迅速增長，其所產(chǎn)生的數(shù)據(jù)量也越來越大。在這些日益增長，趨近海量的數(shù)據(jù)中，除了核心的業(yè)務(wù)數(shù)據(jù)之外，還存在著一類規(guī)模巨大且未得到有效利用的數(shù)據(jù)，這就是日志數(shù)據(jù)。商業(yè)銀行應(yīng)用系統(tǒng)每時(shí)每刻都在產(chǎn)生日志數(shù)據(jù)，這些日志種類繁雜，格式多樣，散落在生產(chǎn)系統(tǒng)的各個(gè)角落，往往只有在系統(tǒng)出現(xiàn)問題時(shí)才會(huì)臨時(shí)到日志中去查找和分析，大部分日志數(shù)據(jù)都會(huì)在暫存一段時(shí)間后被永久清理。而這些日志文件作為應(yīng)用系統(tǒng)在實(shí)際生產(chǎn)運(yùn)行過程中的忠實(shí)記錄者，包含了大量能夠反映出應(yīng)用系統(tǒng)運(yùn)行情況的有效信息，這些信息可以對系統(tǒng)的優(yōu)化、運(yùn)維以及運(yùn)營帶來重要的決策參考。因此，如何克服當(dāng)前商業(yè)銀行應(yīng)用系統(tǒng)中存在的日志量巨大、日志分布情況復(fù)雜、日志記錄格式不規(guī)范等問題，實(shí)現(xiàn)對日志文件的有效分析，從中提取出有效的信息來指導(dǎo)生產(chǎn)、優(yōu)化決策，成為商業(yè)銀行IT部門面臨的一項(xiàng)重大問題。

二、應(yīng)用系統(tǒng)畫像

目前大數(shù)據(jù)領(lǐng)域一個(gè)較為前沿的研究熱點(diǎn)就是用戶畫像（Personas）[1]，所謂用戶畫像，即根據(jù)用戶的一些基本信息及行為數(shù)據(jù)進(jìn)行分析，在不同的維度，抽象出能夠反映用戶特征的標(biāo)簽，用標(biāo)簽的集合對用戶進(jìn)行描述。簡言之，用戶畫像的核心即是標(biāo)簽的集合，根據(jù)不同的應(yīng)用場景，定義不同的標(biāo)簽，再根據(jù)不同用戶的標(biāo)簽，針對不同用定義不同的營銷及推送策略，是用戶畫像在大數(shù)據(jù)領(lǐng)域的一個(gè)典型應(yīng)用[2]。

同樣，對于商業(yè)銀行的眾多應(yīng)用系統(tǒng)，每個(gè)應(yīng)用系統(tǒng)都具有不同的運(yùn)行特征，通過對這些不同的運(yùn)行特征進(jìn)行提取和歸納，形成相應(yīng)的標(biāo)簽，其所組成的集合，也即本文所提出的應(yīng)用系統(tǒng)畫像。

應(yīng)用系統(tǒng)畫像與日志分析可以完美的結(jié)合[3]，從日志中能夠提取到應(yīng)用系統(tǒng)不同維度的有效信息，通過對這些信息進(jìn)行計(jì)算，形成特征，而從這些特征中歸納出的標(biāo)簽的集合，即應(yīng)用系統(tǒng)畫像，又可以直觀的讓人們認(rèn)知這個(gè)系統(tǒng)，從而對系統(tǒng)的運(yùn)行特征、業(yè)務(wù)特征、性能特征等方面有一個(gè)充分的了解，進(jìn)而對應(yīng)用系統(tǒng)進(jìn)行系統(tǒng)運(yùn)維或運(yùn)營策略的調(diào)整。

三、商業(yè)銀行日志研究現(xiàn)狀分析

商業(yè)銀行日志中類繁多，用途各有不同，經(jīng)過前期的調(diào)查與研究，商業(yè)銀行目前的日志大致可分為以下幾個(gè)大類：

（1）交易日志：交易日志是指系統(tǒng)所記錄的業(yè)務(wù)流水、交易報(bào)文等信息，可用于分析系統(tǒng)的業(yè)務(wù)特征，如交易量、活躍客戶數(shù)、交易流動(dòng)性等。

（2）應(yīng)用日志：應(yīng)用日志包括系統(tǒng)自身所記錄的程序日志、數(shù)據(jù)日志以及后臺(tái)服務(wù)日志，可用于分析該應(yīng)用的運(yùn)行情況，包括異常率、異常種類、響應(yīng)時(shí)間等。

（3）系統(tǒng)日志：系統(tǒng)日志記錄了系統(tǒng)所部屬的物理載體的運(yùn)行情況，包括內(nèi)存使用率、CPU占用率、磁盤使用率等。

（4）運(yùn)維與操作日志：運(yùn)維與操作日志記錄了系統(tǒng)的變更、應(yīng)急以及日常操作行為，包括變更頻率、變更成功率、應(yīng)急次數(shù)、登錄次數(shù)、登錄時(shí)長等信息，可用于分析系統(tǒng)的獎(jiǎng)狀性、穩(wěn)定性和安全性。

（5）網(wǎng)絡(luò)日志[4]：網(wǎng)絡(luò)日志記錄了應(yīng)用系統(tǒng)的網(wǎng)絡(luò)狀態(tài)，包括丟包率、擁堵情況、帶寬變化等，可用于分析該系統(tǒng)的網(wǎng)絡(luò)聯(lián)通性、交易順暢性。

以上五類日志，涵蓋了商業(yè)銀行應(yīng)用系統(tǒng)的大部分日志，而目前這五類日志并未得到廣泛的應(yīng)用和分析，大部分日志都設(shè)置了清理策略，在暫存一段時(shí)間后都會(huì)被永久刪除。究其原因，一方面是因?yàn)槟壳叭罩緮?shù)據(jù)的分析和管理尚未引起高度重視，目前銀行的應(yīng)用系統(tǒng)仍然以響應(yīng)業(yè)務(wù)為第一要素，系統(tǒng)上線后的運(yùn)維也僅限于保證業(yè)務(wù)連續(xù)性等方面，雖然近些年來已經(jīng)有一些利用大數(shù)據(jù)技術(shù)對系統(tǒng)數(shù)據(jù)進(jìn)行分析的探索，但并未十分深入;而另一方面，也是由于對于日志的分析確實(shí)存在一些難點(diǎn)和問題。通過商業(yè)銀行目前日志存儲(chǔ)、產(chǎn)生、利用等相關(guān)情況的調(diào)查和分析，商業(yè)銀行日志數(shù)據(jù)目前面臨的幾個(gè)問題主要有以下幾個(gè)：

（1）日志規(guī)模大：以某國有銀行為例，僅網(wǎng)銀系統(tǒng)（僅包括企業(yè)、個(gè)人、手機(jī)等）一天產(chǎn)生的日志數(shù)量就達(dá)到71GB，這還僅僅是應(yīng)用日志及交易日志，如果再加上系統(tǒng)日志、數(shù)據(jù)庫日志、網(wǎng)絡(luò)日志等數(shù)據(jù)，保守估計(jì)每日會(huì)產(chǎn)生近100GB的日志數(shù)據(jù)。而網(wǎng)銀系統(tǒng)僅僅是商業(yè)銀行信息系統(tǒng)中的一部分，核心業(yè)務(wù)系統(tǒng)、信貸系統(tǒng)、基金理財(cái)系統(tǒng)，每類系統(tǒng)每天都會(huì)產(chǎn)生大量的日志數(shù)據(jù)，傳統(tǒng)的日志分析方法，如利用Linux腳本如grep、awk等已經(jīng)無法滿足如此海量日志的分析需求。

（2）日志格式不規(guī)范、存儲(chǔ)形式復(fù)雜且分散：商業(yè)銀行系統(tǒng)組成復(fù)雜，有自行開發(fā)的，有外購的，有外購二次開發(fā)的，也有開源改造的，如此復(fù)雜的系統(tǒng)構(gòu)成，再加上對日志格式并未有明確的書寫規(guī)范，導(dǎo)致商業(yè)銀行各類日志的記錄格式多樣且不規(guī)范。且各應(yīng)用系統(tǒng)的日志多為分散存儲(chǔ)，形式多樣，應(yīng)用日志有記錄在數(shù)據(jù)庫中的，有記錄在文本文件的，系統(tǒng)日志在不同的平臺(tái)上更是有不同的存儲(chǔ)路徑和格式，各類日志散落在不同的地點(diǎn)，缺乏統(tǒng)一收集和管理的平臺(tái)。

（3）日志用途單一：目前商業(yè)銀行對于日志的用途多是用來查找問題，當(dāng)生產(chǎn)系統(tǒng)出現(xiàn)問題時(shí)，查找該時(shí)點(diǎn)的日志，分析該問題產(chǎn)生原因。對日志的利用相對來講較為單一，沒有對日志進(jìn)行更深層次的挖掘和分析。

四、基于日志分析的應(yīng)用系統(tǒng)畫像架構(gòu)設(shè)計(jì)與分析

正如上節(jié)所述，目前商業(yè)銀行日志數(shù)據(jù)分析存在日志規(guī)模大、日志格式不規(guī)范，存儲(chǔ)形式分散、日志用途單一等難點(diǎn)，想要對應(yīng)用系統(tǒng)日志數(shù)據(jù)進(jìn)行有效分析，必須提出一種可行的方法和架構(gòu)，能夠解決這幾個(gè)重點(diǎn)問題。本文通過對目前國內(nèi)外同業(yè)研究現(xiàn)狀進(jìn)行分析，結(jié)合時(shí)下較為先進(jìn)的大數(shù)據(jù)與畫像技術(shù)，提出一種基于日志分析的應(yīng)用系統(tǒng)畫像架構(gòu)，如圖1所示：

圖1 基于日志分析的應(yīng)用系統(tǒng)畫像架構(gòu)

該架構(gòu)分為三個(gè)層次和六個(gè)階段，其中三個(gè)層次分別為數(shù)據(jù)層、處理層和應(yīng)用層，其中數(shù)據(jù)層為對底層日志數(shù)據(jù)分類采集和梳理的過程，采取基于FLUME的分布式大數(shù)據(jù)提取框架，針對不同種類的日志，采取代理服務(wù)、文件傳輸、數(shù)據(jù)庫DUMP、程序抓取、通信管道等形式對數(shù)據(jù)進(jìn)行統(tǒng)一采集;處理層為架構(gòu)的核心層，處理層包括三個(gè)階段，從下至上分別是日志預(yù)處理及存儲(chǔ)、日志特征提取和標(biāo)簽畫像，完成日志的采集之后，首先要進(jìn)行數(shù)據(jù)清洗、結(jié)構(gòu)化、標(biāo)準(zhǔn)化、轉(zhuǎn)碼、特殊字段處理等預(yù)處理手段，且由于數(shù)據(jù)量巨大，需要采取分布式文件存儲(chǔ)系統(tǒng)HDFS進(jìn)行存儲(chǔ)[5];預(yù)處理之后，利用Hadoop分布式集群，編寫MapReduce分布式處理程序，利用數(shù)據(jù)挖掘、統(tǒng)計(jì)分析等算法，從日志中提取有效特征;根據(jù)從日志中提取的特征[6]，從基本信息、業(yè)務(wù)運(yùn)營、應(yīng)用運(yùn)行、運(yùn)維操作、物理環(huán)境等五個(gè)維度，將各類特征歸納為標(biāo)簽，形成系統(tǒng)畫像。應(yīng)用層根據(jù)系統(tǒng)畫像可了解自己所關(guān)注的系統(tǒng)運(yùn)行情況，從而做出最優(yōu)的決策分析，典型的應(yīng)用場景有運(yùn)營情況分析、系統(tǒng)健康檢查、安全審計(jì)等。

上述構(gòu)架中，采用時(shí)下主流分布式大數(shù)據(jù)收集框架Flume及分布式計(jì)算框架Hadoop來解決海量日志數(shù)據(jù)的收集和計(jì)算問題[7]，并針對商業(yè)銀行日志數(shù)據(jù)存放分散，類別多樣的特點(diǎn)，集成了包括文件傳輸、數(shù)據(jù)庫DUMP、程序抓取等多種方式在內(nèi)的統(tǒng)一收集系統(tǒng)，并對數(shù)據(jù)進(jìn)行清洗、標(biāo)準(zhǔn)化、結(jié)構(gòu)化等預(yù)處理操作，解決了日志格式不規(guī)范、存儲(chǔ)形式復(fù)雜且分散的問題。同時(shí)，針對日志中的有效字段，采取數(shù)據(jù)挖掘、統(tǒng)計(jì)分析等計(jì)算策略，提取特征，歸納標(biāo)簽，形成應(yīng)用畫像，增加了日志分析的意義，解決了日志用途單一的問題。

五、總結(jié)

基于日志分析的商業(yè)銀行應(yīng)用系統(tǒng)畫像探索具有十分重要的研究意義，數(shù)據(jù)是商業(yè)銀行的寶貴財(cái)富，日志數(shù)據(jù)蘊(yùn)含了大量能直觀反映系統(tǒng)運(yùn)行情況的有效信息，通過從日志中提取的特征，歸納為標(biāo)簽，形成應(yīng)用系統(tǒng)畫像，對商業(yè)銀行對應(yīng)用系統(tǒng)的運(yùn)維、優(yōu)化及運(yùn)營都有著至關(guān)重要的意義。對于業(yè)務(wù)人員，業(yè)務(wù)維度的畫像可以使業(yè)務(wù)人員了解該系統(tǒng)的運(yùn)營情況，及時(shí)調(diào)整運(yùn)營策略，控制經(jīng)濟(jì)成本，提高營銷精準(zhǔn)度，調(diào)整業(yè)務(wù)資產(chǎn)投放等。對于運(yùn)維人員，應(yīng)用運(yùn)行及物理環(huán)境維度的畫像可以讓他們更清楚系統(tǒng)當(dāng)前的運(yùn)行狀況，靈活調(diào)整運(yùn)維策略，及時(shí)對系統(tǒng)進(jìn)行升級和優(yōu)化。對于開發(fā)人員，可以根據(jù)應(yīng)用系統(tǒng)畫像，了解所開發(fā)系統(tǒng)的功能及性能短板，方便進(jìn)行二次開發(fā)。對于審計(jì)人員，安全維度的標(biāo)簽可以幫助其快速了解系統(tǒng)的安全隱患，審計(jì)出非法或不合規(guī)的操作。

總之，基于日志分析的應(yīng)用系統(tǒng)畫像應(yīng)該是商業(yè)銀行探索日志分析的一個(gè)較有意義的研究方向，但仍然存在一些問題，如畫像粒度的定義，數(shù)據(jù)的敏感程度，數(shù)據(jù)的處理能力，實(shí)時(shí)日志處理對系統(tǒng)性能的影響，都有待進(jìn)一步研究和探索。

參考文獻(xiàn)

[1]劉海，盧慧，阮金花，田丙強(qiáng)，胡守忠.基于“用戶畫像”挖掘的精準(zhǔn)營銷細(xì)分模型研究[J].絲綢，2015，12：37-42+47.

[2]丁偉，王題，劉新海，韓涵.基于大數(shù)據(jù)技術(shù)的手機(jī)用戶畫像與征信研究[J].郵電設(shè)計(jì)技術(shù)，2016，03：64-69.

[3]付偉.基于Hadoop的Web日志的分析平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京郵電大學(xué)，2015.

[4]胡光民，周亮，柯立新.基于Hadoop的網(wǎng)絡(luò)日志分析系統(tǒng)研究[J].電腦知識(shí)與技術(shù)，2010，22：6163-6164+6185.

[5]趙龍.基于Hadoop的海量搜索日志分析平臺(tái)的設(shè)計(jì)和實(shí)現(xiàn)[D].大連理工大學(xué)，2013.

[6]薛文娟.基于層次聚類的日志分析技術(shù)研究[D].山東師范大學(xué)，2013.

[7]周秋彤.實(shí)時(shí)分布式Web日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].電子科技大學(xué)，2015.