裴鵬真

（河南省新聞出版廣電局信息網(wǎng)絡(luò)視聽節(jié)目傳播監(jiān)管中心，鄭州 450003）

近年來，中國的互聯(lián)網(wǎng)新媒體技術(shù)總體呈現(xiàn)出快速發(fā)展的態(tài)勢，除了傳統(tǒng)互聯(lián)網(wǎng)網(wǎng)站，尤其尤其是微信、微博、手機APP，網(wǎng)絡(luò)直播、OTT技術(shù)的迅猛崛起，以及未來幾年即將AR、VR技術(shù)等新穎技術(shù)的大規(guī)模應(yīng)用，在為廣大人民帶來瀏覽視頻方便的同時，也對傳統(tǒng)互聯(lián)網(wǎng)監(jiān)管以監(jiān)控音視頻網(wǎng)站為主的監(jiān)管形式提出了新的挑戰(zhàn)。

據(jù)CNNIC統(tǒng)計，截至2017年6月底，中國網(wǎng)民規(guī)模達7.51億，我國手機網(wǎng)民規(guī)模達7.24億。人們利用休閑、碎片化時間，更進一步促進了新媒體業(yè)務(wù)傳播發(fā)展。此外，隨著近幾年國產(chǎn)電影、電視劇、微電影等海量節(jié)目的誕生給廣大百姓帶來盛宴的同時，給監(jiān)管部門也帶來了一定的壓力，如何對這些海量視頻節(jié)目進行存儲？如何對這些海量視頻節(jié)目進行分解、信息提取，形成節(jié)目索引？如何分析視頻節(jié)目，形成視頻比對關(guān)鍵幀？如何從新媒體上抓取傳播的視頻并及時和現(xiàn)有本地視頻庫內(nèi)容進行較為及時的對比？從數(shù)據(jù)量和計算速度上來說，都給監(jiān)管部門提出不少壓力。

1 新媒體監(jiān)管業(yè)務(wù)需求

當今新媒體傳播方式和傳播手段，無非是將不同的視聽節(jié)目放在了不同平臺，采用了不同的媒體格式和傳播手段，其傳播的內(nèi)容始終沒有變化。在采集環(huán)節(jié)因不同的傳播平臺稍有不同，或是通過定制模板，或是通過暴力破解，或是通過賬號登錄隱身接入輪訓節(jié)目，或是通過行政手段強制接入，都是為了最初的原始數(shù)據(jù)，而后期分析手段、比對技術(shù)也基本上相當。在前端采集、中級分析、后期對比等技術(shù)基本成型，后期改進難度較大的情況下，如何將現(xiàn)有已經(jīng)存在、及將來即將建設(shè)的各個業(yè)務(wù)監(jiān)管平臺的統(tǒng)一起來、將海量數(shù)據(jù)整合起來，提高資源利用率，降低運營成本，我認為是當前各省局新媒體監(jiān)管業(yè)務(wù)要考慮的重要問題。

2 大數(shù)據(jù)支撐平臺

現(xiàn)在，1TB的硬盤已然成為當下存儲主流，但其硬盤數(shù)據(jù)傳輸速度約100MB/S，讀完整個硬盤中的數(shù)據(jù)至少花費2.5個小時，寫入數(shù)據(jù)的速度就更慢了。一個很簡單的減少讀取時間的辦法就是同時從多個硬盤上讀數(shù)據(jù)。試想，如果我們有100個硬盤，每個硬盤存儲1%的數(shù)據(jù)，并行讀取，那么不到2分鐘就可以讀完所有1TB數(shù)據(jù)。這就是大數(shù)據(jù)存儲方式的最初考慮的初衷。

現(xiàn)有河南互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)，采用單點關(guān)系型數(shù)據(jù)庫結(jié)構(gòu)，用來存儲網(wǎng)站文本信息的空間為2T；采用FCSAN架構(gòu)，用于存儲視頻節(jié)目的空間為20T。對于未來新的監(jiān)管業(yè)務(wù)來說，比起文字信息，視聽內(nèi)容所要占用的空間更大，因此對于新媒體監(jiān)管業(yè)務(wù)平臺來說，要考慮容納更多的視頻節(jié)目空間，可能多大到100T，甚至更多。為了適應(yīng)未來高性能數(shù)據(jù)查詢系統(tǒng)，僅僅靠提高傳統(tǒng)的關(guān)系型數(shù)據(jù)庫服務(wù)器的性能，已無法達到高的性價比要求，必須要考慮非關(guān)系型數(shù)據(jù)庫、大數(shù)據(jù)存儲結(jié)構(gòu)等新的存儲技術(shù)。

對于新媒體監(jiān)管業(yè)務(wù)中的視頻節(jié)目來說，分布式存儲是個很好的選擇。大數(shù)據(jù)存儲必須有其適應(yīng)的存儲和計算方式，相比傳統(tǒng)關(guān)系型數(shù)據(jù)庫而言，在存取海量數(shù)據(jù)，柔性擴展，結(jié)構(gòu)化非結(jié)構(gòu)化存儲方面，大數(shù)據(jù)有著不可比擬的優(yōu)勢。

2.1 Hadoop計算架構(gòu)[1]

根據(jù)現(xiàn)有互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)的及未來新系統(tǒng)的業(yè)務(wù)，考慮到Hadoop計算架構(gòu)具有高性能集群計算和存儲能力，且易擴展，選擇與Oracle數(shù)據(jù)混搭方式， 優(yōu)勢互補，充分發(fā)揮其優(yōu)勢，既可以提升海量數(shù)據(jù)采集時效性，又可確保核心數(shù)據(jù)服務(wù)能力的穩(wěn)定。

Hadoop中心組件是HDFS和MapReduce[2]。Hadoop通過HDFS為用戶提供高容錯性和高伸縮性的海量數(shù)據(jù)的分布式存儲，通過MapReduce為用戶提供邏輯簡單、底層透明的并行處理框架。HDFS具有高容錯性，適合批處理、大數(shù)據(jù)處理，可構(gòu)建在廉價處理機器上等優(yōu)點，在Hadoop平臺上，有很多新的開發(fā)、應(yīng)用、管理工具，可查閱Hadoop生態(tài)圈，既同現(xiàn)有系統(tǒng)在數(shù)據(jù)檢索、存儲上有兼容之處，又可以采用新的技術(shù)開發(fā)新的監(jiān)管業(yè)務(wù)系統(tǒng)。

2.2 整體架構(gòu)

2.2.1 數(shù)據(jù)庫與數(shù)據(jù)倉庫

現(xiàn)有互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)，該系統(tǒng)采用單點Oracle數(shù)據(jù)庫來存儲所有監(jiān)管網(wǎng)站的信息、索引、管理信息、統(tǒng)計報表、日志管理等，而全部視頻節(jié)目及抽取的關(guān)鍵幀采用FCSAN架構(gòu)來存儲。

對于當前河南固有的互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)及將來的其他新媒體監(jiān)管業(yè)務(wù)系統(tǒng)（微信、微博、手機APP，OTT，直播等）可以考慮在Hadoop上進行融合。其中有幾個重要的工具可以幫助我們遷移及構(gòu)建新媒體監(jiān)管業(yè)務(wù)綜合平臺。

2.2.2 Hive[3]

它是一個構(gòu)建在Hadoop上的數(shù)據(jù)倉庫框架，它把數(shù)據(jù)組織為表，然后通過一種方式將存儲在HDFS中的數(shù)據(jù)賦予結(jié)構(gòu)，Hive會將SQL查詢語句轉(zhuǎn)換為一系列在Hadoop集群上運行的MapReduce作業(yè)完成一次集中查詢。其設(shè)計初衷是讓精通SQL技能的分析師能夠?qū)Ψ旁贖DFS上的大規(guī)模數(shù)據(jù)集執(zhí)行集中查詢。對于現(xiàn)有監(jiān)管中心維護人員來說，在擴展及升級本中心系統(tǒng)的同時，Hive不失為一種好的選擇，其多年的SQL語句的維護技能優(yōu)勢還能繼續(xù)得以發(fā)揮。

2.2.3 Hbase

它是一個在HDFS上開發(fā)的面向列的典型的分布式數(shù)據(jù)庫，非關(guān)系型數(shù)據(jù)庫，提供大規(guī)模伸縮式服務(wù)[4]，實時支持隨機訪問超大規(guī)模數(shù)據(jù)集。新媒體監(jiān)管業(yè)務(wù)系統(tǒng)本身就擁有超大規(guī)模數(shù)據(jù)，以往的關(guān)系型數(shù)據(jù)庫在暴增的視聽數(shù)據(jù)面前，面臨實時的大規(guī)模查詢，會顯現(xiàn)越來越笨拙，Hbase將為新的數(shù)據(jù)提供新的、更高級、更快的服務(wù)。此外，該數(shù)據(jù)庫本身就有一個典型的應(yīng)用：webtable，一個以網(wǎng)頁為URL為主鍵的表，其中包含爬取頁面和頁面的屬性，webtable非常大，行數(shù)可以達十億級之級。因此，與新媒體監(jiān)管業(yè)務(wù)系統(tǒng)特別是互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)是一個很好的契合點，在建設(shè)綜合平臺選擇分布式數(shù)據(jù)庫時，Hbase無疑是我們的最佳選擇。

2.2.4 Sqoop

它的功能是將將結(jié)構(gòu)化存儲數(shù)據(jù)抽取到hadoop中，用于進一步處理，供Hive應(yīng)用，或者更甚者供HBase應(yīng)用。它支持當前很多通用關(guān)系型數(shù)據(jù)庫，例如：MySQL、PostgreSql、Oracle、SQLserver和DB2，同時還有一個通用的JDBC連接器。河南互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)中，其龐大的數(shù)據(jù)庫目前是用單臺Oracle來存儲的，如果建設(shè)綜合監(jiān)管平臺，必定將老數(shù)據(jù)遷移至新平添，該工具可以圓滿完成該任務(wù)，可以將數(shù)據(jù)據(jù)遷移至Hadoop平臺上或者遷移至分布式數(shù)據(jù)庫Hbase中。

2.2.5 ZooKeeper

ZooKeeper是Hadoop的一個分布式協(xié)調(diào)服務(wù)，是Hadoop和Hbase的重要組件。它是一個為分布式應(yīng)用提供一致性服務(wù)的軟件，提供的功能包括：配置維護、域名服務(wù)、分布式同步、組服務(wù)等。分布式應(yīng)用中主要困難在于寫應(yīng)用可能存在“部分失敗”，當一條消息在網(wǎng)絡(luò)中兩個節(jié)點之間傳送時，如果網(wǎng)絡(luò)出現(xiàn)錯誤，發(fā)送者無法知道接收者是否已經(jīng)收到消息。接收者可能在出現(xiàn)網(wǎng)絡(luò)錯誤之前就已經(jīng)收到這條消息，也可能沒有收到，又或者接收的進程已經(jīng)死掉。由于“部分失敗”是分布式系統(tǒng)的固有的特征，ZooKeeper可以提供一組工具，使你在構(gòu)建分布式應(yīng)用時能夠?qū)Α安糠质　边M行處理，為分布式應(yīng)用服務(wù)保駕護航。

3 綜合平臺架構(gòu)

新媒體監(jiān)管業(yè)務(wù)綜合監(jiān)管平臺如圖1，包含互聯(lián)網(wǎng)視聽節(jié)目監(jiān)管系統(tǒng)、手機APP監(jiān)管系統(tǒng)、微信監(jiān)管系統(tǒng)、微博監(jiān)管系統(tǒng)、輿情監(jiān)管系統(tǒng)、網(wǎng)絡(luò)直播監(jiān)管系統(tǒng)、OTT監(jiān)管系統(tǒng)七大監(jiān)管系統(tǒng)和其他日常管理模塊，七大系統(tǒng)數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗、數(shù)據(jù)排重、一致性判斷統(tǒng)一集成在Hadoop和HBase集成的數(shù)據(jù)服務(wù)中，達到數(shù)據(jù)高效、精潔利用。

圖1 新媒體監(jiān)管業(yè)務(wù)綜合平臺圖

該平臺至少具有以下功能：

（1）可靠性，穩(wěn)定性；

（2）強健性，高可用性；

（3）實用性強，易操作，易維護性；

（4）可擴展性、伸縮性強；

（5）系統(tǒng)與系統(tǒng)之間松和耦合，系統(tǒng)數(shù)據(jù)冗余率低；

（6）大數(shù)據(jù)存儲擴展性強；

（7）容災(zāi)能力強，故障可隔離性。

4 結(jié)束語

新媒體監(jiān)管業(yè)務(wù)綜合平臺，用于當前互聯(lián)網(wǎng)新媒體業(yè)務(wù)的監(jiān)管業(yè)務(wù)，既融合有當前舊系統(tǒng)已有功能，也也將吸收當前互聯(lián)網(wǎng)的最新技術(shù)，因此，在設(shè)計初期，必須考慮到新的系統(tǒng)開發(fā)商的集成能力及與舊系統(tǒng)協(xié)商溝通能力，對平臺的設(shè)計、開發(fā)、搭建、遷移及維護人員也有更高能力的要求。新媒體監(jiān)管業(yè)務(wù)綜合平臺的建設(shè)必將在有效利用硬件資源的同時，整合所有業(yè)務(wù)系統(tǒng)數(shù)據(jù)，使得數(shù)據(jù)利用率更高，業(yè)務(wù)質(zhì)量得到進一步提升，新媒體的監(jiān)管業(yè)務(wù)模式將更加統(tǒng)一。

參考文獻：

[1] Tom White（美）著. 華東師范大學數(shù)據(jù)科學與工程學院（譯） 《Hadoop權(quán)威指南（第三版）》 [2015-1] .

[2] 陳忠義.基于Hadoop的分布式文件系統(tǒng)[J].電子技術(shù)與軟件工程.2017，5[3]：175.

[3] 李春曉，基于Hive的分布式空間數(shù)據(jù)庫的研究與優(yōu)化[C] 河南：河南大學，2015：15-18.

[4] 涂俊英，李志敏云.計算下非結(jié)構(gòu)化大數(shù)據(jù)存儲系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2018，1[1]：175-176.