□ 文/閤成國

背景介紹

大數(shù)據(jù)被提升為國家戰(zhàn)略足見其在國民經(jīng)濟中的重要作用，各級政府部門及企事業(yè)單位也順應(yīng)國家發(fā)展的要求，投入人力、資金建設(shè)大數(shù)據(jù)基礎(chǔ)設(shè)施，開發(fā)大數(shù)據(jù)應(yīng)用，讓大數(shù)據(jù)在政務(wù)和企事業(yè)經(jīng)營中發(fā)揮重要的指導(dǎo)作用。但各單位在之前的信息化建設(shè)過程中，已建成一些重要的業(yè)務(wù)管理系統(tǒng)、協(xié)同系統(tǒng)，這些系統(tǒng)由于業(yè)務(wù)或者內(nèi)部分工的不同，數(shù)據(jù)獨立存儲彼此孤立，數(shù)據(jù)價值不能最大化的發(fā)掘。大數(shù)據(jù)應(yīng)用的開發(fā)流程同傳統(tǒng)應(yīng)用一樣，都要經(jīng)過數(shù)據(jù)接入、數(shù)據(jù)處理分析、數(shù)據(jù)應(yīng)用開發(fā)等過程，不同的是，傳統(tǒng)應(yīng)用數(shù)據(jù)來源及結(jié)構(gòu)較為單一，大多重應(yīng)用輕數(shù)據(jù)管理，有些甚至以人工的方式管理數(shù)據(jù)，而大數(shù)據(jù)應(yīng)用的數(shù)據(jù)來源更為多樣化，數(shù)據(jù)類型更加復(fù)雜化，采用傳統(tǒng)應(yīng)用煙囪式的數(shù)據(jù)接入、分散式的數(shù)據(jù)管理方式已經(jīng)不能適應(yīng)大數(shù)據(jù)建設(shè)對數(shù)據(jù)管理的要求了，因此建立統(tǒng)一的大數(shù)據(jù)門戶管理系統(tǒng)，推動數(shù)據(jù)資源的整合及互通互用，顯得迫切和尤為重要，傳統(tǒng)應(yīng)用數(shù)據(jù)管理模式向大數(shù)據(jù)應(yīng)用數(shù)據(jù)統(tǒng)一管理演變?nèi)鐖D1所示：

數(shù)據(jù)集成環(huán)境是SEARI-TBDS解決方案的核心系統(tǒng)，以全息電子檔案（FIDA）為核心理念，具有集中整合數(shù)據(jù)資源，服務(wù)用戶業(yè)務(wù)需求的核心層地位，本文提出創(chuàng)建FIDA數(shù)據(jù)門戶系統(tǒng)，實現(xiàn)統(tǒng)一的數(shù)據(jù)接入及數(shù)據(jù)開放共享機制，是數(shù)據(jù)集成環(huán)境FIDA系統(tǒng)的重要基礎(chǔ)設(shè)施。

國內(nèi)外技術(shù)基礎(chǔ)

國內(nèi)外已有很多成熟的開源技術(shù)或軟件產(chǎn)品能為FIDA數(shù)據(jù)門戶系統(tǒng)的建設(shè)提供建設(shè)思路指導(dǎo)及基礎(chǔ)組件支撐，有了這些國內(nèi)外先進的技術(shù)，系統(tǒng)能在正確的方向上專注于功能的設(shè)計和實現(xiàn)，在系統(tǒng)研發(fā)的過程中，主要借鑒了以下產(chǎn)品優(yōu)秀的設(shè)計思想和引入相關(guān)組件作為基礎(chǔ)組件支撐系統(tǒng)的研發(fā)：

Kettle:一款國外優(yōu)秀的開源ETL工具，可以基于多種數(shù)據(jù)來源，完成數(shù)據(jù)的抽取、轉(zhuǎn)換、加載，將結(jié)果數(shù)據(jù)存儲到目標數(shù)據(jù)源。

Kafka:一款非常受國內(nèi)外互聯(lián)網(wǎng)公司熱捧的分布式開源消息系統(tǒng)軟件，基于O(1)的磁盤數(shù)據(jù)結(jié)構(gòu)實現(xiàn)消息的持久化，在普通的硬件上可以實現(xiàn)每秒數(shù)百萬的高吞吐量消息的發(fā)布訂閱。

MongoDB:是一個可擴展高性能的分布式NOSQL數(shù)據(jù)庫，面向集合且可以存儲對象數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)非常自由。

ELK:包括 Elasticsearch, Logstash, Kibana三大軟件，用來構(gòu)建大規(guī)模日志的實時分析處理系統(tǒng)。

FIDA數(shù)據(jù)門戶系統(tǒng)設(shè)計

數(shù)據(jù)門戶系統(tǒng)的定位（DPS）

SEARI-TBDS交通大數(shù)據(jù)解決方案主要包括異構(gòu)數(shù)據(jù)源接入、大數(shù)據(jù)存儲、數(shù)據(jù)門戶、數(shù)據(jù)分析處理、大數(shù)據(jù)應(yīng)用五大組成部分，數(shù)據(jù)門戶系統(tǒng)作為SEARI-TBDS的數(shù)據(jù)中樞紐帶，向下對接異構(gòu)數(shù)據(jù)源，將數(shù)據(jù)持久化存儲到大數(shù)據(jù)平臺，向上響應(yīng)數(shù)據(jù)分析處理系統(tǒng)數(shù)據(jù)請求，提供統(tǒng)一的數(shù)據(jù)訪問接口，方便數(shù)據(jù)分析處理程序的數(shù)據(jù)請求和結(jié)果回傳，最后將數(shù)據(jù)分析的結(jié)果以統(tǒng)一接口的方式提供給大數(shù)據(jù)應(yīng)用渲染，供業(yè)務(wù)方使用，數(shù)據(jù)門戶系統(tǒng)的定位如下圖2所示：

▲圖2：數(shù)據(jù)門戶系統(tǒng)在SEARI-TBDS大數(shù)據(jù)解決方案中的定位

數(shù)據(jù)門戶功能單元

數(shù)據(jù)門戶系統(tǒng)FIDA.DPS是SEARI-TBDS解決方案中的重要基礎(chǔ)設(shè)施，在功能上主要負責大數(shù)據(jù)平臺對內(nèi)對外的數(shù)據(jù)接入及數(shù)據(jù)提供兩大功能：

數(shù)據(jù)接入：大數(shù)據(jù)平臺只有匯聚足夠多的數(shù)據(jù)，才能進行數(shù)據(jù)的多維度挖掘碰撞分析，這些數(shù)據(jù)來源于不同的業(yè)務(wù)系統(tǒng)或者外部系統(tǒng)，他們的格式多種多樣、存儲的載體也不盡相同；數(shù)據(jù)接入將這些異構(gòu)數(shù)據(jù)的接入工作流程進行抽象，找出共性部分，將數(shù)據(jù)接入流程標準化，抽象為數(shù)據(jù)源管理、接入配置、接入服務(wù)、數(shù)據(jù)接入清單、接入監(jiān)控五大組件。

數(shù)據(jù)提供：數(shù)據(jù)中心匯聚的各類數(shù)據(jù)，最終需要提供給上層應(yīng)用或外部系統(tǒng)使用，才能發(fā)揮數(shù)據(jù)的應(yīng)用價值，因此需要統(tǒng)一的數(shù)據(jù)提供接口，保障提供數(shù)據(jù)的一致性、便利性、安全性。數(shù)據(jù)提供以數(shù)據(jù)中心的數(shù)據(jù)為載體，由接入數(shù)據(jù)源管理、提供配置、提供服務(wù)、數(shù)據(jù)提供清單、服務(wù)認證、用戶管理、訂閱管理、服務(wù)監(jiān)控八大組件組成。

FIDA.DPS數(shù)據(jù)接入設(shè)計

FIDA.DPS數(shù)據(jù)接入功能模塊主要負責將業(yè)務(wù)平臺及外部系統(tǒng)數(shù)據(jù)接入到大數(shù)據(jù)平臺中，同時完成數(shù)據(jù)轉(zhuǎn)換，將結(jié)果數(shù)據(jù)存儲到大數(shù)據(jù)平臺。

接入流程設(shè)計

數(shù)據(jù)標準化接入流程如圖3所示：

▲圖3：數(shù)據(jù)標準化接入流程

● 數(shù)據(jù)抽取

負責從數(shù)據(jù)源獲取原始數(shù)據(jù)，涉及到數(shù)據(jù)源支持、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)對象化及數(shù)據(jù)存儲功能。

● 數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)轉(zhuǎn)換主要包括數(shù)據(jù)變換、數(shù)據(jù)字段添加合并與拆分、缺省字段賦值、數(shù)據(jù)翻譯（編碼轉(zhuǎn)換）、數(shù)據(jù)合并、數(shù)據(jù)聚合等。

● 數(shù)據(jù)對象化組織

按照數(shù)據(jù)分析處理的要求，以對象化的方式組織數(shù)據(jù)，數(shù)據(jù)對象化組織由FIDA.BDO軟件實現(xiàn)，本文不擴展討論。

● 數(shù)據(jù)存儲

接入數(shù)據(jù)按照不同的使用要求，存儲到文件系統(tǒng)、關(guān)系型數(shù)據(jù)庫、大數(shù)據(jù)平臺中。

▲圖4：數(shù)據(jù)接入核心模型

接入核心模型

數(shù)據(jù)接入模型借鑒了Kettle的設(shè)計思想,將接入流程進行抽象為轉(zhuǎn)換和任務(wù)，其中轉(zhuǎn)換是數(shù)據(jù)接入邏輯的封裝，由一系列步驟組成，步驟按功能分為數(shù)據(jù)讀取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)寫入三種，這些步驟由執(zhí)行鏈進行連接，構(gòu)成一個有向無環(huán)圖，數(shù)據(jù)接入能力計算公式定義為：

CFIDA.DPS = Nread * Mtansmethod * Ywrite

其中CFIDA.DPS --數(shù)據(jù)接入能力， Nread --數(shù)據(jù)讀取能力，Mtansmethod --數(shù)據(jù)轉(zhuǎn)換能力，Ywrite--數(shù)據(jù)寫入能力。

任務(wù)封裝了接入能力的調(diào)度邏輯，調(diào)度類型分為一次性、周期性、消息觸發(fā)等方式，一個任務(wù)中包含一個轉(zhuǎn)換；接入程序（簡稱ETL主機）以后臺服務(wù)的形式運行，承載若干數(shù)據(jù)接入任務(wù)，當任務(wù)較多時，可以水平擴展，部署更多的ETL主機，完成平臺的數(shù)據(jù)接入工作，數(shù)據(jù)接入的核心模型如圖4所示：

接入步驟設(shè)計

根據(jù)數(shù)據(jù)接入的核心模型，數(shù)據(jù)的接入能力通過3個步驟體現(xiàn)，分別是數(shù)據(jù)讀取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)寫入，接入能力設(shè)計如圖5所示，各步驟能力說明如下：

● 數(shù)據(jù)讀取步驟Nread

讀取步驟是指獲取原始數(shù)據(jù)所支持數(shù)據(jù)源的種類，理論上可以做到無限擴展，支持的種類越多，讀取能力越強，目前支持的數(shù)據(jù)源有關(guān)系型數(shù)據(jù)庫表、NOSQL數(shù)據(jù)庫表、文件、REST接口、TCP通訊，后續(xù)可以根據(jù)需要增加新的數(shù)據(jù)源，只需增加對應(yīng)的數(shù)據(jù)源讀取插件即可；

● 數(shù)據(jù)轉(zhuǎn)換步驟Mtansmethod

▲圖5：數(shù)據(jù)接入設(shè)計

轉(zhuǎn)換步驟指的是對讀取的數(shù)據(jù)進行數(shù)據(jù)變換的能力，目前支持的數(shù)據(jù)格式變換、賦缺省值、類型變換、值替換等，后續(xù)可以根據(jù)需要增加對應(yīng)的轉(zhuǎn)換插件，理論上可以做到無限擴展；

● 數(shù)據(jù)寫入步驟Ywrite

寫入步驟是指將結(jié)果數(shù)據(jù)存儲所支持的目標數(shù)據(jù)源種類，目前支持的目標數(shù)據(jù)源有關(guān)系型數(shù)據(jù)庫表、NOSQL庫表、文件、HDFS、HIVE、HBASE，后續(xù)可以根據(jù)需要增加對應(yīng)的目標數(shù)據(jù)源，只需添加對應(yīng)的目標數(shù)據(jù)源寫入插件即可，理論上可以做到無限擴展。

接入場景設(shè)計

通過不同的任務(wù)調(diào)度類型和轉(zhuǎn)換模式的組合，F(xiàn)IDA.DPS提供多種數(shù)據(jù)接入場景設(shè)計，接入場景設(shè)計說明如下：

● 實時數(shù)據(jù)接入場景：按照任務(wù)調(diào)度類型可以分為一次性寫入和周期性寫入，根據(jù)數(shù)據(jù)讀取寫入的存儲類型可以分為全量覆蓋、插入、更新、合并，組合可以支持8種應(yīng)用場景。

● 歷史數(shù)據(jù)的全量接入場景：歷史數(shù)據(jù)的全量接入是指在系統(tǒng)中將離線的歷史數(shù)據(jù)的一次性導(dǎo)入。

● 歷史數(shù)據(jù)的增量接入場景：歷史數(shù)據(jù)由于采集周期較長，通常按采集時間周期性的增量接入。

接入監(jiān)控設(shè)計

接入監(jiān)控是數(shù)據(jù)接入的眼睛，便于及時掌控數(shù)據(jù)接入的運行狀態(tài)，通過使用Kafka的即時傳輸告警信息，使用ELK收集處理分析接入日志，使用MongoDB存儲基礎(chǔ)配置信息和分析結(jié)果，使用Spring Cloud構(gòu)建分布式的服務(wù)，將這些技術(shù)有機的結(jié)合運用，實現(xiàn)ETL主機監(jiān)控、接入任務(wù)監(jiān)控及報警功能。

FIDA.DPS數(shù)據(jù)提供設(shè)計

FIDA.DPS數(shù)據(jù)提供功能模塊主要負責從大數(shù)據(jù)平臺獲取原始存儲、中間結(jié)果、分析處理后的結(jié)果數(shù)據(jù)，根據(jù)數(shù)據(jù)開放和用戶訂閱的需求對外提供數(shù)據(jù)接口，供上層應(yīng)用或外部系統(tǒng)使用。

提供流程設(shè)計

數(shù)據(jù)標準化提供的整體處理流程如圖6所示：

▲圖6：數(shù)據(jù)標準化提供流程

● 數(shù)據(jù)查詢

從大數(shù)據(jù)平臺的關(guān)系型數(shù)據(jù)庫或分布式文件系統(tǒng)中獲取數(shù)據(jù)。

● 數(shù)據(jù)篩選

根據(jù)用戶或業(yè)務(wù)應(yīng)用訂閱情況篩選數(shù)據(jù)。

● 數(shù)據(jù)組織

根據(jù)數(shù)據(jù)模型組織數(shù)據(jù)，生成對象化數(shù)據(jù)。

● 數(shù)據(jù)接口

提供應(yīng)用獲取數(shù)據(jù)的標準接口，主要體現(xiàn)為REST接口、文件等方式。

開放接口設(shè)計

數(shù)據(jù)提供采用統(tǒng)一開放接口的方式對外提供數(shù)據(jù)，接口請求采用REST的方式，每一個開放的數(shù)據(jù)項在系統(tǒng)中以一個數(shù)據(jù)服務(wù)的形式存在，數(shù)據(jù)服務(wù)基于Spring Cloud 的分布式微服務(wù)架構(gòu)實現(xiàn)，使用Eureka server作為服務(wù)的注冊中心，使用Zuul網(wǎng)關(guān)組件統(tǒng)一微服務(wù)請求的入口，將數(shù)據(jù)請求轉(zhuǎn)發(fā)到具體的數(shù)據(jù)服務(wù)上，完成數(shù)據(jù)提供功能。

服務(wù)認證設(shè)計

數(shù)據(jù)提供服務(wù)接口調(diào)用采用認證機制，用戶使用接口需先登陸，根據(jù)預(yù)分配的用戶名和密碼登錄成功后系統(tǒng)分配訪問令牌，服務(wù)接口調(diào)用時需將訪問令牌作為參數(shù)提交，接口調(diào)用時檢查令牌，判斷是否有權(quán)限訪問。

▲圖7：FIDA數(shù)據(jù)門戶界面原型

用戶訂閱及監(jiān)控設(shè)計

數(shù)據(jù)使用方在使用數(shù)據(jù)服務(wù)時，需在系統(tǒng)統(tǒng)一注冊登記，分配賬戶密碼及訪問密鑰，提交數(shù)據(jù)服務(wù)訂閱請求，經(jīng)審核后方可使用數(shù)據(jù)，系統(tǒng)會對用戶的請求和數(shù)據(jù)服務(wù)的響應(yīng)情況進行監(jiān)控，保障數(shù)據(jù)服務(wù)正常運行。

產(chǎn)品原型及應(yīng)用示范

作為大數(shù)據(jù)平臺的數(shù)據(jù)中樞，F(xiàn)IDA系統(tǒng)承擔數(shù)據(jù)操作系統(tǒng)職能，F(xiàn)IDA.DPS門戶系統(tǒng)承擔系統(tǒng)數(shù)據(jù)通道的作用，目前，該系統(tǒng)成功應(yīng)用于公安交管行業(yè)的大數(shù)據(jù)平臺建設(shè)當中。某新區(qū)交管部門的大數(shù)據(jù)智能研判平臺建設(shè)中，使用FIDA數(shù)據(jù)門戶系統(tǒng)匯聚警情、違法、事故、路網(wǎng)、車輛、人口、設(shè)備設(shè)施等各類數(shù)據(jù)300多項，都按照標準的流程配置完成數(shù)據(jù)接入，其中基礎(chǔ)數(shù)據(jù)170多項，實時數(shù)據(jù)和歷史數(shù)據(jù)各60多項；此外開放共享數(shù)據(jù)80多項，通過統(tǒng)一的接口，供大數(shù)據(jù)研判應(yīng)用和業(yè)務(wù)系統(tǒng)使用。FIDA數(shù)據(jù)門戶系統(tǒng)主要界面原型如圖7所示：

小結(jié)

本文主要從大數(shù)據(jù)環(huán)境下強調(diào)了統(tǒng)一數(shù)據(jù)管理的重要性和必要性，從功能上闡述了FIDA.DPS的體系結(jié)構(gòu)，又分別從數(shù)據(jù)接入和數(shù)據(jù)提供兩方面介紹了系統(tǒng)設(shè)計思想用以指導(dǎo)系統(tǒng)實現(xiàn)。FIDA.DPS數(shù)據(jù)門戶系統(tǒng)實現(xiàn)了對數(shù)據(jù)接入與提供的全流通過程管理，提升了用戶數(shù)據(jù)管理水平，幫助用戶全面掌控數(shù)據(jù)資產(chǎn)，實現(xiàn)了數(shù)據(jù)的可監(jiān)控、可運維、在線管理，提高了系統(tǒng)的智能性與靈活性，降低了數(shù)據(jù)在流入和流出平臺的開發(fā)難度，常見數(shù)據(jù)源可以做到配置即可使用，另外預(yù)留擴展接口可以根據(jù)數(shù)據(jù)應(yīng)用需求進行數(shù)據(jù)接入和提供的多維度擴展。