方志寧 張海濱 馮雷 葛永東

（國電電力發(fā)展股份有限公司科技與信息管理部 北京市 100101）

1 引言

隨著工業(yè)制造企業(yè)在自動化、信息化、數(shù)字化建設方面不斷發(fā)展，以大數(shù)據(jù)、人工智能為代表的新技術在工業(yè)制造企業(yè)得到了廣泛應用，這將更好地支撐企業(yè)戰(zhàn)略發(fā)展需求，提高企業(yè)創(chuàng)新能力，并為企業(yè)發(fā)展提供強大動力，為建設智慧企業(yè)提供有力技術保障。文獻[1]中對大數(shù)據(jù)、云計算作為基礎設施的優(yōu)勢進行了研究，這也是新一代數(shù)據(jù)中心的發(fā)展趨勢，在此背景下某集團化公司信息化建設也得到了良好的發(fā)展，公司本部及分布在全國各地的所屬各單位相繼建設了以大數(shù)據(jù)技術為基礎架構(gòu)的數(shù)據(jù)中心，為上層業(yè)務應用創(chuàng)新提供堅實的基礎。

目前，隨著分布在全國各地的所屬各單位數(shù)據(jù)中心的不斷建立，每個數(shù)據(jù)中心也成了一個一個的信息孤島，沒有共享的基礎和條件。各數(shù)據(jù)中心數(shù)據(jù)得不到有效共享，浪費大量的人力物力，與信息化提高效率減輕勞動強度的初衷還有差距，導致數(shù)據(jù)對于業(yè)務的支撐作用還不夠明顯。因此需要匯集并沉淀業(yè)務數(shù)據(jù)，進行跨中心的數(shù)據(jù)融合、標準化，形成企業(yè)數(shù)據(jù)資產(chǎn)，并提供數(shù)據(jù)服務能力，為業(yè)務應用創(chuàng)新賦能。

針對上述現(xiàn)狀，文獻[2]提出了數(shù)據(jù)訪問與位置、平臺、應用無關的解決方案，文獻[3]提出了基于數(shù)據(jù)平臺的所在行業(yè)的市場數(shù)據(jù)整合的方案，文獻[4-7]也從不同的角度提出了系統(tǒng)間數(shù)據(jù)共享交換的技術，也有針對應用級開發(fā)數(shù)據(jù)交互功能以實現(xiàn)數(shù)據(jù)共享。上述的研究對所在行業(yè)領域的數(shù)據(jù)交互進行了探討，或是針對具體業(yè)務場景提出了數(shù)據(jù)交互技術，但在海量數(shù)據(jù)同步傳輸、數(shù)據(jù)安全、監(jiān)控等方面沒有提出有效的解決方法。

因此，在所在行業(yè)數(shù)據(jù)交換共享的場景雖然有針對不同場景數(shù)據(jù)共享的方案與技術，但在異地數(shù)據(jù)中心之間的數(shù)據(jù)同步傳輸需要考慮數(shù)據(jù)量大、帶寬、數(shù)據(jù)點選、時效性等各種因素，因此異地數(shù)據(jù)中心的數(shù)據(jù)同步傳輸系統(tǒng)在此背景和需求下，通過采用分布式大數(shù)據(jù)核心技術設計并實現(xiàn)跨數(shù)據(jù)中心的數(shù)據(jù)同步傳輸系統(tǒng),解決異地數(shù)據(jù)中心的數(shù)據(jù)融合與同步難的問題。

某集團化公司本部及分布在全國各地的所屬各單位的數(shù)據(jù)中心作為試點工程，已將異地數(shù)據(jù)中心的數(shù)據(jù)同步傳輸系統(tǒng)（以下簡稱：數(shù)據(jù)傳輸系統(tǒng)）投入運行，通過數(shù)據(jù)同步傳輸系統(tǒng)，公司本部可以實現(xiàn)與所屬各單位數(shù)據(jù)中心數(shù)據(jù)共享，為公司本部和各廠站實現(xiàn)辦公協(xié)同化、信息網(wǎng)絡化、業(yè)務電子化、決策分析數(shù)字化提供數(shù)據(jù)基礎。通過數(shù)據(jù)的匯聚、融合、共享、分發(fā)、應用，從單向輸出到雙向互動，企業(yè)的社交屬性充分發(fā)揮，數(shù)據(jù)共享和融合將帶來多領域協(xié)作、跨界創(chuàng)新的多重效應。新價值的創(chuàng)造，將為企業(yè)賦能，使其在不斷變幻的市場中保持長盛不衰并保有持續(xù)競爭力。

2 系統(tǒng)總體設計

數(shù)據(jù)同步傳輸系統(tǒng)總體架構(gòu)設計如圖1，整個系統(tǒng)以分布式大數(shù)據(jù)技術為基礎架構(gòu)，整體架構(gòu)分為三部分：數(shù)據(jù)傳輸軟件、數(shù)據(jù)傳輸管控、基礎大數(shù)據(jù)平臺。

數(shù)據(jù)傳輸軟件層以大數(shù)據(jù)技術Apache Nifi 作為數(shù)據(jù)同步傳輸?shù)暮诵募夹g，結(jié)合Hadoop、Spark、Flink、Hive、Impala、Kudu 等大數(shù)據(jù)技術棧，充分發(fā)揮大數(shù)據(jù)分布式處理技術的優(yōu)勢，實現(xiàn)數(shù)據(jù)獲取、數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)路由、數(shù)據(jù)壓縮、加密等功能，并支持從不同的數(shù)據(jù)中心的數(shù)據(jù)存儲系統(tǒng)中實時或離線批量的方式進行數(shù)據(jù)同步傳輸，通過Apache Nifi 解決了數(shù)據(jù)源多樣性、網(wǎng)絡安全以及傳輸速率等問題。

圖1：系統(tǒng)總體架構(gòu)

數(shù)據(jù)傳輸管控層是一個基于Web 的管理系統(tǒng)，后臺調(diào)用Apache Nifi 的REST API，實現(xiàn)數(shù)據(jù)的傳輸功能。用戶可以在界面上添加數(shù)據(jù)中心的配置文件，創(chuàng)建用于跨數(shù)據(jù)中心的數(shù)據(jù)傳輸?shù)臄?shù)據(jù)流，并且可以在數(shù)據(jù)流中配置該數(shù)據(jù)流的運行頻次和數(shù)據(jù)傳輸?shù)膸?，簡單易用，同時也屏蔽了用戶對于Apache Nifi 的學習和使用成本，用戶可以按需點選所需要傳輸?shù)臄?shù)據(jù)。數(shù)據(jù)傳輸管控系統(tǒng)分為幾個核心模塊：系統(tǒng)監(jiān)控、數(shù)據(jù)流管理、模板管理、站點管理等。通過數(shù)據(jù)傳輸管控系統(tǒng)解決了管理和維護的問題。用戶通過界面可視化的操作，即可實現(xiàn)異地的、跨數(shù)據(jù)中心的數(shù)據(jù)傳輸?shù)男枨蟆?/p>

基礎大數(shù)據(jù)平臺主要是基于Hadoop 大數(shù)據(jù)相關技術承載數(shù)據(jù)的存儲、計算和分析等功能，作為一個統(tǒng)一的數(shù)據(jù)存儲和計算平臺，通過數(shù)據(jù)傳輸軟件實時或離線批量同步過來的數(shù)據(jù)會統(tǒng)一匯聚在基礎大數(shù)據(jù)平臺，以便進一步的對數(shù)據(jù)進行加工處理。

基于以上整體架構(gòu)，數(shù)據(jù)同步傳輸系統(tǒng)的數(shù)據(jù)同步傳輸示意圖如圖2 所示。

數(shù)據(jù)傳輸管控平臺與數(shù)據(jù)傳輸軟件系統(tǒng)部署在某集團化公司本部，數(shù)據(jù)中心管理員或業(yè)務人員通過登陸數(shù)據(jù)傳輸管控平臺配置數(shù)據(jù)同步傳輸?shù)牟僮髦噶?，配置完成后?shù)據(jù)傳輸軟件系統(tǒng)接受到對應的操作指令后會將指令通過傳輸軟件的代理Agent 同步到對應的異地數(shù)據(jù)中心，異地數(shù)據(jù)數(shù)據(jù)中心解析指令后，將需要同步的數(shù)據(jù)通過Agent 與數(shù)據(jù)傳輸軟件系統(tǒng)進行數(shù)據(jù)同步傳輸，實現(xiàn)異地數(shù)據(jù)中心的數(shù)據(jù)同步傳輸，網(wǎng)絡層通過內(nèi)部的專線，以便滿足數(shù)據(jù)傳輸?shù)膸?，以及?shù)據(jù)安全及傳輸監(jiān)控的需求。

3 關鍵技術

數(shù)據(jù)傳輸系統(tǒng)是采用了分布式大數(shù)據(jù)技術為核心技術的平臺，支撐海量實時數(shù)據(jù)、關系數(shù)據(jù)以及其他數(shù)據(jù)的安全傳輸通道，將各廠站數(shù)據(jù)中心數(shù)據(jù)同步傳輸?shù)焦颈静繑?shù)據(jù)中心的基礎大數(shù)據(jù)平臺。并將數(shù)據(jù)重要程度劃分優(yōu)先級，經(jīng)過壓縮、加密的安全傳輸方式，傳送到公司本部數(shù)據(jù)中心進行匯聚、下發(fā)等，由本部數(shù)據(jù)中心的大數(shù)據(jù)平臺進行統(tǒng)一的資源管理和調(diào)度。為確保數(shù)據(jù)傳輸系統(tǒng)能夠滿足各類業(yè)務數(shù)據(jù)的采集、傳輸、匯總、下發(fā)的功能、性能、安全性要求，數(shù)據(jù)傳輸系統(tǒng)的實現(xiàn)需支持：數(shù)據(jù)壓縮、數(shù)據(jù)加密、數(shù)據(jù)校驗、斷點續(xù)傳、異步傳輸、安全認證。

近些年以來，數(shù)據(jù)流傳輸與處理一直是數(shù)據(jù)同步架構(gòu)中的痛點之一[8]。而現(xiàn)在有越來越多事物的興起讓企業(yè)開始重視數(shù)據(jù)流傳輸及處理，包括：面向服務的體系結(jié)構(gòu)(SOA)[9]，API[10]，物聯(lián)網(wǎng)IOT[11]和大數(shù)據(jù)[12-13]。此外，合規(guī)性，隱私性和安全性所需的嚴格程度也在不斷提高。對于這些新技術或概念，數(shù)據(jù)流同步傳輸?shù)男枨蟠笾孪嗤?，主要區(qū)別在于復雜性，適應業(yè)務變化的速度，以及大規(guī)模邊緣用例。數(shù)據(jù)傳輸系統(tǒng)旨在幫助解決這些現(xiàn)代數(shù)據(jù)流同步傳輸?shù)奶魬?zhàn)。

3.1 數(shù)據(jù)同步傳輸技術

文中在系統(tǒng)總體設計章節(jié)有介紹，數(shù)據(jù)傳輸系統(tǒng)主要基于分布式大數(shù)據(jù)技術實現(xiàn)，其中Apache NiFi 作為傳輸軟件的核心，Apache Nifi 通過有效地使用專用的預寫日志和內(nèi)容存儲庫實現(xiàn)數(shù)據(jù)傳輸?shù)目煽啃浴Ｋ鼈円黄鸨辉O計成能夠支持非常高的事務率、有效的負載擴展、寫時復制和發(fā)揮傳統(tǒng)磁盤讀寫的優(yōu)勢。

數(shù)據(jù)傳輸軟件支持緩沖所有排隊的數(shù)據(jù)，以及在這些隊列達到指定的限制時提供反壓力的能力，或者在數(shù)據(jù)達到指定的生命周期時提供反壓力。并支持在隊列中檢索數(shù)據(jù)設置一個或多個優(yōu)先級方案。

在異地數(shù)據(jù)中心的數(shù)據(jù)同步傳輸?shù)募夹g實現(xiàn)上，數(shù)據(jù)是核心，因此不能容忍數(shù)據(jù)損失的。有些場景必須在幾秒鐘內(nèi)被處理和交付才有價值。數(shù)據(jù)傳輸系統(tǒng)采用的Apache Nifi 支持這些細粒度數(shù)據(jù)傳輸?shù)奶囟ㄅ渲?。并且能夠可視化的方式對這些數(shù)據(jù)同步傳輸流進行配置，并將傳輸指令進行語義轉(zhuǎn)換來進行描述，可以極大地降低復雜性并識別需要簡化的處理流程。數(shù)據(jù)傳輸系統(tǒng)不僅能夠可視化地建立數(shù)據(jù)流，而且能夠?qū)崟r地建立數(shù)據(jù)流。如果對數(shù)據(jù)流進行更改，則更改將立即生效。更改是細粒度的，并且與受影響的組件隔離，不需要停止整個數(shù)據(jù)同步傳輸流來進行某些特定的修改。

數(shù)據(jù)同步傳輸流往往是高度面向模式的，雖然解決問題通常有許多不同的方法，但能夠共享這些設計好的通用的模式將大有幫助。為此數(shù)據(jù)傳輸系統(tǒng)提供的模板允許主題專家構(gòu)建和發(fā)布他們的數(shù)據(jù)同步傳輸流的設計，并讓其他人從中受益和協(xié)作。數(shù)據(jù)傳輸系統(tǒng)采用的Apache Nifi 能夠自動記錄、索引和提供可用的源系統(tǒng)數(shù)據(jù)，因為數(shù)據(jù)在系統(tǒng)中傳輸流動、轉(zhuǎn)換。這些信息對于支持合規(guī)性、故障排除、優(yōu)化等場景非常重要。

數(shù)據(jù)傳輸系統(tǒng)的數(shù)據(jù)存儲庫被設計成歷史的滾動緩沖區(qū)。只有在數(shù)據(jù)存儲庫過期或需要空間時才會刪除數(shù)據(jù)。這與數(shù)據(jù)來源功能相結(jié)合，為在對象生命周期的特定點查找數(shù)據(jù)、下載數(shù)據(jù)和重放操作提供了非常有用的基礎。

另外是數(shù)據(jù)安全，數(shù)據(jù)同步傳輸流中的數(shù)據(jù)傳輸通過使用加密的協(xié)議(如雙向SSL)提供安全的交換。此外，數(shù)據(jù)傳輸系統(tǒng)允許對數(shù)據(jù)進行加密和解密，并使用發(fā)送方/接收方等式兩邊的共享密鑰。也支持雙向SSL 身份驗證，并提供可插拔的授權(quán)，以便在特定級別(只讀、管理員)上正確控制用戶的訪問權(quán)限。如果用戶將敏感屬性(如密碼)在網(wǎng)絡中傳輸，則會立即對服務器端進行加密，即使以加密的形式也不會在客戶端再次公開。給定數(shù)據(jù)的權(quán)限級別應用于每個組件，允許管理用戶具有細粒度級別的訪問控制。這意味著數(shù)據(jù)傳輸系統(tǒng)能夠處理一個或多個組織的需求。與隔離的拓撲相比，多租戶授權(quán)支持自服務的數(shù)據(jù)同步傳輸流管理模型，允許每個團隊或組織在完全了解數(shù)據(jù)同步傳輸流的情況下進行管理。

數(shù)據(jù)傳輸系統(tǒng)的核心是為擴展而構(gòu)建的，因此一個數(shù)據(jù)同步傳輸流程可以在其上以可預測和可重復的方式執(zhí)行和交互。支持的擴展點包括:處理器、控制器服務、任務報告、優(yōu)先級排序器和自定義用戶界面。對于任何基于組件的系統(tǒng)，隨著規(guī)模的擴張，組件之間的依賴會越來越錯綜復雜。為了解決這個問題，數(shù)據(jù)傳輸系統(tǒng)采用的Apache NiFi 通過提供自定義類裝載器模型，來確保每個擴展組件之間的約束關系被限制在非常有限的程度。因此，在創(chuàng)建擴展組件時，就不用再過多關注其是否會與其他組件產(chǎn)生沖突。

3.2 實時數(shù)據(jù)同步傳輸

實時數(shù)據(jù)傳輸支持按需點選功能，支持界面上選擇需要的字段，數(shù)據(jù)傳輸系統(tǒng)對數(shù)據(jù)進行裁剪，傳輸點選所需的數(shù)據(jù)。通過從源端Kafka 消費數(shù)據(jù)，按照點選規(guī)則裁剪的數(shù)據(jù)推送到目標集群的Kafka，實現(xiàn)數(shù)據(jù)同步。如圖3 所示。

圖2：數(shù)據(jù)傳輸示意圖

圖3：實時數(shù)據(jù)同步

數(shù)據(jù)傳輸系統(tǒng)可以通過對接Kafka 的方式實現(xiàn)實時數(shù)據(jù)的傳輸，并可以通過集群的模式提高實時數(shù)據(jù)傳輸?shù)男始靶阅堋崟r數(shù)據(jù)傳輸架構(gòu)中，數(shù)據(jù)傳輸系統(tǒng)充當Kafka 集群的生產(chǎn)者和消費者，獲取源端數(shù)據(jù)做為生產(chǎn)者發(fā)布到Kafka 集群中，本部數(shù)據(jù)中心的大數(shù)據(jù)平臺實時計算引擎如Spark Streaming 或Flink 對Kafka 數(shù)據(jù)進行實時數(shù)據(jù)處理，處理完的數(shù)據(jù)即可寫入大數(shù)據(jù)平臺HDFS 或HBase 等存儲，同時也可以寫入Kafka 集群，寫回至Kafka 集群的數(shù)據(jù)會被數(shù)據(jù)傳輸系統(tǒng)消費，并將數(shù)據(jù)傳輸至其他廠站數(shù)據(jù)中心的大數(shù)據(jù)平臺的HDFS、HBase 或Kudu 中。在數(shù)據(jù)傳輸系統(tǒng)中配置數(shù)據(jù)傳輸，可以通過數(shù)據(jù)傳輸系統(tǒng)的可視化圖形用戶界面，通過拖拉拽的方式構(gòu)建數(shù)據(jù)傳輸流程。系統(tǒng)底層采用的Apache NiFi 是高度并發(fā)的，其內(nèi)部封裝了相關的復雜性。處理器提供了高級抽象，屏蔽了并行編程固有的復雜性。處理器會同時運行，并且可以跨越一個處理器的多個線程來應對高負載。通過Apache NiFi 方便地保護了數(shù)據(jù)傳輸管道免受并發(fā)復雜性的影響

3.3 批量數(shù)據(jù)同步傳輸

離線數(shù)據(jù)傳輸支持對接HDFS、Hive、Impala等大數(shù)據(jù)技術組件，根據(jù)用戶所選擇的HDFS 數(shù)據(jù)目錄、Hive 庫/表/字段、或SQL 語句，將獲取到的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)同步傳輸?shù)侥臣瘓F化公司本部數(shù)據(jù)中心。數(shù)據(jù)傳輸系統(tǒng)能夠靈活配置并行度，通過設置并行度提高數(shù)據(jù)傳輸吞吐，保障數(shù)據(jù)傳輸效率。

離線數(shù)據(jù)（又稱為歷史數(shù)據(jù)）存儲在HDFS、Hive 中，并通過Hive/Impala 進行查詢，表數(shù)據(jù)較多，存量數(shù)據(jù)較大，通常為GB 級別。而每日數(shù)據(jù)增量較小，MB 級別。可支持一次全量同步、定時調(diào)度或者每日增量的方式進行傳輸。

3.3.1 關系型數(shù)據(jù)傳輸

數(shù)據(jù)傳輸系統(tǒng)通過內(nèi)置關系型數(shù)據(jù)集成插件，支持Oracle、DB2、SqlServer、Mysql 等常用的數(shù)據(jù)庫，通過連接關系型數(shù)據(jù)庫獲取數(shù)據(jù)，并對數(shù)據(jù)做簡單轉(zhuǎn)換及清洗，然后將數(shù)據(jù)傳輸至本部數(shù)據(jù)中心的大數(shù)據(jù)平臺Hive 中。

3.3.2 半/非結(jié)構(gòu)化數(shù)據(jù)傳輸

數(shù)據(jù)傳輸系統(tǒng)通過SFTP 連接器，或HDFS 連接器將半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)傳輸同步公司本部數(shù)據(jù)中心的大數(shù)據(jù)平臺HDFS中，傳輸過程中可以根據(jù)需求對數(shù)據(jù)進行簡單清洗、轉(zhuǎn)換等。并支持并行模式，獲取源端數(shù)據(jù)并行同步傳輸。

3.4 數(shù)據(jù)傳輸流量控制

異地數(shù)據(jù)中心的數(shù)據(jù)傳輸，會涉及到數(shù)據(jù)中心之間的數(shù)據(jù)鏈路帶寬不夠的問題，為了不影響異地數(shù)據(jù)中心之間的正常網(wǎng)絡通信，需要控制數(shù)據(jù)同步傳輸?shù)牧髁俊?/p>

通過在數(shù)據(jù)傳輸系統(tǒng)中使用Apache Nifi 的ControlRate 處理器，在應用層面控制數(shù)據(jù)傳輸?shù)乃俾?，無需涉及網(wǎng)絡層面的調(diào)整。ControlRate 處理器包含兩種數(shù)據(jù)傳輸速率控制方式：

（1）單位時間內(nèi)傳輸?shù)臄?shù)據(jù)量大小?？膳渲玫臅r間范圍有秒、分、小時、天等；可配置的傳輸速率有B、KB、MB、GB、TB。

（2）單位時間內(nèi)傳輸?shù)臄?shù)據(jù)條數(shù)。可配置的時間范圍有秒、分、小時、天等；輸入整數(shù)可配置在該單位時間最大傳輸?shù)臄?shù)據(jù)條數(shù)。

3.5 數(shù)據(jù)傳輸管控

3.5.1 數(shù)據(jù)壓縮

數(shù)據(jù)傳輸系統(tǒng)在保證數(shù)據(jù)完整性的前提下，縮減數(shù)據(jù)量以減少存儲空間，提高其傳輸、存儲和處理效率，按照一定的算法對數(shù)據(jù)進行重新組織，減少數(shù)據(jù)的冗余和存儲的空間。數(shù)據(jù)壓縮方式支持：NONE、DEFAULT、BZIP、GZIP、LZ4、LZO、SNAPPY、AUTOMATIC 等。

3.5.2 數(shù)據(jù)加密

數(shù)據(jù)傳輸系統(tǒng)支持的數(shù)據(jù)加密算法包括對稱加密和非對稱加密，滿足跨Internet 數(shù)據(jù)傳輸必須進行數(shù)據(jù)加密處理的需求，以及數(shù)據(jù)加密機制必須符合國家信息安全等保三級防護要求。系統(tǒng)支持的對稱加密采用了包括DES、3DES 等算法。非對稱加密至少包括RSA、Elgamal、ECC（橢圓曲線加密算法）等。加密秘鑰由管理人員進行線下生成并分發(fā)，提供密碼定期更新機制。秘鑰及加密算法需采用加密形式保存，并不以明文分發(fā)。數(shù)據(jù)加密的效率不影響數(shù)據(jù)傳輸效率，加密速度高于數(shù)據(jù)生成速度。

3.5.3 數(shù)據(jù)校驗

系統(tǒng)支持數(shù)據(jù)傳輸校驗，通過數(shù)據(jù)簽名等算法驗證確保數(shù)據(jù)的完整性，包括：數(shù)據(jù)校驗及時發(fā)現(xiàn)數(shù)據(jù)傳輸過程發(fā)生的插入、修改、刪除情況。數(shù)據(jù)校驗采用單向數(shù)據(jù)摘要算法，通過秘鑰生成數(shù)據(jù)摘要，數(shù)據(jù)摘要算法包括MD5、SHA-1 算法等。校驗信息與上傳數(shù)據(jù)一并發(fā)送，并形成對應關系。對于數(shù)據(jù)校驗不成功的數(shù)據(jù)自動提交數(shù)據(jù)源重新上傳并校驗，對于反復校驗失敗的情況提交管理員處理。數(shù)據(jù)校驗算法的性能不影響數(shù)據(jù)傳輸效率，校驗速度高于數(shù)據(jù)生成速度。

3.5.4 斷點續(xù)傳

系統(tǒng)支持傳輸中斷后自動斷點續(xù)傳，以保證數(shù)據(jù)傳輸過程中保持較高的傳輸效率，包括：數(shù)據(jù)傳輸過程中，傳輸平臺記錄當前已經(jīng)上傳的位置標記，當傳輸過程中出現(xiàn)異常情況造成傳輸中斷時，系統(tǒng)可通過斷點位置接續(xù)傳輸。將源文件按長度合理為分為N 塊文件,然后開辟N 個線程，每個線程傳輸一塊，傳輸完成后合并所有線程文件。斷點續(xù)傳功能提供N 個斷點并發(fā)的能力，最大限度提升傳輸效率。系統(tǒng)斷點續(xù)傳支持ftp、http、https 等協(xié)議，支持WebService 斷點續(xù)傳。

3.5.5 傳輸任務調(diào)度

數(shù)據(jù)傳輸系統(tǒng)提供統(tǒng)一的數(shù)據(jù)同步傳輸任務創(chuàng)建、任務分發(fā)、任務調(diào)度管理功能，以實現(xiàn)數(shù)據(jù)傳輸任務任意調(diào)度的能力。用戶可以創(chuàng)建簡單、復雜的數(shù)據(jù)流，將廠站數(shù)據(jù)全量、增量或者實時同步傳輸?shù)奖静看髷?shù)據(jù)平臺。平臺支持任務的調(diào)度方式包括：單次的同步傳輸任務、周期性的同步傳輸任務、定時同步傳輸任務、實時同步傳輸任務。任務調(diào)度提交后，對當前正在執(zhí)行的任務，系統(tǒng)提供對任務的暫停、恢復、停止功能。對已經(jīng)執(zhí)行完成的歷史任務，系統(tǒng)提供再次執(zhí)行、刪除歷史任務記錄功能。通過系統(tǒng)提供的調(diào)度功能可以滿足用戶任意調(diào)度同步傳輸數(shù)據(jù)的需求。

4 實際應用

數(shù)據(jù)傳輸系統(tǒng)已經(jīng)在某集團化公司本部和所屬火電試點企業(yè)、所屬新能源試點企業(yè)上線運行，在公司本部部署基礎大數(shù)據(jù)平臺、數(shù)據(jù)傳輸管控平臺和數(shù)據(jù)傳輸軟件系統(tǒng)，在所屬火電試點企業(yè)、所屬新能源試點企業(yè)分別部署一套數(shù)據(jù)傳輸軟件Agent 節(jié)點用于對接廠站數(shù)據(jù)中心。系統(tǒng)部署上線后，對接所屬火電試點企業(yè)和所屬新能源試點企業(yè)兩個電廠數(shù)據(jù)中心的業(yè)務及數(shù)據(jù)如下：

4.1 所屬火電試點企業(yè)數(shù)據(jù)同步

所屬火電試點企業(yè)需要對接的數(shù)據(jù)源包括實時數(shù)據(jù)和非實時數(shù)據(jù)，包含實時數(shù)據(jù)的有DCS、NCS 系統(tǒng)等生成類數(shù)據(jù)；關系型數(shù)據(jù)有OA、EAM 資產(chǎn)管理系統(tǒng)和燃料管理系統(tǒng)等；其他包含半非實時、半結(jié)構(gòu)化數(shù)據(jù)的有智能跑冒滴漏系統(tǒng)、數(shù)字化煤場、智能巡檢機器人系統(tǒng)、燃料全過程管控系統(tǒng)（無人值守）、OA、EAM 資產(chǎn)管理系統(tǒng)、燃料管理系統(tǒng)和人員定位系統(tǒng)。

實時數(shù)據(jù)存儲在兩類組件Kafka 和關系型數(shù)據(jù)庫里。消息隊列Kafka 的數(shù)據(jù)通過實時消費的方式同步到本部基礎大數(shù)據(jù)平臺，由于Kakfa 一天存入的數(shù)據(jù)量有8.64 億條，全量同步對帶寬的要求太高，所以本部可以通過點選調(diào)度的方式同步所需要的數(shù)據(jù)。關系型數(shù)據(jù)庫通過增量同步的方式，采用實時讀取數(shù)據(jù)庫寫入日志的方式來實時同步關系型數(shù)據(jù)庫數(shù)據(jù)。關系型數(shù)據(jù)庫每單位每天需要實時同步的數(shù)據(jù)一天大概10MB 左右。非實時數(shù)據(jù)通過在數(shù)據(jù)傳輸系統(tǒng)配置每天定時跑批的方式進行同步，一般在晚上系統(tǒng)負載低的時候進行。

4.2 所屬新能源試點企業(yè)數(shù)據(jù)同步

所屬新能源試點企業(yè)主要同步風機、電氣和光伏的數(shù)據(jù)。實時數(shù)據(jù)會推送到Kafka，通過實時消費的方式同步到本部基礎大數(shù)據(jù)平臺，Kafka 的存入數(shù)據(jù)很大，也需要采用點選調(diào)度的方式按需同步數(shù)據(jù)。Kafka 的數(shù)據(jù)會在下屬單位數(shù)據(jù)中心被消費存儲到KUDU中，按天進行分區(qū)，歷史數(shù)據(jù)同步通過選擇時間段進行批量同步。

項目上線后穩(wěn)定運行，完成所屬試點企業(yè)兩個分布在不同地區(qū)的數(shù)據(jù)中心與北京總部的數(shù)據(jù)同步傳輸，實現(xiàn)下屬單位數(shù)據(jù)中心與公司本部數(shù)據(jù)中心互聯(lián)互通，為后續(xù)其他單位數(shù)據(jù)中心接入打下了堅實的基礎，為實現(xiàn)公司實現(xiàn)智慧企業(yè)建設奠定了堅實的數(shù)據(jù)基礎。

5 結(jié)語

本文介紹的異地數(shù)據(jù)中心的數(shù)據(jù)同步調(diào)度系統(tǒng)基于分布式大數(shù)據(jù)相關技術來設計與實現(xiàn)，旨在解決異地數(shù)據(jù)中心的數(shù)據(jù)同步傳輸問題，針對數(shù)據(jù)量大、按需點選、任意調(diào)度、數(shù)據(jù)安全、傳輸速率與帶寬控制、數(shù)據(jù)傳輸監(jiān)控等技術上的問題提供了實現(xiàn)方案，并結(jié)合在線可視化操作方式，簡化數(shù)據(jù)同步調(diào)度操作的復雜度，可以非常直觀的同步調(diào)度消費所需數(shù)據(jù)，從而提高了數(shù)據(jù)的利用率，提升了業(yè)務效率。

目前數(shù)據(jù)同步與調(diào)度系統(tǒng)已在某某集團化公司本部及所屬試點企業(yè)投入試運行，在兩個不同區(qū)域的下屬單位陸續(xù)接入了大量的風機設備數(shù)據(jù)、運營數(shù)據(jù)等，滿足了數(shù)據(jù)共享的需求，后續(xù)會陸續(xù)接入更多單位的數(shù)據(jù)，實現(xiàn)公司本部與下屬各單位數(shù)據(jù)的共享，滿足更多的業(yè)務需求。

異地數(shù)據(jù)中心的數(shù)據(jù)同步與調(diào)度系統(tǒng)目前主要針對海量數(shù)據(jù)的實時及批量數(shù)據(jù)同步與調(diào)度的技術方案，但在數(shù)據(jù)傳輸管控、數(shù)據(jù)斷點續(xù)傳、異步傳輸、數(shù)據(jù)目錄分類等方面依然存在需要進一步提升的地方，后續(xù)需要進一步的深入研究。