數(shù)據(jù)倉庫建設(shè)方案

1、1. 數(shù)據(jù)倉庫概述經(jīng)過多年IT的建設(shè)，信息對于XXX的日常管理已經(jīng)日益重要，并逐漸成為重要的 信息資產(chǎn)，信息資產(chǎn)的管理已經(jīng)成為日常管理中一個非常重要的環(huán)節(jié)。如何管理和利 用好XXX內(nèi)部紛繁的數(shù)據(jù)也越來越成為信息管理的一項重要工作。在過去相當一段時間內(nèi)，XXX業(yè)務(wù)系統(tǒng)的構(gòu)建主要圍繞著業(yè)務(wù)的數(shù)據(jù)展開，應(yīng)用 的構(gòu)建多是自下而上構(gòu)建，主要以滿足某個部門的業(yè)務(wù)功能為主，我們稱之為業(yè)務(wù)處 理的時代。這樣的構(gòu)建方式造成了一個個分立的應(yīng)用，分立的應(yīng)用導(dǎo)致了一個個的靜 態(tài)豎井。由于數(shù)據(jù)從屬于應(yīng)用，缺乏 XXX全局的單一視圖，形成了一個個信息孤島， 分立的系統(tǒng)之間缺乏溝通，同樣數(shù)據(jù)的孤島導(dǎo)致只能獲得片面的信息，而

2、不是全局的 單一視圖。存儲這些信息的載體可能是各種異構(gòu)或同構(gòu)的關(guān)系型數(shù)據(jù)庫，也有可能是 XML、EXCEL等文件。因此，構(gòu)建新一代的一體化平臺提上了日程并最終促成全域數(shù) 據(jù)的管理方式，目的是覆蓋 XXX各個環(huán)節(jié)的關(guān)鍵業(yè)務(wù)數(shù)據(jù)，完善元數(shù)據(jù)管理，形成全 局的數(shù)據(jù)字典、業(yè)務(wù)數(shù)據(jù)規(guī)范和統(tǒng)一的業(yè)務(wù)指標含義，能夠靈活的獲取XXX業(yè)務(wù)數(shù)據(jù)的單一視圖（需要保證數(shù)據(jù)的一致性、完整性、準確性和及時性）。數(shù)據(jù)的交換和共 享主要發(fā)生在上下級組織機構(gòu)之間或同級的不同部門之間。最終，這些數(shù)據(jù)可以為部 隊分析、決策支持（多維分析、即席查詢、數(shù)據(jù)挖掘）等應(yīng)用提供更及時、準確、有 效的支持。數(shù)據(jù)倉庫的目標是實現(xiàn)跨系統(tǒng)數(shù)據(jù)共享，

3、解決信息孤島，提升數(shù)據(jù)質(zhì)量，輔助決策 分析，提供統(tǒng)一的數(shù)據(jù)服務(wù)。同時，數(shù)據(jù)倉庫的構(gòu)建也面臨著各種挑戰(zhàn)，比如信息整 合在技術(shù)上的復(fù)雜度、信息整合的管理成本、數(shù)據(jù)資源的獲取、信息整合的實施周期 以及整合項目的風(fēng)險等。Page 7 of 72. 全域數(shù)據(jù)庫總體架構(gòu)展示層門戶手機平板電腦PC統(tǒng)一授權(quán)服務(wù)單點登錄 T =多 維 分 析分析型管理流數(shù)空程據(jù)間整整數(shù)合合據(jù)基礎(chǔ)服務(wù)層應(yīng)用服務(wù)器服務(wù)總線工作流引擎消息中間件OLAP引擎數(shù)據(jù)挖掘引擎事 件 驅(qū) 動規(guī) 則 引 擎協(xié)同工作主數(shù)據(jù)管理引擎大數(shù)據(jù)分析引擎知識 內(nèi)容 管理 引擎空間 地理 數(shù)據(jù) 引擎數(shù)據(jù)存儲區(qū)OSDIT 安 全 運 維 管 理IT預(yù)測數(shù)據(jù)地理

4、數(shù)據(jù)特征庫 模型庫流媒體數(shù)據(jù)數(shù)據(jù)倉庫 數(shù)據(jù)集市MDMHUB數(shù)據(jù)層（ISB）應(yīng)用層傳感器/監(jiān)控數(shù)據(jù)源非關(guān)系型數(shù)據(jù)源攝像頭虛擬傳感器智能傳感器XML數(shù)據(jù) 轉(zhuǎn)換信息 服務(wù)數(shù)據(jù) 復(fù)制數(shù)據(jù) 清洗消息 服務(wù)交互 服務(wù)流程 服務(wù)大數(shù) 據(jù)流交換 服務(wù) 體系消息 隊列Excel Web服務(wù) 消息隊列文本數(shù)據(jù)關(guān)系型數(shù)據(jù)源數(shù)據(jù) 聯(lián)邦核心業(yè)務(wù) 邊防一體化其他基礎(chǔ)設(shè)施層（網(wǎng)絡(luò)、存儲、硬件、系統(tǒng)軟件）全域數(shù)據(jù)庫總體架構(gòu)全域數(shù)據(jù)庫總體的層次，最下面是基礎(chǔ)架構(gòu)層，主要包括支撐這一架構(gòu)運行的主機 系統(tǒng)、存儲備份系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)等內(nèi)容。從下往上看，再上面是數(shù)據(jù)源層，既包括各 個業(yè)務(wù)的關(guān)系型數(shù)據(jù)源、內(nèi)容管理數(shù)據(jù)源也包括半結(jié)構(gòu)化數(shù)據(jù)源

5、比如XML、EXCEL等，也包括各個總隊、支隊的業(yè)務(wù)數(shù)據(jù)源。數(shù)據(jù)源層之上是“交換服務(wù)體系”，主要包括信息服務(wù)總線和服務(wù)總線兩部分。信 息服務(wù)總線主要實現(xiàn)數(shù)據(jù)層的信息整合和數(shù)據(jù)轉(zhuǎn)換，而服務(wù)總線主要實現(xiàn)應(yīng)用層的信 息交換和整合。信息服務(wù)總線主要依托聯(lián)邦、復(fù)制、清洗、轉(zhuǎn)換等技術(shù)實現(xiàn)，其主要 包括信息整合服務(wù)和清洗轉(zhuǎn)換加載服務(wù)兩部分。通過信息服務(wù)總線的信息整合服務(wù)（數(shù)據(jù)聯(lián)邦、復(fù)制），可以透明、實時的訪問分布在總隊和支隊的各個業(yè)務(wù)系統(tǒng)中的 各種同構(gòu)、異構(gòu)數(shù)據(jù)（前提是擁有足夠的權(quán)限）。信息整合服務(wù)在整個XXX層面保證了數(shù)據(jù)的完整性和及時性。信息服務(wù)主要使用兩種技術(shù)來完成這一功能：聯(lián)邦和復(fù) 制。通過聯(lián)邦功能

6、可以把關(guān)系數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)（如 Excel文件、XML文件、Web 搜索引擎、MQ查詢和內(nèi)容源）組成一個邏輯數(shù)據(jù)庫，對這些數(shù)據(jù)源中的表可以像操 作本地數(shù)據(jù)庫表一樣進行操作，而不必關(guān)心我們操作的這些數(shù)據(jù)底層是什么數(shù)據(jù)源， 物理在什么位置。而針對大數(shù)據(jù)量的數(shù)據(jù)訪問或高并發(fā)的訪問，通常將源數(shù)據(jù)增量實 時復(fù)制到本地，復(fù)制的實現(xiàn)是基于對源數(shù)據(jù)庫的日志進行捕獲，獲取增量數(shù)據(jù)，并基 于消息的機制將其復(fù)制到目的數(shù)據(jù)庫，復(fù)制的過程中可以實現(xiàn)數(shù)據(jù)的合并、拆分、轉(zhuǎn) 換等操作。信息服務(wù)總線主要完成數(shù)據(jù)的分析、清洗（標準化）、轉(zhuǎn)換、加載等工作。數(shù)據(jù)清 洗，主要是去除冗余數(shù)據(jù)，將零散字段合并成全局記錄，并解決重疊和矛盾

7、的數(shù)據(jù)， 然后通過添加關(guān)系和層次結(jié)構(gòu)完善豐富信息。首先面臨的挑戰(zhàn)就是如何更有效的識別 現(xiàn)有的業(yè)務(wù)系統(tǒng)，包括業(yè)務(wù)系統(tǒng)使用的分類方法、層次結(jié)構(gòu)、數(shù)據(jù)分布、數(shù)據(jù)字典 等。如果數(shù)據(jù)字典不完整或缺失，就要通過方法找出其數(shù)據(jù)的存儲結(jié)構(gòu)以及各個表之 間的主外鍵關(guān)聯(lián)、各表之間的轉(zhuǎn)換關(guān)系等，同樣，數(shù)據(jù)的分布情況同樣可以使用分析 功能來完成。在對現(xiàn)有數(shù)據(jù)足夠了解的基礎(chǔ)上（完成了數(shù)據(jù)的分析），接下來就要制 定數(shù)據(jù)的清洗規(guī)則以及轉(zhuǎn)換規(guī)則，其中，清洗規(guī)則又分為兩種情況，一種清洗規(guī)則是 明確的，另一種清洗規(guī)則是模糊的，比如不同系統(tǒng)中存儲的地址信息，“南京市定淮 門大街9號”和“江蘇省南京市下關(guān)區(qū)定淮門大街 9號”實際上是

8、一個地址，但計算 機會當成兩個地址來處理。概率匹配功能和動態(tài)權(quán)重策略可以匹配創(chuàng)建高質(zhì)量、準確 的數(shù)據(jù)，并在整個數(shù)據(jù)域中一致地識別核心業(yè)務(wù)信息，如人名、位置、和時間。數(shù)據(jù)清洗、轉(zhuǎn)換、加載服務(wù)對保障數(shù)據(jù)的準確性和一致性非常重要。在不同的系統(tǒng) 中，對同一業(yè)務(wù)會使用不同的分類方法，同樣，數(shù)據(jù)的類別和層次結(jié)構(gòu)也會不同。需 要通過數(shù)據(jù)清洗、轉(zhuǎn)換、加載層實現(xiàn)對這些信息格式的轉(zhuǎn)換，匹配成通用的信息格式 和分類方法，以便提供整個 XXX業(yè)務(wù)層面聚合的業(yè)務(wù)視圖。實際證明一體化平臺（一 期）的全域數(shù)據(jù)梳理中，手工統(tǒng)計可以完成這項工作但不夠好，不夠直觀和沒有擴展 延續(xù)能力。數(shù)據(jù)清洗、轉(zhuǎn)換、加載工作對未來數(shù)據(jù)的使用非常

9、重要，即使有工具幫 助，工作量依然很大。雖然，開始的時候，這項工作看起來費時費力，但從長遠來 看，它使得基于這些數(shù)據(jù)的業(yè)務(wù)流程和統(tǒng)一數(shù)據(jù)視圖實現(xiàn)自動化，并減少了人為干預(yù) 不準確或不一致數(shù)據(jù)的努力，從而節(jié)省了大量成本。XXX層面的單一視圖一經(jīng)建立，其維護必將是一個持續(xù)進行的過程。數(shù)據(jù)的管理通常需要一個管理組織來對沖突或缺失的數(shù)據(jù)進行決策，組織會通常需 要各個業(yè)務(wù)部門的人參與，而不僅僅局限于通技處或信息中心的人。XXX單一數(shù)據(jù)視圖的維護，很多業(yè)務(wù)部門都做的不夠好，時間一久，很多業(yè)務(wù)部門就變得厭倦，數(shù)據(jù) 清洗轉(zhuǎn)換的工作沒有堅持下去。一旦數(shù)據(jù)的準確性出現(xiàn)問題，業(yè)務(wù)系統(tǒng)的全局共享就 無法再從中獲益。交換

10、服務(wù)體系中的服務(wù)總線主要基于流程服務(wù)、傳輸服務(wù)、交換服務(wù)等實現(xiàn)。通過 使用總線，可以支持各種協(xié)議以及數(shù)據(jù)格式的數(shù)據(jù)交互。通過搭建一個基于標準的、 開發(fā)的、易于集成的、總線方式的服務(wù)總線，通過今后對現(xiàn)有系統(tǒng)的逐步升級改造， 系統(tǒng)之間以一種成為“服務(wù)”的接口方式統(tǒng)一通過總線方式進行交互，通過對服務(wù)的 管理，系統(tǒng)之間交互的信息格式的差異、傳輸協(xié)議的差異、采用技術(shù)的差異、物理位 置的不同等等這些問題都由這個總線來進行屏蔽。進一步通過流程管理，將模塊和系 統(tǒng)之間的服務(wù)按照業(yè)務(wù)流程的需要進行編排，做到了“隨需而變”。數(shù)據(jù)存儲區(qū)包括ODS、數(shù)據(jù)倉庫/數(shù)據(jù)集市、共享數(shù)據(jù)庫、特征庫、模型庫等，主 要提供各種數(shù)據(jù)

11、的存儲服務(wù)。其中，邏輯視圖中 ODS部分存放了整個XXX單位全局 級的明細數(shù)據(jù)，而數(shù)據(jù)倉庫數(shù)據(jù)集市中存儲了不同級別的匯總數(shù)據(jù)。特征庫主要存放 各種數(shù)據(jù)分群特征、業(yè)務(wù)分類特征等業(yè)務(wù)信息，模型庫存放構(gòu)建的各種業(yè)務(wù)模型信息 等?；A(chǔ)服務(wù)層主要包括“應(yīng)用服務(wù)器”，“服務(wù)總線”，“工作流引擎”，“消息中 間件”，“ OLAP引擎”，“數(shù)據(jù)挖掘引擎”，“事件驅(qū)動”，“規(guī)則引擎”，“協(xié) 同工作”和“空間地理數(shù)據(jù)引擎”。應(yīng)用層包括各種應(yīng)用，其中多維分析、即席查詢、報表統(tǒng)計、圖形展現(xiàn)等。右邊的信息治理層主要是為了保證數(shù)據(jù)的完整性、一致性、準確性、及時性，保證 歷史數(shù)據(jù)正確歸檔并在需要的時候可以和現(xiàn)有數(shù)據(jù)一起被聯(lián)

12、合訪問，提供數(shù)據(jù)庫安 全、審計、監(jiān)控和合規(guī)服務(wù)，從而防止內(nèi)部人員偷竊，防范欺詐作假，保護數(shù)據(jù)隱 私，強制執(zhí)行安全規(guī)范，強制滿足合規(guī)的要求，防止外部攻擊對數(shù)據(jù)的破壞。而元數(shù)據(jù)管理會貫穿數(shù)據(jù)業(yè)務(wù)層面、業(yè)務(wù)系統(tǒng)、信息整合服務(wù)總線、ETL層、數(shù)據(jù)存儲區(qū)、信息服務(wù)層、展現(xiàn)層等各個層面，當數(shù)據(jù)口徑出現(xiàn)問題時，能夠提供數(shù)據(jù)在 各個層面的正向/逆向追蹤功能。元數(shù)據(jù)的管理涉及業(yè)務(wù)元數(shù)據(jù)和技術(shù)元數(shù)據(jù)兩種。3. 數(shù)據(jù)倉庫架構(gòu)數(shù)據(jù)清洗、轉(zhuǎn)換、加載信 息 治 理元 數(shù) 據(jù) 管 理數(shù)據(jù)交換相關(guān)業(yè)務(wù)單位數(shù)據(jù)倉庫總體架構(gòu)1）多維分析從數(shù)據(jù)的全方位了解現(xiàn)狀，管理人員往往希望從不同的角度來審視業(yè)務(wù)數(shù)值，比如 從時間、地域、類別、

13、功能來看同一類數(shù)據(jù)的總和。每一個分析的角度可以叫做一個 維，因此，把多角度分析方式稱為多維分析。以前，每一個分析的角度需要制作一張 報表。由此產(chǎn)生了在線多維分析功能，根據(jù)用戶常用的多種分析角度，事先計算好一 些輔助結(jié)構(gòu)，以便在查詢時能盡快抽取到所要的記錄，并快速地從一維轉(zhuǎn)變到另一 維，將不同角度的信息以數(shù)字、直方圖、餅圖、曲線等等方式展現(xiàn)在您面前。2）即席查詢可以將數(shù)據(jù)進行查詢分組，進行資源的管理，可以設(shè)置查詢優(yōu)先級，可以自動控 制，調(diào)度復(fù)雜查詢和進行跟蹤分析查詢?？梢园凑找韵轮匾椒ㄟM行使用，主動和動 態(tài)地控制數(shù)據(jù)庫的查詢流程，為不同大小的查詢定義不同的查詢類別，從而改善查詢 之間的系統(tǒng)資源共享，避免較小的查詢被較大的查詢阻塞等。3）數(shù)據(jù)挖掘數(shù)據(jù)挖掘正如在礦井中可以開采出珍貴的礦石，在數(shù)據(jù)倉庫的數(shù)據(jù)里也常?？梢蚤_ 采出業(yè)務(wù)人員意想不到的信息。它比多維分析更進一步。例如，如果管理人員要求比 較各個區(qū)域某類出入境特征數(shù)量在過去一年的情況，可以從多維分析中找答案。但 是，如果管理人員要問為何一個地區(qū)的出入境特征情況突然變得特別好或是不好，或 者問該出入境特征在另一地區(qū)將會怎么樣，這時數(shù)據(jù)挖掘知識可以作出解答。4）數(shù)據(jù)倉庫層數(shù)據(jù)倉庫用于抽取、整合、分布、存儲有用