人口統(tǒng)計項目解決方案說明書

人口統(tǒng)計項目解決方案說明書XX科技股份有限公司編制目錄TOC\o"1-2"\h\u一、項目存在問題及需解決問題 31. 存在問題 32. 需解決問題 4二、解決方案 51.解決方案架構(gòu) 52.關(guān)鍵技術(shù) 6三、開發(fā)范圍 91. 數(shù)據(jù)生產(chǎn) 92. 數(shù)據(jù)采集/消費 93. 數(shù)據(jù)分析 104. 數(shù)據(jù)展示 11

項目存在問題及需解決問題存在問題傳統(tǒng)人口統(tǒng)計需要投入大量的人力和物力且組織工作較為繁重。同時，不能進行實時統(tǒng)計，人口普查間隔周期過長，數(shù)據(jù)容易失去連續(xù)性。隨著時間推移，數(shù)據(jù)分析的準確性也有偏差，影響人口工作決策。傳統(tǒng)的人口統(tǒng)計主要有以下幾個方面的難點。統(tǒng)計周期長隨著人口數(shù)量的增加、人口流動性的增大，傳統(tǒng)的人口數(shù)據(jù)采集更加困難，且在統(tǒng)計過程中所耗費的時間、人力、物力也相當可觀。從1949年至今，中國分別在1953年、1964年、1982年、1990年、2000年與2010年進行過六次全國性人口普查。人口普查每10年進行一次，第六次人口普查大致劃分為準備階段、入戶調(diào)查和復查階段、數(shù)據(jù)匯總和資料開發(fā)利用階段等三個階段，共歷時4～5個月。資源耗費巨大2010年第六次人口普查，中央政府和地方政府安排80億元左右的預算資金，借調(diào)和招聘超過600萬名普查人員。政府為何要投入如此大的力量呢？因為人口統(tǒng)計對國家意義重大，對老百姓來講也非常重要，是國家制定經(jīng)濟、社會等各項政策的最基本依據(jù)，關(guān)系到公共設施的建造及社會保障體系的建設、就業(yè)崗位的提供和基本公共服務均等化的推進等。盡管有充足的投入和支持，在第六次人口普查中依然存在流動人口多、人戶分離現(xiàn)象普遍、入門較難等很多挑戰(zhàn)。質(zhì)量控制難度高由于人口統(tǒng)計工作量大可能導致調(diào)查的精確度下降，調(diào)查質(zhì)量不易控制。調(diào)查過程中可能會出現(xiàn)瞞報漏報、調(diào)查內(nèi)容有限等問題，易產(chǎn)生重復和遺漏現(xiàn)象，從而影響統(tǒng)計數(shù)據(jù)的真實性；加之時間的推移和人口流動遷移等因素，也促成了部分指標統(tǒng)計誤差較大、數(shù)據(jù)參考價值降低的情況。盡管有人口信息資源，但目前在人口信息資源的管理方面還不完善，數(shù)據(jù)統(tǒng)計路徑不一致、數(shù)據(jù)失真現(xiàn)象嚴重，數(shù)據(jù)共享機制不健全，致使人口數(shù)據(jù)在實際應用中發(fā)揮的作用十分有限。數(shù)據(jù)不可跟蹤人口抽樣會遇到涉及面窄、翔實數(shù)據(jù)信息難獲得、外來人口信息資源嚴重缺乏等問題。傳統(tǒng)人口統(tǒng)計數(shù)據(jù)不具備時效性，不能滿足事前預測的需求，無法有效避免一些危機情況發(fā)生。傳統(tǒng)統(tǒng)計數(shù)據(jù)關(guān)聯(lián)性不高，沒有連續(xù)性，無法追蹤行為軌跡，關(guān)聯(lián)社會關(guān)系。傳統(tǒng)的人口抽樣統(tǒng)計方式如同一潭湖水，是靜止的，而人是動態(tài)的，因此傳統(tǒng)人口統(tǒng)計方式缺少靈活性及可延伸空間。需解決問題來自電信運營商的真實數(shù)據(jù)更靈活、個性化。人口統(tǒng)計通過對海量的電信數(shù)據(jù)進行挖掘分析，基于可靠的建模技術(shù)構(gòu)建人口統(tǒng)計模型、人口分類模型、業(yè)務識別及分析模型、消費行為聚類分析模型等，在業(yè)內(nèi)處于領(lǐng)先水平。這些海量數(shù)據(jù)是傳統(tǒng)人口調(diào)查需要耗費巨大付出才能收集到的，且具備相當高的真實度?，F(xiàn)在通過大數(shù)據(jù)可以用相對低的成本得到更加豐富、更多維度的數(shù)據(jù)分析。構(gòu)建具備長效機制的數(shù)據(jù)生態(tài)平臺。人口統(tǒng)計平臺是隨著時間、條件的變化而不斷豐富、發(fā)展和完善的可持續(xù)發(fā)展平臺。它如同一個數(shù)據(jù)的大水庫，開源節(jié)流，不斷注入新數(shù)據(jù)，給出更精準的數(shù)據(jù)分析。人口統(tǒng)計平臺可以隨著需求不斷升級，融合多維度數(shù)據(jù)，創(chuàng)新出更科學的分析技術(shù)。人口統(tǒng)計在求變中確保穩(wěn)定的大數(shù)據(jù)分析支持，在推動自身升級發(fā)展的同時，也推動了行業(yè)的變革與發(fā)展。人口統(tǒng)計電信運營商提升數(shù)據(jù)價值，將數(shù)據(jù)價值轉(zhuǎn)化成為可應用的數(shù)據(jù)解決方案，讓政府、企業(yè)突破傳統(tǒng)數(shù)據(jù)統(tǒng)計的束縛，進入大數(shù)據(jù)應用的新時代。解決方案解決方案架構(gòu)系統(tǒng)開發(fā)平臺使用Hadoop大數(shù)據(jù)開發(fā)平臺。Hadoop是一個高度可擴展的存儲平臺，可以存儲和分發(fā)橫跨數(shù)百個并行操作的廉價的服務器數(shù)據(jù)集群。能擴展到處理大量的數(shù)據(jù)，能提供成百上千TB的數(shù)據(jù)節(jié)點上運行的應用程序。Hadoop能夠有效的在幾分鐘內(nèi)處理TB級的數(shù)據(jù)。相比關(guān)系型數(shù)據(jù)庫管理系統(tǒng)更具有優(yōu)勢。它適用于任何規(guī)模的非結(jié)構(gòu)化數(shù)據(jù)持續(xù)增長的企業(yè)，將幫助用戶持續(xù)提高用戶體驗。系統(tǒng)采用面向?qū)ο蟮能浖O計方法，把整個系統(tǒng)看作是多個離散對象的組合。系統(tǒng)設計時，首先把業(yè)務流程分解成功能模塊及其業(yè)務實體對象，然后根據(jù)業(yè)務流程分析對于這些業(yè)務實體對象的操作方法，形成業(yè)務處理對象，最后把各個功能模塊關(guān)聯(lián)起來，形成系統(tǒng)。軟件設計是一個將需求轉(zhuǎn)變?yōu)檐浖倪^程，系統(tǒng)通過逐步求精使得設計陳述逐漸接近于源代碼。系統(tǒng)程序采用MVC的設計思想，將展現(xiàn)邏輯、控制邏輯、業(yè)務處理邏輯分離。系統(tǒng)采用參數(shù)化的設計思想，定義和管理系統(tǒng)的實體及配置，調(diào)整實體以適應外部變化。系統(tǒng)采用J2EE技術(shù)保證程序邏輯實現(xiàn)的平臺無關(guān)性，并便于安裝部署。系統(tǒng)采用AJAX技術(shù)，提高客戶操作的交互性，保證實際使用的易用性。系統(tǒng)采用echarts可視化框架實現(xiàn)數(shù)據(jù)展示。關(guān)鍵技術(shù)HadoopHadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構(gòu)。用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進行高速運算和存儲。SpringMVCSpringMVC：屬于SpringFrameWork的后續(xù)產(chǎn)品，已經(jīng)融合在SpringWebFlow里面。Spring框架提供了構(gòu)建Web應用程序的全功能MVC模塊。MyBatisMYBatis：是支持普通SQL查詢，存儲過程和高級映射的優(yōu)秀持久層框架。MyBatis消除了幾乎所有的JDBC代碼和參數(shù)的手工設置以及結(jié)果集的檢索。MyBatis使用簡單的XML或注解用于配置和原始映射，將接口和Java的POJOs（PlainOldJavaObjects，普通的Java對象）映射成數(shù)據(jù)庫中的記錄。EchartsECharts是一款基于Javascript的數(shù)據(jù)可視化圖表庫，提供直觀，生動，可交互，可個性化定制的數(shù)據(jù)可視化圖表。MySQLMySQL是一個關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，由瑞典MySQLAB公司開發(fā)，屬于Oracle旗下產(chǎn)品。MySQL是最流行的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)之一，在WEB應用方面，MySQL是最好的RDBMS(RelationalDatabaseManagementSystem，關(guān)系數(shù)據(jù)庫管理系統(tǒng))應用軟件之一。MySQL是一種關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，關(guān)系數(shù)據(jù)庫將數(shù)據(jù)保存在不同的表中，而不是將所有數(shù)據(jù)放在一個大倉庫內(nèi)，這樣就增加了速度并提高了靈活性。MySQL所使用的SQL語言是用于訪問數(shù)據(jù)庫的最常用標準化語言。MySQL軟件采用了雙授權(quán)政策，分為社區(qū)版和商業(yè)版，由于其體積小、速度快、總體擁有成本低，尤其是開放源碼這一特點，一般中小型網(wǎng)站的開發(fā)都選擇MySQL作為網(wǎng)站數(shù)據(jù)庫。Hivehive是基于Hadoop構(gòu)建的一套數(shù)據(jù)倉庫分析系統(tǒng)，它提供了豐富的SQL查詢方式來分析存儲在Hadoop分布式文件系統(tǒng)中的數(shù)據(jù)：可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供完整的SQL查詢功能；可以將SQL語句轉(zhuǎn)換為MapReduce任務運行，通過自己的SQL查詢分析需要的內(nèi)容，這套SQL簡稱HiveSQL，使不熟悉mapreduce的用戶可以很方便地利用SQL語言查詢、匯總和分析數(shù)據(jù)。而mapreduce開發(fā)人員可以把自己寫的mapper和reducer作為插件來支持hive做更復雜的數(shù)據(jù)分析。它與關(guān)系型數(shù)據(jù)庫的SQL略有不同，但支持了絕大多數(shù)的語句如DDL、DML以及常見的聚合函數(shù)、連接查詢、條件查詢。它還提供了一系列的：具進行數(shù)據(jù)提取轉(zhuǎn)化加載，用來存儲、查詢和分析存儲在Hadoop中的大規(guī)模數(shù)據(jù)集，并支持UDF（User-DefinedFunction）、UDAF(User-DefnesAggregateFunction)和UDTF（User-DefinedTable-GeneratingFunction），也可以實現(xiàn)對map和reduce函數(shù)的定制，為數(shù)據(jù)操作提供了良好的伸縮性和可擴展性。HBASEHBase–HadoopDatabase，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術(shù)可在廉價PCServer上搭建起大規(guī)模結(jié)構(gòu)化存儲集群。ZookeeperZooKeeper是一個分布式的，開放源碼的分布式應用程序協(xié)調(diào)服務，是Google的Chubby一個開源的實現(xiàn)，是Hadoop和Hbase的重要組件。它是一個為分布式應用提供一致性服務的軟件，提供的功能包括：配置維護、域名服務、分布式同步、組服務等。FlumeFlume是Cloudera提供的一個高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，F(xiàn)lume提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。開發(fā)范圍數(shù)據(jù)生產(chǎn)對于該模塊的業(yè)務，即數(shù)據(jù)生產(chǎn)過程，一般并不會讓你來進行操作，數(shù)據(jù)生產(chǎn)是一套完整且嚴密的體系，這樣可以保證數(shù)據(jù)的安全性。但是如果涉及到項目的一體化方案的設計（數(shù)據(jù)的產(chǎn)生、存儲、分析、展示），則必須清楚每一個環(huán)節(jié)是如何處理的，包括其中每個環(huán)境可能隱藏的問題；數(shù)據(jù)結(jié)構(gòu)，數(shù)據(jù)內(nèi)容可能出現(xiàn)的問題。數(shù)據(jù)采集/消費數(shù)據(jù)采集模塊（消費），在企業(yè)中你要清楚流式數(shù)據(jù)采集框架flume和kafka的定位是什么。我們在此需要將實時數(shù)據(jù)通過flume采集到kafka然后供給給hbase消費。flume：cloudera公司研發(fā)適合下游數(shù)據(jù)消費者不多的情況；適合數(shù)據(jù)安全性要求不高的操作；適合與Hadoop生態(tài)圈對接的操作。kafka：linkedin公司研發(fā)適合數(shù)據(jù)下游消費眾多的情況；適合數(shù)據(jù)安全性要求較高的操作（支持replication）；因此我們常用的一種模型是：線上數(shù)據(jù)-->flume-->kafka-->flume(根據(jù)情景增刪該流程)-->HDFS線上數(shù)據(jù)--