- 1、本文档共32页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 1章 数据仓库建设
1.1 数据仓库总体架构
专家系统接收增购项目车辆 TCMS或其他子系统通过车地通信传输的实时或离
线数据,经过一系列综合诊断分析,以各种报表图形或信息推送的形式向用户展示
分析结果。针对诊断出的车辆故障将给出专家建议处理措施,为车辆的故障根因修
复提供必要的支持。
根据专家系统数据仓库建设目标, 结合系统数据业务规范, 包括数据采集频率、
数据采集量等相关因素,设计专家系统数据仓库架构如下:
数据仓库架构从层次结构上分为数据采集、数据存、数据分析、数据服务等几
个方面的内容:
数据采集:负责从各业务自系统中汇集信息数据, 系统支撑 Kafka、Storm、Flume
及传统的 ETL采集工具。
数据存储: 本系统提供 Hdfs、Hbase及 RDBMS相结合的存储模式, 支持海量数
据的分布式存储。
数据分析:数据仓库体系支持传统的 OLAP分析及基于 Spark 常规机器学习算
法。
数据服务总线:数据系统提供数据服务总线服务,实现对数据资源的统一管理
和调度,并对外提供数据服务。
1.2 数据采集
专家系统数据仓库数据采集包括两个部分内容:外部数据汇集、内部各层数据
的提取与加载。外部数据汇集是指从 TCMS、车载子系统等外部信息系统汇集数据
到专家数据仓库的操作型存储层 (ODS);内部各层数据的提取与加载是指数据仓库
各存储层间的数据提取、转换与加载。
1.2.1 外部数据汇集
专家数据仓库数据源包括列车监控与检测系统( TCMS)、车载子系统等相关子
系统,数据采集的内容分为实时数据采集和定时数据采集两大类,实时数据采集主
要对于各项检测指标数据;非实时采集包括日检修数据等。
根据项目信息汇集要求,列车指标信息采集具有采集数据量大,采集频率高的
特点,考虑到系统后期的扩展,因此在数据数据采集方面,要求采集体系支持高吞
吐量、高频率、海量数据采集,同时系统应该灵活可配置,可根据业务的需要进行
灵活配置横向扩展。
本方案在数据采集架构采用 Flume+Kafka+Storm的组合架构,采用 Flume和 ETL
工具作为 Kafka 的 Producer,采用 Storm 作为 Kafka 的 Consumer,Storm 可实现对海
量数据的实时处理,及时对问题指标进行预警。具体采集系统技术结构图如下 :
1.2.1.1 数据汇集架构功能
Flume 提供了从 console(控制台 )、RPC(Thrift-RPC)、text( 文件 )、tail(UNIX tail) 、
syslog(syslog日志系统,支持 TCP和 UDP等 2 种模式 ),exec(命令执行 )等数据源上
收集数据的能力。 Flume 的数据接受方,可以是 console(控制台 ) 、text(文件 )、dfs(HDFS
文件 )、RPC(Thrift-RPC)和 syslogTCP(TCPsyslog 日志系统 )等。在我们系统中由 kafka
来接收。
Kafka 分布式消息队列,支撑系统性能横向扩展,通过增加 broker 来提高系统
的性能。
Storm 流处理技术, 支撑 Supervisor 横向扩展以提高系统的扩展性和数据处理的实
时性。
1.2.1.2 采集架构优势
(一 ) 解耦
在项目中要平衡数据的汇集与数据的处理性能平衡,是极其困难的。消息队
列在处理过程中间插入了一个隐含的、基于数据的接口层,两边的处理过程
都要实现这一接口。这允许你独立的扩展或修改两边的处理过程,只要确保
它们遵守同样的接口约束。
冗余
有些情况下, 处理数据的过程会失败。 除非数据被持久化, 否则将造成丢失。
消息队列把数据进行持久化直到它们已经被完全处理,通过这一方式规避了
数据丢失风险。在被许多消息队列所采用的“插
文档评论(0)