周政 王彩平 張家口卷煙廠有限責(zé)任公司

大數(shù)據(jù)技術(shù)是近年來興起主流數(shù)據(jù)處理技術(shù)，它一般依托于云平臺或虛擬環(huán)境，能夠提供或支撐數(shù)據(jù)的采集、數(shù)據(jù)預(yù)處理、分布式存儲、NoSQL數(shù)據(jù)庫、數(shù)據(jù)倉庫、機器學(xué)習(xí)、并行計算、可視化等各種技術(shù)范疇和不同的技術(shù)層面。其中，數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、NoSQL數(shù)據(jù)庫、數(shù)據(jù)倉庫功能，可以在聯(lián)通各個業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫、獲取數(shù)據(jù)庫數(shù)據(jù)的同時，進行一定的數(shù)據(jù)清洗過濾，最終存儲在非關(guān)系數(shù)據(jù)庫中，以供其他業(yè)務(wù)系統(tǒng)獲取使用。

各類企業(yè)在發(fā)展的過程中都會依賴信息化軟件輔助運營，從最早的財務(wù)軟件，到之后的MES輔助生產(chǎn)運營軟件，ERP企業(yè)管理軟件等，隨著企業(yè)逐步發(fā)展和業(yè)務(wù)水平的不斷提高，各類管理軟件的功能劃分也愈加精細，對于大中型企業(yè)，尤其是生產(chǎn)企業(yè)來說，往往擁有多種輔助管理軟件，甚至每個獨立的職能部門都擁有屬于自己的一套軟件系統(tǒng)。在日益追求數(shù)據(jù)價值發(fā)掘的今天，將職能部門間的信息關(guān)聯(lián)起來做分析已經(jīng)成為一種重要數(shù)據(jù)分析方式，這就要求企業(yè)能夠打通不同管理軟件之間的信息傳遞通道。以往多采用手動信息匯總或者做接口的方式進行數(shù)據(jù)傳遞，但是前者需要耗費大量的人力和時間，且在數(shù)據(jù)收集整理的過程中也難以保證數(shù)據(jù)的準(zhǔn)確性，后者需要進行系統(tǒng)間接口開發(fā)，但單一接口只能滿足單一數(shù)據(jù)要求，對數(shù)據(jù)有更深入要求的時候只能進行新的接口開發(fā)，且接口開發(fā)費用普遍較高，長期如此會陷入軟件運維費用過高的泥潭。因此，借助大數(shù)據(jù)平臺技術(shù)建立企業(yè)的數(shù)據(jù)池，將各個業(yè)務(wù)系統(tǒng)的核心數(shù)據(jù)按照統(tǒng)一標(biāo)準(zhǔn)采集起來集中存放，同時可以提供給其他業(yè)務(wù)系統(tǒng)做數(shù)據(jù)關(guān)聯(lián)分析，是一種有效打破管理軟件數(shù)據(jù)壁壘的方法。

一、平臺總體設(shè)計

建立服務(wù)器集群，以此為基礎(chǔ)搭建大數(shù)據(jù)平臺，在平臺中部署數(shù)據(jù)池，通過ETL工具建立大數(shù)據(jù)平臺與各個業(yè)務(wù)系統(tǒng)間的數(shù)據(jù)傳輸通道，制定一定的數(shù)據(jù)獲取規(guī)則，將各個業(yè)務(wù)系統(tǒng)中的高價值數(shù)據(jù)統(tǒng)一存放到大數(shù)據(jù)平臺的數(shù)據(jù)池中。當(dāng)業(yè)務(wù)部門需要做單個系統(tǒng)數(shù)據(jù)分析或多系統(tǒng)數(shù)據(jù)關(guān)聯(lián)分析時，可以通過大數(shù)據(jù)平臺直接獲取數(shù)據(jù)池中經(jīng)過初步處理的高價值數(shù)據(jù)，根據(jù)自己的實際需要進行數(shù)據(jù)二次加工，生成各類圖形報表，反饋給管理者作為制定策略的數(shù)據(jù)依據(jù)。

1.體系結(jié)構(gòu)

根據(jù)大多數(shù)企業(yè)的特點和實際情況，平臺采用多臺服務(wù)器搭建服務(wù)器集群，服務(wù)器采用Linux操作系統(tǒng)CentOS7.2或以上版本，大數(shù)據(jù)平臺管理軟件使用Cloudera Manager，并在之上部署CDH集群來實現(xiàn)可擴展存儲和分布式計算，通過Sqoop工具實現(xiàn)數(shù)據(jù)的導(dǎo)入和導(dǎo)出，以Hive作為數(shù)據(jù)存儲池。硬件設(shè)備方面，完全可以采用企業(yè)現(xiàn)有的服務(wù)器進行部署，需要3臺以上、能夠部署CentOS7.2或以上版本的服務(wù)器，其中一個服務(wù)器為管理節(jié)點，其他為存儲節(jié)點。

運行環(huán)境方面，采用Linux發(fā)行版本之一的CentOS7.2或以上版本為系統(tǒng)運行環(huán)境，以Cloudera Manager6.3.1管理大數(shù)據(jù)平臺，以基于Hadoop的CHD6.3.2集群提供可擴展存儲（HDFS）和分布式計算（MR）。

數(shù)據(jù)存儲方面，以Hive作為數(shù)據(jù)池。hive是基于Hadoop的一個數(shù)據(jù)倉庫工具，用來進行數(shù)據(jù)提取、轉(zhuǎn)化、加載，提供SQL查詢功能，能將SQL語句轉(zhuǎn)變成MapReduce任務(wù)來執(zhí)行，十分適合對數(shù)據(jù)池中的數(shù)據(jù)進行統(tǒng)計分析。

數(shù)據(jù)交互方面，以Sqoop進行Hive數(shù)據(jù)池和傳統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)傳輸工具。Sqoop是一款開源的工具，主要用于在Hadoop(Hive)與傳統(tǒng)的數(shù)據(jù)庫(mysql等)間進行數(shù)據(jù)的傳遞，可以將一個關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)導(dǎo)進到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導(dǎo)進到關(guān)系型數(shù)據(jù)庫中。

2.功能結(jié)構(gòu)

在數(shù)據(jù)貫通方面大數(shù)據(jù)平臺主要提供以下功能：

＜1＞數(shù)據(jù)存儲空間擴展；

＜2＞從業(yè)務(wù)系統(tǒng)中進行數(shù)據(jù)采集導(dǎo)入、數(shù)據(jù)清洗；

＜3＞數(shù)據(jù)存儲；

＜4＞提供關(guān)聯(lián)數(shù)據(jù)并導(dǎo)出到業(yè)務(wù)系統(tǒng)；

＜5＞平臺狀態(tài)監(jiān)控。

平臺功能實現(xiàn)：

業(yè)務(wù)數(shù)據(jù)在部署成功的大數(shù)據(jù)平臺傳遞需要通過以下幾步：

＜1＞在集群中添加服務(wù)。通過Cloudera Manager在選定的主機上添加Sqoop服務(wù)，通過# sqoop help驗證服務(wù)是否添加成功。

＜2＞導(dǎo)入數(shù)據(jù)到Hive數(shù)據(jù)池。可以提前在Hive中創(chuàng)建表，也可以不創(chuàng)建在導(dǎo)入時自動創(chuàng)建，通過命令將關(guān)系數(shù)據(jù)庫（MySQL、SqlServer、Oracle等）中表的數(shù)據(jù)導(dǎo)入到Hive中。

＜3＞在Hive中通過命令驗證傳入數(shù)據(jù)的準(zhǔn)確性。

＜4＞導(dǎo)出數(shù)據(jù)到關(guān)系數(shù)據(jù)庫。在關(guān)系數(shù)據(jù)庫（MySQL、SqlServer、Oracle等）中建立對應(yīng)表格。通過命令將Hive中的數(shù)據(jù)導(dǎo)出到關(guān)系數(shù)據(jù)庫對應(yīng)表格中。

＜5＞根據(jù)數(shù)據(jù)導(dǎo)入導(dǎo)出命令編寫Xml腳本，通過腳本管理定時定期進行數(shù)據(jù)導(dǎo)入導(dǎo)出操作，實現(xiàn)對Hive中數(shù)據(jù)的更新。

二、結(jié)束語

利用大數(shù)據(jù)平臺的數(shù)據(jù)處理能力和特性，根據(jù)企業(yè)打通管理軟件數(shù)據(jù)壁壘的需求，結(jié)合數(shù)據(jù)一體化管理理念，采用Hadoop為基礎(chǔ)的CDH提供存儲和計算能力，Cloudera Manager作為平臺管理工具，Sqoop作為數(shù)據(jù)傳輸工具，實現(xiàn)了對企業(yè)數(shù)據(jù)的集中存儲處理，打通了多個業(yè)務(wù)系統(tǒng)間的數(shù)據(jù)傳輸通道。此功能的落實，能夠有效提升企業(yè)運營數(shù)據(jù)的時效性和準(zhǔn)確性，提高企業(yè)數(shù)據(jù)價值，幫助企業(yè)對業(yè)務(wù)系統(tǒng)中積累多年的數(shù)據(jù)進行數(shù)據(jù)價值挖掘，同時避免了高額度的接口開發(fā)費用，使數(shù)據(jù)在業(yè)務(wù)系統(tǒng)間的傳輸不再需要開發(fā)成本，減少業(yè)務(wù)系統(tǒng)運維費用，為企業(yè)下一步進行大數(shù)據(jù)分析提供了數(shù)據(jù)基座和支撐。