现在的位置:主页 > 综合新闻 >

Smartbi:大数据平台架构设计系统

来源:大数据 【在线投稿】 栏目:综合新闻 时间:2021-06-25

【作者】:网站采编
【关键词】:
【摘要】:大数据技术是一系列技术的总称。它是一个集数据采集与传输、数据存储、数据处理与分析、数据挖掘、数据可视化等技术于一体的庞大而复杂的技术系统。 按照大数据从源头到应用的

大数据技术是一系列技术的总称。它是一个集数据采集与传输、数据存储、数据处理与分析、数据挖掘、数据可视化等技术于一体的庞大而复杂的技术系统。

按照大数据从源头到应用的传输过程,大数据架构设计可以分为数据采集层、数据存储层、数据处理层、数据治理与建模层、数据应用层.

?

?

1.数据采集??层

大数据采集层主要采用大数据采集技术,实现数据的ETL操作。 ETL是英文Extract-Transform-Load的缩写。数据源端被提取、转换并加载到目的端。

?

二、数据存储层

当收集到大量数据时,我们需要存储大数据。数据存储分为持久化存储和非持久化存储。持久化存储是指数据存储在磁盘中,即使关机或断电,数据也不会丢失。非持久化存储是指数据存储在内存中,读写速度快,但关机或断电后数据会丢失。

?

三个。数据处理层

我们收集数据的时候,没有数据的存储和读写。问题,我们手里的这一堆数据怎么办?除了保留原始数据,做好数据备份之外,我们还需要考虑利用它们来产生更大的价值。所以首先我们需要处理这些数据。大数据处理分为批处理和实时处理两大类。

?

四个。数据治理和建模层

数据架构设计和数据治理紧密相连,数据采集、数据存储和数据处理是大数据架构的基本设置。总的来说,完成以上三个层次的数据工作后,数据已经转化为基础数据,为上层业务应用提供支持。然而,在大数据时代,数据类型多样、单位值稀疏的特点需要数据治理和融合建模。通过使用R语言、Python等对数据进行ETL预处理,然后基于算法模型和业务模型进行融合建模,从而更好地为业务应用提供优质的底层数据。

?

5.数据应用层

数据应用层是大数据技术和应用的目标。它通常包括信息检索和关联分析等功能。 Lucene、Solr、Elasticsearch等开源项目为信息检索的实现提供了可能。

大数据架构为大数据业务应用提供了通用架构。还需要根据行业领域、公司技术积累和业务场景,从业务需求、产品设计、技术选型到实施方案具体分析过程中的具体问题,并利用大数据可视化技术进一步深入深入形成更具体的应用,包括大数据交易与共享、基于开发平台的大数据应用、基于大数据的工具应用。

?

这是一个理论上的数据架构设计。你可能要问了,在具体的应用中,有没有什么好的数据架构设计软件?在这里,我将向您展示Smartbi的数据架构设计系统。

?

1.业务应用:其实就是指数据采集。你如何收集数据?在互联网上收集数据相对简单。可以通过网页和应用程序收集数据。例如,许多银行现在都有自己的应用程序。

更深层次还可以收集用户行为数据,可以分为多个维度进行详细分析。但对于线下行业,数据采集需要借助各种业务系统来完成。

?

2.数据整合:其实就是ETL,指的是用户从数据源中提取出需要的数据,经过数据清洗,最后根据预先定义的数据仓库模型,将数据加载到数据仓库中。这里的 Kettle 只是 ETL 的一种。

?

3.数据存储:指构建数据仓库。简单来说,可以分为业务数据层(DW)、指标层、维度层、汇总层(DWA)。


?

?

四个。数据共享层:提供数据仓库和业务系统之间的数据共享服务。 Web Service和Web API代表了一种数据之间的连接方式,还有一些其他的连接方式,可以根据自己的情况来确定。

?

5.数据分析层:分析函数比较容易理解,就是各种数学函数,如K-means分析、聚类、RMF模型等。列存储允许磁盘中的每个Page只存储单列的值,而不是整行的值。这种压缩算法会更有效率。此外,这可以减少磁盘 I/O 并提高缓存利用率。因此,将更有效地使用磁盘存储。

?

6.数据呈现:结果以什么形式呈现,其实就是数据可视化。这里推荐使用敏捷BI。与传统BI不同,它可以通过简单的拖拽生成报表,学习成本低。国内敏捷BI中,个人用户推荐Tableau,银行等企业级需求推荐永宏BI。

?

7.数据访问:这个比较简单。这取决于您如何查看数据。图中的例子是因为B/S架构。通过浏览器访问最终的可视化结果。

文章来源:《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/0625/2544.html

上一篇:鹰眼大数据营销系统怎么样?可信吗?
下一篇:IDC:2020 年中国大数据市场规模达 677.3 亿元人民

大数据投稿 | 大数据编辑部| 大数据版面费 | 大数据论文发表 | 大数据最新目录
Copyright © 2018 《大数据》杂志社 版权所有
投稿电话: 投稿邮箱: