• 1. 金融集团大数据分析平台 总体架构
  • 2. 议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平台演进路线3大数据分析平台一期实施重点4附录:数据质量管理平台5
  • 3. 金融集团管理分析类应用建设现状基本分析关注的内容存在的问题基本的现状商城数据仓库累积数据没有充分利用 缺乏面向整个金融集团的统一、完整的数据视图; 缺乏支撑金融集团日常业务运转的风险评估体系; 缺乏金融集团客户360度视图,客户行为分析和预测无法实现; 缺乏面向金融业务运营管理的关键绩效指标体系; ……商城已建立面向整个零售业务的数据仓库,整合了前台业务运营数据和后台管理数据,建立了面向零售的管理分析应用; 金融集团已开展供应链金融、人人贷和保理等多种业务,积累了一定量的业务数据,同时业务人员也从客户管理、风险评级和经营规模预测等方面,提出了大量分析预测需求; ……数据平台、数据应用、数据管控……基础数据平台和BI应用建设是未来一段时间的重点!数据平台整体架构; 数据平台各层建设的标准; 较成熟的金融业数据模型; 数据质量治理; 元数据管理; 数据标准建设 数据整合; 数据应用建设; 数据平台的软硬环境 ……
  • 4. 大数据分析平台建设目标外部非结构化数据统一制定目标和分析模型统一划分分析主题统一设计数据模式统一规划分析方法统一部署技术基础统一定义BI 应用自定义报表工具 行+列的简单定义方式多种格式报表集团决策层集团职能管控层各级业务操作层关注集团主要经营指标业务人员使用BI应用实现业务协作和创新BI 分析工具供应链金融系统POP系统其他业务系统云数据推送平台已实现了主要零售及金融业务系统数据清洗、整合,为未来金融集团数据平台提供了丰富的数据源。通过数据平台和BI应用建设,金融集团将搭建统一的大数据共享和分析平台,对各类业务进行前瞻性预测及分析,为集团各层次用户提供统一的决策分析支持,提升数据共享与流转能力采购管理系统查看职能部门的业务经营情况
  • 5. 大数据分析平台建设预期收益2.加强业务协作实现分散在供应链金融、人人贷、保理等各个业务系统中的数据在数据平台中的集中和整合,建立单一的产品、客户等数据的企业级视图,有效促进业务的集成和协作,并为企业级分析、交叉销售提供基础3.促进业务创新金融集团业务人员可以基于明细、可信的数据,进行多维分析和数据挖掘,为金融业务创新(客户服务创新、产品创新等)创造了有利条件4.提升建设效率通过数据平台对数据进行集中,为管理分析、挖掘预测类等系统提供一致的数据基础,改变现有系统数据来源多、数据处理复杂的现状,实现应用系统建设模式的转变,提升相关IT系统的建设和运行效率5.改善数据质量从中长期看,数据仓库对金融集团分散在各个业务系统中的数据整合、清洗,有助于企业整体数据质量的改善,提高的数据的实用性通过数据平台实现数据集中,确保金融集团各级部门均可在保证数据隐私和安全的前提下使用数据,充分发挥数据作为企业重要资产的业务价值1.实现数据共享
  • 6. 议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平台演进路线3大数据分析平台一期实施重点4附录:数据质量管理平台5
  • 7. 大数据分析平台总体架构历史数 据查询数据交换平台应用集市数据区商城零售供应链金融人人贷系统基金系统……系统企业内外部半结构化、非结构化数据大数据交换组件数据库数据交换组件数据区数据交换组件数据计算层大数据区沙盘演练数据区数据应用层实时数据区客户主题协议主题产品主题业务沙盘演练数据增 值产品 零售数据供应链数据增值产 品数据区主题数据区… …用户访问层客户汇总账户汇总机构汇总… …社交媒体移动互联用户评价访问日志处理后大数据待处理大数据流程调度监控告警数据标准数据质量元数据数据安全流程调度平台……数据管控平台流程调度层数据管控层数据 产生层数据交换层实时数 据查询客户管理财务管理……外部用户贴源数据区……内部管理分析内部用户历史归档数据区IT人员风险管理
  • 8. 大数据分析平台总体架构——数据产生层内部业务系统产生的结构化数据 商城日常零售业务处理过程中产生的结构化数据,存储在关系型数据库中,如:供应商信息、采购信息、商品信息、销售流水…… 金融集团日常业务处理过程中产生的结构化数据,存储在关系型数据库中,如:客户信息、账户信息、金融产品信息、交易流水…… 企业内部非结构化数据 日常业务处理过程中产生的非结构化数据,存储形式多样,主要包括用户访问日志、用户投诉、用户点评…… 企业外部数据 企业外部数据以非结构化为主,主要包括国家政策法规、论坛等互联网信息、地理位置等移动信息、微博等社交媒体信息…… 源数据内容在本次项目实施中将采用以增量为主、全量为辅结合的方式获取源数据 商城和金融集团业务系统的数据 增量数据识别、获取由云数据推送平台负责,云数据推送平台采用分析、对比源系统日志方式实现 对于无法通过上述方式获取增量的源系统数据,则采用某一个时间范围内的全部数据作为增量 初始数据加载均采用全量模式源数据增量
  • 9. 大数据分析平台总体架构——数据交换层数据交换层设计目标传输组件是根据数据源存储的不同分类而设计的,本质是通过分析数据存储结构和数据存储库的特点来针对性的设计工具,以追求卓越的性能保证数据在平台内高速流转保证数据交换过程中不失真保证数据交换过程中不丢失保证数据交换过程安全可靠数据区数据交换组件数据库数据交换组件大数据交换组件金融集团系统数据服务层外部大数据商城系统Hadoop元数据云数据推送平台数据平台导入临时区数据平台导出临时区NAS 存储ETL程序区
  • 10. 大数据分析平台总体架构——数据交换层NAS存储Hadoop集群元数据区数据平台ETL数据处理程序区数据平台临时数据区存储数据平台各个Hadoop集群的元数据信息,如:HDFS文件系统元数据集团数据交换平台每日获取运输局推送平台提供的业务系统变化数据,暂存在NAS临时数据区 金融数据平台加工计算结果返回给业务系统,暂存在NAS临时数据区数据平台ETL加工处理程序(数据压缩、数据加载、各数据数据处理等)统一存储在NAS集群指定目录,各接口服务器通过文件系统Link建立映射
  • 11. 大数据分析平台总体架构——数据交换层大数据交换组件企业内部非结构化、半结构化数据,如:音频、视频、邮件、Office文档、抵押品扫描件等 企业外部非结构化、半结构化数据,如:微博、贴吧、论坛、用户点击流、用户移动位置等批量采集:大数据源以SFTP协议批量传输数据文件 在线访问:开发Java或C应用,调用大据源API,或以网络平台爬虫方式抓取源系统非结构化、半结构化数据组件以实时和批量两种模式实现下列功能: 数据采集 数据传输到数据交换平台(接口服务器)NAS指定目录 存储数据到数据平台大数据区指定HDFS目录定时抽取用户访问日志,加载到数据平台大数据区HDFS指定目录,MR程序加工处理 开发网络爬虫程序,扫描用户微博,抓取用户微博内容,社交圈信息,存入大数据区处理对象实现技术实现功能应用场景
  • 12. 大数据分析平台总体架构——数据交换层数据库数据交换组件企业内部业务系统产生的结构化数据,包括两大来源: 商城零售业务数据,数据存储在Oracle、SQLServer、MySQL和MongoDB四类数据库 金融集团互联网金融业务数据,数据存储在MySQL数据库Perl程序 数据采集,调用Perl文件模块相关函数,轮询指定目录,获取数据文件 数据核查,Perl执行文件级数据质量检查 数据加载,调用Hive Load数据命令,加载到数据平台临时数据区的Hive Table组件以实时和批量模式实现下列功能: 数据采集,轮询NAS集群指定目录,获取数据文件(LZO压缩) 数据核查,对数据文件进行质量校验 数据加载,加载数据到临时数据区云数据推送平台连接供应链金融系统数据库,分析供应链金融MySQL数据库日志,识别增量数据,存储到金融平台NAS存储的指定目录,金融平台加载数据文件到数据平台临时区Hive表处理对象实现技术实现功能应用场景
  • 13. 大数据分析平台总体架构——数据交换层数据区数据交换组件数据平台计算层各数据区 贴源数据区 主题数据区 集市数据区 沙盘数据区 大数据区 归档数据区Sqoop实现集市数据区与数据平台其他Hadoop数据区的数据交换 Hadoop 命令、Hive外部表、MR程序实现数据平台Hadoop数据区间的数据交换 组件以批量方式实现下列数据交换功能: 贴源数据区和主题数据区到集市数据区 大数据区到主题数据区和集市数据区 主题数据区、贴源数据区、集市数据区到沙盘数据区 各个数据区数据归档数据集市的数据按照据生命周期规划,统一将过期数据归档到历史数据归档区处理对象实现技术实现功能应用场景
  • 14. 大数据分析平台总体架构——流程调度层批量处理流程批量数据处理由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作: 获取业务系统结构化数据,存入临时数据区 获取企业内外部非结构化数据,并进行结构化处理,存入主题或集市数据区 按照贴源数据模型整合数据(标准化、数据更新/追加) 按照主题数据模型整合数据并生成汇总 数据加工计算后,结果交付到数据集市,支持分析类应用
  • 15. 大数据分析平台总体架构——流程调度层实时数据处理流程实时数据处理强调的是实时或准实时获取并处理数据,通常采取消息队列等技术构建“数据流” 整个处理流程由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作: 通过数据库数据交换组件获取增量数据,加载到实时数据区 通过大数据交换组件获取非结构化数据,并利用Storm处理数据,加载到实时数据区 针对实时数据区数据执行标准化处理和贴源整合
  • 16. 大数据分析平台总体架构——流程调度层归档数据处理流程数据归档的对象包括业务系统数据文件、贴源数据区数据、主题数据区数据、大数据区数据和集市数据区数据 数据按照生命周期规划存储到归档区Hadoop集群,归档后原数据区删除此数据 整个处理流程由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作: 数据文件通过HDFS命令行copyfromlocal进行归档 贴源、主题和大数据区通过HDFS命令行distcp或自定义开发的MR程序执行归档 集市数据区通过Sqoop或数据库提供的Hadoop集成技术(如:外部表)执行归档
  • 17. 大数据分析平台总体架构——数据存储层业务系统前日增量数据 缓存数据,支持后续ELT数据处理数据内容 主要用途数据模型 保留周期用户 访问模式工作负载平台要求贴源数据模型 保存最近7天数据贴源数据区和主题数据区批量作业访问 无最终用户访问I/O敏感,连续小批量的数据抽取和加载 少量量数据使用Hive的Load命令,大量数据使用MR程序与主题区/贴源区/集市区构成一个Hadoop集群(Hive) 无单点故障,7×24小时+非工作日有限停机主题数据区、集市数据区和沙盘演练数据区批量作业访问 无最终用户访问I/O敏感,日终批量ETL 以ELT形式通过Hive SQL执行与主题区/贴源区/集市区构成一个Hadoop集群(Hive) 无单点故障,7×24小时+非工作日有限停机贴源数据模型 不保存历史业务系统前日快照数据和一段时间的流水数据 数据标准化,为后续主题模型、集市和沙盘演练提供数据临时数据区贴源数据区
  • 18. 大数据分析平台总体架构——数据存储层(续)企业内外部非结构化、半结构化数据 采集并存储数据,进行结构化处理,最终得到结构化数据数据内容 主要用途数据模型 保留周期用户 访问模式工作负载平台要求数据按照HDFS文件存储 建议保留1年集市区/沙盘区/增值产品区/主题区/归档区批量作业访问 少量高级业务人员进行大数据分析MapReduce 分布式计算,半/非结构化数据的结构化处理(包括文本检索、语义分词、图像识别、音频识别等)与主题区/贴源区构成一个Hadoop集群(HDFS) 无单点故障,7×24小时+非工作日有限停机集市区/沙盘区/增值产品区/主题区/高时效区批量作业访问 业务人员执行历史数据查询MapReduce分布式计算,HDFS命令实现Hadoop集群内归档,Sqoop实现数据库归档,通过Hive提供历史查询独立的Hadoop集群(HDFS+Hive) 无单点故障,7×24小时+非工作日有限停机数据按照HDFS文件存储 数据文件按照数据区划分目录,建议保留7年其他各数据区历史数据 按数据生命周期规划归档平台过期数据,支撑历史数据查询大数据区历史归档数据区
  • 19. 大数据分析平台总体架构——数据存储层(续)业务系统历史明细数据 打破业务条线整合数据数据内容 主要用途数据模型 保留周期用户 访问模式工作负载可用性要求第三范式模型 保留长期历史,需要根据主题细化主题区/集市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测I/O敏感,日终批量ETL (合并、拉链、关联、汇总等等) 以ELT形式通过Hive SQL执行,复杂处理使用MR定制UDF与大数据区/贴源区构成一个Hadoop集群(Hive) 无单点故障, 7×24小时+非工作日有限停机集市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测I/O敏感,日终批量ETL (连接、聚合、汇总等等) 以ELT形式通过Hive SQL执行,复杂处理使用MR定制UDF与大数据区/贴源区构成一个Hadoop集群(Hive) 无单点故障,7×24小时+非工作日有限停机逆范式宽表 依赖于集市数据需求对主题数据预加工后的结果数据 针对应用需求进行数据预连接、预汇总,为集市提供数据主题数据区—明细主题数据区—汇总
  • 20. 大数据分析平台总体架构——数据存储层(续)按沙盘演练需求,准备的明细或汇总业务数据 为数据科学家的挖掘预测操作提供数据服务数据内容 主要用途数据模型 保留周期用户 访问模式工作负载可用性要求模型依赖于沙盘演练需求 在整个沙盘演练周期内保留集市区/沙盘区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测I/O敏感,终批量ETL (合并、拉链、关联、汇总等等) 以ELT形式通过Hive SQL执行,复杂处理使用MR定制UDF独立的Hadoop集群(HDFS) 无单点故障,7×24小时+非工作日有限停机沙盘区/归档区批量作业访问 决策人员、管理人员、业务人员访问I/O敏感型,BI工具提交的报表、查询、分析SQL命令和日终批量ETL(汇总、聚集等操作,以ELT形式通过SQL执行)基于开放平台的完全无共享 MPP 数据库集群+内存数据库 无单点故障,7×24小时+非工作日有限停机维度数据模型 依赖业务需求面向企业内部管理分析类应用需求的汇总数据 为客户、运营等管理分析主题和数据增值产品提供数据服务沙盘演练数据区应用集市数据区
  • 21. 大数据分析平台总体架构——数据存储层(续)根据外部用户的数据使用需求数据平台加工计算的结果数据 为部署在数据平台上的企业内外部增值产品提供数据支持数据内容 主要用途数据模型 保留周期用户 访问模式工作负载可用性要求应用模型,依赖于用户业务需求 依赖于用户业务需求企业外部人员,如:京东客户 通过自己部署在Paas平台上的应用访问I/O敏感型,BI工具提交的报表、查询、分析SQL命令和日终批量ETL(汇总、聚集等操作,以ELT形式通过SQL执行)独立的Paas平台,部署Hadoop集群 无单点故障,7×24小时+非工作日有限停机企业业务人员 高时效、高并发、高可靠性的联机交易类查询CPU敏感,BI工具或业务系统高并发、高时效查询,以及准实时连续ETL处理+SQL批量处理独立的内存数据库集群 无单点故障,365×24小时不停机贴源数据模型 依赖用户业务需求面向应用的业务系统快照数据和一段时间的交易流水 为实时获准实时分析应用提供数据服务增值产品数据区实时数据区
  • 22. 大数据分析平台总体架构——数据存储层数据流数据集成层操作型聚合数据临时数据区实时数据区公共汇总数据主题明细数据结构化数据非结构化&半结构化数据沙盘演练数据区实验室数据集市数据区POP自营数据贴源数据区金融业务数据主题数据区客户管理集市财务管理集市运营管理集市风险管理集市……集市大物流系统数据供应链系统数据财务审计数据财务研发数据操作型明细据归档数据区大数据区源系统 数据文件贴源数据主题数据集市数据高时效 数据大数据增值产品数据区
  • 23. 大数据分析平台总体架构——数据应用层大数据 平台应用针对公检法查询需求、内外部审计需求和最终用户的历史交易查询需求,以贴源存储的归档数据为基础,实现的查询类应用 历史查询类应用通常使用BI 工具或自主开发实现客户经理等最终业务人员针对当前业务的发生(如:用户交易、用户访问日志),进行实时查询、分析的应用管理分析类应用主要实现了集团客户管理、运营管理、财务管理、风险管理、监管信息披露五大分析体系功能 管理分析类应用通常采用套装软件和BI工具(MicroStrategy等)实现业务人员根据业务需求或自己对业务的理解,设计计算模型,准备各类明细或汇总数据,导入模型运算,验证业务结果 沙盘演练类应用通常使用R语言在Hadoop分布式体系下实现金融集团数据科学家根据自己对业务需求的理解或者对市场的判断,设计并运行模型,发掘数据价值,并封装成商业产品 数据增值产品通常采用R语言和BI工具实现,面向企业内外部用户管理分析类应用1沙盘演练类应用3历史查询类应用4高时效类分析应用5数据增值类产品2实时分析类应用通常使用CEP、ESB等技术实现
  • 24. 大数据分析平台总体架构——平台发展不同阶段对应应用工作负载复杂度大数据平台发展阶段划分操作为主阶段 什么正在发生?动态数据仓库阶段 让正确的事情发生!分析为主阶段 为什么会发生报表为主阶段 发生了什么预测为主阶段 将会发生什么?批量 随机查询 数据分析 持续更新加载/短查询 基于事件的动态触发数据量增长 用户数增长 查询复杂度增长 ETL处理复杂度增长管理分析类应用 历史查询类应用实时分析类应用沙盘演练类应用 数据增值类产品
  • 25. 大数据分析平台总体架构——管理分析类应用总账分析 资产负债表分析 损益表分析 现金流量表分析 财务指标分析 盈利分析 机构贡献度 产品贡献度 客户细分贡献度 渠道绩效 资产负债分析 主要指标报告,如: 净利息收入、净收入、 净现值、市场价值等 头寸报告 现金流报告 风险价值(VaR)计算 财务预算与计划 财务预算 财务计划执行监控 执行过程分析 年末财务计划执行分析 预测与场景分析 业务规模预测 收益预测 …… 领导管理驾驶舱 机构绩效考核 客户经理考核 客户经理工作量评估 客户经理服务客户收益评估 产品绩效考核 业务量考核 供应链金融业务 人人贷业务 保理业务 基金业务 其它中间业务 …… 渠道成本与收益 …… 风险监控报表/信息披露 流动性报表 利率敏感性报表 资本充足率报表 …… 市场风险 市场风险暴露值 流动性管理、利率管理 信用风险 信用风险暴露值计算 信用风险控制 (贷前控制、贷中监控、贷后分析) 操作风险 异常交易预警 后督差错检查 …… 防欺诈/反洗钱 定义欺诈交易模型 可能性欺诈交易预警 欺诈交易分布分析 全面风险管理 ……目前监管机构没有明确要求客户单一视图 公司客户信息管理 个人客户信息管理 同业客户信息管理 目标客户搜索 重点客户 关怀客户 风险客户 异动客户 客户细分 个人客户细分 公司客户细分 客户行为分析 客户轮廓分析 产品交叉销售分析 百分比分析 渠道偏好分析 营销活动管理 营销活动规划 营销活动定义 营销活动执行 营销活动苹果 营销活动自动化 渠道接口与集成 流程自动化 ……客户管理运营管理财务管理风险管理监管披露示例
  • 26. 大数据分析平台总体架构——数据访问层即席查询:通过即席查询工具或手工书写SQL语句,完成业务信息的即席查看 多维分析:从多个维度灵活组合对目标值进行分析,常见功能包括上下钻取、透明钻取、旋转、分页、层钻、跨维钻取等 主动问题发现:通过事件触发、规则匹配等方式发现企业运营中的问题,通过手机、邮件等方式报警决策层管理层业务人员即席查询静态报表多维分析仪表盘挖掘预测仪表盘:通过仪表盘及其它展现方式对企业关键绩效指标进行展示,为领导层决策提供直观的数据支持 静态报表:按照预先定义格式,批处理报表,在线查询报表等 Office集成:将分析应用嵌入到Office界面中,利用Office的方便、易用特性,降低用户使用难度问题发现Office 集成Web服务挖掘预测:使用专业的软件工具,通过数理统计等高级统计分析算法,分析结构化、非结构化数据,通过数据模型去挖掘隐藏在数据中的价值数据科学家业务系统Web 服务:将分析应用的功能发布为Web服务,注册在企业服务总线上,供其它业务系统或分析应用调用,获取分析结果多种展现形式满足各层级用户及应用系统使用需求
  • 27. 大数据分析平台总体架构——数据管控层金融数据管控体系涵盖组织架构、评价与考核、管控流程、管控平台四个域。数据标准管理数据质量管理元数据管理工作流管理……组织数据与信息标准化委员会数据管理人数据所有人数据生产人数据使用人IT 支持团队考核指标责任评价标准执行评价政策执行评价评价标准数据类型数据格式业务分类真实性定义及时性定义完整性定义技术元数据流程评价与考核流程 考核指标 建立/维护流程 标准建立/维护流程 组织建立/维护流程 评价 与 考核业务含义一致性定义数据认责平台安全等级权限定义数据停用数据共享数据移动数据存储数据创建业务元数据管理元数据数据全生命周期数据安全管理数据标准数据质量元数据数据安全…………审计定义保留策略……
  • 28. 大数据分析平台总体架构——数据管控体系内部运转机制管控组织 数据管控委员会 数据所有人 数据认责人 IT支持 ……管控流程 数据接入流程 数据变更流程 数据授权流程 数据退役流程 标准/政策制定流程 评价考核流程 ……评价与考核 标准(数据标准、质量要求、安全要求) 遵守标准所需要的政策 政策与标准遵从考评定义 …… 数据产生者 数据使用者 ………流程支撑流程支撑制 定管控平台工具 支撑 明确了数据管控过程中的组织结构、角色、职责等。管控组织除了要负责制定数据标准、质量、安全等要求外,还需要负责制定管控的相关流程和评价考核指标等内容。考 评制定 通过建立一些定性或定量的数据管控评价考核指标,去评估及考核数据相关责任人职责履行情况、数据管控标准及数据政策的执行情况等。 规范了数据管控过程中,各个环节日常任务处理的运作模式,例如数据定义如何变更、数据冲突如何协调等。 采用专门的技术平台支撑管控流程的自动化,发布管控组织制定的一些相关标准和规范,及时反映管控过程中存在的一些问题等。管控综合管理 标准/规范管理 流程管理 考核仪表盘 ……元数据管理 业务元数据管理 技术元数据管理 管理元数据分析 …… 数据质量管理 稽核规则管理 数据稽核 质量报告 …… 工具 支撑组织架构、评价与考核、管控流程、管控工具这四个域相互作用、相互支撑,提供对各信息系统数据的管控。
  • 29. 大数据分析平台总体架构——数据管控组织数据管控组织是数据管控体系中最重要的因素,它负责定义和管理业务数据相关标准,制定遵寻标准所必须的政策,监测正在进行的数据管控行动。 数据管控组织是否有完整与合理的角色定义、是否有高层领导的参与,是整个数据管控的成败的关键。 典型的数据管控组织如下所示:数据管控负责部门岗位角色数据管控主导方信息管理委员会 数据 标准 管理 员数据 质量 管理 员数据产生部门数据管控参与方业务 协调 人数据 分析 员数据主管数据使用部门业务 协调 人数据 分析 员数据主管数据拥有部门业务 协调 人数据 分析 员数据主管数据管理部门运维组织实施项目组数据 安全 管理 员数据管控经理元数 据管 理员
  • 30. 大数据分析平台总体架构——数据标准管理消除一数多义,提升数据的唯一性、一致性,将逐步形成的数据标准纳入一个规范的管理流程中,进行数据标准的更新、发布、使用监督等工作。 数据标准管理工作可以分为以下几个部分:数据标准建立和维护、数据标准执行、数据标准管理的考评。数据标准建立和维护数据分类数据结构关键业务对象关键代码数据维度代码映射客户类 数据标准产品类 数据标准。。。类 数据标准数据标准执行数据标准管理的考评定性考评定量考评数据标准 分析报告数据标准理念推广归档系统……ODS
  • 31. 大数据分析平台总体架构——数据质量管理数据质量管理框架蓝图如下,其中数据质量提升是改进数据质量的手段和质量考评的目的: 数据质量要求确认,根据业务要求制定和明确数据质量要求,同时也需要符合数据标准的要求; 数据质量考评,对数据质量的量化评价 制定数据质量问题解决方案,根据数据质量考评和日常工作中发现的数据质量问题,实施相应的措施,提升数据质量数据质量要求业务规则数据一致性要求数据完整性要求数据唯一性要求数据准确性要求数据及时性要求数据质量 标准数据质量 验证规则数据质量 考核指标数据质量提升数据补录手工修正自动修正数据质量考评数据质量监控不定期数据质量检查数据质量 分析报告
  • 32. 大数据分析平台总体架构——元数据管理业务元数据:面向业务人员,从业务术语、业务描述、业务指标和业务规则等几个方面对数据进行描述 管理元数据:面向数据管理人员,从运维管理的角度描述数据处理、数据质量和数据安全的状态信息 技术元数据:面向技术人员,从数据结构和数据处理细节方面对数据进行技术化描述
  • 33. 大数据分析平台总体架构——数据安全管理数据安全管理可分为数据安全分级管理和数据访问授权管理两个部分: 数据安全分级:根据业务要求,制定一系列的数据安全分级标准和政策,为数据应用以及数据管理中实施数据安全保护和访问提供数据安全控制的基础。 数据访问授权:数据访问授权的主要工作是根据数据安全分级标准,定义数据访问的授权方法及流程,建立基于数据安全分级的数据使用授权机制,实现数据访问和信息披露的安全。数据安全分级数据敏感度数据安全 等级定义数据访问授权数据重要性数据使用需求数据使用者权责数据访问 授权规则安全技术
  • 34. 大数据分析平台总体架构——高阶工作流程业务数据规划管理高阶流程 数据认责流程 数据治理考核体系 数据治理考核流程 数据治理考核指标体系 数据标准管理管理高阶流程 数据标准建立流程 数据标准维护流程 数据质量管理管理高阶流程 数据质量要求确定流程 元数据管理高阶流程 元数据变更流程 数据安全管理管理高阶流程 数据安全审批流程数据认责流程数据标准、质量、元数据、安全管理流程协调会议考核流程
  • 35. 大数据分析平台总体架构——数据管控平台数据管控平台从总体上来说分为数据层、应用层、展现层三个主要层面,以数据层的数据库及相关基础系统为主要信息来源,通过应用层的运算处理,以不同的形式,不同的功能在展现层提供用户接口首页 标准管理 主 菜 单指 标 速 递待 办 事 项信 息 地 图标 准 浏 览标 准 维 护工作管理 流 程 管 理绩 效 指 标系统管理 用 户 管 理权 限 管 理规 范 管 理数据管控平台统一用户集成界面数据标准知识库数据管控平台知识库……元数据管理 元 数 据 采 集……元数据知识库质量管理 规 则 配 置……质量稽核库数据层应用层展现层
  • 36. 大数据分析平台总体产品框架非结构化/半结构化数据管理分析平台 (X86 MPP 集群)京东业务系统结构化数据基础计算平台(贴源数据区+主题数据区+大数据区) (Hadoop集群+Hive)数据交换平台 (自主开发交换组件+NAS存储)实时分析平台 (内存数据库)沙盘演练平台 (Hadoop集群)数据管控平台FTPSFTP/HTTP/APICopyfromloalQueue京东云数据推送平台增值产品平台 ( Hadoop集群)历史归档查询平台 (Hadoop集群+Hive)Load(Hive)Distcp HQL+LoadDistcpDistcp HQL+LoadDistcp HQL+LoadSqoopSqoopSqoopMR流程调度平台
  • 37. 议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平台演进路线3大数据分析平台一期实施重点4附录:数据质量管理平台5
  • 38. 大数据分析平台演进路线以基础平台搭建为主,配合金融集团初期业务开展,应用建设从客户信息管理、风险管理和运营管理三方面开展搭建大数据处理平台和实时分析平台,应用方面开展实时分析和数据产品封装开展客户信息管理、信用风险评级和业务统计分析三类应用建设 开展贴源数据整合,初步建立企业级数据视图,实现对管理分析类应用和实时分析类应用的支撑 规划数据管控蓝图,初步实施数据质量和技术元数据管理2013年2014年——2015年2015年以后对企业价值的创造应管技业务分析框架基础数据平台数据管控体系应技管全面开展内部管理分析、实时分析和沙盘演练应用建设,初步展开增值数据产品开发工作 全面开展大数据分析平台建设,引入更多数据源,丰富并完善平台数据区建设 随着应用体系的搭建,完善数据质量和元数据建设,开展数据标准化工作应技管深化分析体系,形成深度智能化业务分析 性能持续优化、数据平台持续完善、 持续深化数据管控体系,形成金融集团企业级的数据管控体系应技管一期2013.10当前位置未来 持续优化提升阶段第一阶段第二阶段第三阶段
  • 39. 大数据分析平台演进说明——基础数据平台阶段划分建设内容预期效果第一阶段搭建数据交换平台,部署NAS存储集群,设计并实施数据库交换组件和数据区交换组件 搭建基础计算平台,设计并实施贴源数据区,以T+1频率整合商城和金融业务数据 搭建历史归档查询平台,归档商城和金融业务数据文件 搭建内部管理分析应用平台,部署MPP集群和BI分析应用环境 搭建实时分析平台,部署内存数据库和实时BI分析环境实现了数据平台内部个数据区之间、数据平台与外部系统间的双向数据传输 实现了业务数据按照贴源数据模整合 实现了数据按照生命周期的归档管理 实现了内部管理分析环境搭建 实现实时分析环境搭建第二阶段数据交换平台增强和优化,包括:大数据交换组件设计实施 基础计算平台增强,包括:引入更多的数据源,增强贴源数据区;设计并实施主题数据区,打破业务条线整合数据;设计并实施大数据区,实现企业内外部非结构化、半结构化数据加工、处理 搭建沙盘演练平台 实时分析平台增强和优化,包括:引入更多应用及相关数据源实现了基础数据一次存储、一次计算、多次使用 建立了数据分析人员的实验环境,实现了用户自主用数 为实时、准实时类分析用提供平台 为封装、销售数据类产品提供了平台第三阶段基础计算平台持续增强和优化,引入更多的数据源、优化模型和ETL处理 搭建增值产品平台,设计并实施增值产品数据区 数据交换平台、沙盘演练平台、实时分析平台进一步增强和优化数据平台纳入尽可能多的企业内外部数据 数据平台以最优的性能支持各类数据应用
  • 40. 大数据分析平台演进说明——数据管控阶段划分建设内容预期效果第一阶段分析和梳理当前数据管理方面的成果和现状,数据管控蓝图和路线图设计,数据管控工作的组织、技术和流程高阶设计 梳理金融集团大数据平台ETL流程各环节的数据质量要求,指定数据质量检查规则、评价指标、管控流程,并落地实施数据质量管理系统 梳理金融集团大数据平台包含的技术元数据,如:数据字典、ETL任务、ETL流程、BI语义层等,制定相应的管控流程并落地实施元数据管理系统同步大数据分析平台ETL建设,实现了数据质量管理系统 收集并整合了金融集团所有技术元数据,实现了数据生命周管理、血缘分析和影响分析等功能第二阶段随着更多数据源的引入,进一步增强数据质量管理系统 随着更多数据源的引入、更多平台的建立,梳理并整合更多技术元数据 梳理金融集团大数据平台包含的业务和管理类元数据,如业务术语、业务指标、业务定义等,制定相应的管控流程并落地实施元数据管理系统 开展基础类数据标准建设,基础数据标准、管控流程、评价指标、落地策略完善了数据质量管理体系,实现了问题及时发现、及时解决 实现了金融集团全方位的元数据管理,打通了业务和技术元数据关联关系 为金融集团数据平台建设提供了基础类数据标准第三阶段数据质量管理持续优化并增强 元数据管理持续优化并增强 基础类数据标准逐步落地实施 开展指标类数据标准建设基础数据标准、管控流程、评价指标、落地策略通过完善的数据管控体系,提升数据质量、避免数据二义性、建立数据间的血缘关系,使得业务人员可以方便、有效的使用数据,提高数据实用性
  • 41. 大数据分析平台演进说明——应用体系阶段划分建设内容预期效果第一阶段开展客户信息管理建设,设计并实施个人客户和供应商360°视图、客户目标搜索、客户细分等功能 开展风险管理建设,设计并实施供应商和个人客户风险评级模型 开展运营管理建设,设计并实施供应链金融、人人贷等业务条线业务量统计分析 初步梳理实时、准实时分析需求,进行高时效分析应用试点可以方便的对个人客户和供应商进行分群,以及全方位信息查询和展示 供应商和个人客户风险等级评定 针对目前开展的业务进行经营情况统计分析 搭建并验证高时效应用体系第二阶段随着金融集团业务的展开,逐步开展内部管理分析体系的建设,本阶段重点为客户关系管理、运营管理等 高级业务人员利用沙盘演练平台进行数据挖掘、预测和科学试验 进一步树立实时、准实时分析需求,深化开展高时效分析应用 开始梳理市场上的数据应用需求,尝试封装增值数据产品通过内部管理分析体系的建设、满足了金融集团日常经营管理、决策分析和进一步提高价值创造力的需要 实现了业务人员自主用数 实现了高时效分析,与业务流程的整合 实现了数据产品的封装,提升了数据价值第三阶段随着金融集团业务的展开,进一步完善内部管理分析体系的建设,包括:市场风险管理、操作风险管理、财务管理等 收集实时分析需求,进一步增强并优化实时分析应用体系 增值数据产品设计逐渐成为重点,数据分析师收集企业内外部数据需求,设计更完善的增值数据产品通过内部管理分析应用体系建设进一步实现数据共享、业务协作与创新 通过实时分析应用体系建设,实现大数据平台业务系统的交互,与业务流程的融合 增值数据产品的开发进一步发挥的数据平台的数据价值
  • 42. 议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平台演进路线3大数据分析平台一期实施重点4附录:数据质量管理平台5
  • 43. 金融大数据分析平台一期架构基础计算平台:基于Hadoop集群构建,按照业务条线、以贴源数据模型存储了业务系统明细数据 数据交换平台:NAS集群实现了进出数据平台数据的暂存,业务数据交换组件实现了业务系统每日增量数据加载,数据区数据交换组件实现了基础计算平台与管理分析平台间的数据交换 流程调度平台:自主开发的流程调度引擎实现整个数据平台的数据处理任务调度和运行 管理分析平台:由X86 分析型数据库集群、BI软件1J2EE应用构成,实现了面向应用的数据加工、管理、分析服务 实时分析平台:由高档X86服务器组成的集群,实现高时效、高并发的实时、准实时类管理分析需求
  • 44. 数据交换平台 — 平台逻辑架构POP金融大数据分析平台NAS 集群物流财务供应链人人贷……云数据推送平台云数据推送平台实现源系统数据一次获取获、按需分发。 平台采用GoldenGate、JBUS、Flume等技术获取增量数据,存储在MySQL集群 平台按照接口规范生成文件,LZO压缩后,通过FTP传输到NAS指定目录数据交换平台由FTP服务器、加载服务器和NAS存储组成,完成业务系统数据的获取、加载和归档 FTP服务器:利用LVS构成的FTP集群,接收云数据推送平台处理后的数据,存储在NAS集群的指定目录 加载服务器:部署ETL任务,实现指定目录的文件到达监控、文件级检核、数据加载(Hive Load)到临时数据区,同时归档(copyfromlocal)历史数据区 NAS集群:按照日期和源系统划分目录,缓存数据,支持日常数据交换和ETL…………LVS 集群: FTP 服务器#3加载服务器 #1文件加载文件归档文件到达事件监控文件级检核加载服务器 #4文件加载文件归档文件到达事件监控文件级检核LVS 集群: FTP 服务器#1LVS 集群:负载均衡服务器…………
  • 45. 数据交换平台 — 参与方责任划分设计并实施云数据推送平台; 按照金融集团接口定义,抽取业务系统数据; 按照金融集团接口规范要求,按时生成数据文件、控制文件和DDL文件,并通过FTP传输到NAS指定目录; 若源系统有变更,则要求在变更前提供变更内容说明,升级平台版本,根据金融集团更新接口规范提供数据; 应及时解决接口数据提供过程中出现的问题; 对于未尽事宜,应同金融集团协商解决。云计算安装部署金融集团大数据分析平台物理环境、应用软件,并进行基础设施运维; 在业务系统数据库服务器安装并部署云数据推送平台客户端,并提供数据库访问。运维部门制定接口规范,并提交给云数据推送项目组; 梳理业务系统数据字典,制定接口定义,并提交给云数据推送项目组; 开发数据交换组件,从NAS获取数据并处理; 对接收的数据提供验证功能,并返回验证结果到云数据推送平台; 根据云数据推送平台提交的变更通知修改接口定义和数据交换组件; 对于未尽事宜,应同云计算方协商解决。金融集团针对金融集团需求,指定接口人、提供文档; 业务系统因版本升级等原因导致数据模型发生变化,及时通知云数据推送平台接口责任人。研发部门
  • 46. 数据交换平台 — 业务系统数据抽取实现方式每张源系统表都对应一个独立的数据接口 数据接口由数据文件和控制文件构成(文件命名和具体内容参见接口规范) 文件统一采用UTF-8编码,统一存在在JSS指定目录(参见接口规范) 如果在抽取周期内没有数据变更,云数据推送平台应该生成空的数据接口 传输方式 FTP传输,利用LVS技术构建FTP集群,接收数据 传输频率 云数据推送平台通常按照T+1频率为金融集团提供数据,具体频率要求参见接口定义 接口处理模式 云数据推送平台根据不同接口单元定义,准备数据、生成接口数据文件; 云数据推送平台根据接口规范生成相应的接口控制文件; 云数据推送平台压缩数据(LZO),并通过FTP将数据接口存入NAS指定目录; 金融大数据分析平台部署在不同加载服务器上的数据交换组件完成: 定时轮询NAS指定目录,获取接口(包括数据文件、控制文件和DDL文件); 执行文件级检核; 通过检核后, 将数据文件和控制文件移动到NAS集群指定目录,触发后续ETL处理; 在Task Automation调度下执行数据加载和数据归档任务。
  • 47. 数据交换平台 — 平台部署架构数据交换平台由8台X86服务器和一个NAS集群构成 X86 服务器按照功能分为2组,一组实现数据获取,一组实现数据加载和归档 NAS集群作为公共数据区,由8台服务器共享访问(读写)Python runtimePython JSS ModuleFTPRedhat LinuxLVS服务器4HDFS ClientHive加载任务归档任务Redhat Linux加载服务器1HDFS ClientHive加载任务归档任务Redhat Linux加载服务器4LANPython runtimePython JSS ModuleLVSRedhat LinuxLVS服务器1…………NAS 集群负责源系统数据文件加载和归档 每台服务器负责多个源系统 支持按需扩展/减少服务器 LVS1负载均衡 其它LVS服务器负责接收接口文件,写入NAS集群目录 支持按需扩展/减少服务器 部署数据交换平台和流程调度平台程序,各服务器通过文件链接使用按日期和源系统建立数据目录,缓存每日接口文件,供交换平台访问
  • 48. 流程调度平台 — 平台逻辑架构Task Automation驱动各个平台、实现从数据存入NAS平台到数据集市生成整个处理过程的工作流管理 数据交换平台负责数据抽取、文件级质量检核、调用Hive Load加载数据 基础计算平台使用Hive SQL实现贴源数据整合、公共汇总数据处理 管理分析平台使用关系型数据库的SQL实现集市数据的处理 历史归档查询平台负责数据文件和Hadoop集群数据归档
  • 49. 流程调度平台 — 流程调度元数据Task Automation的元数据统一存储在MySQL数据库中 任务定义,包括任务名称、描述、运行服务器、运行状态、运行时间、相关数据源等属性 任务依赖,任务的执行依赖与其他上游任务 任务触发,任务成功执行后触发的下游任务 任务组,一组有相互关系的任务,全部完成后会触发头任务运行 …… 元数据由所有流程调度服务器共享
  • 50. 流程调度平台 — 任务调度引擎通过侦测器侦测事件,按照任务定义和任务依赖关系触发任务运行,触发方式把主要包括 自动触发 定时触发,按照预先定义的时间周期,如每日、每周、每月,或任何有规律的时间间隔执行任务。目前可明确的任务主要是每月执行的基础计算平台、管理分析平台数据归档。 事件触发,按照特定的事件触发、执行任务。如:数据文件到达指定目录,会触发数据加载任务。同样,流程失败也会触发新的job,如错误处理、例外处理等。 手动触发 系统管理员可以使用Task Automation提供的界面或命令接口执行一些job。这些job的功能通常包括对特定范围的数据进行审计与验证、对特定范围的数据进行针对性很强的数据清洗、或者是对某流程失败后的修复。 每个要执行的任务均由任务执行代理启动运行
  • 51. 流程调度平台 — 集群可靠性和可扩展性高可用性 流程调度所需的元数据信息统一保存在MySQL数据库中,集群中任何服务器发生故障不会破坏元数据完整性。服务器故障时,只需要修改ETL任务属性,指定其他服务器执行任务即可,故障不会影响任务依赖关系、任务组关系。扩展能力流程调度集群由多台服务器构成,按工作负载划分不同角色,分别实现ETL处理过程中不同类型任务的调度。当某类调度工作负载较大时,可通过增加服务器的方式,实现集群的横向扩展
  • 52. 流程调度平台 — 平台部署架构流程调度平台由八台X86 服务器构成,服务器按照功能分为两类 两台X86 服务器部署MySQL数据库集群,存储流程调度元数据 六台X86 服务器部署流程调度引擎,负责各数据区数据处理流程调度与运行Task AutomationPerl RuntimeHadoop HiveRedhat LinuxMySQL Client临时/归档区调度服务器1Task AutomationPerl RuntimeHadoop HiveRedhat LinuxMySQL Client贴源区调度服务器Task AutomationPerl RuntimeHadoop HiveRedhat LinuxMySQL Client汇总区调度服务器Task AutomationPerl RuntimeHadoop HiveRedhat LinuxMySQL Client临时/归档区调度服务器4Master NodeMySQL 主服务器Master NodeMySQL 从服务器……LANMySQL主-从集群,存储临时区、归档区、贴源区和汇总区数据处理任务定义,任务依赖关系按数据区划分工作流,工作流不跨数据区 临时区数据处理的工作流部署在数据交换换平台的加载服务器 贴园区和汇总区工作流分别部署独立的服务器
  • 53. 基础计算平台 — 平台逻辑架构VMVMVMVMVMVMVMVMVMVMVMVMVMVMVM节点VMVMVMVMVM节点VMVMVMVMVM节点节点节点节点节点节点Hadoop临时数据区贴源数据区汇总数据区基础计算平台基于Hadoop 集群搭建 集群采用标准的X86 服务器 集群弹性架构,按需分配计算资源,支持添加X86服务器的方式实现横向扩展 集群中的数据保留三份,保证任何节点故障,不影响集群对外提供服务 基础计算平台有三个数据区构成 临时数据区,缓存当日源系统变化(新增、修改、删除)数据,支持后续ELT数据处理 贴源数据区,按照源系统数据模型整合的明细历史数据,作为基础数据层实现数据一次整合、多次使用 汇总数据区,根据应用需求,对贴源数据区明细数据进行预连接、预聚合、预汇总处理的数据,实现了数据的一次计算、多次使用
  • 54. 基础计算平台 — 临时数据区包含内容主要用途大数据分析平台要整合的源系统,包括:POP、财务审计、财务研发、大物流、供应链、金融、网站交易、数据部和移动客户端等研发体系的各业务系统。建立数据缓冲区,临时存放从源系统抽取过来的增量/全量数据,支撑后续ELT处理。设计原则数据库设计原则 临时数据区对应独立的Hive数据库 不对外提供访问,ETL用户对数据库有增、删、查、改权限 模型设计原则 逻辑模型参考源系统和接口规范定义,为每个接口单元设计实体、属性 物理模型与逻辑模型保持一致,每个实体对应一张Hive表,表采用LZO压缩存储 物理模型设计不建议考虑索引、物化视图等技术特性 以天为单位,按业务日期建立分区 历史保留原则 缓存当日业务数据、为数据重跑方便可保留7天历史 过期数据直接删除对应分区,不需要归档
  • 55. 基础计算平台 — 贴源数据区包含内容主要用途与缓冲层相对应,贴源整合层主要包括:POP、财务审计、财务研发、大物流、供应链、金融、网站交易、数据部和移动客户端等研发体系的各业务系统,所有数据保留历史。作为整个数据平台的基础数据层,累计历史,为主题层、集市层等数据区提供数据支撑。设计原则数据库设计原则 贴源数据区对应独立的Hive数据库 不对外提供访问,ETL用户对数据库有增、删、查、改权限 模型设计原则 针对不需要记录变化的实体,其逻辑模型参考缓冲层,按照贴源设计 针对需要记录变化的数据,需要增加时间字段,设计拉链数据模型,记录历史 物理模型考虑分区,流水表按业务日期建立分区,拉链表按终止日期建立分区 历史保留原则 拉链表数据保留最近37个月的历史 快照表数据永久保留 交易流水表数据保留最近25个月的历史 过期数据归档到历史归档区,需要时回迁
  • 56. 基础计算平台 — 汇总数据区包含内容主要用途针对客户管理、风险评级和业务量统计设计明细数据进行预汇总、预连接和预加工后的结果数据。 对明细数据进行预汇总、预连接和预加工,为应用数据集市准备数据。设计原则数据库设计原则 汇总数据区对应独立的Hive数据库 不对外提供访问,ETL用户对数据库有增、删、查、改权限 模型设计原则 汇总层采用了逆范式宽表设计,某种程度上采用维度建模的方法 模型设计首先需要根据业务和应用的需要尽量包含更多的属性和指标,同时兼顾空间 汇总层需要针对维度数据执行标准化处理 汇总层模型增加数据日期记录历史,建议根据数据日期建立分区 历史保留原则 不同实体采取不同的历史保留策略 建议以支持应用为输入,避免永久保留 过期数据归档到历史归档区,需要时回迁
  • 57. 基础计算平台 —平台部署架构基础计算平台由73台X86服务器构成,3台服务器作为Name Node和JobTracker Node,70台服务器作为Data Node和TaskTracker Node……Data Node TaskTracker Node服务器1Data Node TaskTracker Node服务器70Name & JobTracker Node (Secondary )Name NodeJobTracker Node内部互联70台服务器是HDFS数据节点,临时数据区和贴源整合区作为独立的数据库部署在此服务器上,并按照3份冗余存储NN负责HDFS元数据管理,元数据信息存储在NAS集群指定目录 通过硬件冗余、RAID0+1、Slave NN等技术实现高可用性70台服务器是MR计算节点,Hive提交的SQL语句,转化成MR任务,由JobTracker分配到每台服务器上执行Secondary NN负责HDFS元数据备份管理, Secondary JobTracker 负责MR计算集群JobTracker高可用性JobTracker Node负责MR任务分配 通过心跳信号检测TaskTracker活动状态,排除失效节点
  • 58. 基础计算平台 —平台网络拓扑NodeNodeNodeNodeNode20 Nodes RACK 1……NodeNodeNodeNodeNode20 Nodes RACK 2……NodeNodeNodeNodeNode20 Nodes RACK 3……NodeNodeNodeNodeNode20 Nodes RACK 3……
  • 59. 管理分析平台 — 平台逻辑架构客户信息管理,采用J2EE框架自主开发,数据集市构建于分析型数据库集群 运营绩效管理,采用MicroStrategy开发,数据集市构建于分析型数据库集群 零售业务灵活分析,采用MicroStrategy开发,数据集市构建于内存数据库集群HANA
  • 60. 管理分析平台 — 安全管理个人客户信息管理企业客户信息管理金融业务经营分析金融业务规模预测认证管理用户BI 应用门户审计管理授权管理身份管理授权管理认证管理审计管理安全管理员安全管理员安全管理员账户管理平台安全管理信息库LDAP账户信息 权限信息 日志信息
  • 61. 大数据分析平台物理架构说明 平台所有服务器均采用标准X86 PC 服务器 系统划分为三个子网 WEB 服务子网,两台服务器构成的Tomcat集群 应用服务子网,两台服务器构成的MicroStrategy集群 数据服务子网 基础计算平台,73台服务器构成的Hadoop集群 数据集市平台,30台服务器构成的?集群 流程调度平台,7台服务器构成的Task Automation集群 数据交换平台,5台服务器与云数据推送平台接口,分别实现不同业务系统的数据获取
  • 62. 大数据分析平台一期硬件配置所有服务器均采用开放的X86 架构,单台服务器建议配置如下:服务器类型服务器功能数量CPU内存网口操作系统内置盘基础计算平台 (Hadoop 集群)Data Node & TaskTracker 服务器7032128G2*1GbCentos 6.312*2TB 7200 RPM SATA disksName Node & JobTracker 服务器332128G2*1GbCentos 6.34*600GB 15K SAS disks RAID 0+1 历史归档查询平台(Hadoop 集群)Data Node & TaskTracker 服务器301224G2*1GbCentos 6.316*3TB 7200 RPM SATA disksName Node & JobTracker 服务器31224G2*1GbCentos 6.34*600GB 15K SAS disks RAID 0+1 沙盘演练平台(Hadoop 集群)Data Node & TaskTracker 服务器3032128G2*1GbCentos 6.312*2TB 7200 RPM SATA disksName Node & JobTracker 服务器332128G2*1GbCentos 6.34*600GB 15K SAS disks RAID 0+1
  • 63. 大数据分析平台一期硬件配置(续)所有服务器均采用开放的X86 架构,单台服务器建议配置如下:服务器类型服务器功能数量CPU内存网口操作系统内置盘数据交换平台数据接口服务器51664G2*10GbCentos 6.32*600GB 15K SAS disks RAID 0+1 流程调度&ETL平台流程调度&ETL 服务器71664G2*10GbCentos 6.32*600GB 15K SAS disks RAID 0+1 元数据服务器Hive 元数据库服务器21664G2*10GbCentos 6.34*600GB 15K SAS disks RAID 0+1 管理分析平台数据集市服务器432128G4*10GbCentos 6.32*300GB 15K SAS disks RAID 0+1 1632128G2*10GbCentos 6.314*300GB 15K SAS disks RAID 0+1 内存数据库服务器420256G2*10GbSLES for SAP applications 11 SP28* 600GB 10k SAS disks RAID 5BI 应用服务器21664G2*10GbCentos 6.32*600GB 15K SAS disks RAID 0+1 WEB 服务器21664G2*10GbCentos 6.32*600GB 15K SAS disks RAID 0+1
  • 64. 大数据分析平台一期硬件配置(续)光前交换机配置要求 千兆端口:278 万兆端口:100 带宽:8GB NAS集群配置如下: 总存储容量:40TB 磁盘:15000 RPM SAS Disks 网络接口:万兆 网络传输协议:TCP/IP 网络文件协议:CIFS、NFS 单台Cache:8GB
  • 65. 大数据分析平台一期软件清单类型软件清单基础计算平台Hadoop 0.2 Centos 6.3历史归档查询平台Hadoop 0.2 Centos 6.3沙盘演练平台Hadoop 0.2 Centos 6.3数据交换平台Hadoop Client&Hive Centos 6.3流程调度&ETL 平台TaskAutomation MySQL Client Perl Runtime & MySQL DBD Centos 6.3类型软件清单管理分析平台数据集市服务器? Centos 6.3实时分析平台内存数据库服务器SAP Hana Enterprise 1.0 Centos 6.3管理分析&实时分析平台BI 应用服务器MicroStrategy 9.3 Hana Client DB Client Centos 6.3管理分析&实时分析平台WEB 服务器Tomcat 7.0 Centos 6.3
  • 66. 议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平台演进路线3大数据分析平台一期实施重点4附录:数据质量管理平台5
  • 67. 数据质量管理平台技术架构数据质量检查规则执行模块作为多个ETL任务部署在金融数据平台ETL服务器上,由Automation工作流调度服务统一调度运行,实现各个数据区技术和业务数据质量检查数据质量管理系统元模型包含检查规则、检查执行结果、分析报告,模型作为一个独立的Schema部署在决策分析报表平台的数据库数据质量检查规则配置模块作为Java Web应用部署在金融数据平台Tomcat集群上,数据质量管理员通过统一的Web服务访问,实现检查规则的维护数据质量分析报告展现模块作为Java Web应用部署在金融数据平台Tomcat集群上,用户通过统一的Web服务访问,实现日报、月报的浏览、下载等功能数据质量分析报告生成模块作为一个ETL任务部署在决策分析报表平台ETL服务器上,由Automation工作流调度服务统一调度运行,按照每日、每月生成各数据区数据质量检查报告数据质量管理平台以元信息模型为核心,由规则配置管理模块、检查执行模块、分析报告生成模块和分析报告展现模块四部分构成。 整个数据质量检查过程以ETL任务的形式统一调度执行。
  • 68. 数据质量检查执行服务数据质量管理的规则执行服务作为ETL任务部署在ETL服务器上 在整个数据处理过程中,设置4类检查点 在不同的检查点由Task Automation工作流统一调度执行 检查结果统一存入数据质量管理资料库1234
  • 69. 检查规则执行服务检查点1云数据推送平台接口文件级规范性检查任务说明任务类型ETL 任务 —— 技术型检查ETL阶段云数据推送平台->金融数据交换平台NAS存储指定目录执行频率每日执行执行方式由Task Automation工作流引擎根据工作流定义统一调度,在ETL 服务器上执行检查对象云数据推送平台按照接口规范导出的业务系统每日增量数据文件和控制文件检查内容接口文件是否存在,接口文件名称是否正确,接口文件是否通过MD5校验实现技术Linux脚本语言,Perl或Python成功阈值所有规则通过检查依赖任务N/A触发任务数据加载
  • 70. 检查规则执行服务检查点2临时区数据技术性检查任务说明任务类型ETL 任务 —— 技术型检查ETL阶段临时数据区->贴源整合数据区执行频率每日执行执行方式由Task Automation工作流引擎根据工作流定义统一调度,在Hadoop集群上执行检查对象云数据推送平台按照接口规范导出的业务系统每日增量数据检查内容日期、时间格式检查;主键唯一型检查;外键参照完整型检查;关键字段取值完整性检查实现技术Hive SQL成功阈值90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务接口文件级规范性检查任务触发任务贴源数据整合任务
  • 71. 检查规则执行服务检查点3汇总区业务性检查任务内容说明任务类型ETL 任务 —— 业务型检查ETL阶段贴源整合数据区->汇总数据区执行频率每日/月/季执行执行方式由Task Automation工作流引擎根据工作流定义统一调度,在Hadoop集群上执行检查对象汇总数据区的数据检查内容业务逻辑检查:通过对若干个汇总值/指标值的运算,来检验各个汇总值/指标间潜在的平衡或其他比较关系实现技术Hive SQL成功阈值90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务贴源整合数据区数据处理完成触发任务集市数据区应用数据生成
  • 72. 检查规则执行服务检查点4.1应用集市区技术性检查任务内容说明任务类型ETL 任务 —— 业务型检查ETL阶段汇总数据区->应用集市数据区执行频率每日/月/季执行执行方式由Task Automation工作流引擎根据工作流定义统一调度,在应用集市数据库集群上执行检查对象应用集市数据区的数据检查内容主键唯一型检查;外键参照完整型检查;关键字段取值完整性检查实现技术SQL成功阈值90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务汇总数据区数据处理完成触发任务N/A
  • 73. 检查规则执行服务检查点4.2应用集市区业务性检查任务内容说明任务类型ETL 任务 —— 业务型检查ETL阶段汇总数据区->应用集市数据区执行频率每日/月/季执行执行方式由Task Automation工作流引擎根据工作流定义统一调度,在应用集市数据库集群上执行检查对象应用集市数据区的数据检查内容业务逻辑检查:通过对若干个指标值的运算,来检验各个指标间潜在的平衡或其他比较关系 数值检查:主要是通过对单个指标值的监控来发现数据的异常、突变等情况 波动检查:通过对单个指标值一段时间内的数值变化情况来检查数据的波动、变化情况 一致性检查:通过对两个指标按某几个维度展开后的增减幅度来发现数据的波动、变化情况实现技术SQL成功阈值90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务汇总数据区数据处理完成触发任务N/A
  • 74. 数据质量管理分析报告生成服务分析报告生成服务是部署在ETL服务器上的ETL任务,按照任务流程被Task Automation统一调度执行,生成以下三类报告: 源系统数据交换质量日报 该报告汇总了报告生成当天源系统的数据接口校验结果,包括针对每个接口单元的表及记录级校验错误的统计数据和指标日平均值 数据质量汇总日报 该报告依照每日各源系统数据交换评价指标的平均值及当天的贴源数据、汇总数据和数据集市质量检查结果汇总生成 数据质量汇总月报 该报告依照当月的日报结果,取各项指标的平均值和数据统计的汇总值生成
  • 75. 数据质量管理分析报告指标定义指标分类指标名称指标说明对应报告接口单元级评价指标接口传输及时率指在最后截止时间前完成上传的接口单元数量与时限内要求上传的接口单元数的比率。《源系统数据交换质量日报(XX系统)》接口传输完整率指在数据质量日报告生成之前,成功上传的接口单元数量与要求上传的接口单元数量的比率。《源系统数据交换质量日报(XX系统)》接口准确率指与接口校验内容描述一致的接口单元数量与要求上传的接口单元数量的比率。《源系统数据交换质量日报(XX系统)》记录级评价指标记录正确率正确的记录数与全部记录数的比值。每条记录只要违反任一条检查规则(例如:主键唯一、业务规则等),就被计入错误日志。每个接口单元的最大允许出错阈值由数据质量检查规则确定。计算公式如下: 当Ec=Emax时:记录正确率=0 说明: Ec—出错记录数 Et—记录总数 Emax—最大允许出错阈值《源系统数据交换质量日报(XX系统)》 《数据质量汇总日报》 《数据质量汇总月报》
  • 76. 分析报告生成服务:源系统数据交换质量日报明细报告生成任务内容说明任务类型ETL 任务 —— 明细日报生成ETL阶段分析报告生成阶段执行频率每日执行方式由Task Automation工作流引擎根据工作流定义统一调度,在数据质量管理元数据库上执行评价对象数据质量检查点1、2对应的检查任务执行结果评价指标接口传输及时率、接口传输完整率、接口准确率实现技术MySQL SQL命令依赖任务ETL处理完成触发任务数据质量汇总日报生成任务
  • 77. 分析报告生成服务:数据质量汇总日报数据质量汇总日报生成任务内容说明任务类型ETL 任务 —— 汇总日报生成ETL阶段分析报告生成阶段执行频率每日执行方式由Task Automation工作流引擎根据工作流定义统一调度,在数据质量管理元数据库上执行评价对象数据质量检查点2、3、4对应的检查任务执行结果评价指标记录正确率实现技术MySQL SQL命令依赖任务源系统数据交换质量日报生成触发任务数据质量汇总月报生成任务
  • 78. 分析报告生成服务:数据质量汇总月报任务内容说明任务类型ETL 任务 —— 汇总月报生成ETL阶段分析报告生成阶段执行频率每月月初执行方式由Task Automation工作流引擎根据工作流定义统一调度,在数据质量管理元数据库上执行评价对象当月所有数据质量检查点对应的检查任务执行结果评价指标记录正确率实现技术MySQL SQL命令依赖任务数据质量汇总日报生成任务触发任务N/A
  • 79. 数据质量管理元信息库采用MySQL数据库,存储数据质量检查规则、数据质量检查结果、数据质量检查报告示例
  • 80. 检查规则配置管理模块说明模块名称接口单元级技术检查规则配置管理模块实现功能该模块的主要任务是用web界面方式引导用户完成数据质量检查规则的配置,主要包括检查规则的唯一标识、检查规则简单描述、检查类型、检查对象、生效标志、检查规则(如:SQL命令)等。模块需要实现如下功能: 规则新增;增加一条检查规则 规则修改;修改规则内容 规则删除;删除已有的规则 规则生效:设置规则的状态为生效或无效 规则搜索:按规则ID、接口名称搜索规则实现技术J2EE运行方式作为WAR包部署在Tomcat集群上 发布链接到金融数据平台门户上 用户通过B/S方式登录平台执行配置管理使用对象数据质量管理员
  • 81. 数据质量管理分析报告展现模块说明模块名称源系统数据交换质量日报、数据质量汇总日报、数据质量汇总月报展现模块实现功能该模块的主要任务是用web界面方式引导用户提交查询条件,查看满足条件的数据质量管理分析。模块需要实现如下功能: 报告查询;按照时间、报告名称 报告查看;在线查看报告内容 报告下载;将报告下载到本地查看 错误明细下载;下载未通过数据质量检查的出错记录明细有效时间每日或月ETL处理结束后实现技术J2EE运行方式作为WAR包部署在Tomcat集群上 发布链接到金融数据平台门户上 用户通过B/S方式登录平台执行配置管理使用对象源系统维护人员(查看相关源系统日报)、数据质量管理员、ETL管理员、公司领导
  • 82. 谢谢! Thank you!