1、二、大数据平台整体规划一、大数据应用发展趋势所谓“大数据”，指的是所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到截取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。大数据处理技术代表了新一代的技术架构，这种架构通过高速获取数据并对其进行分析和挖掘，从海量形式各异的数据源中更有效地抽取出富含价值的信息。从大量数据中挖掘高价值知识是各界对于大数据的一个共识。海量数据可广泛获得，所稀缺的是如何从中挖掘出智慧和观点。Google 首席经济学家 Hal Varian大数据主要被用于分析和决策，企业用以分析的数据越全面，分析的结果就越接近于真实。大数据分析意味着企业能够从这些
2、新的数据中获取新的洞察力，并将其与已知业务的各个细节相融合，对企业产生新的价值。31542自助分析、生产管道可视化、资源解耦随需而动，营销实时，以业务效率提升为标志。提升业务效率数据集中到数据中心，多数据源管理，透明服务支持，实时的决策和预测能力提升整体经营管理水平。增强管理水平数据开放服务、与OTT厂商合作的后向收费、广告等新业务.创新商业模式互联网化的电子渠道全景体验、个性化商品推荐、LBS位置营销、面向客户个体的深度洞察提升客户体验以技术驱动为标志，内存计算、MPP、CEP分而治之的分布式计算让运营商实时高效决策.技术高效、低成本精细化营销数据中心营账系统经分(BI)GN口上网话单终端(
3、DM)VAC短彩信中心语音通话详单客服接触记录流媒体平台详单位置信令话单基站信息116114企业黄页信息渠道应用助销信息 经过一二期的建设，精细化运营平台的数据中心，已经成为最大、内容最丰富的数据仓库；随着数据量的增长，需要对基础架构做长远规划；有必要深入挖掘数据价值，研究新的商业模式，将成本中心转化为利润中心5 增量式的、几乎无限的扩展扩展性 要求系统总是在线运行可用性 灵活可动态改变的数据模型灵活性扩展性纵向扩展横向扩展分布式资源集中计算和存储分布可用性单份数据数据复制 不要使用分布式事务处理一致性低成本运营一体化运营精细化运营全网运营实时、智能化运营集中化建设、管理和维护可不断线性扩展提
4、高资源综合利用率标准化功能组件，可共享可复用按业务量、按需支付BASS与BOSS、CRM的一体化BSS与MSS、OSS、VAS等跨域一体化对外部客户和应用的一体化片区化、网格化管理长尾市场、小众市场的支撑个性化、短周期需求的满足异地客户、家庭客户、集团客户一点接入、全网服务、全网客户画像全国统一套餐、全网营销、统一客服实时数据获取、处理、分析智能化主动事件触发智能管道移动互联网业务运营发展趋势对业务支撑平台的集中化要求对数据架构的集中化要求n集中化、大容量、高扩展、高可用数据库平台：支持全网型数据、跨域数据的整合，形成集中化管理的的企业级数据中心n高性能：支持3G时代更高的实时性要求、支持n动
5、态资源共享：支持多租户管理、资源动态按需供应n可重用、标准化组件：形成可重用组件，支持一次开发、各省共享的模式，形成规模型效益 数据集中化趋势使得运营商面临着海量数据的存储及分析问题，大数据在支撑移动业务发展趋势中，充当重要角色。7移动互联网和个人消费领域移动互联网和个人消费领域业务扩展业务扩展和和CEM导致海量导致海量数据的及时分析带来挑战数据的及时分析带来挑战运营运营商一体化集中运营和透明管控，催生巨大的经营分商一体化集中运营和透明管控，催生巨大的经营分析数据析数据仓库仓库，对大数据的存储、性能、开放带来挑战，对大数据的存储、性能、开放带来挑战DPI和信令监测，产生的大量事件在存储和用户通
6、信行和信令监测，产生的大量事件在存储和用户通信行为分析的实时处理性能带来挑战为分析的实时处理性能带来挑战ICT融合，核心网络、运营支撑和融合，核心网络、运营支撑和VAS业务数据的融合业务数据的融合催生海量催生海量User Profile并集，对大数据的关联分析计算并集，对大数据的关联分析计算效能带来挑战效能带来挑战移动互联网流量井喷与客户行为分析移动互联网流量井喷与客户行为分析业务融合、能力互通带来数据融合业务融合、能力互通带来数据融合提升客户体验要求分析网络服务数据提升客户体验要求分析网络服务数据ITIT系统集中化和行业数据价值挖掘系统集中化和行业数据价值挖掘BSS BI数据：n河南17个地
7、市，每天抽取正常用户数7000多万，拨备用户数3000多万，DW层用户表总量1亿多条；语音清单每天2.7亿条数据，GPRS清单每天4.2亿条数据；账务每天4.7亿条数据；GPRS文件每个100M左右，其它文件25M。n日接口数据量：2000G，其中话单 220G，WAP清单 300G，工单服务 200G，用户、帐务 300G，其它980G。每月124TB数据量入库，历史数据保留1年，总数据量1.45PB。n按照用户数简单测算,6.5亿用户下，总数据量 10PB!总部总部3G3G互联网访问记录查询及分析互联网访问记录查询及分析系统：系统：全国全国每日新增每日新增10TB10TB数据，数据，每月近
8、万亿条每月近万亿条记录，要记录，要存放存放6 6个月个月，约，约 2PB2PB的上网记录数据。上网记录入库时间小于的上网记录数据。上网记录入库时间小于3030分钟，分钟，原始上网记录保留原始上网记录保留6 6个月。上网个月。上网查询速度不高于查询速度不高于1 1秒，并发查询数秒，并发查询数10001000请求请求/秒秒。集群规模集群规模188188个数据节点，存储容量个数据节点，存储容量2.6 PB2.6 PB传统数据仓库无法有效存储日益增长的业务数据存储需求基础数据（用户资料，产品订购信息）：15G/日*365+40G*12月=5T/年考虑20%的业务增长率后为：6T/年用户上网数据用户上网
9、数据话单数据：250T/年考虑20%的业务增长率后为：300T/年MR数据数据话单数据：634G/日634G/日*365=227T/年考虑20%的业务增长率后为：272T/年BSS数据数据新增新增新增新增2025303540452013年下半年用户流量增长趋势日使用流量（TB）6月月 10月月n随着业务发展数据量的增加，随着应用复杂导致的数据量增加，这些数据量导致了数据存储和处理压力；数据仓库无法线性扩容，管理难度加大，成本高扩容压力大，效率下降等n传统数据仓库只保存处理后的汇总数据。在大数据架构下需要对用户原始话单进行长期保存。需要扩容大量存储空间。用户层现平台的数据保存周期大数据的数据保存
10、周期应用层KR/CB/DM层永久保留至少2年数据存储层MK层永久保留至少2年DW层5个月永久保留数据获取层ODS层37天永久保留面对海量的数据压力，需要大数据平台提供可供线性扩容的存储能力。n每个应用需求的变化就是一场灾难。由于数据处理与业务的紧密关联可能需要对中间每个处理环节进行逐个调整。重新生成数据的周期也非常缓慢。n由于传统数据仓库的数据处理流程与业务保持紧密关联。整个数据加工流程为最终应用服务。为缓解存储压力在数据抽取和清洗阶段会过滤掉与业务无关的数据记录和字段。数据源明细数据层（DW）汇总层（MK）报表数据标签库指标数据客户统一视图应用层DW&MK操作型数据ODS层Oracle数据库
11、精细化营销架构短信中心经分DMVACGN话单流媒体客服系统计费中心MC话单彩信中心MR数据BSS用户互联网联系方式（总部研究院）241234n现网数据平台是传统关系型数据库架构。大量的用户上网、用户行为等半结构化和非结构化数据无法保存和处理，缺乏非结构化数据的处理能力。用户上网行为等互联网行为数据以结构化数据方式保存至数据仓库中。传统数据仓库无法有效应对大数据分析需求1n现网每日用户上网HTTP话单达14亿条。每月汇总的记录条数也近30亿条。随着移动互联网正在迅猛增长，传统数据仓库将很难驾驭，无法满足数据处理时限和事务处理需求。3面对海量的数据压力，需要大数据平台提供快速的处理能力。传统数据仓
12、库组网将是大数据分析的瓶颈n现网精细化营销平台的数据库既存放着所有采集的原始数据，又承担所有的数据加工任务，还承载所有报表和业务应用的数据存储和计算。缺乏对数据分层分级及生命周期的有效管理。n系统核心架构为Oracle数据库+小型机+磁阵。数据存放在磁阵上，计算时由数据库服务器从磁阵读到本地后进行计算结果。随着数据量增长，磁盘I/O、网络带宽、数据库服务器的处理能力将存在瓶颈，处理时延严重。由于传统架构的可扩展性差，无法满足大数据的计算的扩容需求。为应对海量数据处理需求，大数据将从集中数据库向分布式数据库进行转变。计算和存储资源都由x86服务器提供。因为在移动互联网和物联网上需要有新领域的突破
13、，不同于传统通信业务分析特点，需要对内容等非结构化、大容量信息进行有效分析，传统的架构处理吃力。关系数据库引入对XML 的支持仍然无法有效处理 ETL传统数据仓库无法有效处理新型的业务数据主要关键技术自然语言理解，文本分词、语义分析，情感分析或者大规模计算技术非结构化数据索引技术，如搜索引擎倒排索引技术多媒体处理，包括图像识别，语音识别，多媒体索引等技术传统数据仓库无法有效支撑数据合作运营n由于保存原始话单数据周期较短，合作运营无法追溯历史原始数据。n现网传统主数据库的设计只适用与向上层提供既定好的数据分析任务结果。对外开放底层数据将大大消耗系统资源，影响主库正常的数据处理流程。同时数据的处理
14、方式及结果也恐难以满足合作运营的需要。n大数据平台的架构将数据分层管理。在各层提供数据开放接口，以满足不同数据需求。将更有效支撑数据合作运营。同时历时数据能促使合作在第一时间就开展起来。二、大数据平台整体规划一、大数据应用发展趋势准实时采集批量采集Hadoop平台MPP，基于X86平台主数据仓库分布式数据库基于X86平台数据采集（云化ETL，流数据处理、爬虫）数据层获取层能力层精细化营销智能运营物联网应用应用商店客服应用基础分析能力数据挖掘能力实时分析能力自助分析能力多维分析能力数据共享能力指标应用报表应用主题分析专题分析互联网GN口半结构化、非结构化数据BSS经分DMVACMC话单业务平台结
15、构化数据数据源分布式文件系统 HDFS记录明细数据HBaseM/RHive记录汇总数据数据统一服务和开放SQL、FTP、WS、MDX、API、分布式数据库（MPP）：存储加工、关联、汇总后的业务数据，并提供分布式计算，支撑数据深度分析和数据挖掘能力，向主数据仓库输出KPI和高度汇总数据。主数据仓库（与MPP合设）：存储指标数据、KPI数据和高度汇总数据。Hadoop云平台：负责存储海量的流量话单数据，提供并行的计算和非结构化数据的处理能力，实现低成本的存储和低时延、高并发的查询能力。数据开放接口：向大数据应用方提供大数据平台的能力。数据采集（ETL）：负责源数据的采集、清洗、转换和加载包括：1
16、、把原始数据加载到Hadoop平台。2、把加工后的数据加载分布式数据库和主数据仓库应用层lHDFS：分布式文件系统有较强的容错性可在x86平台上运行，减少总体成本可扩展，能构建大规模的应用lHBase：非结构化NoSQl分布式数据库 基于分布式文件系统HDFS，保证数据安全列式存储，节省存储空间提供大数据量的高速读写操作lHive：分布式关系型数据库数据可保存在HDFS，可提供海量的数据存储类SQL的查询语句，提供大数据的统计和分析操作，适合海量数据的批处理通过MapReduce实现大规划并行计算lMapReduce：大规划并行计算引擎可将任务分布并行运行在一个集群服务器中Hadoop平台提供
17、了海量数据的分布式存储与处理的框架。基于服务器本地的计算与存储资源，Hadoop集群可以扩展到上千台服务器。同时，Hadoop在设计时充分考虑了硬件设备的不可靠因素，在软件层面提供数据和计算的高可靠保证。HBaseMapReduceHiveHDFS快速的数据读取大数据存储统计复杂计算并行处理Shared Nothing代表数据库：GreenPlum、Vertica、Teradatal适合大数据量的OLAP应用缺点优点线性扩展：X86平台高可用性较低新型MPP数据库主要构建在x86平台上，为无共享架构（Share Nothing），依靠软件架构上的创新和数据多副本机制，实现系统的高可用性和可扩展
18、性。负责深度分析、复杂查询、KPI计算、数据挖掘以及多变的自助分析应用等，支持PB级的数据存储。l新型MPP分布式数据库基于开放平台x86服务器大规模的并发处理能力无单点故障，可线性扩展多副本机制保证数据安全支撑PB级的数据量支持SQL，开放灵活数据分级存储原则数据分级存储原则数据数据融合与分级存储实施融合与分级存储实施按数据血缘按逻辑层次按业务种类按设备网络划分按设备物理地址在线、近线在线、近线、离线、离线按访问按访问频度频度内存数据库按响应按响应及时性及时性内存数据库数据生命周期中在线数据对高性能存储的需求，以及随着数据生命周期的变更，逐渐向一般性能存储的迁移，是分级存储管理的一条主线。同
19、时兼顾考虑其他分级原则，共同作用影响数据迁移机制。基于生命周期基于访问压力基于业务用途基于物理属性分级原则分级原则高性能磁盘库磁带光盘库中低性能磁盘库将核心模型（即中度汇总的模型）通过改造融入到现有主数据仓库的核心模型中，减少数据冗余，提升数据质量。将主数据仓库中的历史数据和清单数据迁移到低成本分布式数据库，减轻主数据仓库的计算与存储压力并支撑深度数据分析。数据数据数据数据数据数据1、核心、核心模型融入主数据仓库模型融入主数据仓库主数据仓库2、历史数据迁移到分布式数据库、历史数据迁移到分布式数据库分布式数据库1、清、清单数据单数据入入MPP数据库数据库Hadoop平台主数据仓库报表数据标签库指
20、标数据客户统一视图信息子层话单数据非结构化数据信息子层：报表数据、多维数据、指标库等数据来源于汇总层。汇总层：主题域之间进行关联、汇总计算。汇总数据服务于信息子层，目的是为了节约信息子层数据计算成本和计算时间。轻度汇总层：主题域内部基于明细层数据，进行多维度的、用户级的汇总。明细数据层：主题域内部进行拆分、关联。是对ODS操作型数据按照主题域划分规则进行的拆分及合并ODS层：数据来源于各生产系统，通过ETL工具对接口文件数据进行编码替换和数据清洗转换，不做关联操作。未来也可用于准实时数据查询。明细数据层（DW）轻度汇总层（MK）高度汇总层（MK）应用库精细化营销分布式数据库MPP其他应用1其他
21、应用2应用层：应用系统的私有数据，应用的业务数据。精细化营销做为大数据平台的一个上层应用，有由大数据平台提供数据支撑数据访问SQLFTPHSQLAPIETL数数据据采采集集E ET TL L互联网GN口非结构化数据BSS经分DMVACMC话单业务平台结构化数据数据源获取层12123344源数据导入ETL，进行数据的清洗、转换和入库。基础数据加载到主数据仓库，规划保存3年清洗、转换后的ODS加载到分布式数据库规划保存1+1月，在分布式数据库内完成明细数据和轻度汇总数据加工生成，规划保存2年ODS数据和非结构化数据，如爬到的网页数据ftp到Hadoop平台做长久保存非结化数据分析处理在Hadoop
22、平台完成，产生的结果加载到分布式数据库生成KPI和高度汇总数据加载到主数据仓库。Hadoop平台主数据仓库报表数据标签库客户统一视图信息子层话单数据非结构化数据明细数据层（DW）轻度汇总层（MK）高度汇总层（MK）应用库分布式数据库MPP数据访问SQLFTPHSQLAPIETL数数据据采采集集E ET TL L互联网GN口非结构化数据BSS经分DMVACMC话单业务平台结构化数据数据源获取层123465业务应用通过数据访问接口获取所需求数据。7精细化营销其他应用1其他应用2指标数据消息采集文件采集话单预处理信令预处理Gn话单位置信令DCNBSS炫铃VAC短彩平台物联网客服平台1*10GE1*G
23、E2*GES9300S9300分布式数据库集群新建ETL、分布式数据库和Hadoop集群内部各自独立组网。分别通过10GE网口接入汇聚交换机。Hadoop集群1*10GEETL集群1*10GE20Pcap数据（DPI）互联网路由器路由器防火墙WAP网站WWW网站分光镜像DPI数据爬取数据爬取数据采集Agentcollector日志采集网元设备(GGSNPDSNWAP网关、NET网关)/Apache日志核心设备话单互联网页面数据正向采集用户行为数据反向采集互联网数据建设方案p 基于Hadoop构建大数据的用户行为分析系统p 系统提供了核心的分布式云存储、分布式并行计算、分布式数据仓库、分布式列数
24、据库整体解决方案方案延伸p 基于Hadoop的大数据解决方案提供了基础的云存储和云计算的能力，基于该技术框架可进行应用的扩展和衍生。p 基于用户互联网访问行为分析结果，形成详细的户兴趣爱好列表，可进行即时、精准的广告投放21p 系统主要包含数据采集子系统、数据入库子系统、数据存储子系统、数据查询与分析子系统p 采用Hadoop/HBase作为上网记录存储方案p 采用MapReduce/Hive作用统计分析和数据挖掘工具关键性指标数据存储p 上网记录入库时间：一般小于30分钟，实际约10分钟p 历史5个月+当前月数据查询p 上网记录查询速度：不高于1秒（不含用户访问查询页面的时间）p 并发查询数目：1000请求/秒以以手机上网详单手机上网详单查询为应用案例查询为应用案例谢谢观赏谢谢观赏
