大数据平台架构

1. 技术实现框架

1.1大数据平台架构

1.1.1大数据库是未来提升业务能力的关键要素

以“大数据”为主导的新一波信息化浪潮正席卷全球，成为全球范围内加速企业技术创新、推动政府职能转变、引领社会管理变革的利器。目前，大数据技术已经从技术研究步入落地实施阶段，数据资源成为未来业务的关键因素。通过采集和分析数据，我们可以获知事物背后的原因，优化生产/生活方式，预知未来的发展动态。

经过多年的信息化建设，省地税已经积累了丰富的数据资源，为下一步的优化业务、提升管理水平，奠定了坚实的基础。

未来的数据和业务应用趋势，大数据才能解决这些问题。

《1.巨杉软件SequoiaDB产品和案例介绍v2》P12 “银行的大数据资产和应用“，说明税务数据和业务分析，需要用大数据解决。

《1.巨杉软件SequoiaDB产品和案例介绍v2》P14 “大数据与传统数据处理”，说明处理模式的差异。

1.1.2大数据平台总体框架

大数据平台总体技术框架分为数据源层、数据接口层、平台架构层、分析工具层和业务应用层。如下图所示：

（此图要修改，北明）

数据源层：包括各业务系统、服务系统以及社会其它单位的结构化数据和非结构化数据；

数据接口层：是原始数据进入大数据库的入口，针对不同类型的数据，需要有针对性地开发接口，进行数据的缓冲、预处理等操作；

平台架构层：基于大数据系统存储各类数据，进行处理？；

分析工具层：提供各种数据分析工具，例如：建模工具、报表开发、数据分析、数据挖掘、可视化展现等工具；

业务应用层：根据应用领域和业务需求，建立分析模型，使用分析工具，发现获知事物背后的原因，预知未来的发展趋势，提出优化业务的方法。例如，寻找服务资源的最佳配置方案、发现业务流程中的短板进行优化等。

1.1.3大数据平台产品选型

针对业务需求，我们选择巨杉数据库作为大数据基础平台。

1.1.3.1传统数据库与大数据库的差异（丰富一下内容，说明应该选择

大数据平台）

传统的关系型数据库，只能存储结构化数据，在当前互联网快速发展的时代，僵硬的数据模型已经无法适应快速开发、快速迭代的互联网思维。同时，越来越广阔的移动无线网络覆盖，不断提升的上网体验，人们的生活已经与网络连接起来，现在人们在互联网产生的数据，比较过去正在以几何倍数增长。

1.1.3.2巨杉的产品框架（）

巨杉的简要介绍。

产品框架下的组件的简要介绍，说明由哪些东西组成，实现哪些功能。

1.1.3.3产品比较？（与类似产品的竞争优势？）

SequoiaDB作为一款拥有完全自主知识产权的文档型分布式数据库，天生具备高性能、高可用的特性。SequoiaDB采用分片技术为数据库提供横向扩展机制，这个分片过程对应用程序来说是透明的。分片分配数据跨越多个物理分区，每个

分区也即分片。分片是为了替SequoiaDB 部署解决单台服务器硬件资源受限问题，如内存或者磁盘I/O 瓶颈，不会增加应用程序复杂性。

SequoiaDB相比其他数据库的独有功能如下：

1.1.3.4巨杉的特点？（）

SequoiaDB不仅在性能上领先业界其他的非关系型数据库，对比其他数据库，SequoiaDB提供了非常多的独有功能：

1)灵活的数据类型

SequoiaDB采用文档类型数据模型（对象存储），将程序中的对象以原生的方式保存在数据库中，并且可以对其中而已属性或子对象进行检索匹配，可以大幅度弱化复杂的关系模型，加快应用的开发速度，并减少系统的运维成本。

灵活的数据类型

2)统一管理结构化数据和海量小文件

在过去，企业构建一个内容管理系统，基本是一个关系型数据库+存储这样的组合。这种构建方法，在过去数据量不大，并发数不高的情况下，系统还能运行得比较平稳。但是随着时间的推移，需要接入该系统的业务会越来越多，需要管理的文件和信息量都开始开始激增，并且随着查询的并发量增加，这时候，按照传统方法构建的系统，性能、扩容能力都无法满足需求。

SequoiaDB是一款以BSON数据类型作为底层存储格式的文档型数据库。

BSON格式本身是一种弱Schema的数据类型，一条BSON记录里面，可以包含各种类型的数据，如整型、字符型、浮点型和二进制类型的数据。用户可以利用BSON这种特性，将像图片，音频这种小文件以二进制类型放到一个BSON记录里面，同时将对文件的描述信息也存储在同一个BSON记录上，形成一条完整的信息存储在SequoiaDB中。

结构化数据与非结构化数据存储在同一条记录上这种利用BSON特性的存储方法，可以有效避免由于数据需要存储在两个地方（数据库+存储），中间需要处理复杂的事务逻辑，并且从根本上避免了信息孤岛产生的可能。非结构化数据与结构化数据整合在一起，形成一条完整的记录存储。

3)双存储引擎，简化系统架构

SequoiaDB数据库支持BSON结构存储和块数据存储。

当用户需要存储一些结构化数据时，可以选择使用BSON结构将数据存储在SequoiaDB中。当用户需要将大文件（超过16M）存储在SequoiaDB中时，可以选择块存储模式，将文件存储在数据库中。

如果用户需要构建一个既需要存储结构化信息，有需要管理大量大文件的系统时，SequoiaDB双存储引擎这个特性，能帮助用户快速搭建一个高性能、高可用的系统，并且整个系统组件简单—只有SequoiaDB数据库，不再需要额外购买昂贵的存储设备，节省企业的开发和运维成本。

图8：SequoiaDB双存储引擎

4)统一数据视图，实现冷、热数据物理分离

在大数据应用系统中，虽然存储了大量的历史数据，但是用户在使用数据的规律上，总会有一些数据是使用得比较频繁的（例如在银行中，近期三个月的数据位热数据），有一部分数据有价值，但是查询的频率不高，对于查询的性能也没有热数据那么严格（通常检索热数据，需要在50毫秒内返回结果，检索冷数据，允许在10秒内），这种数据我们就称为冷数据。

SequoiaDB专门为历史数据归档、检索提供一种全新的存储机制，使得热数据与冷数据实现物理分离（例如热数据使用较好的存储硬件SSD，冷数据存储在廉价的磁盘上），但是冷、热数据均统一在一个数据视图上，用户只要像操作一个普通的数据表那样，进行数据检索、分析。