帆軟數(shù)采+數(shù)倉解決方案

@FanRuan數(shù)采+數(shù)倉解決方案e7d195523061f1c07797a755f80b33936a4bdb71a1e2e9b3B62BFFCC95B79A52B69A880DC502B9E829A24DBA5CC298944ED7C125A3C86A656AA7F644DB8944AD014E04A9878B8132B29416743944FF5DCC507526376A5AC58EE0F1A5FC8F59998C0CD06DB888E7E35498044740ECB45703F93F7CBDEB7090867790094660804162A6986075B2B43D1–公司介紹TheMainStructureContents2–整體架構(gòu)3–數(shù)據(jù)采集4–數(shù)據(jù)倉庫e7d195523061f1c07797a755f80b33936a4bdb71a1e2e9b3B62BFFCC95B79A52B69A880DC502B9E829A24DBA5CC298944ED7C125A3C86A656AA7F644DB8944AD014E04A9878B8132B29416743944FF5DCC507526376A5AC58EE0F1A5FC8F59998C0CD06DB888E7E35498044740ECB45703F93F7CBDEB7090867790094660804162A6986075B2B43D01公司介紹歷經(jīng)14年發(fā)展，帆軟已成長為國內(nèi)領(lǐng)先的商業(yè)智能廠商2006注冊成立帆軟軟件開始公司化運營推出FineReportV3.02008發(fā)布FineReportV6.0開始大步流星進入新的發(fā)展階段

2012FineReport成為報表軟件領(lǐng)導(dǎo)品牌市場占有率業(yè)內(nèi)第一2013發(fā)布FineBIV1.0掀起國內(nèi)自助式BI浪潮20152015年銷售額破億將國內(nèi)商業(yè)智能產(chǎn)業(yè)帶到新的起點2019年銷售突破6.7億連續(xù)兩年獲得IDC認證國內(nèi)商業(yè)智能市場占有率第一總部無錫，員工超1300人，全國與海外共設(shè)立15處分支機構(gòu)無錫南京東京安養(yǎng)新竹新加坡曼谷組織規(guī)模員工總數(shù)超1300人，國內(nèi)BI領(lǐng)域人員規(guī)模第一，產(chǎn)品和研發(fā)超過50%，以產(chǎn)品和技術(shù)驅(qū)動;總部：無錫研發(fā)中心：南京分支機構(gòu)：上海、北京、深圳、杭州、濟南、成都、武漢、西安、沈陽、安養(yǎng)、新竹、東京、曼谷、新加坡;機構(gòu)分布14年的發(fā)展，帆軟也獲得眾多行業(yè)組織和機構(gòu)的認可ForbesGartnerCCIDIDC帆軟商業(yè)智能產(chǎn)品與服務(wù)體系概覽工具商業(yè)智能工具終端展示FineReportFineBIFineMobile移動BI大屏數(shù)據(jù)可視化方案行業(yè)方案阿米巴零售管家微信小秘書商業(yè)風(fēng)控通醫(yī)藥數(shù)據(jù)魔方行長駕駛艙行業(yè)產(chǎn)品化工地產(chǎn)醫(yī)藥零售保險交通證券時尚建筑銀行醫(yī)療電子電氣電力新能源······交流平臺品牌活動數(shù)據(jù)應(yīng)用研究院智數(shù)大會百城巡展行業(yè)峰會FineDay商業(yè)智能創(chuàng)新實踐峰會理論建設(shè)趨勢報告案例研究前沿書籍服務(wù)售后服務(wù)實施服務(wù)社區(qū)服務(wù)人才培養(yǎng)技術(shù)支持二次開發(fā)客戶成功項目管理數(shù)倉搭建可視化開發(fā)問答直播講堂認證文檔任務(wù)數(shù)據(jù)運營官報表工程師BI工程師帆軟商業(yè)智能工具方案BI工具滿足企業(yè)不同的數(shù)據(jù)應(yīng)用場景終端展示滿足企業(yè)不同的數(shù)據(jù)展示場景行業(yè)方案基于行業(yè)共性的指標(biāo)體系和場景方案行業(yè)產(chǎn)品基于產(chǎn)品應(yīng)用和管理思路整合成的產(chǎn)品化解決方案服務(wù)交流平臺售后與實施服務(wù)售后的項目實施以及服務(wù)響應(yīng)社區(qū)服務(wù)線上的學(xué)習(xí)、交流與互助服務(wù)平臺人才培養(yǎng)企業(yè)數(shù)據(jù)化人才的培養(yǎng)支持品牌活動覆蓋區(qū)域/行業(yè)/職位多維度的會議交流平臺數(shù)據(jù)應(yīng)用研究院專注企業(yè)數(shù)據(jù)化應(yīng)用以及BI技術(shù)/理論的交流和研究帆軟售后-多渠道為客戶提供精細化的售后服務(wù)支持分類服務(wù)通道獲取途徑通道特點自助解決幫助文檔FineReport()/FineBI()百科式文檔，已收錄2627余篇智能客服-小帆智能問答機器人，可解決3000+問題尋求幫助帆軟論壇（互助版塊）番薯互助問答，已累計解決28025個問題，響應(yīng)時間5分鐘技術(shù)支持QQ800049425官方主要服務(wù)通道，日均處理426個問題技術(shù)支持電話400-811-8890官方次要服務(wù)通道技術(shù)支持E-mailsupport@官方次要服務(wù)通道服務(wù)投訴投訴電話（總裁熱線）186-0252-2339官方主要投訴受理通道投訴E-mailcomplain@官方次要投訴受理通道微信服務(wù)號投訴finesoftware官方次要投訴受理通道搭建行業(yè)優(yōu)質(zhì)的活動交流平臺，為企業(yè)數(shù)據(jù)價值落地賦能百城巡展78場次11885

家到場交流企業(yè)275

家標(biāo)桿企業(yè)分享12

個行業(yè)17場高峰論壇2

場次1600

用戶到場800

家企業(yè)到場100家場均與會企業(yè)2

場次1600家企業(yè)到場2600客戶參與交流行業(yè)峰會智數(shù)大會FineDay城市課堂41

個城市286

場城市課堂11508

惠及學(xué)員數(shù)2018首屆智數(shù)大會帆軟行業(yè)解決方案：基于行業(yè)的深耕，為行業(yè)客戶提供更有價值的咨詢服務(wù)*更多行業(yè)咨詢請聯(lián)系當(dāng)?shù)劁N售顧問*交通運輸物流電力新能源電子電氣醫(yī)療行業(yè)證金保險期貨建筑行業(yè)精益生產(chǎn)管理；精益供應(yīng)鏈管埋；智能制造可視化應(yīng)用實踐；報表體系建設(shè)探索經(jīng)驗分享；數(shù)字化管理；數(shù)據(jù)大屏展示；交通運輸大數(shù)據(jù)平臺建設(shè)；跨部門多應(yīng)用數(shù)據(jù)共享平臺；智能電站、智慧電廠；能源互聯(lián)網(wǎng)；堅強智能電網(wǎng)；泛在電力物聯(lián)網(wǎng)；智慧能源綜合服務(wù)平臺；企業(yè)數(shù)據(jù)管理指標(biāo)體系建立方式集團數(shù)據(jù)資產(chǎn)建設(shè)思路如何應(yīng)用數(shù)據(jù)手段加快業(yè)財一體化項目管理數(shù)據(jù)應(yīng)用工程數(shù)字化指揮中心與智慧工地建設(shè)數(shù)據(jù)發(fā)掘醫(yī)療客源?？漆t(yī)院利用數(shù)據(jù)提升科研水平運營管理型數(shù)據(jù)平臺建設(shè)新環(huán)境下醫(yī)療機構(gòu)的數(shù)據(jù)之路集團數(shù)據(jù)化管理的部分場景醫(yī)療數(shù)據(jù)的服務(wù)價值管理駕駛艙數(shù)據(jù)治理監(jiān)管報送精細化自助分析全面風(fēng)險管理02整體架構(gòu)架構(gòu)1：關(guān)系型數(shù)倉架構(gòu)源數(shù)據(jù)財務(wù)系統(tǒng)種植加工庫存系統(tǒng)主題分析大屏展示…..ODS(操作數(shù)據(jù)存儲)領(lǐng)導(dǎo)駕駛艙銷售、市場數(shù)據(jù)抽取轉(zhuǎn)換數(shù)據(jù)倉庫數(shù)據(jù)集市整合分析展現(xiàn)數(shù)據(jù)集市關(guān)系數(shù)據(jù)模型

多維數(shù)據(jù)模型自助分析移動駕駛艙固定報表大屏展示EDW(數(shù)據(jù)倉庫)數(shù)據(jù)抽取數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)加載ETL物流系統(tǒng)人力系統(tǒng)合同采購系統(tǒng)研發(fā)系統(tǒng)質(zhì)量系統(tǒng)駕駛艙固定報表架構(gòu)2：MPP數(shù)倉架構(gòu)主題分析生產(chǎn)監(jiān)控看板…..ODS(操作數(shù)據(jù)存儲)FineTube調(diào)度Kettle調(diào)度領(lǐng)導(dǎo)駕駛艙ERP數(shù)據(jù)源數(shù)據(jù)倉庫-FineData/MPP架構(gòu)整合分析前端展現(xiàn)填報報表移動駕駛艙固定查詢報表駕駛艙看板DW(數(shù)據(jù)倉庫)實時數(shù)據(jù)抽取-E實時數(shù)據(jù)轉(zhuǎn)換-T實時數(shù)據(jù)加載-LETL批處理MES手工填報EHR主題分析報表固定查詢報表線下excelOA移動端報表KettleKettle調(diào)度寬表化分主題/分模塊結(jié)果集寬表DM(數(shù)據(jù)集市)數(shù)據(jù)建模批量數(shù)據(jù)轉(zhuǎn)換-TFineTube調(diào)度03數(shù)據(jù)采集大數(shù)據(jù)平臺ApacheKylin華為FusionSight華為DWSAPACHEIMPALAHadoopHiveSPARKAmazonRedshiftPresto······程序數(shù)據(jù)源JAVAAPI Hibernate數(shù)據(jù)源Webservice/SOA標(biāo)準(zhǔn)數(shù)據(jù)源文件數(shù)據(jù)源EXCELTXTCSVXML分析型數(shù)據(jù)庫VerticaGreenPlumSAPHANA阿里云ADS多維數(shù)據(jù)庫BWSSASESSbase關(guān)系型數(shù)據(jù)庫OracleDB2MySQLSQLServerAccessInformix……NOSQL數(shù)據(jù)庫MongoDBIT采集：數(shù)據(jù)源連接IT采集：支持開發(fā)者深入地開發(fā)與控制模板導(dǎo)入文件導(dǎo)入簡單程序數(shù)據(jù)源帶參程序數(shù)據(jù)源EJB程序數(shù)據(jù)源WebSerive程序數(shù)據(jù)源自定義函數(shù)自定義樣式自定義交互自定義填報文件導(dǎo)出文件打印XML程序數(shù)據(jù)源報表再處理帆軟開放平臺導(dǎo)入接口數(shù)據(jù)源接口邏輯處理接口導(dǎo)出打印接口IT采集：豐富的填報控件樣式，支持大數(shù)據(jù)量填報文本數(shù)字下拉框視圖樹下拉復(fù)選框單選按鈕組日期按鈕復(fù)選框網(wǎng)頁框復(fù)選框組文件密碼下拉樹表格樹列表控件預(yù)定義控件自定義控件提供多種填報控件風(fēng)格，創(chuàng)新的分頁加載技術(shù)，支持大數(shù)據(jù)量填報表填報示例模板IT采集：支持多種智能的數(shù)據(jù)提交控制內(nèi)置4種提交類型支持自定義提交智能綁定字段和單元格提交條件和提交事件內(nèi)置智能提交，插入提交、刪除提交，更新提交等入庫方式?？稍O(shè)定單元格未被編輯時不參與提交。支持自定義JAVA類提交智能添加字段，智能添加單元格，快速實現(xiàn)字段和單元格的綁定支持提交條件，只有滿足預(yù)設(shè)條件的數(shù)據(jù)才會入庫。支持編輯提交事件。IT采集：支持全方位的數(shù)據(jù)校驗，確保數(shù)據(jù)合乎規(guī)范典型數(shù)據(jù)校驗示例Finereport數(shù)據(jù)校驗及時校驗提交校驗強制提交JS校驗對單元格內(nèi)容及時校驗，比如文本的長度/數(shù)字的精度提交時對全局數(shù)據(jù)進行校驗，支持公式/自定義java類支持編寫js事件來實現(xiàn)復(fù)雜的數(shù)據(jù)校驗可設(shè)置數(shù)據(jù)校驗不通過仍強制提交數(shù)據(jù)IT采集：在線導(dǎo)入excel數(shù)據(jù)，支持多種匹配邏輯導(dǎo)入行式報表：支持固定行和不定行的導(dǎo)入，提供按標(biāo)題匹配和按位置匹配等智能匹配邏輯，支持雙向擴展報表的導(dǎo)入EXCEL導(dǎo)入設(shè)置導(dǎo)入自由報表：支持導(dǎo)入自由格式的報表，按照單元格位置匹配，實現(xiàn)完整樣式的導(dǎo)入自定義導(dǎo)入：支持行式報表的自定義導(dǎo)入，用戶可以選擇要導(dǎo)入的行、列以及sheet123實時同步自定義組件增量更新可支持和開發(fā)cdc、binlog、logminer、時間戳、日志，API接口等實現(xiàn)各種不同數(shù)據(jù)系統(tǒng)的實時增量同步數(shù)據(jù)數(shù)據(jù)開發(fā)批處理流處理在線批處理、流處理等多引擎任務(wù)開發(fā)，構(gòu)建復(fù)雜的調(diào)度依賴，提供可視化數(shù)據(jù)開發(fā)模式數(shù)據(jù)存儲實現(xiàn)海量數(shù)據(jù)的數(shù)據(jù)存儲配置數(shù)據(jù)質(zhì)量字段監(jiān)控臟數(shù)據(jù)清洗通過表級別、字段級別監(jiān)控規(guī)則定義，第一時間感知臟數(shù)據(jù)。數(shù)據(jù)安全數(shù)據(jù)暫存數(shù)據(jù)恢復(fù)基于kafka消息中間件隨時恢復(fù)數(shù)據(jù)，保證數(shù)據(jù)一致性結(jié)構(gòu)化非結(jié)構(gòu)化IT采集：FineTube產(chǎn)品特點基于cdc、binlog、logminer、時間戳等技術(shù)實現(xiàn)實時增量同步數(shù)據(jù)FineTube實時同步自定義參數(shù)，無需臨時表操作，同步過程參數(shù)自動更新IT采集：FineTube-實時同步FineTube數(shù)據(jù)開發(fā)在線流處理在線批處理可視化數(shù)據(jù)開發(fā)數(shù)據(jù)開發(fā)在線批處理、流處理等多引擎任務(wù)開發(fā)，構(gòu)建復(fù)雜的調(diào)度依賴，提供可視化數(shù)據(jù)開發(fā)模式IT采集：FineTube-數(shù)據(jù)開發(fā)IT采集：FineTube-數(shù)據(jù)服務(wù)數(shù)據(jù)服務(wù)零代碼快速生成Serverless化的APIFineTube數(shù)據(jù)服務(wù)旨在為企業(yè)搭建統(tǒng)一的數(shù)據(jù)服務(wù)總線，幫助企業(yè)統(tǒng)一管理對內(nèi)對外的API服務(wù)。數(shù)據(jù)服務(wù)為您提供快速生成數(shù)據(jù)API的能力，同時支持您快速注冊現(xiàn)有的API至數(shù)據(jù)服務(wù)平臺，進行統(tǒng)一的管理和發(fā)布數(shù)據(jù)服務(wù)可以自定義配置一個url對外發(fā)布，提供接受數(shù)據(jù)推送的功能，把推送過來的數(shù)據(jù)存儲到kafka中，后續(xù)可以走正常的同步任務(wù)流程，使用kafka輸入組件消費推送過來的數(shù)據(jù)、轉(zhuǎn)換、裝載等等IT采集：FineTube-數(shù)據(jù)質(zhì)量通過表級別、字段級別監(jiān)控規(guī)則定義，第一時間感知臟數(shù)據(jù)FineTube字段類型監(jiān)控FineTube臟數(shù)據(jù)自動提醒IT采集：FineTube-數(shù)據(jù)安全FineTube數(shù)據(jù)安全將數(shù)據(jù)置于kafka容器中存儲，基于kafka消息中間件隨時恢復(fù)數(shù)據(jù)，保證數(shù)據(jù)一致性IT采集：FineTube-智能監(jiān)控FineTube任務(wù)監(jiān)控FineTube服務(wù)器監(jiān)控1任務(wù)監(jiān)控：查看全部任務(wù)的運行狀態(tài)，查看每個任務(wù)已處理的數(shù)據(jù)總量，查看單個任務(wù)內(nèi)部每個組件的運行情況2服務(wù)器監(jiān)控：查看服務(wù)器當(dāng)前和歷史的CPU、內(nèi)存、磁盤和網(wǎng)絡(luò)的使用情況04數(shù)據(jù)倉庫數(shù)倉層次架構(gòu)數(shù)據(jù)清洗是ETL過程中的一個重要環(huán)節(jié),主要任務(wù)是檢測并刪除/改正將裝入數(shù)據(jù)倉庫的臟數(shù)據(jù)。元素化標(biāo)準(zhǔn)化校驗匹配消除重復(fù)記錄歸檔將非標(biāo)準(zhǔn)的數(shù)據(jù)格式化成結(jié)構(gòu)數(shù)據(jù)。將元素標(biāo)準(zhǔn)化，根據(jù)字典消除不一致的縮寫。對標(biāo)準(zhǔn)化的元素進行一致性校驗，即在內(nèi)容上修改錯誤。在其它記錄中尋找相似的記錄，發(fā)現(xiàn)重復(fù)記錄。根據(jù)匹配結(jié)果進行處理，刪除部分記錄或者合并多個記錄為一個完整信息的記錄。結(jié)果寫入數(shù)據(jù)存儲中心。這樣可以更好地進行后續(xù)的清洗過程，而且可以更加容易理解數(shù)據(jù)源以便在數(shù)據(jù)倉庫中進行切片、整合等操作。數(shù)據(jù)清洗過程數(shù)據(jù)清洗數(shù)倉模型概覽數(shù)倉星形模型數(shù)倉日期維度示例事實表中本來就有日期字段了，直接用SQL處理就可以了，為什么還需要日期維度？日期維度表中還可以按照分析者的意愿添加更多的屬性，比如是否促銷日、是否特定節(jié)日、月初、月末、季初、季末、年初、年末等。第一步：業(yè)務(wù)建模-需求調(diào)研第二步：領(lǐng)域建模-概念分析第三步：邏輯建模-邏輯設(shè)計第四步：物理建模-物理設(shè)計確定需要哪些信息，建立哪些應(yīng)用，常用操作及對象等，確定主題域數(shù)據(jù)分布調(diào)研數(shù)據(jù)CRUD調(diào)研對需求調(diào)研所得數(shù)據(jù)的高層抽象描述，形成基礎(chǔ)概念模型概念模型（PDW模型）：實體-關(guān)系將概念模型映射為某個特定類型的DBMS模式數(shù)據(jù)。確定數(shù)據(jù)字典、數(shù)據(jù)流圖邏輯模型：實體-關(guān)系-屬性對已經(jīng)確定的邏輯結(jié)構(gòu)選擇適當(dāng)?shù)奈锢斫Y(jié)構(gòu)，包括存儲結(jié)構(gòu)、存取路徑、存儲分配等。物理模型：實體—關(guān)系—屬性—定義數(shù)倉建模過程開放性規(guī)范性松緊耦合3NF、星型、寬表、細粒度數(shù)據(jù)與匯總數(shù)據(jù)并存安全性易用性穩(wěn)定性數(shù)倉建模原則藍色表示共享資源灰色表示無共享資源DBSAN/共享存儲DBDBDB共享式集群數(shù)倉——SharedDiskDBDBDBDBDiskDiskDiskDisk分布式數(shù)據(jù)中心—SharedNothingSAN/共享存儲DiskDiskDB傳統(tǒng)數(shù)倉—SharedEverthtingFineData-分布式架構(gòu)的先進性Gartner2019排名：Greenplum躍居第三1.經(jīng)典數(shù)據(jù)分析領(lǐng)域排名第三Greenplum在經(jīng)典數(shù)據(jù)分析領(lǐng)域排名第三，僅次于Teradata和Oracle。邏輯數(shù)據(jù)分析領(lǐng)域排名第四。2.實時數(shù)據(jù)分析領(lǐng)域排名第四隨著物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等流式數(shù)據(jù)分析需求的興起，實時數(shù)據(jù)分析能力越來越受重視。Greenplum憑借卓越的性能，在此領(lǐng)域排名和內(nèi)存數(shù)據(jù)庫HANA并列第四。3.前十唯一開源Greenplum是全球十大經(jīng)典和實時數(shù)據(jù)分析產(chǎn)品中唯一的開源數(shù)據(jù)庫，這就意味著如果選擇開源，前十名中別無選擇，唯此一款。4.行業(yè)Rediscovery經(jīng)過多年對Hadoop/NoSQL/NewSQL的探索，用戶最終轉(zhuǎn)向以已驗證的經(jīng)典技術(shù)為基礎(chǔ)的成熟解決方案。5.數(shù)據(jù)科學(xué)技術(shù)下沉至數(shù)據(jù)庫最近幾年數(shù)據(jù)庫領(lǐng)域的一個新趨勢：內(nèi)建數(shù)據(jù)分析和數(shù)據(jù)科學(xué)技術(shù)于數(shù)據(jù)庫內(nèi)部。Greenplum于2011年開始引領(lǐng)這一領(lǐng)域的研發(fā)，其開源項目MADlib目前亦是Apache頂級項目。6.Greenplum大數(shù)據(jù)平臺持續(xù)快速演進即將發(fā)布的Greenplum6在數(shù)據(jù)庫內(nèi)核、HTAP、混合負載、高可用性、異構(gòu)數(shù)據(jù)源、多樣化數(shù)據(jù)類型支持等方面進行了重大改進。高性能可以高效快速穩(wěn)定地進行大數(shù)據(jù)量的數(shù)據(jù)裝載，數(shù)據(jù)計算和數(shù)據(jù)分發(fā)，支持行列混合存儲和數(shù)據(jù)壓縮，滿足PB級數(shù)據(jù)高性能分析要求。高性價比可搭建在各種開放式硬件平臺上，硬件選型上有很大的自由性，相比其他的封閉式數(shù)倉專用系統(tǒng)要有每TB數(shù)據(jù)量下軟硬件價格優(yōu)勢。高可用單節(jié)點錯誤不影響整個系統(tǒng)使用，要有天然的數(shù)據(jù)熱備機制，能夠在單點故障的時候能夠持續(xù)的對外進行數(shù)據(jù)服務(wù)高兼容支持HADOOP組件功能擴展預(yù)置MADlib數(shù)據(jù)挖掘算法庫易使用支持主流SQL語法和開窗函數(shù)，使用方便，學(xué)習(xí)成本低。支持多語言的自定義函數(shù)和自定義類型.滿足即席分析和復(fù)雜查詢的場景需求數(shù)據(jù)中心產(chǎn)品特點動態(tài)擴容支持主流SQL語法，使用方便，學(xué)習(xí)成本低。支持多語言的自定義函數(shù)和自定義類型.提供常用的維護的可視化工具，使用及維護都相對簡單方便；能夠進行資源管理。場景FineData（MPP）Oracle支持的數(shù)據(jù)量100TB最大幾十TB海量存儲下查詢能力設(shè)計架構(gòu)十分適合于進行海量數(shù)據(jù)的存儲和查詢，某些場景下性能超過Oracle和DB2數(shù)十倍需要豐富經(jīng)驗的架構(gòu)師對數(shù)據(jù)庫進行合理的設(shè)計，才會有很好的查詢效率，對數(shù)據(jù)庫使用要求較高計算時間窗口秒級分鐘級數(shù)據(jù)裝載卸載速度快慢系統(tǒng)在線擴容支持不支持線性擴展支持不支持FineData-與傳統(tǒng)數(shù)據(jù)庫（Oracle）對比帆軟大數(shù)據(jù)場景支撐案例-合作客戶部分列舉客戶大數(shù)據(jù)平臺原數(shù)據(jù)系統(tǒng)設(shè)計數(shù)據(jù)量級數(shù)據(jù)時效提升查詢效率提升中南控股FineDatasqlserver6TT+1提升至秒級50倍+綠城房地產(chǎn)FineDatasqlserver5TT+1提升至秒級80倍+無錫市公安局FineData+HadoopOracle+HADOOP30TT+3提升至小時級40倍+江蘇省公安廳FineData+HadoopOracle+HADOOP100TT+3提升至小時級40倍+上汽集團Hadoop+kylinsqlserver8TT+1提升至秒級80倍+安吉物流Hadoop+ImpalaOracle10TT+1提升至秒級80倍+星巴克FineData+Hadoopsqlserver20T小時級提升至秒級30倍+太平財險FineData+Hadoop各種關(guān)系型數(shù)據(jù)庫20T小時級提升至秒級30倍+中百倉儲FineDataOracle10TT+1提升至分鐘級80倍+酷樂潮玩FineData+HadoopMySQL20TT+1提升至分鐘級60倍+惠科金渝光電Hadoopsqlserver30TT+1提升至分鐘級60倍+

隨著大數(shù)據(jù)時代的來臨，公安信息化迎來了一個飛速發(fā)展的黃金時期，經(jīng)過“大整合、高共享”，公安信息化綜合應(yīng)用體系已覆蓋了公安主體業(yè)務(wù)，數(shù)據(jù)種類不斷豐富、總量急速增長、結(jié)構(gòu)不斷異化，警務(wù)大數(shù)據(jù)體系已見雛形，信息資源已成為繼警力資源、裝備資源之后的新一類的核心資源。據(jù)不完全統(tǒng)計，目前全國公安機關(guān)掌握的數(shù)據(jù)資源已達100多類上千億條,江蘇全省達幾百億條，僅無錫市局多達幾十億條，數(shù)據(jù)總量達100TB，其中迫切分析數(shù)據(jù)近30TB，分布在十?dāng)?shù)個業(yè)務(wù)系統(tǒng)和數(shù)據(jù)平