集成策略
? ? ? ? 數(shù)據(jù)集成是指將來源于不同系統(tǒng)的數(shù)據(jù)組合在一起，供業(yè)務(wù)用戶研究不同的行業(yè)行為及客戶行為的數(shù)據(jù)處理方式。在數(shù)據(jù)集成應(yīng)用早期，數(shù)據(jù)僅限于交易系統(tǒng)及其應(yīng)用。業(yè)務(wù)決策的制定以決策平臺為指導(dǎo)，而有限的數(shù)據(jù)集提供了創(chuàng)建決策平臺的基礎(chǔ)。
數(shù)據(jù)容量與數(shù)據(jù)類型在過去三十年里大幅增長，數(shù)據(jù)倉庫技術(shù)從無到有，基礎(chǔ)架構(gòu)和技術(shù)的發(fā)展?jié)M足了分析和數(shù)據(jù)存儲需求。這一切徹底改變了數(shù)據(jù)集成的前景。
傳統(tǒng)數(shù)據(jù)集成技術(shù)主要關(guān)注于架構(gòu)和相關(guān)編程模型的ETL、ELT、CDC和EAI類型。然而，在大數(shù)據(jù)環(huán)境里，這些技術(shù)需要根據(jù)規(guī)模和處理復(fù)雜度等需求進行修改，其中包括需要處理的數(shù)據(jù)格式。實現(xiàn)大數(shù)據(jù)處理需要兩個步驟。第一步是實現(xiàn)數(shù)據(jù)驅(qū)動的架構(gòu)，其中包括數(shù)據(jù)處理的分析和設(shè)計。第二步是物理架構(gòu)實現(xiàn)，我們將在下面的章節(jié)介紹這個步驟。
數(shù)據(jù)驅(qū)動的集成
在建造下一代數(shù)據(jù)倉庫的技術(shù)方法中，企業(yè)中所有數(shù)據(jù)首先會根據(jù)數(shù)據(jù)類型進行分類，也會考慮到數(shù)據(jù)本身的性質(zhì)及其相關(guān)的處理需求。數(shù)據(jù)處理過程將會用到內(nèi)置在處理邏輯中并且整合到一系列編程流程中的業(yè)務(wù)規(guī)則，數(shù)據(jù)處理會使用到企業(yè)元數(shù)據(jù)、MDM和語義技術(shù)（分詞技術(shù)）等。
圖10.3顯示了各類數(shù)據(jù)的入口數(shù)據(jù)處理過程。這個模型首先基于數(shù)據(jù)的格式和結(jié)構(gòu)劃分數(shù)據(jù)類型，然后再進行ETL、ELT、CDC或文本處理技術(shù)中各個層次的規(guī)則處理。下面，讓我們來分析一下數(shù)據(jù)集成架構(gòu)及其優(yōu)點。
圖10.3
數(shù)據(jù)分類
如圖10.3所示，數(shù)據(jù)可以粗略地劃分為以下分類：
非結(jié)構(gòu)化數(shù)據(jù)。這個大分類包括：
半結(jié)構(gòu)化數(shù)據(jù)。其中包括電子郵件、演示文稿、數(shù)學(xué)模型、圖形和地理數(shù)據(jù)。
架構(gòu)
在確定和整理好不同的數(shù)據(jù)類型之后，就可以清晰確定各種數(shù)據(jù)特征——包括數(shù)據(jù)類型、關(guān)聯(lián)的元數(shù)據(jù)、可以標識為主數(shù)據(jù)元素的重要數(shù)據(jù)元素、數(shù)據(jù)復(fù)雜度及擁有和管理數(shù)據(jù)的業(yè)務(wù)用戶。
工作負載
處理大數(shù)據(jù)的最大需求是前面章節(jié)所介紹的工作負載管理。
有了數(shù)據(jù)架構(gòu)和分類，我們就可以分配可以執(zhí)行該類數(shù)據(jù)工作負載需求的基礎(chǔ)架構(gòu)。
我們可以根據(jù)數(shù)據(jù)容量和數(shù)據(jù)延遲時間將工作負載大體分成4類（圖10.4）。然后，我們再根據(jù)類別將數(shù)據(jù)分配到物理基礎(chǔ)架構(gòu)層進行處理。該管理方法可以為數(shù)據(jù)倉庫的各個部分創(chuàng)建一種動態(tài)可擴展需求，它們可以高效利用當(dāng)前及未來的新基礎(chǔ)方法。在這個時候，一定要注意的關(guān)鍵問題是要保持處理邏輯的靈活性，使它能夠在不同的物理基礎(chǔ)架構(gòu)組件上發(fā)揮作用，因為數(shù)據(jù)是根據(jù)處理緊迫性進行分類的，這樣相同的數(shù)據(jù)就可能會被歸類到不同的工作負載上。
工作負載架構(gòu)將進一步?jīng)Q定混合工作負載管理的條件，來自不同工作負載的數(shù)據(jù)會一同處理。
例如，通常我們只需要在一個環(huán)境中處理一種數(shù)據(jù)及其負載，如果將高容量低延遲數(shù)據(jù)和低容量高延遲數(shù)據(jù)放在一起處理，數(shù)據(jù)處理環(huán)境就會面臨多樣化壓力。同時發(fā)生或高頻的用戶查詢和數(shù)據(jù)加載會進一步加大數(shù)據(jù)處理的復(fù)雜性，情況可能會很快失去控制，然后影響整體性能。如果一個基礎(chǔ)架構(gòu)同時處理大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)，再加上這些復(fù)雜性，那么問題會更加嚴重。
劃分工作負載的目標是確定數(shù)據(jù)處理的復(fù)雜性，以及如何降低下一代數(shù)據(jù)倉庫的基礎(chǔ)架構(gòu)設(shè)計的風(fēng)險。