Hadoop技术在商业智能BI中的应用

阅读更多

Hadoop是个很流行的分布式计算解决方案，是Apache的一个开源项目名称，核心部分包括HDFS及MapReduce。其中，HDFS是分布式文件系统，MapReduce是分布式计算引擎。时至今日，Hadoop在技术上已经得到验证、认可甚至到了成熟期，同时也衍生出了一个庞大的生态圈，比较知名的包括HBase、Hive、Spark等。HBase是基于HDFS的分布式列式数据库，HIVE是一个基于HBase数据仓库系统。Impala为存储在HDFS和HBase中的数据提供了实时SQL查询功能，基于HIVE服务，并可共享HIVE的元数据。Spark是一个类似MapReduce的并行计算框架，也提供了类似的HIVE的Spark SQL查询接口，Hive是基于hadoop的数据分析工具。

很多企业比如银行流水作业很多，数据都是实时更新且数据量很大。会采用hadoop作为底层数据库，借由中间商处理底层数据，然后通过BI系统去连接这些中间数据处理厂商的中间表，接入处理数据，尤其以星环、华为这类hadoop大数据平台商居多，使用也较为广泛。

这里以星环大数据平台与帆软大数据BI工具FineBI的结合应用来简单介绍下。

由于星环也是处理hadoop下的hive数据库，其本质都是差不多的，可以使用Hive提供的jdbc驱动，这个驱动同样可以让FineBI连接星环的数据库并进行一些类关系型数据库的sql语句查询等操作，部分特殊sql的公式需要与星环人员确认是否可以使用。

首先将这些驱动拷贝到报表工程下面，然后重启BI服务器。重启后可以建立与星环数据库的数据连接，最后通过连接进行数据查询。

1、本地部署

下图是FineBI内部测试用的hadoop的jar包（将以下jar包放置于webinf-lib文件夹下），亲测，可连接成功，如下图所示：

2、数据连接

数据连接如下图所示：

测试连接成功之后，点击确定，可直接选择数据库中对应的表加入业务包中，类似于Mysql这些最常见的数据库取表方式。

3、实际分析案例

某银行的总行层面-机构维度-四象限图

（2）总行层面-机构维度-趋势分析

（3）总行层面-产品维度-盈利产品

4．关于FineBI的FineIndex和FineDirect功能

hadoop是底层，hive是数据库，上述案例采用的是FineIndex（cube连）连接，用的是hiveserver的方式进行数据连接的；数据连接成功之后，将hive数据库中的表添加到业务包中，也就是将库中数据拿到我们的多维数据库（FineIndex），当然抓取的过程中也可以读取数据库关联和转义，也可以手动转义和进行关联，同时也可以做一些etl操作如新增公式列/行列转换/join/union/过滤/分组统计/自循环列/新增分组列/使用部分字段等，做过处理的这些数据表用于前端分析。

也就是说数据库-FineIndex-前端分析，这里的FineIndex相当于一个中间库的形式，用来存储数据表，关联转义索引等。这些都对后续前台分析处理数据效率有很大的提升（因为直接sql取数，效率受数据库本身的限制，数据量大时，一般分析工具很容易就卡死升职内存溢出导致系统无响应），这也是FineIndex方案的初衷。FineIndex存在有两个意义，一个是提升效率，一个就是对数据进行二次整合处理。

FineBI还有一个连接方式FineDirect（数据库直连），主要是应对如下需求：

• 分析结果的实时性

企业用户在使用BI工具的时候，多数情况下是对大量的历史数据进行OLAP分析，但是也有部分用户需要展现结果的实时性。例如金融行业对于交易风险的分析，是对每一笔流水实时进行分析的，如果需要经过构建多维数据库的过程，数据到来就会有延迟，影响分析结果的准确性。但是因为计算的过程交给了数据库，响应速度更多的取决于数据库的性能。

• 大数据平台的充分利用

随着各种分布式计算方案的不断优化，数据的计算性能也有了快速的发展，计算能力有了显著的提高，不少企业已经有了自己的大数据计算平台，例如hadoop，kylin，greenplum，vertica等，这些平台的对于大数据量的处理性能已经足以满足使用需求，不再有建模的需求，因此FineBI直连引擎提供了对接这些数据平台的功能。