【正文】 本層與中興信令監(jiān)測(cè)平臺(tái)接口。l 穩(wěn)定性原則：具備高可靠性和高穩(wěn)定性，能夠適應(yīng)海量信令數(shù)據(jù)處理。氣象災(zāi)害應(yīng)急短信發(fā)布平臺(tái)采用信令數(shù)據(jù)接入、數(shù)據(jù)處理整合、頁(yè)面展示三層架構(gòu)的方式實(shí)現(xiàn)。本項(xiàng)目使用的信令數(shù)據(jù)由信令監(jiān)測(cè)系統(tǒng)定時(shí)提供。l 雙引擎技術(shù)——云計(jì)算引擎與傳統(tǒng)計(jì)算引擎協(xié)同工作，使得業(yè)務(wù)支持類型更豐富、三方對(duì)接更方便、并實(shí)現(xiàn)了應(yīng)用前端到后端的大數(shù)據(jù)處理以及秒級(jí)的響應(yīng)速度。. 建設(shè)原則l 標(biāo)準(zhǔn)化：具有互操作性，可用性，可靠性，可擴(kuò)充性，可管理性，建立一個(gè)開放式，遵循國(guó)際標(biāo)準(zhǔn)的網(wǎng)絡(luò)系統(tǒng)。同樣的，云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等新興計(jì)算形態(tài)，既是產(chǎn)生大數(shù)據(jù)的地方，也是需要大數(shù)據(jù)分析方法的領(lǐng)域。未來幾年中針對(duì)特定行業(yè)和業(yè)務(wù)流程的分析應(yīng)用將會(huì)以預(yù)打包的形式出現(xiàn)，這將為大數(shù)據(jù)技術(shù)供應(yīng)商打開新的市場(chǎng)。做為大數(shù)據(jù)領(lǐng)域的代表技術(shù)，許多企業(yè)都把明年的計(jì)劃聚焦在Hadoop之上。甚至?xí)霈F(xiàn)大數(shù)據(jù)技能的培訓(xùn)市場(chǎng)，教授數(shù)據(jù)分析課程等。. 大數(shù)據(jù)細(xì)分市場(chǎng)科技文獻(xiàn)中所含的信息類型多樣，既有結(jié)構(gòu)性數(shù)據(jù)，也有非結(jié)構(gòu)性文本和公式，如何利用“大數(shù)據(jù)”技術(shù)對(duì)文獻(xiàn)內(nèi)容進(jìn)行分析，挖掘用戶訪問日志、評(píng)價(jià)反饋等數(shù)據(jù)的價(jià)值，為用戶提供服務(wù)成為科技信息服務(wù)業(yè)急需思考和解決的問題。該服務(wù)讓開發(fā)者可以使用Go o g l e 的架構(gòu)來運(yùn)行SQL語(yǔ)句對(duì)超級(jí)大的數(shù)據(jù)庫(kù)進(jìn)行操作。. 其他“大數(shù)據(jù)”解決方案“大數(shù)據(jù)”解決方案并非只有Hadoop一種，許多知名企業(yè)還提供了其他的解決方案。Oracle BigData機(jī)包括開源Apache Hadoop、Oracle NoSQL數(shù)據(jù)庫(kù)、Oracle數(shù)據(jù)集成Hadoop應(yīng)用適配器、OracleHa d o o p 裝載器、Op e n So u r c eDistribution of R、Oracle Linux和Oracle Java HotSpot虛擬機(jī)。另一種是基礎(chǔ)版（Basic Edition），去掉了企業(yè)版中的大部分功能，用戶可以免費(fèi)下載，主要提供給開發(fā)人員和合作伙伴試用。該產(chǎn)品包括BigInsight s和Streams，二者互補(bǔ)，Biglnsights基于Hadoop，對(duì)大規(guī)模的靜態(tài)數(shù)據(jù)進(jìn)行分析，它提供多節(jié)點(diǎn)的分布式計(jì)算，可以隨時(shí)增加節(jié)點(diǎn)，提升數(shù)據(jù)處理能力。這些都是當(dāng)前版本的Hadoop不支持，但是用戶又有強(qiáng)烈需求的。Hadoop上的應(yīng)用程序也可以使用其他語(yǔ)言編寫，比如C++。Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴。在H a d o o p 應(yīng)用實(shí)例中，一個(gè)代表客戶機(jī)在單個(gè)主系統(tǒng)上啟動(dòng)Ma pRe d u c e的應(yīng)用程序稱為JobTracker。NameNode可以控制所有文件操作。這些都決定了“大數(shù)據(jù)”需要不同的處理方法，而Hadoop目前正是廣泛應(yīng)用的大數(shù)據(jù)處理技術(shù)。統(tǒng)計(jì)與分析這部分的主要特點(diǎn)和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對(duì)系統(tǒng)資源，特別是I/O會(huì)有極大的占用。如圖六所示　圖六而Hadoop作為一個(gè)重量級(jí)的分布式處理開源框架已經(jīng)在大數(shù)據(jù)處理領(lǐng)域有所作為. 大數(shù)據(jù)處理過程. 采集　　大數(shù)據(jù)的采集是指利用多個(gè)數(shù)據(jù)庫(kù)來接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫(kù)來進(jìn)行簡(jiǎn)單的查詢和處理工作。Skybox Imaging就是一個(gè)很好的例子。還有亞馬遜最新推出的NoSQL云服務(wù)。它為Zynga、AOL、Cisco以及其它一些企業(yè)提供網(wǎng)頁(yè)應(yīng)用支持。比方說，它可以對(duì)某個(gè)全國(guó)性的連鎖店某天的銷售記錄進(jìn)行分析，得出某些特征進(jìn)而根據(jù)某種規(guī)則及時(shí)為消費(fèi)者提供獎(jiǎng)勵(lì)回饋。而一旦需要擴(kuò)容，問題就會(huì)接踵而來。我們知道大數(shù)據(jù)分析技術(shù)最初起源于互聯(lián)網(wǎng)行業(yè)。數(shù)據(jù)圖像化可以讓數(shù)據(jù)自己說話，讓用戶直觀的感受到結(jié)果。. 零售業(yè)1. 我們的某個(gè)客戶，是一家領(lǐng)先的專業(yè)時(shí)裝零售商，通過當(dāng)?shù)氐陌儇浬痰?、網(wǎng)絡(luò)及其郵購(gòu)目錄業(yè)務(wù)為客戶提供服務(wù)。利用大數(shù)據(jù)，以往需要數(shù)周的分析工作，現(xiàn)在僅需要不足1小時(shí)便可完成。也許未來數(shù)年后，它們搜集的數(shù)據(jù)能讓醫(yī)生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測(cè)到你的血液中藥劑已經(jīng)代謝完成會(huì)自動(dòng)提醒你再次服藥。在美國(guó)的好萊 塢，這兩年也是基于FACEBOOK和TIWTTER的數(shù)據(jù)來預(yù)測(cè)即將上映的電影的票房。哪些人你愿意收聽，是你的朋友，哪些是你感興趣的領(lǐng)域，你是一個(gè)音樂達(dá)人，你是一個(gè)吃貨，那個(gè)用戶也 是一個(gè)吃貨，你愿意收聽他。第二，用戶的理解，每個(gè)人的基本特征，你的潛在的特征，每個(gè)用戶上網(wǎng)的習(xí)慣等等，這些都是對(duì)用戶的理解。在互聯(lián)網(wǎng)時(shí)代，這些需求特征往往是在用戶不經(jīng)意的行為中透露出來的。隨著數(shù)據(jù)源的爆發(fā)式增長(zhǎng)，數(shù)據(jù)的多樣性成為“大數(shù)據(jù)”應(yīng)用亟待解決的問題。用于提取智慧的“大數(shù)據(jù)”，往往是這些非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)研發(fā)目的是發(fā)展大數(shù)據(jù)技術(shù)并將其應(yīng)用到相關(guān)領(lǐng)域，通過解決巨量數(shù)據(jù)處理問題促進(jìn)其突破性發(fā)展。216。216。 25. 高容錯(cuò)性。 25. Hadoop的不足 25. 主要商業(yè)性“大數(shù)據(jù)”處理方案 26. IBM InfoSphere大數(shù)據(jù)分析平臺(tái) 26. Or a c l e Bi g Da t aApplianc 27. Mi c r o s o f t S QLServer 27. Sybase IQ 28. 其他“大數(shù)據(jù)”解決方案 28. EMC 28. BigQuery 29. 大數(shù)據(jù)”與科技文獻(xiàn)信息處理 29. 大數(shù)據(jù)處理技術(shù)發(fā)展前景 29. 大數(shù)據(jù)復(fù)雜度降低 29. 大數(shù)據(jù)細(xì)分市場(chǎng) 30. 大數(shù)據(jù)開源 30. Hadoop將加速發(fā)展 30. 打包的大數(shù)據(jù)行業(yè)分析應(yīng)用 30. 大數(shù)據(jù)分析的革命性方法出現(xiàn) 31. 大數(shù)據(jù)與云計(jì)算:深度融合 31. 大數(shù)據(jù)一體機(jī)陸續(xù)發(fā)布 314. 基于基站大數(shù)據(jù)應(yīng)用及案例 32. 氣象災(zāi)害應(yīng)急短信發(fā)布平臺(tái) 32. 概述 32. 項(xiàng)目背景 32. 平臺(tái)概述 32. 平臺(tái)建設(shè)特點(diǎn)與原則 32. 建設(shè)特點(diǎn) 32. 建設(shè)原則 32. 大數(shù)據(jù)管理平臺(tái)特點(diǎn) 33. 平臺(tái)整體架構(gòu) 33. 建設(shè)原理 33. 平臺(tái)總體設(shè)計(jì) 351. 平臺(tái)總體結(jié)構(gòu) 352. 平臺(tái)技術(shù)架構(gòu) 36. 平臺(tái)技術(shù)思路 37. 平臺(tái)技術(shù)路線 381. 內(nèi)存數(shù)據(jù)庫(kù) 382. 短信發(fā)送多鏈路配置 383. 隊(duì)列緩存 384. 參數(shù)可配置 38. 平臺(tái)性能要求 38. 平臺(tái)網(wǎng)絡(luò)拓?fù)?38. 平臺(tái)關(guān)鍵流程 39. 平臺(tái)數(shù)據(jù)流程 39. 平臺(tái)業(yè)務(wù)主流程 40. 短信下發(fā)審批流程 41. 信令分析處理流程 42. 短信發(fā)送流程 43. 平臺(tái)功能模塊 43. 信令分析子系統(tǒng) 43. 短信發(fā)送子系統(tǒng) 441. 短信發(fā)送功能 442. 短信回執(zhí)接收功能 443. 短信批量發(fā)送管理功能 454. 統(tǒng)計(jì)報(bào)表 45. 管理子系統(tǒng) 451. 用戶管理 452. 權(quán)限管理 463. 實(shí)時(shí)監(jiān)控 464. 日志管理 465. 基站位置信息管理 466. 系統(tǒng)參數(shù)配置管理 46. 內(nèi)容數(shù)據(jù)庫(kù)子系統(tǒng) 46. 平臺(tái)外部接口 47. 信令采集接口 471. 接口說明 472. 數(shù)據(jù)采集模式 47. 短信發(fā)送接口 471. 短信發(fā)送通知接口 472. 短信發(fā)送狀態(tài)查詢接口 473. 短信發(fā)送接口 47. 基站位置信息接口 481. 數(shù)據(jù)同步模式 482. 基站位置信息全量同步接口 483. 基站位置信息增量同步接口 48. 旅游客源分析 48. 建設(shè)目標(biāo) 48. 整體方案 49. 方案思路 49. 分析范圍 49. 方案特點(diǎn) 50. 方案設(shè)計(jì) 51. 系統(tǒng)關(guān)系 51. 系統(tǒng)架構(gòu) 511. 數(shù)據(jù)分析后臺(tái)能力 522. Web前臺(tái)能力 52. 數(shù)據(jù)采集 53. 業(yè)務(wù)分析 531. 總體分析流程 532. 景區(qū)綜合流量統(tǒng)計(jì)分析 543. 景區(qū)游客來源地構(gòu)成分析 554. 景區(qū)全網(wǎng)總游客實(shí)時(shí)估算 575. 景區(qū)流量預(yù)判模型分析 586. 景區(qū)流量上限告警 597. 旅游景點(diǎn)熱度排名分析 598. 旅游線路歸類統(tǒng)計(jì) 609. 景區(qū)與相關(guān)場(chǎng)所關(guān)聯(lián)分析 61. 界面功能介紹 611. 菜單功能列表 622. 界面輔助功能介紹 633. 運(yùn)營(yíng)部門應(yīng)用Portal 644. 用戶權(quán)限 641. 大數(shù)據(jù)概述. 概述大數(shù)據(jù)，IT行業(yè)的又一次技術(shù)變革，大數(shù)據(jù)的浪潮洶涌而至，對(duì)國(guó)家治理、企業(yè)決策和個(gè)人生活都在產(chǎn)生深遠(yuǎn)的影響，并將成為云計(jì)算、物聯(lián)網(wǎng)之后信息技術(shù)產(chǎn)業(yè)領(lǐng)域又一重大創(chuàng)新變革。 數(shù)據(jù)體量巨大。 處理速度快。因此，大數(shù)據(jù)時(shí)代帶來的挑戰(zhàn)不僅體現(xiàn)在如何處理巨量數(shù)據(jù)從中獲取有價(jià)值的信息，也體現(xiàn)在如何加強(qiáng)大數(shù)據(jù)技術(shù)研發(fā)，搶占時(shí)代發(fā)展的前沿。傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)、BI、鏈路挖掘等應(yīng)用對(duì)數(shù)據(jù)處理的時(shí)間要求往往以小時(shí)或天為單位。例如如何實(shí)時(shí)地及通過各種數(shù)據(jù)庫(kù)管理系統(tǒng)來安全地訪問數(shù)據(jù)，如何通過優(yōu)化存儲(chǔ)策略，評(píng)估當(dāng)前的數(shù)據(jù)存儲(chǔ)技術(shù)并改進(jìn)、加強(qiáng)數(shù)據(jù)存儲(chǔ)能力，最大限度地利用現(xiàn)有的存儲(chǔ)投資。通過對(duì)信息進(jìn)行關(guān)聯(lián)、參照、聚類、分類等方法分析，才能得到答案。第三，關(guān)系。這就是用戶與用戶之間的關(guān)系理解。他也是一個(gè)趨勢(shì)的分析，只是我們把這個(gè)趨勢(shì)提前來。. 能源行業(yè)1. 智能電網(wǎng)現(xiàn)在歐洲已經(jīng)做到了終端，也就是所謂的智能電表。. 通信行業(yè)1. XO Communications通過使用IBM SPSS預(yù)測(cè)分析軟件，減少了將近一半的客戶流失率。公司希望向客戶提供差異化服務(wù)，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息，更深入的理解化妝品的營(yíng)銷模式，隨后他們認(rèn)識(shí)到必須保留兩類有價(jià)值的客戶：高消費(fèi)者和高影響者。. 數(shù)據(jù)挖掘算法　圖像化是將機(jī)器語(yǔ)言翻譯給人看，而數(shù)據(jù)挖掘就是機(jī)器的母語(yǔ)。網(wǎng)頁(yè)存檔、用戶點(diǎn)擊、商品信息、用戶關(guān)系