大数据处理详细设计(共8页)

《大数据处理详细设计(共8页)》由会员分享，可在线阅读，更多相关《大数据处理详细设计(共8页)（8页珍藏版）》请在装配图网上搜索。

1、精选优质文档-倾情为你奉上目录1.引言1.1背景与目的当下互联网和计算机技术越来越多的被各行各业利用，于是产生了海量的数据。进入2012年后，“大数据”一词越来越多的被提及，人们用它来描述和定义信息爆照时代产生的海量数据。显而易见地，数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然现在企业可能还没有意识到，但随着时间的推移，人们将越来越多的意识到数据对企业的重要性。而这就需要有一种框架来分析处理这种大数据。对于电力行业更是如此，电力方面每时每刻都在产生着大量的数据，而对这些数据的分析和利用有着巨大的市场前景和意义。1.2专业术语及说明Hadoop ：一种分布式基础架构，由Apache基金会

2、开发。用户可以在不了解分布是底层细节的情况下，开发分布式程序。充分利用集群的威力运算和存储。Hadoop实现了一个分布式系统（Hadoop Distributed File System），简称HDFS。HDFS有着高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上。而且它提供高传输率（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求（requirements）这样可以流的形式访问（streaming access）文件系统中的数据。Hbase：是一个分布式的、面

3、向列的开源数据库。Mapreduce：是一种编程模型，用于大规模数据集（大于1T）的并行运算。当前的软件实现是指定一个Map函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce函数，用来保证所有的映射的键值对中的每一个共享相同的键组。1.3参考资料【1】相海泉. 大数据时代J. 中国信息界, 2013 (5).【2】李成华, 张新访, 金海, 等. MapReduce: 新型的分布式并行计算编程模型J. 计算机工程与科学, 2011, 33(003): 129-135.【3】谢桂兰, 罗省贤. 基于 HadoopMapReduce 模型的应用研究 JJ. 微型机与应用, 2010

4、, 25(3): 4-7.【4】陈勇. 基于 Hadoop 平台的通信数据分布式查询算法的设计与实现 DD. 北京: 北京交通大学, 2009.【5】Taylor R C. An overview of the Hadoop/MapReduce/HBase framework and its current applications in bioinformaticsJ. BMC bioinformatics, 2010, 11(Suppl 12): S1.2. 设计概述从HBASE中取数据（driver 类）通过MapReduce对数据进行第一次处理(Mapper 类)根据应用层的需要，对处

5、理过的数据再次进行处理（Reducer类以及附加类：简单的数学基本函数、统计、概率等），并且返回给客户端（预留接口）2.1任务及目标数据合成：1、 PI的常用函数：最大值、平均值等2、 专业函数（与PI服务器类似的内置函数）数据订单：1、 基本的数据挖掘、数理统计函数功能（如统计/概率）2.2需求概述因为电力行业在实际生产和应用的过程中会产生大量的数据，而这些数据又对电力有着巨大的影响和意义。对这些数据的处理和存储就成为一个迫在眉睫的问题。从这些数据中可以提取很多对于电力行业以后的发展和现今的实际生产有着指导意义的数据，利用好这些海量的数据则成为如今电力的一个极具战略意义的问题。但是，如今的P

6、I服务器不但不能满足于这个需求而且成本较高，所以就有替代的必要。2.3运行环境概述20个计算节点的Hadoop集群（可横向扩展），集群配置为 2*4核CPU，4080G内存，612T存储。2.4详细设计方法和工具利用Map函数从Hbase中取数据，Reduce函数对取到的数据进行处理，返回结果给用户。如下图编程工具：eclipse编程语言：java3.系统详细需求分析3.1详细需求分析A功能需求分析：批量查询功能，数据处理功能（专业数学函数，基本计算函数，统计等）B性能需求分析：实时性要求较高，对于数据的处理计算Mapreduce完全能够胜任C资源需求分析：多台普通X86服务器，成本较低。D系

7、统运行环境及限制条件分析：系统需要在Linux系统上面运行，搭建hadoop集群框架E现有软、硬件资源分析：如今华电现有X86服务器4台，可以利用虚拟技术对hadoop集群进行布置。软件方面目前hadoop框架已搭建成功，可以直接使用。4.总体设计方案4.1系统总体结构如下图为hadoop、hbase、hadoop mapreduce的层次结构 MapReduce分为三个类：Driver类、Mapper类、Reducer类输入的参数类型是String类（测点名+时间段+（query内容），解析之后，通过Map Function按照检索条件最后输出List（Hashtable）类型结果；经过Ma

8、p Function之后的结果，然后在Reducer类里通过调用附加类的函数进行运算，最后输出结果List（Value）。如下图 Map FunctionArrayList Reduce FunctionArrayList(SearchResultsw)。用户4.2系统模块划分1）Map类：Map写入检索条件，遍历数据库HBASE，得到需要的数据（可以提供的API按时间检索，按点名检索等）。需要参数为Hashtable类型（hashtable）进过Map函数之后输出数据为ArrayList。2）Reduce类：Reduce函数得到Map的返回结果即ArrayList类型的数据之后经过运算处理返

9、回给User的数据为ArrayList(SearchResultsw)。3）基础类：封装的函数：加减乘除等基本运算、统计count、计算概率、解析字符串、专业函数等。4） Driver类：使用JobConf和JobClient提交作业；与Map类和Reduce类关联。5.系统详细设计5.1系统结构设计系统分为两个java包：一个是批量查询的包（querydatatable），一个是批量计算的包（datamath）。在querydatatable包内，有四个类：DriverQuery类、QueryMap类、StringAnalytical类、TxtHBase类。在datamath包内，有多个类：

10、MathDriver类、MathMap类、MathSum类、MathCount类、MathDataAppend类等，这个包内需要封装一些类似PI服务器里的函数，如下表所示：PIMapReduce三角函数三角函数（sin、cos、tan）Log、lgLog、lg平方根Sqr、方差平方根Sqr、方差Avg、max、min、total（sum）Avg、max、min、total（sum）绝对值abs、近似值（round）绝对值abs、近似值（round）加减乘除加减乘除统计统计专业函数（水汽、功率）专业函数（水汽、功率）字符串解析(.)字符串解析（.）时间转化（时间戳）时间转化（时间戳）错误处理错误

11、处理好点、坏点处理好点、坏点处理55.2系统功能模块详细设计总体功能分为两个部分：数据订单，数据合成。A. 数据订单即批量查询功能编写字符串解析类，解析HBase的RowKey。然后编写Mapper类，这个类继承自MapReduceBase，重写这里面的接口函数Mapper，将检索条件写入Mapper类。然后通过Driver类调用JobConf和JobClient提交作业。B. 数据合成即根据上次应用的需求对查询后的数据进行处理计算。查询后的数据传递给Reducer类，在Reducer类里进行处理，这里需要封装多个Reducer类，根据上面列表内的函数依次封装，用户Reducer类需要继承Ma

12、pReduceBase类及实现Reducer接口函数，注意的一点是这个里面的输入Key及Value要与Mapper的输出key及Value类型相同。另外因为有电力方面专业函数的存在，需要编写一个附加类来提供这些计算方法，以便于在用户Reducer类里面调用。以上的核心逻辑处理完之后，用output.collect方法来输出最终的结果。最后还是使用JobConf及JobClient来提交作业。6.信息编码设计6.1代码结构设计源代码分为两个包，每个包内有不同的java类。Source文件下需要导入hadoop框架的四个.xml文件分别为：core-site.xml、hbase-site.xml、

13、hdfs-site.xml、mapred-site.xml。还有需要有hadoop的jar包支持。MapReduce框架结构主要是分为3个类：Driver类、Map类、Reduce类Driver类代码结构为：首先创建JobConf对象conf，设置conf的配置，关联Map类、Reducer类及其他类。然后调用JobClient的静态方法runJob方法启动M/R程序。Map类代码结构为：这个用户类要求继承自MapReduceBase并且实现Mapper接口，然后根据检索条件遍历HBase中的内容，得到所需要的内容，并且或输出或传递给Reducer用户类。Reducer类代码结构为：这个用户类

14、要求继承自MapReduceBase并且实现Reducer接口，然后通过调用附加类中的函数运算或者根据要求，对Mapper之后的数据经行处理，并且利用output.collect方法输出最终的结果。附加类代码结构：根据表中所列的函数及其他需求，编写封装函数。6.2代码命名规则尽量使用英文直译之后名称来定义，首字母大写。7.维护设计7.1系统的可靠性和安全性后期设计中会加入控制台设计，权限设计以及针对用户的特殊设计。7.2系统及用户维护设计利用hadoop框架提供的维护可以实现这一功能。7.3系统扩充设计因为hadoop框架是支持横向扩展的，所以存储量这方面不用担心。在功能方面可以预留接口以方便

15、以后的功能性扩展。8.系统配置8.1硬件配置开发：可以在虚拟机下开发，需要五台虚拟机搭建hadoop集群（测试使用）。运行：多台普通的X86服务器。（实体的hadoop集群）8.2软件配置开发环境：eclipse、java1.6、hadoop框架、HBase、win7 64位操作系统运行环境：zookeeper、HBase、Hadoop、Linux64位操作系统9.关键技术9.1关键技术的一般说明Map/Reduce是一个用于大规模数据处理的分布式计算编程模型，用户定义一个map函数来处理一个Key/Value对以生成一批中间的key/value对，在定义一个reduce函数将所有的这些中间的

16、有着相同的key的values合并起来。而基于hadoop的MapReduce也是如此。9.2关键技术的实现方案运行于Hadoop的MapReduce应用程序最基本的组成部分包括一个Mapper和一个Reducer类，以及一个创建JobConf的执行程序，在一些应用中还可以包括一个Combiner类。MapReduce框架是由一个单独的JobTracker（master）和很多歌TaskTracker（slave）集群节点的一个共同组成。在MapReduce客户端的代码需要指明输入/输出的位置（文件路径/DB/NOSQL/HBASE），客户端再加上作业的参数，就构成了作业配置（job conf

17、iguration），客户端代码需要定义map和reduce方法通过实现合适的抽象类，并在实现的方法中编写业务逻辑，在客户端还要定义Map/Reduce的输入和输出类型，当Hadoophe job client提交作业（jar包/class/可执行程序）和配置信息给JobTracker，后者负责分发这些软件和配置信息给slave、调度人物并且监控他们的执行，同时提供状态和诊断信息给Job Client。至于客户端job提交后就是hadoop的事情了。本项设计中通过mapreduce框架从Hbase table中读取数据，经过格式化、对内容的加工，再输出给用户。10. 测试10.1测试方案将编写好的代码打包成一个jar包，导入测试的5台虚拟机组成的hadoop集群中，编写一个测试小程序，测试其运行的过程及结果。专心-专注-专业