基于Hadoop的煤炭企業(yè)數(shù)據(jù)共享平臺設(shè)計(jì)與實(shí)現(xiàn).pdf

1、煤炭在我國能源消費(fèi)中占有很大比重，而大型國有煤炭企業(yè)在我國煤炭生產(chǎn)領(lǐng)域掌握著統(tǒng)治地位，為保障我國的能源安全、經(jīng)濟(jì)發(fā)展和社會穩(wěn)定做出了突出貢獻(xiàn)。為了提高企業(yè)的生產(chǎn)效率、降低企業(yè)運(yùn)營成本、預(yù)防煤礦安全事故，煤炭企業(yè)紛紛建立了自己的信息化系統(tǒng)。但由于在建設(shè)時(shí)沒有進(jìn)行合理的規(guī)劃，不同信息化系統(tǒng)之間數(shù)據(jù)不能共享，在企業(yè)內(nèi)部形成眾多“信息孤島”。一些煤炭企業(yè)為了打破“信息孤島”，陸續(xù)建立起了數(shù)據(jù)共享平臺，但這些數(shù)據(jù)共享平臺無法滿足當(dāng)前煤炭企業(yè)信息化

2、系統(tǒng)中的海量數(shù)據(jù)處理需求。Hadoop是一個(gè)分布式系統(tǒng)基礎(chǔ)架構(gòu)，依靠集群的方式在廉價(jià)機(jī)器上提供高速運(yùn)算和海量存儲。Hadoop使運(yùn)行和處理大數(shù)據(jù)更加方便，為解決煤炭企業(yè)數(shù)據(jù)中心存在的問題提供了一條有效的途徑。
　　論文通過對于煤炭企業(yè)數(shù)據(jù)中心所面臨的大數(shù)據(jù)處理難題的研究和分析，首先建立了煤炭企業(yè)數(shù)據(jù)共享模型，該模型在Hadoop上建立一個(gè)數(shù)據(jù)倉庫，從源數(shù)據(jù)庫按照要求抽取的數(shù)據(jù)經(jīng)過數(shù)據(jù)集成后存儲于數(shù)據(jù)倉庫中，通過向外提供統(tǒng)一的數(shù)據(jù)接

3、口，為用戶提供數(shù)據(jù)訪問和數(shù)據(jù)分析的服務(wù)。其次，針對某煤炭企業(yè)的實(shí)際需求，以該煤炭企業(yè)的生產(chǎn)數(shù)據(jù)為例，完成了數(shù)據(jù)共享平臺的設(shè)計(jì)。完成了Hadoop平臺和服務(wù)器端數(shù)據(jù)模型的設(shè)計(jì)。對應(yīng)用Sqoop進(jìn)行數(shù)據(jù)抽取的過程進(jìn)行了闡述。定義了數(shù)據(jù)清洗和轉(zhuǎn)換的要求和方法。詳細(xì)介紹了應(yīng)用的并行FP-Growth算法的算法流程，并設(shè)計(jì)了幾個(gè)簡單示例應(yīng)用。最后，對平臺功能進(jìn)行了力所能及的實(shí)現(xiàn)。依據(jù)設(shè)計(jì)要求，通過Sqoop將數(shù)據(jù)從源數(shù)據(jù)庫中抽取出來，放入Hive

4、數(shù)據(jù)倉庫中。Hive和Eclipse集成，在Eclipse下編程實(shí)現(xiàn)數(shù)據(jù)的清洗、轉(zhuǎn)換和加載。應(yīng)用Eclipse調(diào)用Mahout的并行FP-Growth方法進(jìn)行數(shù)據(jù)分析，并將結(jié)果保存在數(shù)據(jù)庫中。將數(shù)據(jù)處理結(jié)果導(dǎo)入到平臺數(shù)據(jù)庫中，并基于Spring架構(gòu)，在服務(wù)器端完成了示例應(yīng)用的開發(fā)。
　　基于Hadoop的煤炭企業(yè)數(shù)據(jù)共享平臺，利用Hadoop平臺采用成熟的開源的技術(shù)，擁有強(qiáng)大的處理能力和高穩(wěn)定性，不僅提高了實(shí)現(xiàn)數(shù)據(jù)共享的效率，同時(shí)