`
thinkgem
  • 浏览: 587325 次
  • 性别: Icon_minigender_1
  • 来自: 济南
社区版块
存档分类
最新评论

微软BI专题-海量数据处理分析

阅读更多
作者:戴子良

     本文以海量数据为背景,研究了在海量数据情况下处理和优化海量数据的方法,结合笔者自身实际工作经验,提出了比较实用和可行的海量数据处理方法及解决方案。

     笔者在实际工作中,有幸接触到海量的数据处理问题,海量数据是指数据量过大,数据格式复杂,数据中的随机情况多,不便于分类和处理的数据。对其进行处理是一项艰巨而复杂的任务,原因有以下几个方面:


1. 数据量过大 。 数据中什么情况都可能存在。如果说有10条数据,那么大不了每条去逐一检查,人为处理;如果有上百条数据,也可以考虑;如果数据上到千万级别,甚至过亿, 那就不是手工能解决的了,必须通过工具或者程序进行处理。而海量的数据中,什么情况都可能存在,例如,数据中某处格式出了问题,尤其在程序处理时,前面还 能正常处理,突然到了某个地方问题出现了,程序终止了。
2. 软硬件要求高 。系统资源占用率高。对海量的数据进行处理,除了好的方法,最重要的就是合理使用工具,合理分配系统资源。一般情况,如果处理的数据超过TB级,小型机是要考虑的,普通的服务器如果有好的方法也可以考虑,不过也必须加大CPU和内存。
3. 要求很高的处理方法和技巧 。这也是本文的写作目的所在,好的处理方法是一位工程师长期工作经验的积累,也是个人经验的总结。没有通用的处理方法,但有通用的原理和规则。


      那么处理海量数据有哪些经验和技巧呢?我把我所知道的罗列一下,以供大家参考:
确定好的建模方法和处理方案。对海量数据的处理,明确切实可行的处理方法和流程最为关键。在建立处理模型时要充分考虑到海量数据数据量大、数据格式复杂的特点,建立好的处理模型。好的处理模型应该是处理中最快的,能够便于扩展,便于处理更大的数据量,便于实施等等。

      选用优秀的数据库工具 。 现在的数据库工具厂家比较多,处理海量数据对所使用的数据库工具要求比较高,一般使用Oracle 或 者DB2,微软公司最近发布的SQL Server 2005性能也不错。另外在BI领域:数据库,数据仓库,多维数据库,数据挖掘等相关工具也要进行选择,像好的ETL工具和好的OLAP工具都十分必要, 例如Informatic、Eassbase等等。笔者在实际数据分析项目中,对每天6000万条的日志数据进行处理,使用SQL Server 2000需要花费6小时,而使用SQL Server 2005只需要花费3小时。

      编写优良的程序代码 。处理数据离不开优秀的程序代码,尤其在进行复杂数据处理时,必须使用程序。好的程序代码对数据的处理至关重要,这不仅仅是数据处理准确度的问题,更是数据处理效率的问题。良好的程序代码应该包含好的算法、好的处理流程、好的效率、好的异常处理机制等等。

      对海量数据进行分区操作 。 对海量数据进行分区操作十分必要,例如针对按年份存取的数据,我们可以按年进行分区,不同的数据库有不同的分区方式,不过处理机制大体相同。例如SQL Server的数据库分区是将不同的数据存于不同的文件组下,而不同的文件组存于不同的磁盘分区下,这样将数据分散开,减小磁盘I/O,减小了系统负荷, 而且还可以将日志、索引存放于不同的分区下。

      建立广泛的索引 。对海量的数据处理,对大 表 建立索引是必行的,建立索引要考虑到具体情况,例如针对大表的分组、排序等字段,都要建立相应索引,一般还可以建立复合索引,对经常插入的表则建立索引时 要小心。笔者在处理数据时,曾经在一个ETL流程中,当插入表时,首先删除索引,插入完毕,建立索引,并实施聚合操作,聚合完成后,再次插入前还是删除索 引,所以索引要用到好的时机,索引的填充因子和聚集、非聚集索引都要考虑。

      提高硬件条件,加大CPU和内存 。 对海量数据数据处理,必须考虑硬件条件,使用高配置服务器的。硬件条件包括加大内存,加入更多更强劲的CPU,加大硬盘空间等等。笔者在处理2TB数据 时,使用的是4个CPU,16GB内存,发现有时还会出现内存不足现象,需要进行其它方面的优化,如果这时没有足够的硬件条件做支撑,是万万不行的。

      建立缓存机制 。当数据量增加时,一般的处理工具都要考虑到缓存问题。缓存大小设置的好坏也关系到数据处理的成败,例如,笔者在处理2亿条数据聚合操作时,缓存设置为10万条/Buffer,这对于这个级别的数据量是可行的。

      加大虚拟内存 。 如果系统资源有限,内存提示不足,则可以靠增加虚拟内存来解决。笔者在实际项目中曾经遇到针对18亿条的数据进行处理,内存为1GB,1个P4 2.4G的CPU,对这么大的数据量进行聚合操作是有问题的,提示内存不足,后来采用了加大虚拟内存的方法来解决,在6块磁盘分区上分别建立了6个 4096M的磁盘分区,用于虚拟内存,这样虚拟的内存则增加为4096*6 + 1024 = 25600 M,解决了数据处理中的内存不足问题。

      分批处理 。 海量数据处理难是因为数据量大,那么解决海量数据处理难的问题其中一个技巧是减少数据量。可以对海量数据分批处理,处理后的数据再进行合并操作,这样逐个 击破,有利于小数据量的处理,不至于面对大数据量带来的问题。但这种方法也要因时因势进行,如果不允许拆分数据,还需要另想办法。不过一般按天、月、年等 存储的数据,都可以采用先分后合的方法,对数据进行分开处理。
使用临时表和中间表。数据量增加时,处理中要考虑提前汇总。这样做的目的是化整为 零,大表变小表,分块处理完成后,再利用一定的规则进行合并,处理过程中的临时表的使用和中间结果的保存都非常重要,对于超海量的数据,如果大表处理不 了,只能拆分为多个小表。如果处理过程中需要多步汇总操作,可按汇总步骤一步步来,不要一条语句完成,一口气吃成一个胖子。

      优化查询SQL语句 。 在对海量数据进行查询处理过程中,查询的SQL语句的性能对查询效率的影响是非常大的,编写高效优良的SQL脚本和存储过程是数据库工作人员的职责,也是 检验数据库工作人员水平的一个标准,在对SQL语句的编写过程中,例如减少关联,少用或不用游标,设计好高效的数据库表结构等都十分必要。笔者在工作中试 着对1亿行的数据使用游标,运行3个小时没有出结果,这时一定要改用程序处理了。

      使用文本格式进行处理 。 对一般的数据处理可以使用数据库,如果对复杂的数据处理,必须借助程序,那么在程序操作数据库和程序操作文本之间选择,是一定要选择程序操作文本的。原因 为:程序操作文本速度快;对文本进行处理不容易出错;文本的存储不受限制等等。例如一般的海量的网络日志都是文本格式或者csv格式(文本格式),对它进 行处理牵扯到数据清洗,是要利用程序进行处理的,而不建议导入数据库再做清洗。

      定制强大的清洗规则和出错处理机制 。海量数据中存在着不一致性,极有可能出现某处的瑕疵。例如,同样的数据中的时间字段,有的可能为非标准的时间,出现的原因可能为应用程序的错误,系统的错误等等。在进行数据处理时,必须制定强大的数据清洗规则和出错处理机制。

      建立视图或者物化视图 。视图中的数据来源于基表,对海量数据的处理,可以将数据按一定的规则分散到各个基表中,查询或处理过程中可以基于视图进行,这样分散了磁盘I/O,正如10根绳子吊着一根柱子和一根绳子吊着一根柱子的区别。

      避免使用32位服务器(极端情况)。 目前的计算机很多都是32位的,那么编写的程序对内存的需要便受限制,而很多的海量数据处理是必须大量消耗内存的,这便要求更好性能的服务器,其中对位数的限制也十分重要。

      考虑操作系统问题 。海量数据处理过程中,除了对数据库、处理程序等要求比较高以外,对操作系统的要求也放到了重要的位置,一般是必须使用服务器的,而且对系统的安全性和稳定性等要求也比较高。尤其对操作系统自身的缓存机制、临时空间的处理等问题都需要综合考虑。

       使用数据仓库和多维数据库存储 。数据量加大是一定要考虑OLAP的,传统的报表可能5、6个小时出来结果,而基于Cube的查询可能只需要几分钟,因此处理海量数据的利器是OLAP多维分析,即建立数据仓库,建立多维数据集,基于多维数据集进行报表展现和数据挖掘等等。

      使用采样数据,进行数据挖掘 。 基于海量数据的数据挖掘正在逐步兴起,面对着超海量的数据,一般的挖掘软件或算法往往采用数据抽样的方式进行处理,这样的误差不会很大,大大提高了处理效 率和处理的成功率。一般采样时要注意数据的完整性,防止过大的偏差。笔者曾经对1亿2千万行的表数据进行采样,抽取出400万行,经测试软件测试处理的误 差仅为千分之五,客户可以接受。
      还有一些方法,需要在不同的情况和场合下运用,例如使用代理键等操作,这样的好处是加快了聚合时间,因为对数值型的聚合比对字符型的聚合快得多。类似的情况需要针对不同的需求进行处理。
海量数据是发展趋势,对数据分析和挖掘也越来越重要,从海量数据中提取有用信息重要而紧迫,这便要求处理要准确,精度要高,而且处理时间要短,得到有价值信息要快,所以,对海量数据的研究很有前途,也很值得进行广泛深入的研究。

      关于作者
      戴子良,北京迈思奇科技有限公司(www.minesage.com )咨询顾问,微软MCP,ETL专家。在数据仓库、数据清洗、数据整合和多维数据库方面有很深的造诣,负责企业级数据仓库建模、ETL、数据仓库实现、调度、海量数据的优化处理以及数据挖掘等等。

分享到:
评论

相关推荐

    Power BI商业数据分析整套课件完整版ppt教学教程最全电子讲义教案(最新).pptx

    Power BI 是微软推出的一款强大的商业智能工具,旨在帮助用户从海量数据中挖掘价值,实现高效的数据分析。本教程将全面解析Power BI的主要功能、优势以及如何使用它进行商业数据分析。 **1. Power BI的竞争力** ...

    presto-powerbi-master.zip

    - 在电商行业中,利用Presto对海量交易数据进行实时分析,Power BI则用于生成销售报告和趋势预测。 - 在金融领域,通过Presto查询多源数据,Power BI构建风险评估和投资绩效的可视化仪表板。 综上所述,Presto与...

    微软医疗BI

    微软的商业智能解决方案主要依托其SQL Server系列平台,包括报表服务(Reporting Services)、分析服务(Analysis Services)和数据集成服务(Integration Services),为用户提供从数据整合到深度分析的全面BI服务...

    微软BI解决方案学习概要

    总结起来,微软BI解决方案提供了一条从数据收集、处理、分析到展示的完整路径,帮助企业实现高效的数据驱动决策。无论是初学者还是经验丰富的专业人士,都能从中找到适合自己的工具和方法来提升数据分析能力。

    《PowerBI商业数据分析》课件.rar

    学成后,学员将能够运用PowerBI解决实际业务问题,从海量数据中提取有价值的信息,支持企业的商业决策。每个章节的PPTX文件都代表了一个独立的主题,学员可以通过逐章学习,逐步构建起完整的知识体系,最终达到运用...

    微软数据分析平台简介

    在数据处理方面,微软的数据分析平台支持复杂数据流程设计,支持包括半结构化数据和二进制文件在内的各类数据源,以及企业级数据整合和高性能数据移动。 微软的商务智能愿景是通过提供业务认知来强化组织结构,使得...

    微软BI解决方案概述.pptx

    微软的商业智能(BI)解决方案是其全面的数据管理和分析策略的核心,旨在将企业中的海量数据转化为有价值的商业洞察,帮助决策者做出更明智、更快速的决策。BI的基本理念在于通过数据分析、提炼和指导,将数据转化为...

    BI工具比较分析报告

    BI(Business Intelligence)工具是企业数据管理和分析的重要组成部分,它帮助企业将海量数据转化为可操作的洞察,以便做出更明智的业务决策。本报告主要对市面上主流的BI工具进行了比较分析,旨在提供选型参考,并...

    大數據分析Excel Power BI全方位應用

    大数据分析介绍了大数据处理的背景和应用领域,Excel说明了传统的数据分析工具及其功能,而Power BI则展示了现代商业智能工具的特点和优势。这些内容对于学习和掌握数据分析的基础知识和实际应用技能都是非常重要的...

    基于电商平台大数据的铝材产品价格指数研究——评《Power BI电商数据分析实战》.pdf

    大数据通常指的是那些超出常规软件工具采集、存储、管理和分析能力的海量数据集合。大数据的典型特征包括体量大(Volume)、速度快(Velocity)、种类多(Variety)、价值密度低(Value)和真实性(Veracity),简称...

    BI商业智能介绍 大数据与商业智能 微软BI解决方案 共49页.ppt

    首先,SQL Server作为微软的数据仓库管理系统,提供了强大的支持,它能够处理和存储海量数据。SQL Server企业版和标准版的区别在于功能的全面性和性能的差异,企业版通常提供更高级的功能,适合大型企业的需求,而...

    Power BI 报表分析.pdf

    在价值密度低的情况下,如何快速有效地处理海量数据,实现秒级的数据响应是数据分析流程中非常重要的一环。 数据分析工具:Power BI Power BI是微软推出的一套完整的BI解决方案,能够将多种来源的数据转换为绚丽的...

    BI产品测试

    BI(Business Intelligence)产品是企业数据可视化和分析的重要工具,它们帮助企业从海量数据中提炼出有价值的洞察,以支持决策制定。本主题将深入探讨四个知名BI产品的操作测试,分别是永洪BI、奥威Power-BI、...

    powerbi visual可视化powerbi 视觉模板 280个.zip

    PowerBI是一款强大的商业智能工具,由微软开发,用于数据建模、分析和可视化。它帮助企业、组织和个人将海量数据转化为易于理解的可视化报告和仪表板,以便更好地洞察业务状况、趋势和预测。在这个"powerbi visual...

    行业分类-设备装置-基于云计算平台的海量数据聚合方法和系统.zip

    标题为“行业分类-设备装置-基于云计算平台的海量数据聚合方法和系统”的压缩包文件,显然聚焦于如何利用云计算技术来处理和分析大规模数据,特别是在设备装置领域的应用。在这个描述中,我们可以推测这可能涉及到一...

    基于电商平台大数据的铝材产品价格指数研究——评《Power BI电商数据分析实战》.zip

    《Power BI电商数据分析实战》这本书可能详细介绍了如何运用Power BI进行具体操作,包括数据导入、数据处理、报表创建和分享等步骤,以及如何利用Power BI的高级分析功能来提升分析效果。同时,书中可能还包含了一些...

    2下午A厅第二个 微软数据分析与机器学习-shijun liu.pdf

    总的来说,微软提供的数据分析和机器学习工具集为企业提供了强大的数据处理和智能分析能力,无论是在物联网场景还是云端环境,都能有效提升数据的价值,驱动业务创新和发展。通过灵活的云服务,企业可以快速构建预测...

    SQL Server 2005对海量数据的处理

    【SQL Server 2005对海量数据的处理】 SQL Server 2005作为微软推出的数据库平台,针对大规模数据的处理提供了强大的支持。在处理海量数据时,SQL Server 2005引入了多项优化策略,特别是表分区技术,以提高数据库...

    【数据分析及可视化】大型集团公司数据分析及可视化建设方案WORD.docx

    随着大数据时代的到来,企业对于数据处理的需求不断提高,尤其是对于海量、动态、非结构化数据的处理能力以及实时、灵活的决策支持需求更为迫切。传统的BI工具在这些方面表现不足,而轻量级的数据可视化工具则逐渐...

Global site tag (gtag.js) - Google Analytics