企业数据架构是什么

企业数据架构是什么

问题一：如何对企业数据进行架构设计 架构设计是由需求来决定的。数据是死的，但要怎么用数据，怎么维护数据。这就是需求。有什么需求，就有什么架构设计。所以空泛地讲架构设计没有意义。得看你这个企业对数据的需求是什么。问题二：如何对企业数据进行架构设计 架构设计是由需求来决定的。数据是死的，但要怎么用数据，怎么维护数据。这就是需求。有什么需求，就有什么架构设计。所以空泛地讲架构设计没有意义。得看你这个企业对数据的需求是什么。问题三：大数据架构究竟用哪种框架更为合适 在我看来，一个完整的大数据平台应该提供离线计算、即席查询、实时计算、实时查询这几个方面的功能。
hadoop、spark、storm 无论哪一个，单独不可能完成上面的所有功能。
hadoop+spark+hive是一个很不错的选择.hadoop的HDFS毋庸置疑是分布式文件系统的解决方案，解决存储问题；hadoop mapreduce、hive、spark application、sparkSQL解决的是离线计算和即席查询的问题；spark streaming解决的是实时计算问题；另外，还需要HBase或者Redis等NOSQL技术来解决实时查询的问题；
除了这些，大数据平台中必不可少的需要任务调度系统和数据交换工具；
任务调度系统解决所有大数据平台中的任务调度与监控；数据交换工具解决其他数据源与HDFS之间的数据传输，比如：数据库到HDFS、HDFS到数据库等等。
关于大数据平台的架构技术文章，可搜索lxw的大数据田地，里面有很多。问题四：企业数据管理的框架有哪些 数据对于企业业务而言是至关重要的成分，一旦出现数据质量低劣，部分缺失等问题，业务效益则随之下降。企业的每一个商业决策、客户关系和商业投资也都是建立在数据分析的基础上，由此可见，保证高质量高可靠的数据是企业获得成功的关键。问题五：软件行业里常说的“架构”，究竟是什么东西 一直以来，在软件行业，对于什么是架构，都有很多的争论，每个人都有自己的理解。甚至于很多架构师一说架构，就开始谈论什么应用架构、硬件架构、数据架构等等。我曾经也到处寻找过架构的定义，请教过很多人，结果发现，没有大家都认可的定义。套用一句关于 big data 流行的笑话，放在架构上也适用：
Architecture is like teenage sex，everybody talks about it，nobody really knows what is it。
事实上，架构在软件发明时的 N 多年以前，就已经存在了，这个词最早是跟随着建筑出现的。所以，我觉得有必要从源头开始，把架构这个概念先讨论清楚，只有这样，软件行业架构的讨论才有意义。
什么是架构?
架构的英文是 Architecture，在 Wikipedia 上，架构是这样定义的：
Architecture (Latin architectura, from the Greek ?ρχιτ?κτων arkhitekton” architect”, from ?ρχι- “chief” and τ?κτων “builder”) is both the process and the product of planning, designing, and constructing buildings and other physical structures。
从这个定义上看，架构好像是一个过程，也不是很清晰。为了讲清楚这个问题，我们先来看看为什么会产生架构。
为什么会产生架构?
想象一下，在最早期，每个人都完全独立生活，衣、食、住、行等等全部都自己搞定，整个人类都是独立的个体，不相往来。为了解决人类的延续的问题，自然而然就有男女群居出现，这个时候就出现了分工了，男性和女性所做的事情就会有一定的分工，可是人每天生活的基本需求没有发生变化，还是衣食住行等生活必须品。
但是一旦多人分工配合作为生存的整体，力量就显得强大多了，所以也自然的形成了族群：有些人种田厉害，有些人制作工具厉害，有些地方适合产出粮食，有些地方适合产出棉花等，就自然形成了人的分群，地域的分群。当分工发生后，实际上每个人的生产力都得到了提高，因为做的都是每个人擅长的事情。
整个人群的生产力和抵抗环境的能力都得到了增强。为什么呢?因为每个人的能力和时间都是有限的，并且因为人的结构的限制，人同时只能专心做好一件事情，这样不得已就导致了分工的产生。既然分工发生了，原来由一个人干生存所必需的所有的事情，就变成了很多不同分工的角色合作完成这些事情，这些人必须要通过某些机制合在一起，让每个人完成生存所必需的事情，这实际上也导致了交易的发生(交易这部分就不在这里展开了，有机会再讨论)。
在每个人都必须自己完成所有生活必须品的生产的时候，是没有架构的(当然在个人来讲，同一时刻只能做有限的事情，在时间上还是可能会产生架构的)。一旦产生的分工，就把所有的事情，切分成由不同角色的人来完成，最后再通过交易，使得每个个体都拥有生活必须品，而不需要每个个体做所有的事情，只需要每个个体做好自己擅长的事情，并具备一定的交易能力即可。
这实际上就形成了社会的架构。那么怎么定义架构呢?以上面这个例子为例，把一个整体(完成人类生存的所有工作)切分成不同的部分(分工)，由不同角色来完成这些分工，并通过建立不同部分相互沟通的机制，使得这些部分能够有机的结合为一个整体，......余下全文>>问题六：业务架构，功能架构，系统架构，技术架构，应用架构都是什么关系 不同的架构方法论，会将架构分为不同视图，每个视图侧重某一个方面、领域的问题。 比如希赛推的ADMEMS架构体系，分为以下几种视图： 1. 数据架构：描述数据的存储结构、格式等方面。 2. 物理架构：描述机器的物理部署、网络拓扑方面。 3. 运行架构：描述运行期线程、进程间的交互工作机制。 4. 逻辑架构：指如何将代码分成不同模块、组件，以及之间的职责分配、交互行为。 5. 开发架构：主要指开发工具的选择，程序单元的划分，开发管理规范流程等方面。例如分为哪些工程、项目，源代码管理，自动化编译构建、测试、部署等。 目前国际上运用比较广泛的是TOGAF架构体系，他把架构分为业务架构、数据架构、应用架构、技术架构等几个方面。 想详细的了解这些架构视图，可以参考这些架构体系相关的书、资料。 另外有很多人无缘无故的抨击架构概念，不知道是出于调侃还是无知。埃及的金字塔、神庙的建设，不是几个平常的泥瓦匠聚在一起就能够造出来的。像SAP、Oracle ERP，国内的金蝶等大规模的系统，以及空间站、火箭的控制系统等，没有系统性的架构方法、规范、流程，结果只能是悲剧。 当规模、复杂度没有达到一定程度，比如在一些小的团队、产品中，架构过程可能融入到老板、经理、组长、资历较深的一些开发者中，融入在大家的日常工作中，以至于感觉不到架构的存在。就算遇到一些问题，因规模不大、复杂度不高，也比较容易调整。当这些前提条件发生变化时，架构的作用和必要性就逐步的体现出来。 总的来说，一说到架构，如果你懂软件，那么你会了解为一个软件系统，这个软件设计的组成结构，如哪些是基础支持组件，哪些是完成A业务，哪些完成B业务。。。但说道企业架构的时候，就会问，该企业架构的几个架构如业务架构、数据架构、业务架构、技术架构，以及他们如何链接在一起。我倒觉得，一个企业确实需要这样的架构，但不要神话它，最主要的是业务如何最终体现到软件中和流程中。而采取分离式设计时，最容易的错误就是各自为政，集成困难。那么以数据为中心的架构设计，会自然提供集成的基础。我提到过，企业最重要的资产是数据，甚至不是信息，是数据。企业的业务流程会变，IT系统会变，所需要的信息与知识会变，唯有数据能够积淀下来。这有点象自然演进，考古那种，啥都会消失，唐朝可以无比先进，但都会变，我们唯有找到反映当时情况的数据，才可以把握当思的面貌。问题七：分布式数据库架构及企业实践怎么样 minute by some stroke of fortune,问题八：什么是基础数据信息平台 数据中心是企业的业务系统与数据资源进行集中、集成、共享、分析的场地、工具、流程等的有机组合。从应用层面看，包括业务系统、基于数据仓库的分析系统；从数据层面看，包括操作型数据和分析型数据以及数据与数据的集成/整合流程；从基础设施层面看，包括服务器、网络、存储和整体IT 运行维护服务。 数据中心-建设目标 数据中心的建设目标是：1、全面建成公司总部和网省公司两级数据中心，逐步实现数据及业务系统的集中； 2、建立企业数据仓库，提供丰富的数据分析展现功能；3、实现数据的唯一性与共享性；4、建立统一的安全体系，保证数据及业务系统的访问安全；5、结合数据中心建设，完善数据交换体系，实现两级数据中心间的级联；6、实现网络、硬件、存储设备、数据、业务系统和管理流程、IT采购流程、数据交换流程的统一集中；7、统一的信息管理模式及统一的技术架构，能够迅速地实施部署各种IT系统，提升管理能力。 数据中心-系统结构 数据中心采用总部和网省两级进行部署，两级数据中心通过数据交换平台进行数据的级联。 数据中心逻辑架构包含：应用架构、数据架构、执行架构、基础架构（物理架构）、安全架构、运维架构。 应用架构：应用架构是指数据中心所支撑的所有应用系统部署和它们之间的关系。 数据架构：数据架构是指每个应用系统模块的数据构成、相互关系和存储方式，还包括数据标准和数据的管控手段等。 执行架构：执行架构是指数据仓库在运行时态的关键功能及服务流程，主要包括ETL（数据的获取与整合）架构和数据访问架构。 基础架构（物理架构）：为上层的应用系统提供硬件支撑的平台（主要包括服务器、网络、存储等硬件设施）。 安全架构：安全架构覆盖数据中心各个部分，包括运维、应用、数据、基础设施等。它是指提供系统软硬件方面整体安全性的所有服务和技术工具的总和。 运维架构：运维架构面向企业的信息系统管理人员，为整个信息系统搭建一个统一的管理平台，并提供相关的管理维护工具，如系统管理平台、数据备份工具和相关的管理流程。 数据中心-工作原理 数据的获取与整合也叫ETL（Extract，Transact，Load），是在确定好数据集市模型并对数据源进行分析后，按照分析结果，从应用系统中抽取出与主题相关的原始业务数据，按照数据中心各存储部件的要求，进行数据交换和装载。数据的获取与整合主要分为数据抽取、数据转换、数据装载三个步骤。 ETL 的好坏，直接影响到数据集市中的数据质量。 数据仓库区是专门针对企业数据整合和数据历史存储需求而组织的集中化、一体化的数据存储区域。数据仓库由覆盖多个主题域的企业信息组成，这些信息主要是低级别、细粒度数据，同时可以根据数据分析需求建立一定粒度的汇总数据。它们按照一定频率定期更新，主要用于为数据集市提供整合后的、高质量的数据。数据仓库侧重于数据的存储和整合。 数据集市是一组特定的、针对某个主题域、部门或用户分类的数据集合。这些数据需要针对用户的快速访问和数据输出进行优化，优化的方式可以通过对数据结构进行汇总和索引实现。问题九：企业的信息系统包含哪几个组成部分 从信息处理的过程来看，一个信息系统模型大致包括一下要素：
1.信息数据
2.输入
2.数据处理/信息处理
3.输出
4.过程控制和结果反馈
从信息数据的来源来看，信息可分为：内部信息外部信息在管理中，信息系统的要素有：
管理主体（管理者，管理机构）
管理客体（所有管理活动），目标，计划，组织，领导，协调，指挥，控制，决策等基本管理活动。
环境信息:内部信息和外部信息
管理信息系统是特定的信息系统，是信息系统在管理中的应用。
管理信息系统中包括管理数据处理系统，决策支持系统。
办公自动化是软件公司的一个产品概念，所有计算机信息系统都是自动化的，所有的管理软件都是办公方面的应用，也都是一定程度的自动化操作。
以下是网上出现的来自专业书籍的一些概念，由本词条的前任编辑者提供
数据处理系统是由设备、方法、过程，以及人所组成并完成特定的数据处理功能的系统。它包括对数据进行收集、存储、传输或变换等过程。例如，在数据变换这一范围内就有一系列操作都属于数据处理，像数据的识别、复制、比较、分类、压缩、变形及计算活动等。一个数据处理系统可能包含几个子系统，其中有些子系统本身就是数据处理系统。
管理信息系统是收集、存储和分析信息，并向组织中的管理人员提供有用信息的系统。它的特点是面向管理工作，提供管理所需要的各种信息。由于现代管理工作的复杂性，管理信息系统一般都是以电子计算机为基础的。按照它所面向的管理工作的级别，可以分为面向高层管理、面向中层管理和面各操作级管理的三种类型。按其组织和存取数据的方式，可以分为使用文件的系统和使用数据库的系统两种类型。按其处理作业方式，可以分为批处理和实时处理的系统两种类型。按其各部分之间的联系方式，可以分集中式和分布式两种类型。管理信息系统的基本特征是具有协助各级管理者的一个信息中心，具有结构化的信息组织和信息流动，可以按职能统一集中电子数据处理作业，通常拥有数据库，具有较强的询问和报告生成能力。管理信息系统的设计是在切实了解客观系统中信息处理的全面实际状况的基础上，合理地改善信息处理的组织方式与技术手段，以达到提高信息处理的效率、提高管理水平的目的。从60年代后期开始，逐步发展了管理信息方面各种系统分析和系统设计的方法与工具。管理信息系统的广泛建立，有效地改善了各种组织管理，提高了电子计算机的应用水平。
决策支持系统是把数据处理的功能和各种模型等决策工具结合起来，以帮助决策的电子计算机信息处理系统。它能够在复杂的迅速变化的外部环境中，给各级管理人员或决策者提供有关的信息资料，并协助决策者制定和分析决策。决策支持系统使用的电子计算机技术是数据库、模型库以及可能进行实时处理的计算机网络系统。其基本特征是能够协助管理者或决策者，特别是协助高层管理者制定决策；系统的重点在于易变性、适应性以及快速的响应和回答；系统允许用户自己启动和控制。决策支持系统面对的是决策过程，它的核心部分是模型体系的建立，它提供了方便用户使用的接口。广泛地建立和应用决策支持系统，将极大地提高决策的科学水平。
办公自动化系统是由计算机、办公自动化软件、通信网络、工作站等设备组成使办公过程实现自动化的系统。计算机也叫办公处理机，它是整个系统的核心，包括硬件设备、操作系统；数据库和网络软件等。办公自动化软件具有办公、信息管理以及决策支持等功能。通信网络：可采用用局域网、以太网或其他他网络，以适于不同部门、不同区域的需要。工作站：可以是简单的字符终端或图形终端，也可以是数据、文字、图像、语音相结合的多功能的工作站，如国产0520个人计算机即可成为该......余下全文>>问题十：什么是结构化数据表 结构化信息与非结构化信息　　我们可以把科技信息划分为结构化信息与非结构化信息。　　结构化信息是可以数字化的数据信息，可以方便地通过计算机和数据库技术进行管理。　　无法完全数字化的信息称为非结构化信息，如文档文件、图片、图纸资料 、缩微胶片等。这些资源中拥有大量的有价值的信息。现在这类非结构化信息正以成倍的速度增长。　　另一种定义：　　对于来源繁多的信息资料，专业人士根据信息的格式加以划分，将其分为结构化信息和非结构化信息两大类。　　结构化信息，我们通常接触的数据库所管理的信息，包括生产、业务、交易、客户信息等方面的记录。　　非结构化信息，专业术语为内容，所涵盖的信息更为广泛，可分为：营运内容（operational content）：如合约、发票、书信与采购记录；部门内容（workgroup content）：如　　文书处理、电子表格、简报档案与电子邮件；Web内容：如HTML与XML等格式的信息；多媒体内容（Rich Media Content）：如声音、影片、图形等。　　如果说结构化信息更多的忠实、详实地记录了企业的生产交易活动，是显性的表示，那么非结构化信息则隐性包含了掌握着企业命脉的关键，隐含着许多提高企业效益的机会。对　　于企业来说，企业内部，以及企业与供应商、客户、合作伙伴和员工数字化共享所有形式的数据资源，已越来越重要。　　90％的信息和知识　　在结构化世界之外，IT应用中还存在着一个非结构化的世界。对大多数企业来说，ERP等业务系统所管理的结构化数据只占到企业全部信息和知识的10%左右，其他的90%都是数据库难以存取到的非结构化信息和知识。来自IDC的分析显示，虽然很多企业投资不菲建立了诸多业务支撑系统，但仍有72%的管理者认为知识没有在他们的组织得到重复利用，88%的人认为他们没有接触到企业最佳实践的机会。Gartner 也曾预言，对非结构化信息和知识的管理将会带来一个新IT应用潮流。　　目前的非结构化信息处理类似于上世纪70年代以前的结构化信息应用。割裂、无法进行数据互操作的应用是其主流。以人们最常用的文档软件来看，DOC文档是MS WORD的专用格式，WPS、永中、中文2000等OFFICE产品厂商则各有各的自留地。这种情况下，由于文档格式的束缚而使信息四分五裂，信息流无法通畅流转，信息处理更加困难，信息资源因为信息流的不通畅而丧失了其应有的巨大价值。　　从非结构化到半结构化，从半结构化到结构化，从结构化到关联数据体系，从关联数据体系到数据挖掘，从数据挖掘到故事化呈现，从故事化呈现到决策导向。　　互连网上出现的海量信息，大概分为结构化、半结构化和非结构化三种。结构化信息如电子商务信息，信息的性质和量值的出现的位置是固定的；半结构化的信息如专业网站上的细分频道，其标题和正文的语法相当规范，关键词的范围相当局限；非结构化的信息如BLOG和BBS，所有内容都是不可预知的。　　结构化信息和非结构化信息是IT应用的两个世界，它们有着各自不同的应用进化特点和规律。