23、数据时代的逻辑视图参考架构与应用实践

数据时代的逻辑视图参考架构与应用实践

1. 数据时代对逻辑视图架构的新要求

在数据时代，以往那种采用企业数据仓库或类似“一刀切”的架构方式已不再适用。企业面临着更加复杂和多样化的业务需求，像Men’s Trunk这样的企业案例就充分说明了这一点。数据时代的逻辑视图架构基于五个关键组件，这五个组件对于企业在数据时代的竞争至关重要，分别是数据摄取（Data Ingest）、分析（Analytics）、信息洞察（Information Insight）、运营数据（Operational Data）和治理（Governance）。

2. 数据摄取（Data Ingest）

数据摄取在某种程度上是大数据参考架构的起点。如果没有合理的数据摄取策略，就无法获取可供处理的数据。它涵盖了从多个数据源收集原始数据并进行初步处理的所有方法，包括暂存区以及能够对原始数据流进行丰富和转换操作的转换引擎。数据摄取具有不同的成熟度水平，其关键能力如下：
- 流式引擎（Streaming engines） ：能够在数据流动时进行分析，而不是等待数据到达分析区域，实现实时的连续分析和解析。
- 数据移动和清理（Data movement and cleansing） ：将数据从一个系统移动到另一个系统，同时能够理解数据的形态，并在需要时提供转换服务。
- 数据连接和提取（Data connections and extraction） ：连接到大量的数据来源，并以可用的形式提取数据。随着数据时代向智能机器和其他非传统数据源发展，这一能力面临的挑战也越来越大。