基于Hadoop的軍交運(yùn)輸大數(shù)據(jù)聯(lián)機(jī)處理模型和算法思考

文/趙蓉 徐柳 陳小凡

基于Hadoop的軍交運(yùn)輸大數(shù)據(jù)聯(lián)機(jī)處理模型和算法思考

文/趙蓉 徐柳 陳小凡

本文分析了在物聯(lián)網(wǎng)關(guān)鍵技術(shù)發(fā)展的前提下，軍交運(yùn)輸大數(shù)據(jù)的特點(diǎn)以及處理分析面臨的挑戰(zhàn)。期望建立HaMOlap一個(gè)基于Hadoop的大數(shù)據(jù)聯(lián)機(jī)處理（OLAP）模型和算法。此模型能夠?qū)崟r(shí)、快速地提取、過濾和分析處理軍交運(yùn)輸海量數(shù)據(jù)信息，從而進(jìn)行有效地預(yù)測，提供決策支持。

軍交運(yùn)輸大數(shù)據(jù)；Hadoop；OLAP

1.概述

隨著信息技術(shù)以及互聯(lián)網(wǎng)關(guān)鍵技術(shù)的發(fā)展，以及這些技術(shù)在傳感器和科學(xué)領(lǐng)域的數(shù)據(jù)分析等廣泛應(yīng)用，互聯(lián)網(wǎng)上的數(shù)據(jù)量呈爆炸性增長，每年大約翻倍增長。而目前世界上90%以上的數(shù)據(jù)都是最近幾年才產(chǎn)生的。此外，數(shù)據(jù)又并非單純指人們在互聯(lián)網(wǎng)上發(fā)布的信息。隨著“物聯(lián)網(wǎng)”的發(fā)展，全世界的工業(yè)設(shè)備、交通工具、電表等等各種設(shè)備上有著無數(shù)的數(shù)碼傳感器，隨時(shí)測量和傳遞著有關(guān)位置、運(yùn)動(dòng)、震動(dòng)、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，也產(chǎn)生了海量的數(shù)據(jù)信息。這些海量的數(shù)據(jù)信息利用新的處理模式而具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資源才能稱之為“大數(shù)據(jù)”。在某種角度上可以說，是由于“物聯(lián)網(wǎng)”和“云計(jì)算”的快速崛起，促使了大數(shù)據(jù)的產(chǎn)生。而在這些生物信息學(xué)、地球物理學(xué)、天文學(xué)和氣象學(xué)科等領(lǐng)域大數(shù)據(jù)存儲(chǔ)以及工業(yè)中的網(wǎng)絡(luò)數(shù)據(jù)分析、點(diǎn)擊流量分析和市場數(shù)據(jù)分析等都存在巨大的挑戰(zhàn)。

毫無疑問，整個(gè)人類社會(huì)已經(jīng)逐漸步入一個(gè)“大數(shù)據(jù)”時(shí)代。這些年來，軍事交通運(yùn)輸?shù)母母镌诜绞睫D(zhuǎn)變以及結(jié)構(gòu)調(diào)整上取得明顯的進(jìn)展，但也只是初步的、階段性的成果。但是，粗放型的發(fā)展方式依然未得到根本解決，各種因素的制約越來越突出。因此從根本上來講，要依托科技創(chuàng)新特別是信息化智能化來加快轉(zhuǎn)變發(fā)展方式，從而推動(dòng)軍事交通運(yùn)輸?shù)慕Y(jié)構(gòu)調(diào)整轉(zhuǎn)型升級。在轉(zhuǎn)型中的軍事交通面臨著調(diào)整、提升發(fā)展結(jié)構(gòu)的難題，交通智能化的實(shí)現(xiàn)，大數(shù)據(jù)將起到巨大的作用。因?yàn)闊o論是軍事交通運(yùn)行狀態(tài)還是軍事交通運(yùn)輸對象和運(yùn)載工具，每時(shí)每刻都在產(chǎn)生著大量的數(shù)據(jù)，以大數(shù)據(jù)的思路和角度來看，這些都是正待挖掘的寶藏，能為軍事交通決策帶來新的解題思路。

軍交運(yùn)輸數(shù)據(jù)獲取的來源呈異構(gòu)的、多樣性的，而近幾年數(shù)據(jù)的增長率也逐漸增高。軍交運(yùn)輸?shù)臄?shù)據(jù)有明顯的顆粒性，其數(shù)據(jù)通常帶有時(shí)間、位置、狀態(tài)屬性、環(huán)境和行為等信息。比如運(yùn)輸?shù)奈镔Y屬性信息，對運(yùn)輸工具的全面監(jiān)控所獲取的信息以及來自于其他軍、地各相關(guān)部門的信息等等。如果出現(xiàn)突發(fā)事件，比如大規(guī)模災(zāi)害或者是恐怖襲擊等，數(shù)據(jù)的增長率還會(huì)呈“雪崩”式。大數(shù)據(jù)的出現(xiàn)，可以更全面地實(shí)現(xiàn)智能交通；可以協(xié)助監(jiān)控中心輔助決策；可以對駕駛員進(jìn)行評估，預(yù)測個(gè)體行為等。如何將軍事物流信息與國家信息有機(jī)融合，如何高效地、快速地提取、存儲(chǔ)、過濾和分析處理軍交運(yùn)輸海量數(shù)據(jù)信息是一個(gè)非常有戰(zhàn)略意義的問題。

本文期望建立一個(gè)基于Hadoop的大數(shù)據(jù)聯(lián)機(jī)處理（OLAP）模型和算法。此模型能夠?qū)崟r(shí)、快速地提取、過濾和分析處理軍交運(yùn)輸海量數(shù)據(jù)信息，從而進(jìn)行有效地預(yù)測，提供決策支持。

2.現(xiàn)行數(shù)據(jù)聯(lián)機(jī)分析處理現(xiàn)狀

OLAP（聯(lián)機(jī)分析處理）是一種解決快速多維分析查詢的方法，并且能夠?yàn)椴樵兘Y(jié)果提供決策支持和直觀視圖。OLAP是基于RDBMS（關(guān)系型數(shù)據(jù)庫管理系統(tǒng)）以及ROLAP（關(guān)系型聯(lián)機(jī)分析處理系統(tǒng)）實(shí)現(xiàn)的，然而在面向大數(shù)據(jù)環(huán)境下傳統(tǒng)的OLAP已經(jīng)日益凸顯出其不適合了。新型的大規(guī)模并行數(shù)據(jù)架構(gòu)和分析工具已經(jīng)超越了傳統(tǒng)的并行SQL數(shù)據(jù)倉庫和OLAP引擎，因此，一些數(shù)據(jù)庫（如SQL Server和MySQL）雖然能夠提供類似OLAP的操作，但其性能卻并不能夠令人滿意。

圖1 研究技術(shù)路線

通常，OLAP具有三種類型，諸如ROLAP（關(guān)系在線分析處理），MOLAP（多維在線分析處理）和HOLAP（混合在線分析處理）。

三種類型的OLAP之間的差異如下：

（1）MOLAP服務(wù)器通過使用多維抽象數(shù)組的存儲(chǔ)引擎直接支持?jǐn)?shù)據(jù)的多維視圖，而在ROLAP中，多維模型及其操作必須映射進(jìn)入關(guān)系和SQL查詢；

（2）在MOLAP中，它通常預(yù)先計(jì)算大數(shù)據(jù)立方體以加速查詢處理，而ROLAP則依賴于數(shù)據(jù)存儲(chǔ)技術(shù)來加速關(guān)系查詢處理；

（3）MOLAP存儲(chǔ)利用率低，特別是當(dāng)數(shù)據(jù)集比較稀疏時(shí)；

（4）由于ROLAP更依賴數(shù)據(jù)庫來執(zhí)行計(jì)算，因此它在其可以使用的專用函數(shù)中具有更多的限制；

（5）HOLAP通過將數(shù)據(jù)存儲(chǔ)在MOLAP和關(guān)系存儲(chǔ)中來組合ROLAP和MOLAP。 ROLAP和MOLAP都有優(yōu)缺點(diǎn)。然而，在大數(shù)據(jù)環(huán)境中，MOLAP表現(xiàn)出的缺點(diǎn)與快速響應(yīng)的優(yōu)點(diǎn)相比是可以忽視的，并且如果我們優(yōu)化MOLAP的實(shí)現(xiàn)方法，則實(shí)現(xiàn)所消耗的成本可以忽略不計(jì)。

3.HaMOlap的實(shí)現(xiàn)原理

本文期望建立一個(gè)基于Hadoop的大數(shù)據(jù)多維聯(lián)機(jī)處理（MOLAP）模型和算法。利用多維OLAP（MOLAP）的經(jīng)驗(yàn)，基于HaMoLap 采用多維模型指定數(shù)據(jù)維度和測度從而進(jìn)行數(shù)據(jù)的分析處理。簡化的多維模型和數(shù)據(jù)加載的算法使HaMoLap加載過程簡單而有效。在查詢過程中， HaMoLap可以處理高基數(shù)，因?yàn)镺LAP算法和MapReduce框架，我們不必將內(nèi)存中的多維數(shù)據(jù)庫實(shí)例化。

Hadoop是目前最為流行的大數(shù)據(jù)處理平臺(tái)。Hadoop最先是Doug Cutting 模仿GFS、MapReduce實(shí)現(xiàn)的一個(gè)云計(jì)算開源平臺(tái)。Hadoop 已經(jīng)發(fā)展成為包括文件系統(tǒng)（HDFS）、數(shù)據(jù)庫（HBase、Cassandra）、數(shù)據(jù)處理（MapReduce）等功能模塊在內(nèi)的完整生態(tài)系統(tǒng)（Ecosystem）。某種程度上可以說Hadoop已經(jīng)成為了大數(shù)據(jù)處理工具事實(shí)上的標(biāo)準(zhǔn)。對 Hadoop改進(jìn)并將其應(yīng)用于各種場景的大數(shù)據(jù)處理已經(jīng)成為新的研究熱點(diǎn)。主要的研究成果集中在對 Hadoop平臺(tái)性能的改進(jìn)、高效的查詢處理、索引構(gòu)建和使用、在Hadoop之上構(gòu)建數(shù)據(jù)倉庫、Hadoop和數(shù)據(jù)庫系統(tǒng)的連接、數(shù)據(jù)挖掘、推薦系統(tǒng)等。但現(xiàn)在無論哪一種基于平臺(tái)的數(shù)據(jù)集的處理模型都在不斷地探索改進(jìn)當(dāng)中。

目前在大數(shù)據(jù)時(shí)代，缺乏有效的支持多維數(shù)據(jù)存儲(chǔ)模型，在OLAP中這個(gè)問題迫切需要解決。同時(shí)，Hadoop的云計(jì)算框架是最廣泛使用的大數(shù)據(jù)分析平臺(tái)，但基于Hadoop的 MOLAP工具仍是空白。本文提出了分布式MOLAP技術(shù)大數(shù)據(jù)環(huán)境，我們設(shè)計(jì)了HaMoLap系統(tǒng)，正在實(shí)驗(yàn)當(dāng)中，希望證明此種方法能夠提供高效的大數(shù)據(jù)的存儲(chǔ)和分析。本研究具有一定的理論意義和實(shí)用價(jià)值。

在研究過程中，采用了以下的技術(shù)路線，如圖1：

分析Hadoop生態(tài)系統(tǒng)及其主要功能以及利用數(shù)據(jù)庫來存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)，在此基礎(chǔ)上構(gòu)建一個(gè)數(shù)據(jù)倉庫，根據(jù)需要構(gòu)建數(shù)據(jù)立方體進(jìn)行聯(lián)機(jī)分析處理，可以進(jìn)行多個(gè)維度的向下挖掘（Drill-down）或上卷（Roll-up）操作。

在此基礎(chǔ)上，本模型構(gòu)建了Hadoop的IRA索引隨機(jī)存取算法（Index Random Access），構(gòu)建Hadoop的FSS全源掃描算法（Full Source Scan），分析這兩個(gè)算法在Hadoop下如何實(shí)現(xiàn)分區(qū)和二次索引。

借鑒MOLAP（多維聯(lián)機(jī)分析處理）的經(jīng)驗(yàn)，利用簡化的多維模型映射維度和測度，維編碼和遍歷算法來實(shí)現(xiàn)卷起操作維度層次維值；分析采用結(jié)合分區(qū)和線性算法的方法來存儲(chǔ)數(shù)據(jù)和利用塊選擇策略來過濾數(shù)據(jù)，從而優(yōu)化OLAP的性能。

部署算法、加載數(shù)據(jù)，將本文中的模型與H i v e、HadoopDB、HBaseLattice等幾大數(shù)據(jù)集和OLAP應(yīng)用性能比較，從而驗(yàn)證模型算法。此模型及算法旨在建立一個(gè)可以針對具備明顯結(jié)構(gòu)化特征的軍交運(yùn)輸大數(shù)據(jù)聯(lián)機(jī)處理模型，以供后期對數(shù)據(jù)的進(jìn)一步挖掘分析做準(zhǔn)備。目前驗(yàn)證模型算法正在進(jìn)行中。

4.結(jié)論與展望

本文介紹了設(shè)計(jì)、實(shí)現(xiàn)和評價(jià)HaMoLap大數(shù)據(jù)MOLAP系統(tǒng)。HaMoLap是基于Hadoop提出建立的模型和算法：

（1）特定的多維模型數(shù)據(jù)維度；

（2）利用維編碼和遍歷的算法實(shí)現(xiàn)卷起操作的層次維值；

（3）塊模型和分區(qū)策略簡化數(shù)據(jù)立方體；

（4）利用線性化 reverse-linearization算法存儲(chǔ)塊和數(shù)據(jù)；

（5）利用分片及塊選擇算法優(yōu)化OLAP性能。與Hive，HadoopDB， HBaseLattice等幾大數(shù)據(jù)集和OLAP應(yīng)用性能比較，從而驗(yàn)證模型算法。

HaMoLap與其他MOLAP工具的區(qū)別可以列舉如下：

（1）HaMoLap采用簡化的多維模型來映射維度和度量，使數(shù)據(jù)加載過程比OLAP簡單有效。

（2）在OLAP中，HaMoLap采用文中提出的維數(shù)編碼和遍歷算法，實(shí)現(xiàn)對維度層次的匯總操作。

（3）HaMoLap不依賴于預(yù)計(jì)算和索引技術(shù)，而是依靠分片和塊選擇來加速優(yōu)化OLAP。

（4）在OLAP中，HaMoLap不存儲(chǔ)大型的多維數(shù)組，而是直接計(jì)算。一般來說，HaMoLap是一種MOLAP工具，它采用簡化的維度，保持OLAP的簡單高效。

目前，對模型的算法驗(yàn)證還在實(shí)驗(yàn)當(dāng)中，就當(dāng)前的初步實(shí)驗(yàn)結(jié)果，還是令人滿意的。

5.感謝

本研究資金支持來源與軍事交通學(xué)院學(xué)院基金項(xiàng)目：2014D29。

（作者單位：軍事交通學(xué)院軍事物流系）

1.Xu H F.Scheme of data acquisition based on industrial Ethernet. Microcomputer Information, 2008, 04: 113～115(in Chinese)

2.Wang L, Shang Z, Wang X W.The development and application of thedata acquisition system.Electrical Measurement & Instrumentation, 2004, (8): 4～8 (in Chinese)

3.Data acquisition and industrial communication.Maschinen Markt, 2002, 13: 20～24 (in Chinese)

4.Jiao M Y, Tan Q P.Research on Java rule engine technology. Computer & Information Technology, 2006, 03: 41～43 (in Chinese)

5.Zhang G X, Zhang X.How to write expert systems with Jess. Computer and Modernization, 2003, 01: 29～31(in Chinese)

6.Forgy L C.Rete: A fast Algorithm for the many pattern/many object pattern match problem.Artificial Intelligence, 1982, 19: 17～37

7.Tao R J.Finite automaton Introduction.Beijing: Science Press, 1986 (in Chinese)

8.Huang Z Q, Su Y.Application of FA in design of automatic control software.Journal of North China Electric Power University, 2002, 01:49～51(in Chinese)

9.Song, J., Li, T., Liu, X., et al., 2012.Comparing and analyzing the energy efficiency of cloud database and parallel database.In: 2nd International Conference on Computer Science, Engineering and Applications, ICCSEA 2012, vol.2, Springer Verlag, New Delhi, India, May 25～27, 2012, pp.989～997.

10.Song, J., Guo, C.P., Wang, Z., Zhang, Y.C., Yu, G., Pierson, J.M., 2014.Distributed MOLAP technique for Big Data analysis.

11.Ruan Jian Xue Bao/Journal of Software 25 (4), 731～752, http://dx.doi.org/10.13328/j.cnki.jos.004569.

12.Taleb, A., Eavis, T., Tabbara, H., 2013.Query optimization for the NOX OLAP algebra.In: Transactions on Large-Scale Dataand Knowledge-Centered Systems VIII.Springer, pp.53～88.

13.Thusoo, A., Sarma, J.S., Jain, N., et al., 2009.Hive: a warehousing solution over a map-reduce framework.Proc.VLDB Endow.2, 1626～1629.

14.Tian, X., 2008.Large-scale SMS messages mining based on map-reduce.In: IEEE International Symposium on Computational Intelligence and Design, Piscataway, NJ, USA, October 17～18, 2008, pp.7～12.

15.Wikipedia, 2014.Online Analytical Processing, accessed at http://en.wikipedia.org/wiki/OLAP

16.Wu, L., Sumbaly, R., Riccomini, C., et al., 2012.Avatara: OLAP for webscale analytics products.Proc.VLDB Endow.5, 1874～1877.

17.Wu, S., Ooi, B.C., Tan, K.-L., 2013.Online Aggregation, Advanced Query Processing.Springer, pp.187～210.

18.Xiaofeng, M., Xiang, C., 2013.Big data management: concepts, techniques and challenges.J.Comput.Res.Dev.50, 146～169.

19.Yu, C., Chun, C., Fei, G., et al., 2011.ES2: a cloud data storage system for supporting both OLTP and OLAP.In: 27th IEEE International Conference on Data Engineering (ICDE 2011), Piscataway, NJ, USA, 11～16 April, 2011, pp.291～302

20.吳永勝.云環(huán)境下的關(guān)聯(lián)規(guī)則挖掘算法研究[D].浙江工商大學(xué), 2015.

21.趙輝.面向大規(guī)模交互式分析的MapReduce優(yōu)化技術(shù)研究[D].國防科學(xué)技術(shù)大學(xué), 2013.