基于动态知识图谱的大规模数据集成解决方案
|
通过以上建模过程，在应用侧就建立了一个多源数据的统一的逻辑视图，即从分析人员的角度对所有数据构建成了一个图模型，分析人员无需关注底层数据源差异和存储细节，只需关注如何在此图模型上进行分析即可。 四种数据集成架构 以上内容描述了整个数据模型构建的过程，任何数据要集成进来，必须先进行以上过程，在元数据层面进行拉通、融合。 接下来的问题就是如何将客户的数据快速接入知识库的存储中去，以提供统一的数据查询服务，也就是数据层面的集成。 由于数据具有多样化特点： 从数据类型上看，存在结构化数据、半结构化数据、非结构化数据； 从业务价值上来看，又分为高价值密度数据，如账户信息、转账信息、低价值密度数据，如日志信息； 从数据规模上来看，有超大规模数据，如万亿级数据，大规模数据，如亿级数据，小规模数据，如百万级以下数据。 百分点经历多个大型数据集成项目洗礼后发现，通常高价值密度的数据，数据规模都不会太大。比如公安领域的重点人员数据、卡口设备数据、网络安全领域的高危IP、重点监控网站等“实体”数据，此类数据特征是数据量有限，价值密度高。 而如果数据规模超过10亿级，通常都是“事件”类型的数据，比如车辆通过卡口的事件、手机连wifi的事件和手机上网的HTTP日志。这类数据还有一个典型特征，就是数据量巨大且无限增长，但数据价值密度很低，通常也只关心最近一段时间的日志。 因此，针对不同的数据场景，百分点提供了不同的数据集成方法，分别应对不同场景下的数据集成需求。 整体数据集成架构如下：
小规模数据集成：这类数据往往是客户提供了小规模的样本，通过前台Import功能，直接上传各种类型的文件，即可导入。 高价值密度数据集成：通常是客户提供的关键数据，这类数据首先需要业务人员根据需求进行建模，然后通过后台离线/实时数据流将数据接入到本体库中。 低价值密度数据集成：通常是“事件”数据，数据量极大，并有一定时效性，需要定期House Keeping。当前的实现方式是通过存放在外部OLAP型数据库中，应用层通过直连的方式进行adhoc查询，将其中有价值的数据选择性地导入到本体库中。 互联网半结构化数据集成：通过给定URL，会启动后台爬虫，爬取对应的网页进入知识库，跟存量知识进行协同分析。 实现“动态性”的核心逻辑 百分点动态知识图谱实现“动态性”的核心逻辑在于，采用元数据与存储分离查询的方案，来赋予知识图谱“动态”特性，包含数据模型的动态性、模型变更的动态性、融合的动态性和“事件”数据的动态性。 1．数据模型的动态性 由于数据模型有一个专门的后台管理系统进行配置管理，业务可以根据实际客户需求进行模型设计与数据源接入，节省了大量开发成本。
进行新增字段、修改字段、删除字段，以及模型修改的时候，在应用端不用重新导入数据。 实现方式如下： 本体库中的数据元数据的存储与物理数据的存储是分离的，应用层查询MySQL获取元数据并进行缓存，然后在Elasticsearch中检索到数据后，会在应用层的内存中进行元数据与物理数据的拼装。
3．融合的动态性 当融合规则变更后，只需要对特定表重建索引，无需重新导入用户数据。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
