大数据中心建设——功能介绍
数据融合加工
1.19+数据加工算法组件；20+计算函数开箱即用，无须代码开发
2.拖拽式操作实现跨库的、大数据的融合加工
数据服务
1. 自定义封装数据API服务接口，可配置映射关系、代码转换标准等
2. API接口全生命周期管理及监控，实现对外提供服务
数据地图
可视化、多方位、多维度的展现企业数据资产分布及运营管理情况
数据安全
1. 支持数据加密、密级、三员等多种安全策略
2. 支持敏感数据发现及敏感监控，全力保障数据安全环境
大数据中心建设——应用数据层（ADS）
存放数据产品个性化的统计指标数据，根据CDM层与ODS层加工生成。
个性化指标加工：不公用性、复杂性（指数型、比值型、排名型指标）。
基于应用的数据组装：大宽表集市、横表转纵表、趋势指标串。
阿里巴巴通过构建全域的公共层数据，极大地控制了数据规模的增长趋势，同时在整体的数据研发效率、成本节约、性能改进方面都有不错的效果。
数据调用服务优先使用公共维度模型层（CDM）数据，当公共层没有数据时，需评估是否需要创建公共层数据，当不需要建设公用的公共层时，方可直接使用操作数据层（ODS）数据。应用数据层（ADS）作为产品特有的个性化数据一般不对外提供数据服务，但是ADS作为被服务方也需要遵守这个约定。
大数据中心建设的基本原则
高内聚和低耦合——一个逻辑或者物理模型由哪些记录和字段组成，应该遵循基本的软件设计方法的高内聚和低耦合原则。主要从数据业务特性和访问特性两个角度来考虑：将业务相近或者相关、粒度相同的数据设计为一个逻辑或者物理模型；将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。
命名清晰、可理解——表命名需清晰、一致，表名需易于消费者理解和使用。
大数据中心建设应该遵循哪些基本原则？
核心模型与扩展模型分离——建立核心模型与扩展模型体系，核心模型包括的字段支持常用的核心业务，扩展模型包括的字段支持个性化或少量应用的需要，不能让扩展模型的字段过度侵入核心模型，以免破坏核心模型的架构简洁性与可维护性。
致性——具有相同含义的字段在不同表中的命名必须相同，必须使用规范定义中的名称。
以上信息由专业从事智能云大数据中心文化建设公司的中科汇成于2024/5/15 7:13:57发布
转载请注明来源：http://www.zhizhuke.cn/qyzx/qyxx-2752744482.html
