數據解決方案

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇數據解決方案范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

數據解決方案范文第1篇

隨著RFID的應用普及，RFID與傳統應用系統的交互與協同成為了中間件的一大課題之一。SAP公司推出的AII（Auto ID Solution）是一個網絡化的集成中間件，能夠以驚人的速度處理海量的Tag 數據，并提供數據獲取、數據建模、數據過濾、數據歸并、數據存儲乃至數據聯接等數據處理功能。 AII同時提供雙向的數據交互功能，從而能夠實現比如實時的價格更新、產品召回、實時道路指引等功能。

AII技術功能介紹

AII作為連接RFID技術的中間件解決方案，主要包括下幾個功能模塊:

聯接模型（Association Model） AII 的數據核心是聯接模型。任何一個聯接模型的實例就是從RFID Reader和其他RF信息收集系統返回的系統環境狀態和實際連接信息數據的一個具體化展現（實例），其架構精確地表現了需要被監控的業務邏輯和物理世界。聯接模型是對業務邏輯和物理世界非常好的一個抽象。

企業系統適配器（Enterprise System Adaptor） 企業系統適配器提供了雙向數據交換的功能，并且能夠非常方便地整合SAP相關產品的系統應用，當然也同時支持非SAP系統的企業應用整合。適配器所提供的是一個輕量級的整合服務，是企業信息系統和全局信息總線（Global Information Bus）之間的橋梁。

全局對象數據引擎（Global Smart-Items Data Engine） 全局數據引擎具有對所有被跟蹤的應用對象（Smart-Items）進行全局數據維護的功能，包括對象的應用數據、歷史信息，以及對象與企業應用架構之間的關系等等; 同時，在需要的情況下，可以提供數全局數據配對和數據整合的功能。

本地對象數據引擎（Local smart-Items Data Engine） 本地對象數據引擎有著和全局對象數據引擎相同的結構和類似的功能，但是它只提供和維護本地對象的數據，本地對象數據引擎與數據總線相連，為整個系統提供數據。

全局數據總線（Global Information Bus） 全局數據總線功能是一個中央數據集成控制器，提供不同企業應用系統的對象(Smart-Items) 之間的數據集成和交換。全局數據總線支持B2B類型的文檔交換、基于-訂閱模式的事務操作、乃至實時的點對點通信。

本地數據總線（Local Information Bus） 本地數據總線與全局數據總線類似，提供基于-訂閱模式和點對點模式的通信，然而本地數據總線提供對本地數據的交換和消息的控制。對本地數據的處理效率和對本地消息的響應速度優于全局數據總線。它將對本地提交的數據和消息根據本地規則作出處理和整合，并按照規則和路徑提交到全局總線或者數據/消息接受者; 對于有些數據，在傳輸到本地總線前，已經經過了相應的控制引擎或者數據引擎的處理。

控制引擎（Control Engine） 控制引擎通過單一設備控制器和網絡設備控制器對設備協同運作進行管理，同時也有一些數據過濾的功能。控制引擎可以通過數據總線來訪問設備控制器; 在實時要求的情況下，也可以直接訪問控制器（通過不同的端口，或者特定的網絡等方式）; 可以通過配置來決定不同的訪問方式。

單一設備控制器（Simple Device Controller） 單一設備控制器在硬件抽象層面控制一些單個設備，比如RFID讀寫器。可以把它看作是設備的服務器。目前SAP的演示系統中，可以用它來觸發事件，然后傳輸到數據總線上。

網絡設備控制器（Network Device Controller） 下一代RFID產品（感應器、讀寫器）將能夠直接在網絡上插拔使用（成為即插即用設備）。新插入的設備，將被自動地識別、配置、管理和控制，這些都將通過網絡設備控制器，通過數據總線來完成。

數據讀寫適配器（Data I/O System Adapter） 數據讀寫適配器提供了數據引擎和本地控制系統之間的數據整合和交互功能。從而形成一個本地的閉環控制機制。可以用在生產控制、任務-資源控制、質量控制等系統，和對一些第三方的系統集成中。

數據解決方案范文第2篇

關鍵詞： 數據持久層； Spring JDBC； Hibernate技術； 映射文件配置； 多層Web

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2016）14?0084?03

A simple solution for data persistence layer

LIANG Bi

（College of Computer， Sichuan University of Arts and Science， Dazhou 635000， China）

Abstract： In view of the problems existing in the data persistence layer that is implemented by Hibernate technology， such as cumbersome configuration of mapping file and inflexible data access， a simple solution based on Spring JDBC to realize data persistence layer is proposed in this paper. The process of its implementation is discussed in detail by combining with the development of practical application system. The actual development proves that the solution is feasible. It can avoid the configuration of mapping file， and it is also simple， fast， flexible and efficient to complete data persistence layer tasks. In addition， it can integrate with upper layer and lower layer， and can better meet the need of multi?layer Web application system.

Keywords： data persistence layer； Spring JDBC； Hibernate technology； mapping file configuration； multi?layer Web

0 引 言

數據持久層是經典Web應用程序三層架構中非常重要的一層，它用來解決面向對象應用程序向關系數據庫存儲數據時數據類型不一致的問題，即ORIM （Object Relation Impedance Mismatch）問題[1]。其基本的解決方法是使用ORM（Object Relation Mapping）思想，該思想注重利用元數據將數據在對象與關系之間來回映射，從而確保數據訪問代碼不直接侵入域對象類。目前已經有許多ORM 框架技術，如iBATIS，Hibernate及JPA等，并且Hibernate以其輕量級、純粹的面向對象編程理念等優勢成為目前主流的持久化實現工具[2]。

然而，由于Hibernate對JDBC封裝得過于完整，導致開發人員無法靈活使用JDBC的原生SQL，所以其沒有JDBC直接訪問關系數據庫效率高；同時Hibernate遵循ORM原則，導致映射文件配置過于復雜，當遇到大型項目時映射文件和面向對象代碼是非常龐大且繁瑣，這直接影響到Web系統的性能及維護；而且Hibernate處理批量數據時較弱，對于批量數據的修改和刪除不適合用Hibernate來完成。針對Hibernate這些缺陷，本文提出了一種基于Spring JDBC的數據持久層解決方案，并將其應用于可移動文物管理系統持久層部分。

1 Spring JDBC

Spring是目前流行的輕量級一站式企業應用程序解決方案，它以一種統一的方式對持久化數據訪問提供支持，并將數據持久化中固定格式的代碼封裝為Spring JDBC，因而Spring JDBC本身就是對JDBC輕量封裝，它由Core，Datasource，Object和Support四個不同包組成，其中最重要的是Core包，它提供了核心功能的類，并且JdbcTemplate是該Core包中最重要的類[3]。

JdbcTemplate類通過提供相應的模板和輔助類來完成對數據的CRUD操作，進而解決了傳統JDBC對數據庫的繁瑣操作以及代碼重復的問題；它替開發人員完成了資源的創建以及釋放工作，從而簡化了對JDBC的使用；它還可以幫助開發人員避免一些常見的錯誤，比如忘記關閉數據庫連接等；而且JdbcTemplate將完成JDBC核心處理流程，比如SQL語句的創建、執行，而把SQL語句的生成以及查詢結果的提取工作留給開發人員的應用代碼[4]。它還可以完成SQL查詢、更新以及調用存儲過程，可以對ResultSet進行遍歷并加以提取等。并且，得益于Spring良好的隔離設計，JDBC封裝類庫可以脫離Spring Context獨立使用[5]，其架構如圖1所示。

2 簡捷的數據持久層方案研究

2.1 數據持久層方案設計

源于傳統的Web應用程序三層架構，將數據持久層從業務邏輯層分離出來，使其處于業務邏輯層和關系數據庫層之間，這樣持久層相當于“橋梁”角色，然后采用Spring JDBC來實現，其具體方案設計[6]如圖2所示。

由圖2可見，由于業務邏輯層的Java應用程序必須通過JDBC來訪問關系數據庫中的數據，因此持久層本質上實現了對傳統JDBC API的封裝，同時它還實現了數據類型由Java面向對象類型向標準的SQL類型的轉換，進而實現了高質量的對象關系轉換工作，從而有效解決了對象關系阻抗失配問題。而這些任務當前由Spring JDBC來完成。它通過借助JdbcTemplate模板類使開發人員能夠更加專注于數據訪問的具體邏輯，而不會再關注數據資源管理及異常處理等，這不僅簡化了JDBC的使用，且在一定程度上減少了錯誤的發生，同時也使數據持久化操作變得更加簡捷靈活。

2.2 數據持久方案實現

本數據持久層是基于Spring JDBC來實現的，因此需要創建VO值對象及DAO接口，并通過DAO來持久化VO。其中，VO專門用來封裝持久層對象的數據，它通過POJO類來具體實現；DAO則用來抽象和封裝對關系數據庫中數據的訪問操作，并形成統一接口對外提供服務，同時隱藏操作關系數據庫的實現細節，進而有效實現業務邏輯層與數據庫層的松耦合[7]。DAO本身管理著與關系數據庫的連接，內部封裝了JDBC數據操作、事務處理等API。Spring框架為JDBC的DAO提供了JdbcDaoSupport支持類，使用該類能夠更加簡化JDBC操作，因為在JdbcDaoSupport中已經提供了JdbcTemplate的變量，只要自定義類繼承JdbcDaoSupport就可以直接調用JdbcTemplate相關的方法來實現數據的持久化[8]。

在實際開發中，首先需要定義DAO接口，該接口對外提供CRUD操作方法；然后定義DAOImpl實現類，該類需要實現DAO接口并繼承JdbcDaoSupport，通過調用JdbcTemplate相關的方法（如update，mapRow等）來完成對關系數據庫中數據的具體操作任務[9]。業務邏輯層只需調用DAO接口中對外提供的方法，而不需要關心DAO的具體實現細節，這樣有利于Web應用程序在不同的持久層技術之間切換，進而增強了系統開發的靈活性和有效性。ApplicationContext.xml配置文件中除了統一配置數據源及事務之外，還需要配置業務邏輯Bean，數據持久DAOImpl，并通過DI為DAOImpl注入Factory，為業務邏輯Bean注入DAOImpl，這樣有機地完成Web應用程序中各Bean組件的組裝和集成。

3 簡捷的數據持久層方案應用

文物是人類在歷史發展過程中遺留下來的遺物、遺跡，它是人類寶貴的歷史文化遺產[10]。隨著新文物的出土和發現，以及新技術的引進，傳統的文物管理方式已無法滿足當今文物管理的需要，開發一個響應速度快、拓展性強和維護性好的可移動文物管理系統非常必要，通過它來管理已經向外公開的可移動文物，讓更多的人對它們有所了解和認識，進而推進文物的普及工作。為了快捷實現該系統的數據訪問，增強用戶體驗，將所提出的數據持久層方案應用到本系統的持久層部分，具體實施過程如下：

3.1 環境搭建

環境搭建是具體使用某種框架技術最重要的一步，在此過程中根據不同框架技術所完成的具體工作不一樣，但一般都有導入相關的Jar包，創建和配置相關文件，并進行框架的初始化等工作。由于Spring JDBC使用相對簡單，因此在可移動文物管理系統持久層部分的環境搭建中，只需進行相關Jar包的導入即可，如導入spring.jar，commons?logging，commons?dbcp.jar，commons?pool.jar，commons?annotation.jar和jtds?1.2.jar等。

3.2 配置ApplicationContex.xml

ApplicationContex.xml文件是整個可移動文物管理系統的基礎，它所起的作用至關重要，其能將本系統的持久層、業務邏輯層及其他各層有機的融合在一起，并實現對系統中所有Bean的有效管理。ApplicationContex.xml在本系統持久層部分主要完成數據源配置、事務配置及其他一些初始工作，用于保證Spring JDBC正常完成該系統VO的持久化任務，其關鍵配置如下：

3.3 創建VO值對象

一個VO通過一個簡單的Java對象即POJO來實現，一般情況下，一個POJO就表征了與數據表里某條記錄相對應的實體，它由實體的一些屬性及屬性的訪問方法組成，其中除了無意義的主屬性只能被獲取外，每一個屬性都對應著兩個外部對象訪問的方法，即get（）和set（）。本可移動文物管理系統相關的POJO有User.java，Admin.java，CulturalRelic.java，Picture.java，Video.java，Msg.java和News.java等，其中3.4 創建DAO接口及實現類

根據本文所提出的數據持久層方案，使用DAO設計模式來完成可移動文物管理系統持久層任務。DAO模式的實現包括DAO接口和DAOImpl實現類。其中，DAO接口負責聲明訪問特定POJO所對應的抽象業務邏輯方法，DAOImpl實現類則負責使用Spring JDBC封裝的JdbcTemplate來具體實現DAO接口中聲明的抽象方法，這樣可以減少組件間的耦合度。在本系統中，創建的DAO接口有UserDAO.java，AdminDAO.java，CulturalRelicDAO.java，PictureDAO.java，VideoDAO.java，MsgDAO.java和NewsDAO.java等，然后通過調用JdbcTemplate提供的方法對這些DAO接口進行實現。其中CulturalRelicDAO的實現類CulturalRelicDAOImpl里刪除可移動文物的方法核心代碼如下：

4 結 語

本文使用Spring JDBC來設計和實現了Web應用程序中的數據持久層，并將其應用于可移動文物管理系統持久層部分，解決了目前主流的Hibernate在完成持久層任務時所遇到的一些問題。通過實際應用開發證明，該持久層方案是正確可行的，且具有如下三方面特征：

（1） Spring JDBC通過借助JdbcTemplate可以執行對關系數據的CRUD操作，不僅代碼簡單、容易編寫，而且相對于Hibernate對JDBC全封裝模式更為靈活。

（2） Spring JDBC繼續了以前JDBC的SQL訪問方式，不需要在HQL和SQL之間相互轉換，可以直接操作關系數據庫，進而提高了數據訪問速度，增強了用戶體驗。

（3） 該方案沒有*.hbm.xml映射文件繁瑣配置，避免了運行時產生大量的冗余數據存放于內存，進而提高了系統性能以及系統的開發效率。總的來講，基于Hibernate技術實現Web應用程序中的數據持久層已出現較多問題，而通過Spring JDBC來完成數據持久層任務，具有簡單、快捷、靈活及高效等特性，因此值得進一步推廣使用。

參考文獻

[1] 閆宏印，張衛爭，劉超慧.開源框架下Web應用分層的設計與實現[J].計算機工程與設計，2008，29（23）：6023?6025.

[2] 夏斌，李志蜀.基于Hibernate框架的數據持久層的研究及應用[J].計算機應用，2008（9）：2446?2448.

[3] Spring Reference Documentation. Introduction to the Spring framework [R]. [S.l.]： Spring Reference Documentation， 2015.

[4] Spring JDBC Reference Documentation. Introduction to the Spring JDBC [EB/OL]. [2013?12?24]. http：//docs.spring.io/spring?data/jdbc/docs.

[5] 張俐，張維璽.基于Spring和JDBC的蔬菜運銷管理系統在數據持久層的應用[J].安徽農業科學，2012（7）：4401?4403.

[6] 張少應，程傳旭.基于Hibernate持久化層的設計與實現[J].計算機技術與發展，2014（12）：101?104.

[7] 劉德山，楊彬彬.基于Hibernate框架的數據持久層架構設計及應用[J].微型機與應用，2011，30（15）：12?14.

[8] 高劍，朱程榮.Spring框架在數據持久層的應用研究[J].微機發展，2005，15（11）：106?108.

數據解決方案范文第3篇

大數據在2012年備受關注，主要是由需求和技術兩方面因素所決定的。在需求方面，一方面是因為企業在經過一段時期的信息化建設后，積累了大量的數據資產，迫切需要讓這些數據產生價值。另一個方面，海量非結構化數據隨著社交網絡、移動應用的普及而產生，如何分析這些非結構化數據并使其產生價值，成為企業所面臨的新的挑戰。

在技術方面，內存計算技術的成熟，使得企業實時分析海量數據成為可能。Hadoop技術的完善，為非結構化數據分析提供了可能。

在大數據解決方案方面，不能不提軟硬件一體機。這兩年，具有簡化IT、降低IT運維成本優勢的軟硬件一體機越來越受到供應商和用戶的青睞。值得一提的是，當前的軟硬件一體機中，很多都是大數據解決方案：最早推出軟硬件一體機的甲骨文公司的第一款軟硬件一體機產品Exadata數據庫一體機就與大數據相關，甲骨文后來推出的Exalytics商業智能一體機和大數據一體機都是用于數據分析的；被SAP視為革命性的產品SAP HANA屬于內存計算一體機，其最大的優勢在于可實現海量數據的實時分析；IBM今年推出的PureSystem系列一體機中，就有PureData；微軟與惠普聯合推出的BI一體機，也是用于數據分析的……

盡管市場已經非常火熱，但是當前大數據市場應該尚屬于啟動階段，因為大部分用戶對大數據僅僅有想法而沒有真正的行動，而他們對于大數據分析的需求是顯而易見的。相關的解決方案也有待完善，特別是針對非結構化數據分析的解決方案。

IBM PureData

作為IBM PureSystems專家集成系統家族的新成員，PureData能夠幫助企業在幾分鐘內完成對PB數量級大數據的管理和分析，高效獲取洞察力，從而實現企業市場、銷售等各部門業務目標的快速推進，并幫助各行各業的企業解決幾大難題：如何利用更簡便、經濟的方式分析業務數據，了解客戶購買行為，減少客戶流失，開展需要大量數據支持的市場推廣活動以及實時發現欺詐行為。

不同于其他數據系統，PureData能夠將系統安裝和配置的時間從24天減至24小時，將復雜的分析時間從數小時驟降至數分鐘，并實現在單個系統上管理100多個數據庫的卓越性能。通過PureData系統，企業得以在傳統IT環境或云環境中為業務用戶提供高性能的數據服務，在不到10天的時間里完成Web應用的部署，而同樣的任務過去至少需要6個月才能完成。

針對特定工作負載，PureData共有三個型號，分別是PureData System for Transactions（PureData事務系統或PureData交易系統）、PureData System for Analytics（PureData分析系統）和PureData System for Operational Analytics（PureData運營分析系統）。

目前，60多家ISV（獨立軟件供應商）已經表示將全力支持PureData。PureData將為這種開放的合作模式提供新的平臺，激勵更多合作伙伴開發適用于PureData的解決方案。同時，IBM還將在這些解決方案和應用的基礎上推出數種新模式，涵蓋社交業務、資產管理和業務流程管理，全面簡化軟硬件資源的配置和管理，為20多個行業應用領域提供支持。

IBM大數據平臺

IBM充分發揮其整合的優勢，結合信息管理、業務分析等領先的軟件提出了“大數據平臺”架構，為各行業企業選擇和構建大數據解決方案提供了全面的技術支持。IBM大數據平臺突破了傳統數據倉庫和數據管理理念，能夠為企業組織提供實時分析信息流和因特網范圍信息源的能力，讓這些企業實現更為經濟、高效的大數據管理，并為在此之上的業務分析奠定堅實的基礎。

IBM大數據平臺的四大核心能力包括Hadoop系統、流計算、數據倉庫和信息整合與治理：

·IBM在Hadoop系統領域的代表產品是InfoSphere BigInsights。IBM將其在數據管理上的豐富經驗與Hadoop開源平臺高效整合，使得BigInsights相比普通的Hadoop開源工具的可用性、可管理性、安全性得以大大提高，成為最主要的靜態大數據分析工具和平臺；

·IBM在流計算領域的代表產品是InfoSphere Streams，它是目前業界獨有的流數據處理技術。InfoSphere Streams能夠在諸如氣象信息、通信信息、金融交易數據的管理中動態捕捉信息，進行實時分析，為靜態數據的處理提供有效補充。

·IBM在數據倉庫領域的代表產品是在線交易型數據倉庫InfoSphere Warehouse和分析型數據倉庫Netezza。Netezza可將大量數據整合到統一平臺上，計算能力高達TB級。

·信息整合與治理是IBM在業界獨有的方法論和技術，其代表產品是Optim和Guardium。近期推出的Guardium 9能夠將如DB2這樣的傳統關系型數據倉庫和基于Hadoop的分布式存儲系統進行統一管理，并提供完整的數據生命周期管控。

微軟SQL Server 2012

微軟SQL Server 在市場上有著良好的口碑，是全球使用較為廣泛的數據庫與商業智能產品。微軟SQL Server提供了對混合IT環境的支持，全面支持私有云和公有云，并可實現平滑遷移，滿足企業實現數據庫以及應用擴展的需要。

作為云就緒信息平臺，SQL Server能夠滿足企業關鍵業務應用環境所提出的高穩定性、高性能、高安全和易管理等需求，同時提供全面的商業智能及數據倉庫解決方案，幫助企業更好地挖掘數據背后的知識，提供強大的工具實現并展現數據分析結果，且能根據企業需要實施個性化的云以及大數據解決方案。

作為微軟的信息平臺產品，SQL Server在數據處理與分析市場一直處于領導地位。SQL Server是全面的數據庫、數據倉庫、商業智能解決方案。它不僅提供全面的滿足OLTP處理的功能，而且提供多種組件以滿足不同規模客戶的多種需求。它是第一個帶有商業智能全套組件的數據庫產品，在數據分析，特別是OLAP領域有著極好的口碑。

針對大數據，SQL Server具有自己本地以及云端解決方案，與微軟強大的商業智能組件以及前端展現方式相結合。

國泰君安證券股份有限公司已經借助微軟SQL Server 2012提升了數據分析能力，實現了對用戶的精準服務與趨勢跟蹤。國泰君安是目前國內規模最大、營業范圍最寬、機構分布最廣的證券公司之一。基于以往使用 SQL Server 產品的良好經驗，以及客戶數據建模、多維分析與鉆取、動態報表分析與展現等領域的應用需求，國泰君安選用微軟 SQL Server 2012來搭建新一代的零售客戶BI分析系統。國泰君安充分利用新一代 SQL Server提供的對大數據量的數據分析及計算能力，結合Power View及PowerPivot 的易用性，更高效、更自主地發現業務數據的變化及趨勢，提高針對零售客戶的業務洞察力，優化以客戶為中心的證券服務。

SAP實時數據平臺

SAP實時數據平臺是一套緊密集成并優化，專為應對當今企業數據管理的最新挑戰的領先技術平臺。

憑借革命性的創新產品SAP HANA與業界領先的Sybase數據管理產品，SAP實時數據平臺這套全方位集成、實時處理的平臺，在包括數據交易、遷移、存儲、處理和分析等在內的信息生命周期的不同階段，不僅能夠幫助企業用戶管理海量數據存儲，即時處理高速流量數據，實現智能數據流動，數據可視化消費，而且還可以幫助用戶大大降低基礎架構的復雜性，在滿足應用基本的設計和藍圖管理需求的同時，為下一代大數據應用和分析提供卓越性能，持續保證對云計算和移動應用的平臺支持，從而有效降低成本。

值得一提的是，所有這些平臺功能的交付，都將在盡可能不影響客戶現有應用的前提下進行。

作為SAP實時數據平臺的核心，SAP HANA獨具創新性，并已得到市場的充分驗證。SAP HANA不僅能幫助客戶以快10萬倍的速度獲取和傳遞信息，還將為企業信息系統提供強勁動力，通過技術創新促進業務發展，最終幫助企業以全新的思路拓展業務，達成卓越績效。

Teradata Aster大數據綜合分析平臺

Teradata Aster大數據綜合分析平臺是業內首款集成Teradata Aster以及Apache Hadoop的大數據解決方案，整合了MapReduce和Hadoop的技術優勢。

作為卓越的企業級平臺，Teradata Aster大數據綜合分析平臺使用了業內獨有的SQL-MapReduce接口語言，以及全面的MapReduce 分析功能庫。該分析庫內嵌50多項預建的MapReduce功能，提供開箱即用的圖形、文本、行為、營銷分析，以及更多分析功能。

作為一個真正采用混合架構的平臺，Teradata Aster大數據綜合分析平臺包含Aster Database、Aster SQL-MapReduce和Apache Hadoop。由于深度集成了Aster與Apache Hadoop平臺，用戶無需接受復雜的培訓即可通過SQL-H連接器和SQL-MapReduce使用標準SQL訪問Aster和Hadoop數據進行分析平臺。

與市場上其他典型平臺相比，該平臺的數據吞吐量及分析速度可分別提高19倍及35倍。

Oracle Exadata X3 Database In-Memory Machine

Oracle Exadata X3 Database In-Memory Machine是Oracle Exadata數據庫云服務器的最新升級產品。

Oracle Exadata X3 Database In-Memory Machine是甲骨文云平臺的關鍵組件。Oracle Exadata X3-2和X3-8 Database In-Memory Machine均可在閃存和隨機存儲器（RAM）中存儲多達數百TB的壓縮用戶數據，幾乎可以消除由磁盤驅動器減速而產生的讀＼寫功能運維費用，從而使Exadata X3系統成為應對云計算中不同類型和不斷變化的工作負載的理想數據庫平臺。

為了以最低成本實現最高性能，Oracle Exadata X3 Database In-Memory Machine采用了多個存儲層次，可自動將所有活動數據轉移到閃存和隨機存儲器中，同時將活動性較低的數據保留在低成本的磁盤上。

數據解決方案范文第4篇

關鍵字：招生；數據庫；網上遠程錄取；數據處理；VFP

一、關鍵問題與主要業務分析

全國高校均采用清華同方招生錄取系統，該系統的打印通知書功能較差，不夠靈活性；也沒有完善的查詢、統計和匯總功能；該系統不能實現秋季、成人錄取新生的數據共存，錄取秋季考生數據必須要在計算機中刪除以往考生的數據，某一時刻只能錄取一個類別的考生，以往錄取數據不能保留，雖然各層次錄取軟件在本質上是一致的，教育部和省招辦也要求一定要卸載以往安裝的錄取軟件，最好是重裝系統，因為只卸載錄取軟件是無法清除注冊表文件信息的，這就無法實現院校對全年錄取各類新生數據進行統計。另外清華同方招生錄取系統無法解決專業名稱統一的問題，因為院校雖然前期給各省招辦計劃部門提供統一的各專業名稱，但各省招辦有可能執行國標名錄庫中的各專業名稱，如：院校提供招生專業為“國際物流管理”，但國標專業名錄庫中該專業的名稱為“物流管理”；再有由于清華同方招生錄取系統采用了數據庫中泛式的處理方式，從該系統下載的數據是格式化數據，招生辦工作人員很難懂其含義，需要另一套處理機制匯總、轉意這些數據，使一般招生工作人員能看得懂、能對其操作處理；同樣清華同方招生錄取系統也無法實現將部分數據分發到各系部、郵局和銀行，無法體現院校個體差異性，為完成上述沒有完成的功能，本人為天津濱海職業學院招生辦設計開發了招生信息處理系統，該系統的應用能夠解決上述所有問題，并且能夠實現自動化處理，節省人力和時間，提高準確性和效率。

二、解決方案

雖然該系統只是針對天津濱海職業學院招生設計的，但它實際上是針對清華同方招生錄取系統的二次開發，適用任何一所采用清華同方招生錄取軟件的高校。考慮到各個院校計算機硬件條件差別較大，開發沒有使用現在較流行的復雜架構和大型數據庫，而是采用可以在所有機器上運行的VFP中小型數據庫。又由于招生信息處理沒有網絡需求，只在單機上運行就可以，所以開發采用單機版，而不是網絡版。這樣就最大程度保證其安全性，不上網安全性有較大提高。

（一）該系統主要包括如下功能模塊及功能：

1.分科類模塊：該模塊能實現普通類不分文理綜合科類、藝術科類、只有藝術文科類、成人科類、普通類分文和理模塊科類的數據匯總。這個模塊主要是分科類從清華同方招生錄取系統收集數據，最終生成一個匯總數據庫，并在匯總數據庫中加入科類、所在省份、系別字段和數據。規范化數據格式，如將清華同方招生錄取系統中的錄取專業前兩位所表示專業志愿順序號去除。

2.匯總模塊：該模塊能實現將各類各省中有用的數據加入匯總庫中，添加前對數據進行格式化，如添加序號、錄取時間、錄取層次、學習形式。

3.打印名冊模塊：該模塊能實現分省分科類打印數據名冊，數據先按錄取專業排序，再按姓名排序，均為遞增！最后添加序號，左側裝訂2厘米！字段包含：序號、考生號、姓名、性別、分數、錄取專業、系別，之后再打印。

4.生成WEB數據模塊：該模塊能生成websj.xls，這個文件可以被ACCESS等接收，用于上傳網上查詢的數據基礎。

5.生成郵局數據模塊：該模塊能生成“省份＋郵局.dbf”，包含考生號、姓名、地址、郵編、聯系電話等信息，用于郵局給考生寄送通知書。

6.生成各系名冊模塊：該模塊能將各系的新生進行匯總成一個文件，用于分發給各系報到時使用。

7.生成農行數據模塊：該模塊能生成“省份＋農行.dbf”，包含序號、考生號、姓名、身份證號等信息，用于農行給考生制作校園一卡通。

8.統計一志愿率和本省錄取率：該模式能生成各省各科類的計劃數、錄取數、一志愿率、錄取率等統計信息。

9.各專業名稱統一模塊：該模塊能將所有省份的專業名稱統一。

10.打印通知書模塊：該模塊能提取數據打印各省考生通知書，打印順序為先按錄取專業排序，再按姓名排序，均為遞增！

三、解決方案中所用的關鍵技術

1.分科類模塊

wait “1為文、理綜合；2為藝術分文、理及只有藝術文的情況；3為成人分文、理；回車或其它鍵為普通分文、理！” to aa windows at 20，40 //該語句實現分科類功能，將用戶的輸入存入變量aa中，作為后面的多重選擇條件的比較值，以此來區別進入哪個模塊進行數據處理。

ALTER TABLE aa ADD COLUMN sheng C(30)　//該語句可以實現增加省份字符型字段，寬度30。

repl all xi with “計算機工程系” for lqzy=”計算機應用技術”.or.lqzy=”軟件技術”.or.lqzy=”電子商務” //該語句可以實現為各個專業添加系別

SELECT Aa.ksh， Aa.xm， Aa.xbdm， Aa.tdcj， Aa.TDZY， Aa.lqzy， Aa.xi， Aa.sheng， Aa.kl，；

T_tdd.sfzh， T_tdd.lxdh， T_tdd.jtdz， T_tdd.yzbm， T_tdd.zxmc， Aa.kstz；

FROM aa FULL JOIN t_tdd ；

ON Aa.ksh = T_tdd.ksh；

ORDER BY Aa.lqzy， Aa.tdcj DESC， Aa.xm；

INTO TABLE &asb&asa.\匯總.dbf //從全國高校招生遠程錄取子系統數據庫中提取數據生成匯總數據庫。

2.匯總模塊

if file(“L:\07年\07總結\2007年秋錄取名冊.dbf”)=.f.//如果匯總表不存在就建立

create table L:\07年\07總結\2007年秋錄取名冊(xh n(5)，ksh c(14)，xm c(64)，xbdm c(2)，tdcj c(8)，tdzy c(1)，lqzy c(90)，xi c(30)，sheng c(30)，kl c(12)，sfzh c(18)，lxdh c(20)，jtdz c(128)，；

yzbm c(6)，zxmc c(128)，kstz c(100)，時間c(10)，層次c(10)，學習形式c(10)，報考院校c(50)，備注c(100)) //如果已經存在匯總表，就打開已有的匯總表。

append from &asb&asa.\匯總.dbf //添加各省新生數據到匯總表中

3.統計一志愿率和本省錄取率

calculate avg(val(tdcj))，max(val(tdcj))，min(val(tdcj)) to yspjf，yszgf，yszdf for sheng=asa.and.時間=zdsj.and.allt(kl)==”文科(藝)” //應用calculate綜合統計命令統計秋季藝術類最高分，最低分，平均分。

四、總結

通過使用天津濱海職業學院招生數據處理系統，使招生的后期數據處理能力顯著增強，效率明顯提高，以前可能要很多人幾天才能完成的工作，現在可以幾秒就完成，又快又準確，受到天津濱海職業學院單位的好評，今后繼續完善該系統。

參考文獻

[1]謝偉卡.高校招生信息管理系統開發與應用研究.暨南學報(哲學社會科學版). 2001，(06) .

[2]吳洪潭，葉含笑，丁文.高校網上招生系統院校端子系統的設計.計算機工程. 2002，(S1) .

[3]沈錫臣，陳懷楚.高校信息化建設標準規范.清華大學學報(自然科學版).2003，(04) .

數據解決方案范文第5篇

兩地三中心方案(MGM)采用高性能、高容量的數據存儲系統，結合磁盤層疊式(異步與同步結合)數據復制技術，用于向大型企業提供高性能、靈活、可擴展，高彈性的數據容災備份。此方案的同城RPO(Recovery Poinl Objective，恢復點目標)=0，即可以確保在同城范圍提供實時鏡像數據備份恢復；異地RPO最短3秒至5秒，可以盡可能地降低數據丟失幾率，根據災難的情況還可以進行故障切換。

如右上圖所示，兩地三中心方案由生產中心A、同城災備中心B和異地災備中心C構成。在本地生產中心A中，采用大型數據存儲系統存儲相應的業務數據，通過數據同步復制技術將數據復制到同城災備中心B的數據存儲系統中，實時保證數據的一致性。同時位于同城災備中心B的數據存儲系統還會以數據異步復制技術向異地災備中心C進行數據鏡像，實現異地的數據備份及保護。當同城災備中心B發生故障時，生產中心A可以向異地災備中心C通過數據異步復制技術同步數據，實現異地的數據備份及保護。當生產中心A所在地發生災難時，生產中心A可將應用切換到同城災備中心B或異地災備中心C的備用數據服務器上，同時同城災備中心B或異地災備中心c的備用數據服務器接管災備中心A的應用，恢復數據的訪問及業務的連續性。

異地雙中心方案

異地雙中心方案較三中心方案減少了一個同城災備中心，采用類似的企業級數據存儲系統，通過數據異步復制技術進行備份數據的傳遞。因為缺少一個近距離的同城災備中心，所以異地雙中心方案無法提供實時的鏡像數據備份恢復，RPO最短3秒至5秒。這種情況下雖然可以保證數據一致性且可以實時切換，但是因此會有少量的數據丟失，因此只適用于對數據實時更新要求不高的企業。

在本方案中，本地生產中心的數據存儲系統存儲著相應的業務數據，可以同異地災備中心通過數據異步復制技術進行數據鏡像，實現異地的數據備份及保護。當生產中心所在地發生災難時，生產中心的應用將被切換到異地災備中心的數據庫服務器，異地災備中心使用存儲有數據鏡像的存儲系統，開始恢復數據的訪問及業務的連續性。

存儲HA+異地災備方案

兩地三中心方案的部署成本太高，而異地雙中心方案又無法做到數據無丟失，而存儲HA+異地災備方案則可以在前兩個方案之間取得較好的平衡。這實際上是兩地三中心方案的一個變通做法，即將保存實時數據鏡像的災備存儲系統放在生產中心，從而實現同城災備中心的部分功能。從而實現生產中心存儲HA(高可用性)，使得RPO=0，實現實時數據的一致性。

在生產中心中，企業用戶需要放置兩套企業級存儲系統在本地生產中心存儲相應的業務數據，并在生產中心通過數據同步復制技術實現數據的實時同步，實現存儲的高可用性。任意一套存儲系統的宕機，都不會影響業務的運行。同時，結合數據異步復制技術，將本地生產中心的一套存儲系統同異地災備中心的存儲系統通過數據異步復制技術進行數據鏡像，實現異地的數據備份及保護。

同城雙中心方案

如果企業的業務主要集中在一地開展，或者希望在預算有限的情況下優先滿足數據的一致性，那么前面提到的異地災備方案就不是那么合適了，此時可以考慮同城雙中心方案，即將生產中心和災備中心安排在同一個地區。然后根據情況選擇磁盤數據同步／異步復制技術，進行生產中心與災備中心之間的數據備份傳輸，實現同城的災難備份恢復，從而有效地管理風險、保證業務的連續運行，提高業務服務水平。

本方案主要由服務器和存儲備份系統兩部分構成。在生產中心配備兩套數據庫服務器來保證業務訪問的穩定、高性能、快速響應及高可用性，而響應的數據則存儲在生產中心的一套企業級存儲系統上。同時，此系統通過磁盤數據同步屏步復制技術將數據復制到同城災備中心的存儲系統上，生產中心與災備中心的兩套磁盤存儲系統間建立磁盤鏡像復制關系從而實現高可用性，保證關鍵數據的可恢復性與業務應用的可持續性。