拥有敏捷数据交付平台（DataMaster）是怎样一种体验？

DataMaster 是浙江移动最新打造的一站式敏捷 数据交付平台 ，其通过整合 大数据采集 、取数、开发、挖掘、开放、调度等多种能力，使企业能够端到端的快速完成数据加工和交付，从而高效释放数据价值。

DataMaster划分为六个中心，分别为 采集交换中心、取数操作中心、 数据开发 中心、敏捷挖掘中心、 数据开放 中心及运营管理中心 ，这里做一简要介绍，希望于你有启示。

一、采集交换中心

实现了异构的 数据库 /文件系统之间高速数据采集交换，比如浙江移动 大数据 的采集交换任务几十万，必须依托于分布式，开放式灵活架构，主要包括五点：

1、采用去中心化的技术架构，支撑任务分片、分布式调度和执行，支持一站式运维；

2、通过网络、内存、磁盘资源线性规划，实现任务运行负载平衡；

3、提供多租户管理能力，实现能力的对外开放，很多数据交换都是应用驱动，必须提供灵活的支撑；

4、提供RPC、REST等服务能力，实现各类采集模块解耦，方便与第三方集成，一定要让 工具 适应场景，而不是反过来；

5、提供完全可视化的操作界面，无缝集成数据目录、采集模板等功能，降低数据采集和分发门槛。

二、取数操作中心

可以认为是ORACLE开发工具PL/DEV的大数据平台版本，其通过封装 SQL 语法，提供各类异构数据平台的统一查询入口。

我们用了多年时间进行打磨，项目经理变成了产品经理，体验才做到了与PL/DEV基本持平，代价不可谓不大，但PL/DEV是死的，封闭的，无法定制的，而取数操作中心还在演化，包括但不限于：

支持多窗口并行操作、数据字典随时在线索引、表名字段名智能联想、快捷键自定义、取数操作轨迹跟踪审计以及查询权限隔离管控等特性。

支持Hive、Spark、Gbase、Oracle、 MySQL 、Aster、Teradata、EsgynDB等十几种主流计算平台。

三、数据开发中心

可以分离线和实时两大部分。

1、离线开发交付

采用组件化方式，针对Hadoop、RDBMS、MPP等数据库或平台特点，对既定的、常用的数据、规则、功能、方法等进行定制封装，实现跨平台统一开发，开发人员通过可视化界面以拖拉拽方式，即可完成相关数据处理的开发，数据处理更加简化，处理效率更高，套路大家都差不多，不同的就是体验吧。

2、实时开发交付

以Flink为基础构建实时计算能力，构建了统一的实时数据模型开发、调度，运维一体化工具，提供了基于图形化组件的实时数据编排服务，并实现统一的元数据管理。

同时针对实时数据存储特点，实现非结构化的模型管理，解决线下流式数据开发效率低下，缺乏数据工具支撑工具等问题，也就是说，离线模型和实时模型现在能纳入同一套数据管理体系进行管理。

我们的理念就是甭管离线和在线实现方式是的如何不同，对于前端开发人员一定要保持足够透明和简洁，否则就会影响它的普及使用。

四、敏捷挖掘中心

笔者以前曾经做过介绍，从实用的角度讲，R/Python还是主流的挖掘引擎，现在最大的问题还不是深度学习的问题，而是数据准备、模型训练、模型发布、数据管理各项任务流程割裂的问题。

敏捷挖掘中心重点解决二个问题，一是R/Python集成数据目录等能力，也就是说，挖掘引擎可以直接复用企业数据字典的表，无需人工导入导出等工作，二是训练后的模型可以作为节点一键发布到数据开发中心的流程中。

诸如阿里的挖掘平台都是这种一站式的理念，当然它们做的更彻底，整个训练都是图形化的，但有利也有弊，不同的企业需要根据自己的情况灵活调整。

除了敏捷挖掘，也在采用其它各种挖掘引擎，包括SPARK，分布式SPSS，基于GPU的TF等，这些引擎各有优点和适用范围，如果后续使用的多了，也会考虑敏捷化。

五、数据开放中心

数据安全是企业进行数据价值变现的重中之重，我们的理念就是数据和应用开发可以百花齐放，但数据出口必须只有一个，因此，几年前就建设了数据安全网关。

数据安全网关以数据服务API为基础，通过建设服务生产、服务管控、服务提供、数据产品运营计费、数据服务安全管控、合作伙伴运营管理等多个模块，实现对大数据开放增值过程的全面管理。

通过建设大数据安全网关，不仅有效支撑了对内数据服务工作，也为大数据对外增值变现提供了基础安全保障。

六、运营管理中心

运营管理中心包括 租户运营管理、数据资产管理、数据运维管控、数据模型超市 等系列功能，这里做简单的介绍：

1、租户运营管理

DataMaster与企业的云管平台贯通，实现租户和数据资源的管理和分配，包含Hadoop、Hive、Mpp、Rdb等各类资源的纳管、资源申请流程贯通以及资源配置和使用信息的可视化展示，以下是从资源申请到最后标签发布的全流程示意图。

2、数据资产管理

提供了一套标准化、流程化、自动化、一体化的数据资产管理工具，包括数据架构规划、业务数据变更管理、元数据管理、数据质量管理、企业级数据字典等功能，我们重点关注数据资产管理的四个方面：

一是业务系统数据资产的纳管，要从源头解决数据资产准确性问题。

二是元数据管理嵌入到开发流程中，解决二张皮问题。

三是关于数据质量的影响评估，要具备从源表、作业、中间表到应用的全流程分析能力。

四是数据字典的运营，要确保可用性，降低管理成本。

以下是企业数据字典的界面示例。

3、数据运维管控

数据运维要实现数据全生命周期生产保障，主要包括一站式各类异构数据库作业任务运行监控告警、作业智能诊断、数据质量预警等系列功能。

大数据运维的重大挑战一是对于各种异构平台、作业级别资源耗用的自动化评估和优化，二是数据质量的监控，底层的数据质量问题往往牵一发而动全身，对于海量数据必须用系统化的手段来解决，以下是作业监控的列表示例。

4、数据模型超市

数据交付后一个很大的问题就是开放共享，比如一个租户开发了一个很好的模型，但企业其他的组织和个人不清楚，或者清楚了也不容易移植，很多企业都面临模型最佳实践无法快速复制的挑战。

我们认为还是需要从平台层面解决问题，模型超市是一种尝试，其依托于统一开发和数据资产管理引擎，通过模型评估、模型分享、热度排名、一键移植等功能来实现快速复制共享，它不仅是个数据社区，更是个生产平台。