問題描述

真是無語了，第二次提交又被拒絕了，理由是“該內(nèi)容屬于技術(shù)討論，建議就該問題，簡單地談一談你的想法思路，以便更好地和他人做一個(gè)技術(shù)交流“，要是第一次的是因?yàn)榕虐娴脑蛭乙舱J(rèn)了，想發(fā)個(gè)問答貼怎么就這么難呢？行吧，就按要求稍微表達(dá)一下吧，要是真的沒有思路難道也必須得胡編亂造嗎？相信網(wǎng)站團(tuán)隊(duì)的出發(fā)點(diǎn)是好的，但是對(duì)于新人來說，很可能會(huì)因此棄用。最后一次，再不過就不用這個(gè)論壇了，實(shí)在是提問好難。

以下是原文，最后將附上部分自己的思路。

初來乍到，第一次應(yīng)該是自己的排版太亂，導(dǎo)致審核沒有通過，后面還為此特地學(xué)些了markdown的語法。廢話不多說，進(jìn)入正文。

某大型上市國有企業(yè)，在各個(gè)省市都有分公司，為了統(tǒng)一管理全國各地市分公司子公司業(yè)務(wù)過程及財(cái)務(wù)數(shù)據(jù)，統(tǒng)一開發(fā)了一個(gè)管理平臺(tái)，再下發(fā)給各個(gè)省市根據(jù)實(shí)際需求進(jìn)行二次開發(fā)，以取代各地市原有的分散的財(cái)務(wù)系統(tǒng)、業(yè)務(wù)管理系統(tǒng)等。

前臺(tái)用angularJs，bootstrap，html，后臺(tái)用springMVC，MyBatis，數(shù)據(jù)庫有Oracle有Mysql，rpc框架用dubbo，注冊中心用zookeeper，緩存用redis，系統(tǒng)整體架構(gòu)為分布式+集群。整個(gè)系統(tǒng)包含了以“項(xiàng)目管理”，“合同管理”，“采購管理”，“銷售管理”，“核算管理” 5個(gè)模塊為主的多個(gè)業(yè)務(wù)模塊。

基于現(xiàn)有業(yè)務(wù)，做100+張報(bào)表。報(bào)表模塊將有獨(dú)立的數(shù)據(jù)庫及應(yīng)用。

如何建大表供所有報(bào)表使用?業(yè)務(wù)部分理清楚自然是最基本的，但是每個(gè)模塊之間通過接口來調(diào)用服務(wù)。

如何從分布式的數(shù)據(jù)庫抽取大數(shù)據(jù)量？每個(gè)模塊有各自的數(shù)據(jù)庫，部分使用oracle，部分mysql，數(shù)據(jù)量級(jí)別在千萬以上。

數(shù)據(jù)的同步方式又應(yīng)該怎樣比較合理？以什么技術(shù)實(shí)現(xiàn)？ 增量同步的難度較大，從業(yè)務(wù)模塊沒有很好的方式能保證不遺漏增量數(shù)據(jù)；若是全量數(shù)據(jù)，每次數(shù)據(jù)的量又實(shí)在是太大了。另外報(bào)表展示的時(shí)候以及數(shù)據(jù)導(dǎo)出又如何能保證其性能？

第一次做這么大的項(xiàng)目，實(shí)在是有些摸不著頭腦。可能表達(dá)的不太清楚，有需要補(bǔ)充的地方歡迎留言。希望論壇里的各位前輩多多指教，不勝感激。

ps: markdown好多地方還不太明白，比如有序無序列表嵌套的時(shí)候?yàn)槭裁磳?shí)心的黑點(diǎn)變成空心的了？為什么無序列表換行只有當(dāng)前行有效，而當(dāng)前行有效的時(shí)候上面已經(jīng)換過行的又無效了？有點(diǎn)不懂，難道說不同的編輯器的語法還不一樣？還有怎么才能看到人家發(fā)布的帖子的markdown怎么寫的？能看到的話好歹也能學(xué)習(xí)一下.

分析所有報(bào)表的統(tǒng)計(jì)維度和共同字段，在報(bào)表模塊新建一個(gè)oracle用戶，將所有字段根據(jù)模塊分表，作為報(bào)表的基礎(chǔ)大表；

需要考慮數(shù)據(jù)的抽取方式，目前我能想到的方式有兩種：

通過各個(gè)模塊提供接口，取數(shù)后插入至報(bào)表模塊基礎(chǔ)大表；優(yōu)點(diǎn)：抽取規(guī)則好維護(hù)；缺點(diǎn)：性能太差；

通過DBLink將oracle數(shù)據(jù)庫和Mysql數(shù)據(jù)庫打通，用存儲(chǔ)過程直接將數(shù)據(jù)插入至基礎(chǔ)大表。優(yōu)點(diǎn)：性能提升；缺點(diǎn)：規(guī)則由他人維護(hù)將變得很難。

數(shù)據(jù)每次全量同步。優(yōu)點(diǎn)：邏輯簡單；缺點(diǎn)：數(shù)據(jù)同步量太大，時(shí)間太久。

以上是個(gè)人的一些拙見，希望各位前輩多多指教。

問題解答

你說的需求基本算是建設(shè)數(shù)據(jù)倉庫，基本的思路是：

1、數(shù)據(jù)倉庫和業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫獨(dú)立，數(shù)據(jù)倉庫的建模一般要分層設(shè)計(jì)，不是簡單的建成大表。普遍會(huì)分為緩沖層、基礎(chǔ)層、聚合層、報(bào)表層等，每層的側(cè)重點(diǎn)不太一樣，基礎(chǔ)層還是以范式模型為主，聚合層就要普遍要做數(shù)據(jù)冗余，報(bào)表層一般是列很多的寬表設(shè)計(jì)。

2、數(shù)據(jù)同步，在數(shù)據(jù)量大的情況下必須有增量機(jī)制，如果沒有需應(yīng)用系統(tǒng)改造。

3、同步方法有幾種思路：

a. 用dblink打通數(shù)據(jù)庫，人工寫存儲(chǔ)過程。b. 用informatic powercenter 或kettle類似的ETL工具c. 專用的數(shù)據(jù)庫層同步軟件，如oracle的ogg等