基于大數(shù)據(jù)的數(shù)據(jù)服務(wù)應(yīng)用研究

陳 光

(江蘇自動化研究所，江蘇 連云港 222006)

0 引 言

智能電網(wǎng)是大數(shù)據(jù)最重要的應(yīng)用領(lǐng)域之一，支撐智能電網(wǎng)綠色安全、堅強及可靠運行的基礎(chǔ)是電網(wǎng)全景實時數(shù)據(jù)采集、傳輸和存儲，以及累積的海量多源數(shù)據(jù)快速分析，證實了大數(shù)據(jù)在大規(guī)模數(shù)據(jù)集處理、應(yīng)用方面的優(yōu)勢。而目前隨著智能電網(wǎng)的快速發(fā)展，智能電表的大量部署和傳感技術(shù)的廣泛應(yīng)用，電力工業(yè)產(chǎn)生了大量結(jié)構(gòu)多樣、來源復(fù)雜的數(shù)據(jù)，如何存儲和應(yīng)用這些數(shù)據(jù)，是電力公司面臨的難題[1]。

(1)難以適應(yīng)靈活多變的應(yīng)用需求。

現(xiàn)有的服務(wù)方式主要面向指揮所內(nèi)使用，模式固定、手段單一，缺少靈活、精確的數(shù)據(jù)組織與服務(wù)保障，對機動環(huán)境下應(yīng)用人員信息支持不足，難以適應(yīng)靈活多變的應(yīng)用需求。

(2)決策支持信息獲取能力不足。

現(xiàn)有的數(shù)據(jù)應(yīng)用手段尚停留在數(shù)據(jù)查詢、統(tǒng)計層面，對于數(shù)據(jù)缺乏有針對性、深層次的分析、信息提煉手段，應(yīng)用數(shù)據(jù)匯集的價值未能充分發(fā)揮，對于應(yīng)用人員更為關(guān)注的決策支持信息獲取能力不足。

(3)不便于掌控全局應(yīng)用信息。

現(xiàn)有的數(shù)據(jù)展示手段單一，主要依賴圖、表、文字，缺少綜合性、多維的展示方式，不便于應(yīng)用人員直觀快速地掌握全局應(yīng)用信息。

應(yīng)用數(shù)據(jù)建設(shè)將以服務(wù)應(yīng)用、保障指揮為核心，能夠整合、積累來自業(yè)務(wù)保障部門等各種渠道獲取的相關(guān)數(shù)據(jù)資源，具備從大規(guī)模的應(yīng)用數(shù)據(jù)資源中獲取有價值的決策支持信息，同時形成面向應(yīng)用指揮的統(tǒng)一數(shù)據(jù)視圖，滿足不同層級應(yīng)用人員隨遇接入、按需服務(wù)保障需求，發(fā)揮數(shù)據(jù)最大的應(yīng)用效能[2]。

(1)多層級決策支持信息需求，能夠根據(jù)應(yīng)用需求，提供動態(tài)的應(yīng)用數(shù)據(jù)服務(wù)，并且能夠保障指揮過程中在任何時間、任何地點都能享受權(quán)限范圍內(nèi)的應(yīng)用信息服務(wù)；

(2)應(yīng)用數(shù)據(jù)按需服務(wù)保障需求，能夠從多渠道獲取的數(shù)據(jù)資源中分析、挖掘價值信息，為不同指揮層級應(yīng)用人員提供不同粒度的決策支持，快速提供其所需的應(yīng)用信息響應(yīng)支持；

(3)跨部門應(yīng)用數(shù)據(jù)整合利用需求，能夠科學(xué)劃分應(yīng)用數(shù)據(jù)資源目錄，規(guī)范化應(yīng)用數(shù)據(jù)采集渠道，有效整合各部門與應(yīng)用相關(guān)的數(shù)據(jù)資源，有序組織、標準化整編各類數(shù)據(jù)資源，保障應(yīng)用數(shù)據(jù)靈活、充分利用。

(4)常態(tài)化應(yīng)用數(shù)據(jù)管控需求，能夠支持應(yīng)用數(shù)據(jù)采集、存儲、分析、服務(wù)等過程的運維管理，擴充應(yīng)用數(shù)據(jù)容災(zāi)備份手段，加強數(shù)據(jù)安全防護與密碼保密手段，輔助應(yīng)用數(shù)據(jù)全生命周期管控，同時建立信息使用評估反饋機制，全面把握不同層級應(yīng)用人員的信息需求。

1 需求架構(gòu)

針對應(yīng)用過程中對數(shù)據(jù)的建設(shè)需求，構(gòu)建數(shù)據(jù)中心。一方面整合應(yīng)用、各業(yè)務(wù)保障部門的應(yīng)用相關(guān)數(shù)據(jù)資源，形成統(tǒng)一的應(yīng)用數(shù)據(jù)視圖；另一方面，實施數(shù)據(jù)深層次分析利用，為本級、各區(qū)域提供大規(guī)模應(yīng)用數(shù)據(jù)的按需保障支持。同時加裝應(yīng)用數(shù)據(jù)庫提供其應(yīng)用數(shù)據(jù)應(yīng)用支持，如圖1所示。

圖1 需求架構(gòu)設(shè)計

2 大數(shù)據(jù)支撐環(huán)境

大數(shù)據(jù)應(yīng)用支撐環(huán)境是基于大數(shù)據(jù)業(yè)務(wù)全生命周期，提供大數(shù)據(jù)業(yè)務(wù)一站式支撐服務(wù)，包括大數(shù)據(jù)的數(shù)據(jù)規(guī)劃、采集與預(yù)處理、存儲與管理、分析與挖掘以及應(yīng)用與服務(wù)等，實現(xiàn)了大規(guī)模數(shù)據(jù)資源的有機整合和充分利用，如圖2所示。

3 技術(shù)架構(gòu)

針對智能電網(wǎng)等領(lǐng)域應(yīng)用數(shù)據(jù)具有的容量大、非結(jié)構(gòu)化、多樣性、冗余度高等特點，以及實際業(yè)務(wù)中快速開展大數(shù)據(jù)分析處理的應(yīng)用需求，提出支持橫向擴展，具有并行、分布、高效等特點，且面向服務(wù)并支持大數(shù)據(jù)全生命周期活動的平臺體系架構(gòu)，從而解決大數(shù)據(jù)的服務(wù)、共享、分析和整合等集成性問題[3-4]。然而，從海量數(shù)據(jù)中“提純”出有用的信息，這對網(wǎng)絡(luò)架構(gòu)和數(shù)據(jù)處理能力而言是一個巨大的挑戰(zhàn)。從三個方面描述大數(shù)據(jù)的技術(shù)體系，包括支持大數(shù)據(jù)實施的云計算平臺、支撐上層業(yè)務(wù)應(yīng)用的大數(shù)據(jù)應(yīng)用支撐以及業(yè)務(wù)應(yīng)用三個層次。其典型的技術(shù)架構(gòu)如圖3所示。

圖2 大數(shù)據(jù)業(yè)務(wù)生命周期流程

圖3 技術(shù)架構(gòu)

大數(shù)據(jù)技術(shù)架構(gòu)在邏輯上表現(xiàn)為一種層次架構(gòu)，自上而下包括大數(shù)據(jù)業(yè)務(wù)應(yīng)用層、大數(shù)據(jù)應(yīng)用服務(wù)支撐、云計算平臺以及數(shù)據(jù)資源層。而相關(guān)的標準、規(guī)范和安全機制貫穿所有層次。該架構(gòu)主要包括：

(1)數(shù)據(jù)源層,涵蓋各類結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。

(2)云計算平臺，作為大數(shù)據(jù)的技術(shù)支撐基礎(chǔ)，為大數(shù)據(jù)應(yīng)用提供大規(guī)模數(shù)據(jù)的計算能力、存儲能力以及交換能力，同時確保大數(shù)據(jù)的應(yīng)用安全和數(shù)據(jù)安全，面對大容量數(shù)據(jù)處理、存儲等需求，實施資源虛擬化管理，提供易擴展的計算能力、存儲能力、網(wǎng)絡(luò)交換能力的虛擬化管理服務(wù)，統(tǒng)一進行系統(tǒng)資源調(diào)度[5-6]。

(3)大數(shù)據(jù)應(yīng)用服務(wù)支撐，依托云計算平臺提供的海量數(shù)據(jù)計算、存儲與交換能力，面向業(yè)務(wù)應(yīng)用提供大規(guī)模數(shù)據(jù)的采集、處理、存儲、管理、分析與挖掘、應(yīng)用服務(wù)等支持，主要包括：

①對全面采集的各類結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)進行清洗、分類、編目、入庫、存儲等數(shù)據(jù)接入處理；

②構(gòu)建基礎(chǔ)數(shù)據(jù)庫、規(guī)則知識庫、元數(shù)據(jù)及索引庫等數(shù)據(jù)庫，提供接入處理以及決策建模、分析挖掘等生成的數(shù)據(jù)分類存儲支持；

③根據(jù)應(yīng)用服務(wù)、決策建模、分析挖掘等需求，提供各類數(shù)據(jù)搜索、關(guān)聯(lián)、提取以及快速訪問支持；

④面向信息的各類應(yīng)用需求，進行決策建模、分析挖掘，提煉各類規(guī)則知識、規(guī)律信息；

⑤統(tǒng)一為不同類型用戶等提供多樣化的應(yīng)用服務(wù)，包括全文檢索、多維展示、信息關(guān)聯(lián)跟蹤等等。

(4)大數(shù)據(jù)業(yè)務(wù)應(yīng)用，在大數(shù)據(jù)應(yīng)用服務(wù)支撐環(huán)境支持下，面向具體業(yè)務(wù)需求，提取所需數(shù)據(jù)集，展開分析、提煉工作，發(fā)現(xiàn)其中價值信息，提供信息融合、目標識別、目標動向預(yù)測等多樣化的信息應(yīng)用。

(5)信息門戶層，為不同類型用戶提供“云模式”和“云+端模式”兩種使用方式，即只需通過登錄信息門戶，即可訪問各個系統(tǒng)，有效地支撐完成各類業(yè)務(wù)應(yīng)用。

4 應(yīng)用開發(fā)架構(gòu)設(shè)計原則

大數(shù)據(jù)應(yīng)用架構(gòu)需要滿足業(yè)務(wù)需求[7]：

(1)能夠滿足基于大容量、多類型、快速流通的數(shù)據(jù)環(huán)境下的大數(shù)據(jù)處理需求，支持大數(shù)據(jù)的采集、存儲、處理和分析；

(2)滿足大數(shù)據(jù)應(yīng)用在可用性、可靠性、可擴展性、容錯性和安全性等方面的要求；

(3)滿足基于原始技術(shù)和格式實現(xiàn)數(shù)據(jù)分析和整合的基本要求，支持對復(fù)雜的原始格式數(shù)據(jù)進行整合分析的能力。

目前，各個大數(shù)據(jù)應(yīng)用開發(fā)的架構(gòu)基本都是基于Apache開源的大數(shù)據(jù)平臺，涉及的架構(gòu)參考模型如圖4所示。大數(shù)據(jù)的處理流程主要是通過分布式文件處理系統(tǒng)來實現(xiàn)的，使用的主流技術(shù)主要是Hadoop+MapReduce，其中以Hadoop的分布式文件處理系統(tǒng)(HDFS)作為大數(shù)據(jù)存儲框架，MapReduce作為大數(shù)據(jù)處理框架[8-9]。

圖4 大數(shù)據(jù)開發(fā)框架

(1)大數(shù)據(jù)存儲框架。

HDFS：Hadoop的分布式文件系統(tǒng)，用于存儲非結(jié)構(gòu)化數(shù)據(jù)，運行于大規(guī)模服務(wù)器組成的集群系統(tǒng)之上，采用元數(shù)據(jù)集中管理與數(shù)據(jù)塊分散存儲相結(jié)合的模式，并通過數(shù)據(jù)復(fù)制實現(xiàn)高度容錯，在架構(gòu)上通常在服務(wù)器、操作系統(tǒng)或虛擬機之上。

(2)大數(shù)據(jù)處理框架。

MapReduce：分布式并行計算框架，使得應(yīng)用程序能夠運行于大規(guī)模集群系統(tǒng)之上，并以可靠容錯的方式并行處理TB級以上的數(shù)據(jù)集。

(3)大數(shù)據(jù)訪問框架。

大數(shù)據(jù)訪問框架是實現(xiàn)對傳統(tǒng)的關(guān)系數(shù)據(jù)庫和Hadoop的訪問，主流技術(shù)包括Pig、Hive、Sqoop等。

Pig：是基于Hadoop的并行計算，提供一種類SQL的數(shù)據(jù)分析，具備將類SQL的數(shù)據(jù)分析請求轉(zhuǎn)化為一系列經(jīng)過優(yōu)化處理的MapReduce運算，常用方法包括分組、過濾、合并等[10]。

Hive：數(shù)據(jù)倉庫工具，是MapReduce實現(xiàn)的用來查詢分析結(jié)構(gòu)化數(shù)據(jù)的中間件，提供類SQL的查詢語言支持[11]。

Sqoop：用于在Hadoop與傳統(tǒng)的數(shù)據(jù)庫之間進行數(shù)據(jù)傳遞，即能將存儲于HDFS的數(shù)據(jù)與關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)進行互導(dǎo)。

(4)大數(shù)據(jù)調(diào)度框架。

大數(shù)據(jù)調(diào)度框架實現(xiàn)對大數(shù)據(jù)的組織和調(diào)度，為大數(shù)據(jù)分析做好準備，主流技術(shù)包括HBase、Avro、Flume、ZooKeeper、Oozie等[12]。

HBase：基于列存儲的非關(guān)系型數(shù)據(jù)庫，可直接運行于Hadoop之上，提供大規(guī)模數(shù)據(jù)的實時讀取和寫入隨機存取?？梢源鎯Y(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)。

Avro：數(shù)據(jù)序列化格式與傳輸工具。

ZooKeeper：分布式鎖工具，用于分布式應(yīng)用中高性能的協(xié)同服務(wù)[13]。

Flume：提供可靠的分布式流收集服務(wù)。

Oozie：基于服務(wù)器的工作流引擎，用于調(diào)度和運行Hadoop作業(yè)的工作流。

此外，還有集成開發(fā)環(huán)境和集成應(yīng)用程序環(huán)境，前者提供源代碼編輯器、編譯器、自動化系統(tǒng)構(gòu)建工具、調(diào)試工具等，后者提供基于圖形用戶界面組裝完整的應(yīng)用程序。

(5)大數(shù)據(jù)分析與展示框架。

大數(shù)據(jù)分析與展示框架通過結(jié)合使用智能分析與展現(xiàn)工具實現(xiàn)大規(guī)模數(shù)據(jù)的分析和可視化，主流技術(shù)包括Mahout、Hama等。

Mahout：提供分布式機器學(xué)習(xí)和數(shù)據(jù)挖掘算法庫。

Hama：提供基于BSP的超大規(guī)?？茖W(xué)計算框架。

(6)大數(shù)據(jù)連接器。

大數(shù)據(jù)分析與展示需要與傳統(tǒng)的關(guān)系數(shù)據(jù)庫、數(shù)據(jù)倉庫連接，主流的技術(shù)是ETL，為關(guān)系型數(shù)據(jù)庫與HDFS的數(shù)據(jù)交互提供專門接口，同時提供對元數(shù)據(jù)、數(shù)據(jù)質(zhì)量控制等可視化支持[14]。

(7)大數(shù)據(jù)安全、運維框架。

大數(shù)據(jù)安全、運維框架提供大數(shù)據(jù)治理、安全性以及日常的維護管理支持，主流技術(shù)包括如Ambari、Chukwa等。

Ambari：提供Hadoop管理工具，快捷地監(jiān)控、部署、管理集群。

Chukwa：提供大規(guī)模分布式集群的數(shù)據(jù)收集管理。

嵌入Hadoop管理：支持Hadoop運行管理，包括日志審計、文件系統(tǒng)檢查、數(shù)據(jù)節(jié)點塊驗證、性能監(jiān)控、元數(shù)據(jù)備份等等。

GangliaContext：提供差大集群的開源分布式監(jiān)控系統(tǒng)。

5 關(guān)鍵技術(shù)

5.1 大數(shù)據(jù)存儲與處理技術(shù)

目前，在主流的大數(shù)據(jù)存儲與處理平臺領(lǐng)域仍然以Hadoop技術(shù)為主，提供對大數(shù)據(jù)分布式存儲、計算、快速訪問等支持，便于用戶快捷地處理大規(guī)模數(shù)據(jù)。

Hadoop的特點在于能夠存儲并管理PB級數(shù)據(jù)，支持處理非結(jié)構(gòu)化復(fù)雜類型數(shù)據(jù)，同時由于采用分布式體系架構(gòu)，Hadoop具有很好的容錯性和擴展性。

Hadoop主要提供分布式存儲和計算平臺，包括分布式文件系統(tǒng)(HDFS)、分布式計算框架(MapReduce)和分布式數(shù)據(jù)庫(NoSQL)。

(1)HDFS。

一個分布式文件系統(tǒng)(非結(jié)構(gòu)化數(shù)據(jù)存儲)，隱藏下層負載均衡，冗余復(fù)制等細節(jié)，對上層程序提供一個統(tǒng)一的文件系統(tǒng)API接口。HDFS針對海量數(shù)據(jù)特點做了特別優(yōu)化，包括：超大文件的訪問，讀操作比例遠超過寫操作，PC機極易發(fā)生故障造成節(jié)點失效，等等。

(2)MapReduce。

分布式存儲運算可以抽象為MapReduce操作。Reduce把Key/Value合成最終輸出Output。Map是把輸入Input分解成中間的Key/Value對，下層設(shè)施把Map和Reduce操作分布在集群上運行，并把結(jié)果存儲在HDFS文件系統(tǒng)中。

(3)NoSQL。

NoSQL是按列存儲的、多維表結(jié)構(gòu)的實時分布式數(shù)據(jù)庫，可以提供大數(shù)據(jù)量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的高速讀寫操作，為高速在線數(shù)據(jù)服務(wù)而設(shè)計。

5.2 大數(shù)據(jù)查詢與分析技術(shù)

對于Hadoop存儲的數(shù)據(jù)，無法通過SQL來查詢使用。但是為了便于SQL使用人員能夠通過SQL語言操作和分析大數(shù)據(jù)，SQL on Hadoop技術(shù)因運而生，典型技術(shù)是Hive以及在Hive基礎(chǔ)上擴展形成的PostgreSQL、DRAWN Scale、Saleforce Phoenix等等。

Hive是基于Hadoop的大數(shù)據(jù)分布式數(shù)據(jù)倉庫引擎，可以將數(shù)據(jù)存放在分布式文件系統(tǒng)HDFS或分布式數(shù)據(jù)庫中，并使用SQL語言進行海量數(shù)據(jù)統(tǒng)計、查詢和分析操作。

5.3 大數(shù)據(jù)分析與可視化技術(shù)

大數(shù)據(jù)對數(shù)據(jù)分析和可視化提出了更高的要求，包括：要求數(shù)據(jù)分析從傳統(tǒng)聯(lián)機分析處理和報表向數(shù)據(jù)發(fā)現(xiàn)轉(zhuǎn)變；要求從結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化、非結(jié)構(gòu)化混合數(shù)據(jù)類型轉(zhuǎn)變；要求支持PB以上的大數(shù)據(jù)進行分析；要求支持對關(guān)系型、非關(guān)系型、多結(jié)構(gòu)化、機器生成的數(shù)據(jù)分析；要求支持重組數(shù)據(jù)成為新的復(fù)雜結(jié)構(gòu)并進行分析和可視化，如圖分析、時間/路徑分析；要求大數(shù)據(jù)分析支持更快、更適應(yīng)迭代的分析。

因此，在大數(shù)據(jù)環(huán)境下，通過傳統(tǒng)的數(shù)據(jù)采樣、OLAP方式的數(shù)據(jù)分析，已經(jīng)難以滿足大數(shù)據(jù)分析的需要。必須要能對全量的數(shù)據(jù)集進行多樣化的數(shù)據(jù)分析、挖掘，同時以適合的展示方式提供用戶使用。

(1)大數(shù)據(jù)挖掘和高級分析。

大數(shù)據(jù)挖掘的主要任務(wù)就是從大量數(shù)據(jù)中發(fā)現(xiàn)模式，并且根據(jù)挖掘任務(wù)不同分為多種類型，包括：

關(guān)聯(lián)分析：用于發(fā)現(xiàn)不同數(shù)據(jù)集之間的關(guān)聯(lián)規(guī)則，包括關(guān)聯(lián)、相關(guān)性、因果結(jié)構(gòu)或頻繁出現(xiàn)的模式。

分類分析：根據(jù)數(shù)據(jù)的特征為每個類別建立一個模型，根據(jù)數(shù)據(jù)屬性將數(shù)據(jù)分配到不同組中。

聚類分析：按照某種相近程度度量方法將數(shù)據(jù)分成互不相同的分組。

序列分析：用于分析數(shù)據(jù)中某類與時間相關(guān)的數(shù)據(jù)，并挖掘時序模式、周期性、趨勢和偏離等。

偏差檢測分析：用于檢測并解釋數(shù)據(jù)分類的偏差，即數(shù)據(jù)集中顯著不同于其他數(shù)據(jù)的對象。

預(yù)測模型分析：從數(shù)據(jù)集中已知的數(shù)據(jù)推測未知的數(shù)據(jù)集中某些屬性值的分布。

模式相似性挖掘：用于在時間數(shù)據(jù)庫或空間數(shù)據(jù)庫中搜索相似模式時，從所有對象中找出用戶定義范圍內(nèi)的對象，或找出所有元素對中兩者距離小于用戶定義的距離范圍的元素對。

此外，Mahout提供了基于Hadoop的分布式機器學(xué)習(xí)和數(shù)據(jù)挖掘庫，便于大數(shù)據(jù)挖掘以及高級分析實施。

(2)非結(jié)構(gòu)化數(shù)據(jù)分析。

非結(jié)構(gòu)化數(shù)據(jù)包括文本、Web頁面、語音、視頻、圖像等，因此，在大數(shù)據(jù)環(huán)境下，需要具備對大規(guī)模的非結(jié)構(gòu)化數(shù)據(jù)進行分析、利用，包括：文本挖掘、Web數(shù)據(jù)挖掘、語音識別、圖像識別與分析、地理空間分析。

(3)實時預(yù)測分析。

描述性分析主要是幫助用戶了解過去發(fā)生的事情，而預(yù)測性分析專注于正要發(fā)生的事情，并進一步預(yù)測將來可能發(fā)生什么。

(4)大數(shù)據(jù)可視化。

大數(shù)據(jù)可視化主要包括可視化報表和可視化分析。其中，可視化報表主要使用圖、表描述業(yè)務(wù)情況，主要工具有儀表盤、報告、基于Excel分析、維度分析等等。而可視化分析是輔助用戶可視化地探索數(shù)據(jù)來發(fā)現(xiàn)新的洞察，能夠幫助用戶按照思維的速度可視化地過濾、比較和關(guān)聯(lián)數(shù)據(jù)，從而更快地分析、更好地決策和更有效地展現(xiàn)和理解數(shù)據(jù)。

主要工具包括：入門級工具-Excel、在線數(shù)據(jù)可視化工具、互動圖形用戶界面控制、基于地理信息系統(tǒng)工具、可視化設(shè)計工具、可視化分析工具。

6 結(jié)束語

目前隨著電力信息化的迅速推進以及智能變電站、實時監(jiān)測系統(tǒng)、現(xiàn)場移動檢修系統(tǒng)、測控一體化系統(tǒng)等一大批服務(wù)于各個專業(yè)的信息管理系統(tǒng)的建設(shè)和應(yīng)用，數(shù)據(jù)的種類和規(guī)模同步快速增長，這些多源異構(gòu)數(shù)據(jù)共同構(gòu)成了智能電網(wǎng)大數(shù)據(jù)。未來將大數(shù)據(jù)技術(shù)適用在智能電網(wǎng)等信息領(lǐng)域，提供重要指揮決策信息可視化平臺，輔助指揮人員提升指揮能力。

(1)以應(yīng)用需求為牽引，持續(xù)深化應(yīng)用信息頂層規(guī)劃。

從不同指揮層級應(yīng)用人員的應(yīng)用需求出發(fā)，加強應(yīng)用信息頂層規(guī)劃，持續(xù)支持與應(yīng)用需求相關(guān)數(shù)據(jù)采集渠道接入，建立應(yīng)用數(shù)據(jù)分類目錄體系標準與信息交換共享機制，確保多數(shù)據(jù)采集渠道的大規(guī)模應(yīng)用數(shù)據(jù)能夠有效整合、有序組織，統(tǒng)一為應(yīng)用信息服務(wù)提供數(shù)據(jù)資源調(diào)配與使用服務(wù)。

(2)以應(yīng)用為核心，緊密圍繞應(yīng)用保障知識化需要。

針對現(xiàn)有應(yīng)用數(shù)據(jù)基礎(chǔ)性數(shù)據(jù)多、決策支持性數(shù)據(jù)少等問題，在應(yīng)用信息頂層規(guī)劃與數(shù)據(jù)有效整合的支持下，綜合運用數(shù)據(jù)統(tǒng)計、數(shù)據(jù)分析、數(shù)據(jù)挖掘等方法，從多數(shù)據(jù)采集渠道獲取的大規(guī)模應(yīng)用數(shù)據(jù)中，提煉能夠保障服務(wù)于應(yīng)用指揮的決策支持信息知識，提升應(yīng)用行動快速反應(yīng)能力。

(3)以信息用戶為中心，重點突出多層級信息服務(wù)能力。

面對復(fù)雜、動態(tài)、不確定的應(yīng)用環(huán)境，能夠支持便攜式終端快速接入、準確獲取信息，同時能夠面向不同應(yīng)用人員提供個性化的信息服務(wù)，支持根據(jù)不同應(yīng)用人員重點關(guān)注內(nèi)容，靈活組織、多視角全方位展示信息內(nèi)容，滿足不同指揮層級應(yīng)用人員便捷、及時地掌握應(yīng)用信息的保障需求。