智能数据治理-数据自动化清洗功能设计方案.pptxVIP

下载本文档

24
0
约2.48千字
约 11页
2023-11-23 发布于北京
举报
版权申诉

智能数据治理-数据自动化清洗功能设计方案.pptx

1、本文档共11页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

数据治理_数据自动化清洗功能设计方案背景当前的基础清洗是由开发人员在平台通过配置输入输出表、依赖、数据源，再通过SQL脚本创建剔重程序将ODS表转换为DWD表，程序上线依据前置归集任务的调度周期及系统忙闲程度生成调度任务。是ODS-DWD-DWS程序链中的一环，平台也会依据这些配置信息生成数据血缘关系图。因输出表有命名规范，剔重SQL没有附加业务属性，千篇一律，其他配置信息可以通过前置的归集任务获取，因此业主方认为基础清洗工作可以自动化完成，也就是说ODS到DWD过程不需要人工干预。要求归集后的数据都应全量做基础清洗基础清洗流程—现状归集系统数据资产数据治理MQ归集完成通知消费归集消息通过接口触发执行输入表为当前归集ODS表的清洗程序元数据采集样例数据采集目录状态更新…数据湖执行ODS-DWD的清洗开发ODS-DWD的清洗程序治理开发人员治理开发人员在数据治理平台把ODS-DWD的清洗程序开发完成并发布后，平台才能根据归集消息自动触发清洗程序目录资源挂载自动化基础清洗流程归集系统数据资产数据治理MQ归集完成通知消费归集消息通过接口触发执行输入表为当前归集ODS表的清洗程序元数据采集样例数据采集目录状态更新…数据湖执行ODS-DWD的清洗开发ODS-DWD的清洗程序治理开发人员1、通过接口自动创建输入表为ODS表的调度程序并发布，如已创建则跳过2、自动创建DWD元数据并挂载目录资源通过接口自动创建输入表为ODS表的调度程序并发布，不再需要治理开发人员人工干预目录资源挂载自动化基础清洗—全量清洗程序模板判断ODS表是否存在ODS表不存在，程序结束读取ODS表获取ODS表数据量判断ODS表数据量是否为0ODS表数据量为0，程序结束获取分桶数读取DWD表判断DWD表是否存在备份DWD表存在创建新的DWD表不存在清洗数据保存清洗统计日志删除历史DWD备份表结束自动清洗前提条件：DWD表的创建依据ODS的建表语句，增加分桶规则；ODS表如果建表不规范，则DWD表可能存在不规范的情况数据踢重，依赖于奥腾同步的目录信息中的主键标识；如没有主键标识，则无法自动生成自动清洗规则：DWD表名按照规范生成DWD表为ORC的分桶表，分桶数跟据数据量查询分桶配置表确定DWD表先备份再清洗数据清洗去重规则为：根据主键分组，按照奥腾创建时间取必威体育精装版一条数据存在不存在为0不为0 自动化基础清洗·增量清洗程序模板判断必威体育精装版批次ODS表是否存在ODS表不存在，程序结束读取当前批次ODS表获取必威体育精装版批次ODS表数据量判断必威体育精装版批次ODS表数据量是否为0ODS表数据量为0，程序结束获取分桶数清洗数据（前一批次的DWD表+必威体育精装版批次ODS表数据合并）保存清洗统计日志删除历史批次DWD备份表结束自动清洗前提条件：增量归集时，每次归集都生成一个新表或有统一的标识字段标识增量数据，如归集批次、归集日期DWD表的创建依据ODS的建表语句，增加分桶规则；ODS表如果建表不规范，则DWD表可能存在不规范的情况数据踢重，依赖于奥腾同步的目录信息中的主键标识；如没有主键标识，则无法自动生成自动清洗规则：DWD表名按照规范生成，表后缀增加DWD表为ORC的分桶表，分桶数跟据数据量查询分桶配置表确定必威体育精装版DWD表的数据为前一批次DWD表 + 必威体育精装版批次ODS的数据合并数据清洗去重规则为：根据主键分组，按照奥腾创建时间取必威体育精装版一条数据存在不存在为0不为0创建新批次的DWD表数据复制到DWD表自动化基础清洗—监控上线异常监控：自动化清洗程序生成失败的统计监控已生成自动化清洗程序的调度执行结果监控自动化清洗程序调度成功后 ODS数据量与DWD数据量的对比监控上线方式（二选一）：人工上线自动化清洗程序（推荐）：平台自动生成ODS-DWD的清洗程序，数据治理开发人员，对需要上线的治理程序，进行发布上线自动上线自动化清洗程序：按照委办逐步上线：所有委办的目录量1万+，目前星环的资源配置可能不具备一次性全量清洗条件，采取首次上线时，选择一个委办试点，逐步放开其他委办自动化基础清洗·其他说明对于已经开发ODS-DWD清洗程序的表，不再重复生成清洗程序所有生成的自动化清洗程序，都在治理平台运维团队下对于某些特殊场景，自动化生成的调度程序无法满足需求的，需要治理人员单独开发治理程序，并删除原自动生成的治理程序当自动化清洗模板规则发生变更时，对所有自动生成的治理程序进行批量统一更新（如不需要此功能则上面特殊场景的清洗程序，治理人员直接修改自动生成的治理程序即可）需要在星环单独配置一个资源队列，所有自动化清洗调度任务都提交至此资源队列中自动化基础清洗·工作整理数据资产平台：样例程序开发：全量、增量自动清洗程序的样例程序开发、验证自动化清洗程序生成：通过归集消息、目录归集方式（全量/增量）、样例程序模板