目录
物流项目介绍和内容大纲
一、项目简介
二、功能介绍
三、内容大纲
四、技术亮点及价值有离线业务、也有实时业务
物流项目介绍和内容大纲
一、项目简介
本项目基于大型物流公司研发的智慧物流大数据平台，该物流公司是国内综合性快递、物流服务商，并在全国各地都有覆盖的网点。经过多年的积累、经营以及布局，拥有大规模的客户群，日订单达上千万，如此规模的业务数据量，传统的数据处理技术已经不能满足企业的经营分析需求。该公司需要基于大数据技术构建数据中心，从而挖掘出隐藏在数据背后的信息价值，为企业提供有益的帮助，带来更大的利润和商机
该大数据项目主要围绕订单、运输、仓储、搬运装卸、包装以及流通加工等物流环节中涉及的数据、信息等。通过大数据分析可以提高运输以及配送效率、减少物流成本、更有效地满足客户服务要求，实现快速、高效、经济的物流，并针对数据分析结果，提出具有中观指导意义的解决方案
物流大数据可以根据市场进行数据分析，提高运营管理效率，合理规划分配资源，调整业务结构，确保每个业务均可盈利。根据数据分析结果，规划、预计运输路线和配送路线，缓解运输高峰期的物流行为，提高客户的满意度，提高客户粘度
二、功能介绍
1、 业务系统数据主要存放到Oracle和Mysql数据库中，比如CRM系统数据在Mysql，OMS系统数据存放在Oracle中
2、OGG增量同步Oracle数据库的数据，Canal增量同步Mysql数据库的数据
3、OGG及Canal增量抽取的数据会写入到Kafka集群，供实时分析计算程序消费
4、实时分析计算程序消费kafka的数据，将消费出来的数据进行ETL操作
5、为了方便业务部门对各类单据的查询，StructureStreaming流式处理系统将数据经过JOIN处理后，将数据写入到Elastic Search中
6、StructureStreaming流处理会将数据写入到ClickHouse，Java Web后端直接将数据查询出来进行展示
7、StructureStreaming将实时ETL处理后的数据同步更新到Kudu中，方便进行数据的准实时分析、查询。Impala对kudu数据进行分析查询
8、前端应用对数据进行可视化展示
三、内容大纲
- 第1章：客快物流大数据之项目介绍及解决方案
- 第2章：客快物流大数据之docker使用
- 第3章：客快物流大数据之业务服务器环境配置
- 第4章：客快物流大数据之大数据服务器环境配置
- 第5章：客快物流大数据之实时ETL开发
- 第6章：客快物流大数据之主题及指标开发
- 第7章：客快物流大数据之实时OLAP分析
- 第8章：客快物流大数据之ES全文检索
- 第9章：客快物流大数据之数据服务开发
四、技术亮点及价值有离线业务、也有实时业务
- 基于Docker搭建异构数据源，还原企业真实应用场景
- 以企业主流的Spark生态圈为核心技术，例如：Structure Streaming
- Azkaban定时调度主题及指标统计作业
- Kudu Impala准实时分析系统
- 使用HUE集成Impala进行数据即席查询
- ClickHouse实时存储、计算引擎
- 自定义数据源实现Spark与Clickhouse的整合
- ELK全文检索
- Spring Cloud搭建数据服务
- 存储、计算性能调优
