帆軟BIFineBI技術(shù)白皮書

1、 商業(yè)智能領(lǐng)跑者沈陽華數(shù)科技有限公司解決方案提供商目錄 一、產(chǎn)品簡介 . .51.1 FineBI產(chǎn)品定位 .51.2 系統(tǒng)架構(gòu) .81.3 產(chǎn)品環(huán)境支撐 . .10二、核心優(yōu)勢 . .122.1 計算性能大大優(yōu)于SQL 查詢 . .122.2 數(shù)據(jù)模型建立十分簡單 .122.3 非技術(shù)人員也可以進(jìn)行數(shù)據(jù)分析 .132.4 移動端具有特色的交互體驗 .142.5 實施周期短，后期維護(hù)簡單 .15三、功能介紹 . .163.1 FineBI功能模塊 .163.2 數(shù)據(jù)處理 .16 3.3 智能即席查詢 .273.4 多維OLAP 分析 .363.5 FineBI的dashbord .38 四、技

2、術(shù)特性 . .444.1 FineBI主要性能特點 .44五、應(yīng)用與部署 . .465.1 服務(wù)器部署 .465.2 web集成 .475.3 權(quán)限 . .49六、結(jié)束語 . .516.1產(chǎn)品價值 . .516.2服務(wù)宗旨和承諾 . .51 一、產(chǎn)品簡介1.1 FineBI產(chǎn)品定位BI （Business Intelligence ，商業(yè)智能）的概念最早在1996年提出。當(dāng)時將商業(yè)智能定義為一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的技術(shù)及其應(yīng)用。目前，商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決

3、策的工具。商務(wù)智能系統(tǒng)中的數(shù)據(jù)來自企業(yè)其他業(yè)務(wù)系統(tǒng)。例如商貿(mào)型企業(yè)，其商務(wù)智能系統(tǒng)數(shù)據(jù)包括業(yè)務(wù)系統(tǒng)的訂單、庫存、交易賬目、客戶和供應(yīng)商信息等，以及企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)、其他外部環(huán)境數(shù)據(jù)。而這些數(shù)據(jù)可能來自企業(yè)的CRM 、SCM 等業(yè)務(wù)系統(tǒng)。 商業(yè)智能能夠輔助的業(yè)務(wù)經(jīng)營決策，既可以是操作層的，也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉(zhuǎn)化為知識，需要利用數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理（OLAP ）工具和數(shù)據(jù)挖 掘等技術(shù)。因此，從技術(shù)層面上講，商業(yè)智能不是什么新技術(shù)，它只是數(shù)據(jù)倉庫、OLAP 和數(shù)據(jù)挖掘等技術(shù)的綜合運用。把商業(yè)智能看成一種解決方案應(yīng)該比較恰當(dāng)。商業(yè)智能的關(guān)鍵是從許多來自不同的企業(yè)運作

4、系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進(jìn)行清理，以保證數(shù)據(jù)的正確性，然后經(jīng)過抽?。‥xtraction ）、轉(zhuǎn)換（Transformation ）和裝載（Load ），即ETL 過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP 工具等對其進(jìn)行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供數(shù)據(jù)支持。 經(jīng)過近20年的發(fā)展和演化，目前，商業(yè)智能產(chǎn)品及解決方案大致可分為數(shù)據(jù)倉庫產(chǎn)品、數(shù)據(jù)抽取產(chǎn)品、OLAP 產(chǎn)品、展示產(chǎn)品、和集成以上幾種產(chǎn)品的整體解決方案等；而市場上主流的BI 產(chǎn)品，如Cog

5、nos 、Qlikview 、FineBI 等，都屬于整體解決方案的范疇。 近年來，在整體解決方案的BI 產(chǎn)品中，根據(jù)應(yīng)用的業(yè)務(wù)、目標(biāo)、用戶的差異，主流BI 產(chǎn)品又分化為代表傳統(tǒng)BI 解決方案的重型BI 和貼近現(xiàn)代企業(yè)快速部署、靈活易用需求的敏捷型BI 兩類。傳統(tǒng)重型BI 以Cognos 等產(chǎn)品為代表，其優(yōu)勢與缺陷經(jīng)過多年實踐的檢驗，都是十分顯然的。重型BI 產(chǎn)品適用于數(shù)據(jù)量特別巨大（百億或以上級別）、信息化建設(shè)特別完備、信息技術(shù)人才資源充裕、數(shù)據(jù)分析經(jīng)驗十分豐富、數(shù)據(jù)分析需求變化 很小的大型企業(yè)和集團(tuán)，其在巨大數(shù)據(jù)量上的性能和穩(wěn)定性優(yōu)勢不言而言，但隨之而來的缺陷是費用特別巨大（重型BI 產(chǎn)品

6、和實施的總費用在千萬人民幣以上）、實施周期很長（一般以年為單位）、對信息技術(shù)人才要求高（寫SQL 查詢、數(shù)據(jù)建模等工作都需手動建立和維護(hù)）、項目風(fēng)險大（非典型性用戶實施成功率很低）。對于很多企業(yè)，在應(yīng)用這種類型的BI 工具時，往往會困擾于項目資金預(yù)算、實施周期、人才匱乏和風(fēng)險控制中，無法實施項目或項目實施后，在線上使用的環(huán)節(jié)收效甚微。因此，敏捷性BI 應(yīng)運而生。與重量型BI 相比，除項目總費用大大削減、實施周期大大縮短外（以周為單位），敏捷性BI 最突出的特點就是實現(xiàn)數(shù)據(jù)建模自動化完成，并且模型中的維度分析更加靈活，分析需求變化，除非使用原先不存在的數(shù)據(jù)，否則不需要重新建模。這大大增強(qiáng)的BI

7、產(chǎn)品的易用性，隨之大大降低了項目的風(fēng)險，保障了數(shù)據(jù)分析人員“用得起來”，使得專業(yè)的數(shù)據(jù)分析工具可以走進(jìn)千千萬萬家企業(yè)。 1.2系統(tǒng)架構(gòu)軟件的框架圖如下圖所示： FineBI 是帆軟軟件有限公司推出的一款商業(yè)智能(Business Intelligence 產(chǎn)品，致力于幫助企業(yè)發(fā)現(xiàn)并解決存在的問題，預(yù)測模擬企業(yè)將來的發(fā)展，協(xié)助企業(yè)及時調(diào)整策略做出更好的決策，增強(qiáng)企業(yè)的可持續(xù)競爭性。FineBI 架構(gòu)分為三部分： 多維數(shù)據(jù)引擎FineBI 的多維數(shù)據(jù)引擎以FineBI 的多維數(shù)據(jù)庫為核心，囊括ETL 功能，旨在對原始數(shù)據(jù)進(jìn)行抽取，轉(zhuǎn)換和加載，支撐FineBI 的在線分析，是FineBI 的靈魂。多

8、維數(shù)據(jù)庫采用動態(tài)生成的位圖索引技術(shù)處理字符串等類型，NIO 內(nèi)存映射文件技術(shù)快速讀取處理數(shù)字類型，并支持離線使用的cube 數(shù)據(jù)存儲，支持cube 數(shù)據(jù)定時全量以及增量更新。并行計算的先進(jìn)數(shù)據(jù)處理模式使得基于位圖索引的快速分組，過濾，鉆取，支持多線程運算，互不干擾。并且還有智能避免重復(fù)計算的緩存機(jī)制。 交互分析模塊 FineBI 的分析模塊以DashBoard 為分析的載體，每個分析中可向Dashboard 內(nèi)加入任意數(shù)量的組件和控件。所有分析中的操作均通過拖拽和點擊完成，無需寫SQL 。支持任意維度和指標(biāo)的切換，可以對已有的表樣切換字段來進(jìn)行自由分析。任意維度和指標(biāo)切換的功能保障了當(dāng)查看分析

9、的人員在查看分析時，如果針對已有的表樣產(chǎn)生額外的分析需求或改變了已有的分析需求，不需要重新制作一次分析，而可以直接通過切換維度和指標(biāo)實現(xiàn)?？梢赃x擇數(shù)據(jù)快速創(chuàng)建表格或者圖表以使數(shù)據(jù)可視化、添加過濾條件篩選數(shù)據(jù)，即時排序，使數(shù)據(jù)分析更快捷。移動端FineBI 支持安卓手機(jī)、蘋果手機(jī)和平板三大主流移動端。使用FineBI 移動端查看分析，功能和PC 上的Web 端完全一致，包括更改數(shù)據(jù)過濾條件、自由切換維度和指標(biāo)、鉆取聯(lián)動等功能。完備的功能支持、舒適的操作體驗和移動端本身的便捷性，使得用戶可以隨時隨地對自己的數(shù)據(jù)了如指掌。此外，利用FineBI 原創(chuàng)的消息反饋功能，查看分析的領(lǐng)導(dǎo)人員可以隨意在屏幕上

10、標(biāo)記、注釋，并一鍵將帶有批示的報表以截圖形式發(fā)送到指定郵箱或即時通訊工具中，真正實現(xiàn)領(lǐng)導(dǎo)人員利用BI 分析數(shù)據(jù)和下達(dá)決策結(jié)果零距離。 1.3 產(chǎn)品環(huán)境支撐FineBI 采用純Java 開發(fā)，F(xiàn)ineBI 支持所有可部署JDK 的操作系統(tǒng)，比如支持Windows 與Unix/Linux/Aix等。支持所有的有JDBC 接口的數(shù)據(jù)庫，比如Oracle 、SqlSever 、Mysql 、Sybase 、DB2、Postgre 、Derby 等主流關(guān)系型數(shù)據(jù)庫。具體軟件環(huán)境要求如下表所示：操作系統(tǒng)： Windows 、Linux 、Unix 、Solaris 、Aix 、IRIX 等；數(shù) 據(jù) 庫：O

11、racle 、SqlSever 、Mysql 、Sybase 、DB2、Postgre 、Derby 等主流關(guān)系型數(shù)據(jù)庫；應(yīng)用服務(wù)器：Tomcat 、Jboss 、Weblogic 、Websphere 、Tongweb 、resin 等web 應(yīng)用服務(wù)器； 瀏 覽 器：IE （IE8及以上版本可以獲得更好的使用效果）、FireFox 、Chrome 等主流瀏覽器。 二、核心優(yōu)勢2.1 計算性能大大優(yōu)于SQL 查詢FineBI 采用Cube 預(yù)處理以及并行計算的先進(jìn)數(shù)據(jù)處理模式，使用NIO 內(nèi)存映射文件存儲模式，同時采用高效的智能位圖索引，以及智能避免重復(fù)計算的緩存機(jī)制，使得在前端頁面展示數(shù)據(jù)

12、時，運行速度高效快速。FineBI 對于分組匯總表的計算，億萬條數(shù)據(jù)，匯總計算均在10s 內(nèi)完成。對于明細(xì)表的展示，均在1s 內(nèi)即可完成。 2.2 數(shù)據(jù)模型建立十分簡單FineBI 的數(shù)據(jù)處理，采用讀取數(shù)據(jù)庫原有關(guān)聯(lián)與手動調(diào)整關(guān)聯(lián)的方式，構(gòu)建FineBI 數(shù)據(jù)模型的骨架，并輔以FineBI 的關(guān)聯(lián)視圖，使得數(shù)據(jù)根據(jù)業(yè)務(wù)關(guān)系有著完整的數(shù)據(jù)結(jié)構(gòu)。第一次建立模型成功后，模型骨架會隨著用戶進(jìn)行OLAP 分析的過程，智能分析用戶OLAP 分析的習(xí)慣進(jìn)行生長和調(diào)整。并且其以關(guān)聯(lián)為骨架自動生長的機(jī)制保障了，除非分析需求出現(xiàn)原先沒有的數(shù)據(jù)或出現(xiàn)邏輯上的變化，一次建立模型成功后，即使分析需求 變化，亦不用重新調(diào)

13、整數(shù)據(jù)模型。 2.3非技術(shù)人員也可以進(jìn)行數(shù)據(jù)分析FineBI 始終抱著以用戶為本，以求讓最終用戶更快速入手，更方便的使用，省去傳統(tǒng)BI 實施、設(shè)計過程的繁雜之處。傳統(tǒng)BI 的繁雜之處主要體現(xiàn)在兩個方面：技術(shù)人員需要花費大量時間準(zhǔn)備數(shù)據(jù)用于分析的底層數(shù)據(jù)分布在不同的地方，如果要讓這些數(shù)據(jù)百分百地滿足業(yè)務(wù)需求，那么就需要對數(shù)據(jù)進(jìn)行額外的處理，根據(jù)傳統(tǒng)BI 提供的工具建立符合其工具的數(shù)據(jù)模型，而這個過程根據(jù)業(yè)務(wù)的復(fù)雜程度所需的時間在幾個月不等。業(yè)務(wù)人員基于數(shù)據(jù)偶得的一些分析需求實現(xiàn)過程復(fù)雜傳統(tǒng)BI 的模式都是預(yù)先了解領(lǐng)導(dǎo)和業(yè)務(wù)人員的所有業(yè)務(wù)需求，然后基于這些需求準(zhǔn)備數(shù)據(jù)設(shè)計以報表形式展現(xiàn)數(shù)據(jù)的分析過

14、程，當(dāng)領(lǐng)導(dǎo)或者業(yè)務(wù)人員在分析過程中有些額外的想法時，基于傳統(tǒng)的設(shè)計模式，她們還需要和技術(shù)人員進(jìn)行溝通，準(zhǔn)備新的數(shù)據(jù)或者設(shè)計新的分析過程，然后才能得到自己想要的分析，這個過程還包括了讓技術(shù)人員理解自己的需求，所以綜上看來整個過程是相當(dāng)復(fù)雜的。FineBI 的Data Service模塊，特有的分析設(shè)計模式和指標(biāo)影響因素智能分析模塊，能夠幫助用戶解決以上問題，讓技術(shù)人員準(zhǔn)備數(shù)據(jù)時無需任何代碼和復(fù)雜的設(shè)置過程，讓 非IT 人員能夠輕松自在得進(jìn)行分析。 2.4移動端具有特色的交互體驗使用FineBI 移動端查看分析，功能和PC 上的Web 端完全一致，包括更改數(shù)據(jù)過濾條件、自由切換維度和指標(biāo)、鉆取聯(lián)動

15、等功能。完備的功能支持、舒適的操作體驗和移動端本身的便捷性，使得用戶可以隨時隨地對自己的數(shù)據(jù)了如指掌。此外，利用FineBI 原創(chuàng)的消息反饋功能，查看分析的領(lǐng)導(dǎo)人員可以隨意在屏幕上標(biāo)記、注釋，并一鍵將帶有批示的報表以截圖形式發(fā)送到指定郵箱或即時通訊工具中，真正實現(xiàn)領(lǐng)導(dǎo)人員利用BI 分析數(shù)據(jù)和下達(dá)決策結(jié)果零距離。 2.5 實施周期短，后期維護(hù)簡單由于FineBI 特有的數(shù)據(jù)準(zhǔn)備模塊，除去原始需求溝通時間，技術(shù)人員在實施時無需花費過多的時間來進(jìn)行數(shù)據(jù)處理，而FineBI 特有的分析模式和指標(biāo)因素在基于固定數(shù)據(jù)的基礎(chǔ)上能夠極大的減少需求多變導(dǎo)致的數(shù)據(jù)準(zhǔn)備和溝通交流時間，真正做到了實施周期短，后期也無

16、需投入過多的人力和時間來維護(hù)系統(tǒng)，解決需求上的變動。 三、功能介紹3.1 FineBI功能模塊FineBI 功能模塊可以分為數(shù)據(jù)處理、即時分析、多維度分析和Dashboard ，移動端。下面介紹具體的功能模塊以及權(quán)限控制。3.2 數(shù)據(jù)處理 支持支持Oracle,DB2,SQLServer,MySQL,SqlServer,Informix 等數(shù)據(jù)源。支持ODBC 數(shù)據(jù)源，支持JNDI 數(shù)據(jù)源，支持共享應(yīng)用服務(wù)器數(shù)據(jù)源。 程序接口支持javaApi,Hibernate 數(shù)據(jù)源，支持WebService 、 SOA 等標(biāo)準(zhǔn)的數(shù)據(jù)。 支持文本數(shù)據(jù)，支持將Excel ，txt 文件，XML 文件等文件型

17、的數(shù)據(jù)直接作為數(shù)據(jù)源；也支持內(nèi)置數(shù)據(jù)集。 FineBI 的業(yè)務(wù)包是FineBI 多維數(shù)據(jù)庫在前端的映射，通過業(yè)務(wù)包的創(chuàng)建和設(shè)置，使得多維數(shù)據(jù)庫和業(yè)務(wù)分析需求的銜接更加緊密。 支持按照業(yè)務(wù)增量需求建立數(shù)據(jù)業(yè)務(wù)包。 FineBI 的數(shù)據(jù)業(yè)務(wù)包，是用于即時分析的數(shù)據(jù)基礎(chǔ)。數(shù)據(jù)業(yè)務(wù)包由數(shù)據(jù)管理員創(chuàng)建，其中包含著能夠提供給分析人員的所有業(yè)務(wù)數(shù)據(jù)庫表。 BI 數(shù)據(jù)業(yè)務(wù)包的源數(shù)據(jù)可以來自多個表或者多個數(shù)據(jù)庫的多個表； 國內(nèi)的數(shù)據(jù)庫中的表名和字段名編碼常見于三種形式：英文名、拼音首字母組合和字母數(shù)字組合。其中英文名的方式相對更容易使人理解，但存在表義不準(zhǔn)確、覆蓋能力不強(qiáng)的缺點，有時反而會誤導(dǎo)對數(shù)據(jù)庫不熟悉的人

18、員；拼音首字母組合的形式使用最廣泛，但由于這種名稱是和業(yè)務(wù)掛鉤的，對于業(yè)務(wù)不熟的技術(shù)人員有時很難捉摸其意思；字母數(shù)字組合更是完全抽象的，如果沒有詳盡、完備的注釋，即使對數(shù)據(jù)庫非常熟悉的技術(shù)人員，也不可能掌握每一個字段的準(zhǔn)確含義。鑒于上述三種名稱編碼各自的缺點，對數(shù)據(jù)業(yè)務(wù)包中的表名以及字段名進(jìn)行轉(zhuǎn)義是進(jìn)行快速、準(zhǔn)確的數(shù)據(jù)分析前十分必要的步驟。在FineBI 中，轉(zhuǎn)義的信息可以直接讀取數(shù)據(jù)庫中的注釋，也可以在表配置界面針對表和各個字段通過點擊和鍵盤輸入的方式進(jìn)行直觀的轉(zhuǎn)義。 數(shù)據(jù)間的關(guān)聯(lián)提供了數(shù)據(jù)庫表之間字段值的對應(yīng)規(guī)則，是連接各個數(shù)據(jù)庫表間的橋梁，有了數(shù)據(jù)庫表間的關(guān)聯(lián)，各個表之間的數(shù)據(jù)才能在一個

19、分析中得到體現(xiàn)。此外，數(shù)據(jù)關(guān)聯(lián)控制了外鍵表數(shù)據(jù)的有效性，并在數(shù)據(jù)庫的層面體現(xiàn)了業(yè)務(wù)層的邏輯關(guān)系。所以，數(shù) 據(jù)關(guān)聯(lián)也是FineBI 多維數(shù)據(jù)庫自動建立數(shù)據(jù)模型的基本依據(jù)。數(shù)據(jù)之間的關(guān)聯(lián)是通過給當(dāng)前數(shù)據(jù)庫表建立添加主鍵表的方式來建立的，多個表間可以直接繼承數(shù)據(jù)庫已設(shè)的外鍵關(guān)系，也可以手動建立表間關(guān)系。數(shù)據(jù)關(guān)聯(lián)：1：N 關(guān)系、N ：1關(guān)系和1：1關(guān)系都可以通過數(shù)據(jù)關(guān)聯(lián)建立起關(guān)聯(lián)，系統(tǒng)會自動判斷主外鍵關(guān)系。 一般而言，信息系統(tǒng)中數(shù)據(jù)庫的表以明細(xì)的形式存儲數(shù)據(jù)，并且其結(jié)構(gòu)是固定的；其他數(shù)據(jù)源諸如Excel 表和文本文件又存在著數(shù)據(jù)半結(jié)構(gòu)甚至非結(jié)構(gòu)的問題。而數(shù)據(jù)分析需求是不斷變化的，數(shù)據(jù)源數(shù)據(jù)的存儲結(jié)構(gòu)不

20、可能根據(jù)分析需求的變化而變化。因此有些分析過程并不能通過直接使用數(shù)據(jù)源中的字段實現(xiàn)。此時，需要在多維數(shù)據(jù)庫中的數(shù)據(jù)生成前，對數(shù)據(jù)源讀取的數(shù)據(jù)做必要的ETL 轉(zhuǎn)化處理，以適應(yīng)分析的需求。通過自定義數(shù)據(jù)列來實現(xiàn)數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)計算。包括根據(jù)現(xiàn)有的數(shù)據(jù)新增列，構(gòu)建自循環(huán)列，根據(jù)公式構(gòu)建自定義數(shù)據(jù)列。更方便地用于后面的分析。根據(jù)現(xiàn)有的數(shù)據(jù)新增列：在現(xiàn)有的數(shù)據(jù)列的基礎(chǔ)上，通過自定義分組形成新的列。主要用于建立公用的自定義分組的方式，提供給所有的分析人員使用。構(gòu)建自循環(huán)列：可以根據(jù)一列（數(shù)據(jù)庫中只有一列組織ID ）或者兩列（數(shù)據(jù)庫中有組織ID 和父ID ）數(shù)據(jù)分層，將組織機(jī)構(gòu)的層級關(guān)系分層展示。主要用于組織

21、樹展示。新增公式列：公式引擎支持?jǐn)?shù)據(jù)類型轉(zhuǎn)化，常用函數(shù)、數(shù)學(xué)和三角函數(shù)、文本函數(shù)、日 期和時間函數(shù)、邏輯函數(shù)、數(shù)組函數(shù)、報表函數(shù)以及其他自定義函數(shù)。 通過字段行列轉(zhuǎn)換，將數(shù)據(jù)庫中某一列的字段值與其他指標(biāo)字段結(jié)合成新的字段。 FineBI 的多維數(shù)據(jù)庫集合強(qiáng)大的數(shù)據(jù)計算能力和便捷性為一體，支撐著FineBI 的在線分析功能，是FineBI 的靈魂。FineBI 多維數(shù)據(jù)采用預(yù)處理以及并行計算的先進(jìn)數(shù)據(jù)處理模式，使用NIO 內(nèi)存映射文件存儲模式，同時采用高效的智能位圖索引，以及智能避免重復(fù)計算的緩存機(jī)制，使得在前端頁面展示數(shù)據(jù)時，運行速度高效快速。所有的數(shù)據(jù)業(yè)務(wù)包建立的時候，F(xiàn)ineBI 會在后臺

22、自動生成對應(yīng)的cube 。FineBI 的Cube 采用MOLAP 的形式，所以在處理大數(shù)據(jù)量的問題上具有優(yōu)良的支撐。Cube 中的數(shù)據(jù)可以設(shè)置定時全量/增量更新。增量更新方式大大減少了數(shù)據(jù)源中較大的表的cube 更新時間。全局?jǐn)?shù)據(jù)更新：設(shè)置之后可以對全部所有的業(yè)務(wù)包進(jìn)行更新，可以將粒度設(shè)置到每個小時。 單表的增量更新：可以對單表設(shè)置全量更新的時間，也可以選擇增量更新的數(shù)據(jù)。 FineBI 分布式集成即可提升Cube 的生成速度和即時分析取數(shù)的查詢速度，簡單來說，就是在服務(wù)器端配備多臺服務(wù)器，其中一臺為主服務(wù)器，其他為分布式服務(wù)器，F(xiàn)ineBI 工程發(fā)布在主服務(wù)器上，主服務(wù)器主要工作就是均衡調(diào)

23、配，負(fù)責(zé)調(diào)配將Cube 生成在分布式服務(wù)器上，每臺分布式服務(wù)器上均會生成一個Cube ，所有分布式服務(wù)器的Cube 組合起來，則為整個數(shù)據(jù)庫的數(shù)據(jù)，即時分析查詢?nèi)?shù)時也是主服務(wù)器收到取數(shù)查詢請求，根據(jù)查詢的表負(fù)責(zé)將取數(shù)操作分配到各分布式服務(wù)器上，最后匯總結(jié)果，返回給客戶端。 當(dāng)現(xiàn)有的服務(wù)器硬件不能滿足數(shù)據(jù)更新和在線分析的性能需求時，分布式部署可以在多臺服務(wù)器中實現(xiàn)并行運算以提高性能，充分利用了現(xiàn)有的服務(wù)器資源。3.3智能即席查詢在數(shù)據(jù)決策系統(tǒng)中，用戶可以選擇業(yè)務(wù)包中任意指標(biāo)、維度進(jìn)行自主地拖拽分析。由于數(shù)據(jù)業(yè)務(wù)包中的數(shù)據(jù)已經(jīng)關(guān)聯(lián)在了一起，這就決定了FineBI 即時分析的自由度。在分析某個指標(biāo)

24、的影響因素時，可以選擇任意的維度，去分析他們之間的關(guān)系。從而確定某個因素對指標(biāo)的影響大小。 通過將字段一一綁定到上傳的Excel 單元格中，使用者采用從Excel 的單元格中選擇相應(yīng)的字段，讓業(yè)務(wù)人員清楚地拿到自己目標(biāo)指標(biāo)和維度進(jìn)行分析。ExcelView 功能本質(zhì)上是對表和字段的轉(zhuǎn)義功能的強(qiáng)化。其轉(zhuǎn)義的范圍不再限于名稱，而是通過綁定Excel 表，對字段的含義、類型、作用，以及和其他字段的關(guān)系，給予非常直觀而準(zhǔn)確的提示。 ExcelView 功能特別適合在業(yè)務(wù)人員不理解數(shù)據(jù)庫表間關(guān)系和字段含義，但對相關(guān)的固定Excel 報表熟悉的情況下使用，使得業(yè)務(wù)人員分析數(shù)據(jù)更加輕松。 組件支持各種樣式的

25、表格，配合各種業(yè)務(wù)需求展現(xiàn)數(shù)據(jù)。包括列表、分組、交叉表格。 組件支持多種圖表，圖表類型包括柱形圖、條形圖、餅圖、面積圖、組合圖、儀表盤和地圖。頁面上生成表格，轉(zhuǎn)換圖表、添加鉆取、過濾篩選、添加控件等一系列交互設(shè)置，操作簡單。通過拖拽指標(biāo)和維度生成的表格，可以一鍵切換至圖表。FineBI 支持多種圖表且類型可以隨意切換，支持的圖標(biāo)類型有：柱形圖、柱形堆積圖、折線圖、堆積面積圖、組合圖、條形圖、堆積條形圖、餅圖、儀表盤、地圖。 在數(shù)據(jù)分析工作中，除了對數(shù)據(jù)求和觀察數(shù)據(jù)的整體效應(yīng)外，分析平均數(shù)的整體效應(yīng)，以及分析特別的數(shù)據(jù)如最值、分位數(shù)等需求也是常見的。如果匯總方式僅有單一的求和匯總則很難滿足這類需

26、求。在FineBI 中，所有的表格和圖表除可進(jìn)行分組或交叉匯總外，每處匯總的計算方式并不限于求和，而是包括求和、求最值、求平均和求分位數(shù)，并且他們之間可以實現(xiàn)即時切 換。 指標(biāo)可以來自于字段，同時也可以是通過公式計算得來。公式界面支持幾十種普通的公式函數(shù)。 在計算同比、環(huán)比、排名的時候，只需配置一下界面，即可得到想要的結(jié)果。無需通過復(fù)雜的公式。 在傳統(tǒng)的報表類或數(shù)據(jù)分析工具中，過濾控件是針對某一特定的組件或指標(biāo)的過濾條件的載體。為了起到正確的過濾效果，除進(jìn)行條件字段和被過濾字段的設(shè)置外，還需對二者間的參數(shù)傳遞進(jìn)行設(shè)置，操作較為麻煩，并且抽象的參數(shù)傳遞不能直觀的反應(yīng)數(shù)據(jù)在業(yè)務(wù)上的聯(lián)系，使得非技術(shù)

27、人員很難完成這一工作。在FineBI 中，控件所綁定的字段對整個頁面的數(shù)據(jù)進(jìn)行過濾，無需對應(yīng)被過濾字段，更無需進(jìn)行抽象的參數(shù)傳遞設(shè)置。而針對某一特定的維度或指標(biāo)的過濾則在其字段的下拉菜單中完成，通過點面結(jié)合的方式，實現(xiàn)不同數(shù)據(jù)不同的過濾需求。 支持文本類控件，包含文本框、下拉框、下拉復(fù)選框和下拉樹。 支持時間類控件，包含時間段控件、年份控件、年月控件、年季度控件和時間參數(shù)控件。 其中，時間段控件可以以固定的過濾條件以精確到天的粒度過濾數(shù)據(jù)；年控件、年月控件和年季度控件則為對應(yīng)的三種常見的固定匯總需求量身打造，使得這些過濾需求可以通過點擊一次鼠標(biāo)完成；而時間參數(shù)控件可以將查詢時輸入的參數(shù)傳遞到制

28、作分析時在字段的過濾條件中綁定好的參數(shù)，以非常靈活的方式保障了查詢時輸入的條件簡單直觀。 支持?jǐn)?shù)值類控件，可以按數(shù)值區(qū)間進(jìn)行和數(shù)據(jù)篩選。 FineBI 原創(chuàng)的通用查詢控件囊括了文本類控件、時間類控件和數(shù)值類控件的所有功能，并且其允許用戶自由對這些條件進(jìn)行“且”和“或”的邏輯連接；又由于每個單獨的條件自帶有“非”的邏輯功能，使得用戶可以通過通用查詢中“且或非”的完備邏輯體系配置出任意的過濾條件。數(shù)據(jù)預(yù)警功能是業(yè)務(wù)邏輯和數(shù)據(jù)的典型結(jié)合之一。數(shù)據(jù)預(yù)警通過數(shù)字顏色的變化、標(biāo)記的變化，以直觀的方式標(biāo)記了當(dāng)前數(shù)據(jù)的特征，并可以結(jié)合業(yè)務(wù)邏輯提示決策人員盡早調(diào)整決策。FineBI 支持?jǐn)?shù)據(jù)預(yù)警功能，對于在某個

29、數(shù)據(jù)區(qū)間的數(shù)據(jù)可以進(jìn)行紅綠燈預(yù)警或者數(shù)據(jù)前景預(yù)警；更可以使用計算指標(biāo)添加平均線的功能動態(tài)的反應(yīng)數(shù)據(jù)的整體水平，實現(xiàn)個體數(shù)據(jù)與數(shù)據(jù)總體水平的直觀對比。 3.4 多維OLAP 分析多維OLAP 分析是BI 工具分析功能的集中體現(xiàn)，其應(yīng)用特性主要體現(xiàn)在兩方面：一是即時查詢到效果（Online ），這要求后臺數(shù)據(jù)的計算速度和前臺瀏覽器的展示速度都要很快；二是多維度自定義分析，這要求BI 工具的多維數(shù)據(jù)庫應(yīng)該具有較大的靈活性，可以隨用戶的要求組合任意的指標(biāo)和維度。只有同時滿足這兩個特性的交互分析過程，才是多維OLAP 分析，才能保障用戶即時看到其分析需求對應(yīng)的數(shù)據(jù)統(tǒng)計結(jié)果，以及通過切換維度和改變條件等方

30、式，滿足根據(jù)上一步的結(jié)果即時產(chǎn)生的新的分析需求。FineBI 提供了各種常見的OLAP 分析操作，除基本的分組匯總外，還可以進(jìn)行任意多維度的分析，鉆取分析、排序、過濾等等分析功能。 FineBI 提供任意維度的數(shù)據(jù)分析，針對要分析的數(shù)據(jù)，我們可以任意添加需要分析的維度。圖表設(shè)置過程類似，需要注意的是絕大多數(shù)的圖表無需刻意添加分析。支持任意維度和指標(biāo)的切換，可以對已有的表樣切換字段來進(jìn)行自由分析。任意維度和指標(biāo)切換的功能保障了當(dāng)查看分析的人員在查看分析時，如果針對已有的表樣產(chǎn)生額外的分析需求或改變了已有的分析需求，不需要重新制作一次分析，而可以直接通過切換維度和指標(biāo)實現(xiàn)。 由于維度數(shù)據(jù)的關(guān)系在建

31、立數(shù)據(jù)cube 的時候已經(jīng)建立好，則可以對維度直接通過分組以及層級設(shè)置進(jìn)行多層鉆取。設(shè)置了數(shù)據(jù)關(guān)聯(lián)的數(shù)據(jù)之間，可以進(jìn)行多層鉆取設(shè)置，通過多層鉆取查看數(shù)據(jù)的詳細(xì)值。 基于查詢出來的結(jié)果的排序，根據(jù)維度自身進(jìn)行排序，根據(jù)匯總指標(biāo)的大小對維度進(jìn)行 排序展示，根據(jù)公式值進(jìn)行排序?？梢赃M(jìn)行升序、降序和自定義排序。選擇了排序方式，數(shù)據(jù)會根據(jù)所選排序方式自動排序。使用各種排序和TopN 功能的組合可以簡單直觀的分析重點的局部數(shù)據(jù)。 3.5 FineBI的dashborddashboard 做為FineBI 的主要前端展現(xiàn)形式，具有豐富的組件展示模型以及控件類型。其中組件的模型包含有表格以及多種圖表類型。數(shù)據(jù)

32、分析者，可以使用FineBI 的即時分析模塊制作滿足自己業(yè)務(wù)需求的dashbord 的結(jié)果，可以在編輯、查看。dashbord 具有極強(qiáng)的交互性，企業(yè)中高層對于分析人員制作好的dashbord 結(jié)果，可以進(jìn)行查看、交互。 FineBI 的分析頁面由控件和組件組成，控件和組件的數(shù)量是可以添加至任意多個，同時控件和組件的大小以及位置都是可以調(diào)整的，可以滿足用戶自由定義的風(fēng)格需求。組件和控件支持自適應(yīng)布局和自由布局。自適應(yīng)布局的功能使得組件能夠根據(jù)用戶拖拽的位置，進(jìn)行模糊判斷，并綜合dashboard 上已有的組件和控件綜合調(diào)整局部，自動填充整個dashboard ，省去了用戶調(diào)整布局效果的手動操作

33、過程。 自由布局允許用戶全面自定義組件的位置和大小，并為dashboard 留白。自由布局的中線和邊線吸附的功能使用戶可以在手動調(diào)整的過程中保持組件對齊。 在指標(biāo)屬性界面添加鉆取屬性以及任意過濾篩選條件。 支持頁面的保存，在”我創(chuàng)建的”列表中進(jìn)行編輯和查看。在設(shè)計分析界面直接點擊保存按鈕即可保存當(dāng)前設(shè)計的分析結(jié)果，保存下來的分析結(jié)果都會展現(xiàn)在BI 設(shè)計模塊中的我創(chuàng)建的節(jié)點中。 點擊分析頁面的保存按鈕即可保存分析，保存的結(jié)果位于上面提到的BI 模塊中的我創(chuàng)建的。 在分析頁面中保存的分析結(jié)果，點擊編輯按鈕，既可對保存的結(jié)果文件進(jìn)行再次編輯。點擊結(jié)果名稱，即可查看保存過的分析結(jié)果。另外，分析結(jié)果還可

34、以分享給其他人，在分析頁面點擊分享或者在我創(chuàng)建的分析結(jié)果中點擊分享，選擇分享人員的名稱，供其他人查看、分析。點擊分享按鈕，如圖： 當(dāng)被分享的用戶登錄后在分享給我的界面中即可查看分享的分析。需要注意當(dāng)創(chuàng)建分析對象的用戶刪除保存的分析時，被分享的用戶也會同步刪除此分析結(jié)果。管理員將“我創(chuàng)建的”的dashboard 發(fā)布至FineBI 平臺，提供給所有用戶查看。在報表管理中將保存的分析結(jié)果發(fā)布至各分析目錄結(jié)構(gòu)下，點擊平臺管理>報表管理，如圖所示，管理員對目錄結(jié)構(gòu)進(jìn)行設(shè)置。FineBI 平臺的各分析目錄下亦可以添加FineReport 報表和URL 鏈接，使得分析查看人員在同一系統(tǒng)的同一目錄中可

35、以輕松找到其他相關(guān)信息。 四、技術(shù)特性4.1 FineBI主要性能特點軟件成品除了功能外，值得用戶關(guān)注的還有產(chǎn)品穩(wěn)定性、并發(fā)數(shù)、數(shù)據(jù)量等性能是不是優(yōu)秀。在性能和穩(wěn)定性方面也有很大的優(yōu)勢。動態(tài)生成的位圖索引技術(shù)處理字符串等類型NIO 內(nèi)存映射文件技術(shù)，快速讀取處理數(shù)字類型支持離線使用的cube 數(shù)據(jù)存儲，支持cube 數(shù)據(jù)定時全量以及增量更新動態(tài)的內(nèi)存數(shù)據(jù)立方體技術(shù)，并行計算的先進(jìn)數(shù)據(jù)處理模式基于位圖索引的快速分組，過濾，鉆取，支持多線程運算，互不干擾高效的智能位圖索引壓縮技術(shù)智能避免重復(fù)計算的緩存機(jī)制數(shù)據(jù)庫生成Cube 文件，該cube 文件會根據(jù)原始數(shù)據(jù)建立一定的數(shù)據(jù)模型。訪問設(shè)計報表時，預(yù)

36、先加載需要使用的字段的位圖索引到內(nèi)存（使用半成品的位圖，索引（在幾十毫秒內(nèi)）動態(tài)生成需要字段的位圖索引）處理分組時，使用該位圖索引，對數(shù)據(jù)進(jìn)行處理，經(jīng)過轉(zhuǎn)換生成需要的結(jié)果，再使用多線程分組，多線程與內(nèi)存映射文件生成匯總結(jié)果，輕松應(yīng)對千萬級以上的數(shù)據(jù)匯總并將結(jié)果建立一定的數(shù)據(jù)立方體模型，在下次取數(shù)，和部分取數(shù)（比如之前用了3個字段，后面又用了3個中的2個字段，則不需要重復(fù)計算）時避免重復(fù)計算 處理列表則是根據(jù)計算好位圖索引的值的取制定行數(shù)據(jù)，列表性能無上限，取多大的數(shù)據(jù)量都會很快。分組速度快，各個分組，匯總之間互不干擾，利于多線程計算以及分布式部署優(yōu)化，單機(jī)性能也比較好支持部分計算，分組匯總不需

37、要計算所有的值。列表速度不受限于數(shù)據(jù)量分析數(shù)據(jù)智能關(guān)聯(lián)當(dāng)最終用戶在分析數(shù)據(jù)時，很可能需要將數(shù)據(jù)建模時沒有建立關(guān)聯(lián)關(guān)系的數(shù)據(jù)關(guān)聯(lián)起來做為整體查看分析，而在處理此類問題時就往往需要技術(shù)人員的支持，需要額外的數(shù)據(jù)建模工作，F(xiàn)ineBI 根據(jù)用戶的語義，提供關(guān)聯(lián)設(shè)置，并將數(shù)據(jù)關(guān)聯(lián)，只要明白語義即可得到所需數(shù)據(jù)并設(shè)置了關(guān)聯(lián)，F(xiàn)ineBI 的多維數(shù)據(jù)庫就將自動進(jìn)行數(shù)據(jù)建模。指標(biāo)影響因素智能分析某個指標(biāo)或者匯總數(shù)據(jù)往往會受到很多因素的影響，例如銷售額會受到產(chǎn)品質(zhì)量，銷售地區(qū)，時間，銷售人員，代理商，銷售策略，同類競爭產(chǎn)品價格等等因素的影響，而當(dāng)最終客戶進(jìn)行分析時需要對全盤的影響因素都有了解。以往的BI 工具

38、是提前將這些分析維度加入最終展現(xiàn)層讓領(lǐng)導(dǎo)或者業(yè)務(wù)人員去選擇，這樣的問題有二：溝通成本高，需要讓技術(shù)人員清晰明了業(yè)務(wù)需求；修改影響因素復(fù)雜，添加刪除因素需要通知技術(shù)人員。FineBI 的智能因素分析直接面向最終分析人員，通過優(yōu)化的算法提供所有影響因素，并且智能判斷重點因素。 五、應(yīng)用與部署FineBI 屬于純java 開發(fā)，支持windows 、linux 、unix 等主流操作系統(tǒng)，可進(jìn)行跨平臺操作，兼容firefox 、IE 等主流瀏覽器，并支持雙機(jī)熱備和自動備份。5.1 服務(wù)器部署FineBI 是一個Servlet 應(yīng)用。大家知道，Servlet 是一種服務(wù)器端的Java 應(yīng)用程序，具有獨

39、立于平臺和協(xié)議的特性，可以生成動態(tài)的Web 頁面。它擔(dān)當(dāng)客戶請求（Web 瀏覽器或其他HTTP 客戶程序）與服務(wù)器響應(yīng)（HTTP 服務(wù)器上的數(shù)據(jù)庫或應(yīng)用程序）的中間層。Servlet 是位于Web 服務(wù)器內(nèi)部的服務(wù)器端的Java 應(yīng)用程序，由Web 服務(wù)器進(jìn)行加載，該Web 服務(wù)器必須包含支持Servlet 的Java 虛擬機(jī)。因此FineBI 必須部署在Web 應(yīng)用服務(wù)器如Tomcat 、Weblogic 、Websphere 等下面，啟動Web 應(yīng)用服務(wù)器時就會加載FineBI 這個Servlet ，從而交互式地瀏覽和修改數(shù)據(jù)，整個過程如下： 5.2 web集成應(yīng)用集成分為兩個部分：Web 頁面集成和自定義頁面。web 頁面集成主要是通過url 集成到用戶的系統(tǒng)中。包括新建分析的頁面，我創(chuàng)建的頁面，分享給我的頁面，以及業(yè)務(wù)配置頁面（需要權(quán)限才能訪問）。具體方式如下：新建分析的頁面:$servletURLi ?op=fr_bi_dezi&cmd=init_dezi_pane我創(chuàng)建的頁面$servletURL?op=fr_bi_dezi&am