房地產抵押項目解決方案說明書

房地產抵押項目解決方案說明書XX科技股份有限公司編制目錄TOC\o"1-2"\h\u一、項目存在問題及需解決問題 31. 存在問題 32. 需解決問題 3二、解決方案 41.解決方案架構 42.關鍵技術 5三、開發(fā)范圍 81. 數(shù)據(jù)生產 82. 數(shù)據(jù)采集/消費 83. 數(shù)據(jù)分析 94. 數(shù)據(jù)展示 10

項目存在問題及需解決問題存在問題房產抵押貸款很早以前就有，且很多銀行都有這項業(yè)務，只是在具體限制上有差異。目前金融市場上主要還是以線下辦理抵押為主，部分金融機構增設了線上渠道，也只是為客戶提供了一個線上申請渠道，核心的房產評估、評級授信、房屋抵押等業(yè)務均還以線下辦理為主。這就導致了在實際貸款辦理中存在以下問題：1、流程復雜：客戶需要在評估機構、銀行和不動產中心之間多次往返辦理各類事項；2、成本高：常見的房屋抵押貸款，房屋評估需要支付一定的費用，比如評估費、公證費、抵押登記費或保險費等；3辦理周期長：相對無抵押貸款來說，由于房產抵押貸款要走抵押登記手續(xù)，所以銀行放款速度較慢。一般來說，自借錢方申請貸款后需要一個月左右的時間銀行才能放款。需解決問題（1）估值服務前置，貸款申請更高效傳統(tǒng)房貸額度的溝通通常是客戶向銀行詢問房屋貸款情況，客戶經理咨詢評估公司價格后，給出大概貸款額度。其劣勢在于需對多家機構報價進行比較，耗費時間，效率低，不易準確判斷押品價值。（2）評估報告價值審核審貸人員可在線實時估值，輔助判斷評估公司提供的估值，防止房產估值的虛高虛低，增加審貸人員對于評估報告鐘評估值合理性的把控。解決方案解決方案架構系統(tǒng)開發(fā)平臺使用Hadoop大數(shù)據(jù)開發(fā)平臺。Hadoop是一個高度可擴展的存儲平臺，可以存儲和分發(fā)橫跨數(shù)百個并行操作的廉價的服務器數(shù)據(jù)集群。能擴展到處理大量的數(shù)據(jù)，能提供成百上千TB的數(shù)據(jù)節(jié)點上運行的應用程序。Hadoop能夠有效的在幾分鐘內處理TB級的數(shù)據(jù)。相比關系型數(shù)據(jù)庫管理系統(tǒng)更具有優(yōu)勢。它適用于任何規(guī)模的非結構化數(shù)據(jù)持續(xù)增長的企業(yè)，將幫助用戶持續(xù)提高用戶體驗。系統(tǒng)采用面向對象的軟件設計方法，把整個系統(tǒng)看作是多個離散對象的組合。系統(tǒng)設計時，首先把業(yè)務流程分解成功能模塊及其業(yè)務實體對象，然后根據(jù)業(yè)務流程分析對于這些業(yè)務實體對象的操作方法，形成業(yè)務處理對象，最后把各個功能模塊關聯(lián)起來，形成系統(tǒng)。軟件設計是一個將需求轉變?yōu)檐浖倪^程，系統(tǒng)通過逐步求精使得設計陳述逐漸接近于源代碼。系統(tǒng)程序采用MVC的設計思想，將展現(xiàn)邏輯、控制邏輯、業(yè)務處理邏輯分離。系統(tǒng)采用參數(shù)化的設計思想，定義和管理系統(tǒng)的實體及配置，調整實體以適應外部變化。系統(tǒng)采用J2EE技術保證程序邏輯實現(xiàn)的平臺無關性，并便于安裝部署。系統(tǒng)采用AJAX技術，提高客戶操作的交互性，保證實際使用的易用性。系統(tǒng)采用echarts可視化框架實現(xiàn)數(shù)據(jù)展示。關鍵技術HadoopHadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構。用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進行高速運算和存儲。SpringMVCSpringMVC：屬于SpringFrameWork的后續(xù)產品，已經融合在SpringWebFlow里面。Spring框架提供了構建Web應用程序的全功能MVC模塊。MyBatisMYBatis：是支持普通SQL查詢，存儲過程和高級映射的優(yōu)秀持久層框架。MyBatis消除了幾乎所有的JDBC代碼和參數(shù)的手工設置以及結果集的檢索。MyBatis使用簡單的XML或注解用于配置和原始映射，將接口和Java的POJOs（PlainOldJavaObjects，普通的Java對象）映射成數(shù)據(jù)庫中的記錄。EchartsECharts是一款基于Javascript的數(shù)據(jù)可視化圖表庫，提供直觀，生動，可交互，可個性化定制的數(shù)據(jù)可視化圖表。MySQLMySQL是一個關系型數(shù)據(jù)庫管理系統(tǒng)，由瑞典MySQLAB公司開發(fā)，屬于Oracle旗下產品。MySQL是最流行的關系型數(shù)據(jù)庫管理系統(tǒng)之一，在WEB應用方面，MySQL是最好的RDBMS(RelationalDatabaseManagementSystem，關系數(shù)據(jù)庫管理系統(tǒng))應用軟件之一。MySQL是一種關系型數(shù)據(jù)庫管理系統(tǒng)，關系數(shù)據(jù)庫將數(shù)據(jù)保存在不同的表中，而不是將所有數(shù)據(jù)放在一個大倉庫內，這樣就增加了速度并提高了靈活性。MySQL所使用的SQL語言是用于訪問數(shù)據(jù)庫的最常用標準化語言。MySQL軟件采用了雙授權政策，分為社區(qū)版和商業(yè)版，由于其體積小、速度快、總體擁有成本低，尤其是開放源碼這一特點，一般中小型網站的開發(fā)都選擇MySQL作為網站數(shù)據(jù)庫。Hivehive是基于Hadoop構建的一套數(shù)據(jù)倉庫分析系統(tǒng)，它提供了豐富的SQL查詢方式來分析存儲在Hadoop分布式文件系統(tǒng)中的數(shù)據(jù)：可以將結構化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供完整的SQL查詢功能；可以將SQL語句轉換為MapReduce任務運行，通過自己的SQL查詢分析需要的內容，這套SQL簡稱HiveSQL，使不熟悉mapreduce的用戶可以很方便地利用SQL語言查詢、匯總和分析數(shù)據(jù)。而mapreduce開發(fā)人員可以把自己寫的mapper和reducer作為插件來支持hive做更復雜的數(shù)據(jù)分析。它與關系型數(shù)據(jù)庫的SQL略有不同，但支持了絕大多數(shù)的語句如DDL、DML以及常見的聚合函數(shù)、連接查詢、條件查詢。它還提供了一系列的：具進行數(shù)據(jù)提取轉化加載，用來存儲、查詢和分析存儲在Hadoop中的大規(guī)模數(shù)據(jù)集，并支持UDF（User-DefinedFunction）、UDAF(User-DefnesAggregateFunction)和UDTF（User-DefinedTable-GeneratingFunction），也可以實現(xiàn)對map和reduce函數(shù)的定制，為數(shù)據(jù)操作提供了良好的伸縮性和可擴展性。HBASEHBase–HadoopDatabase，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術可在廉價PCServer上搭建起大規(guī)模結構化存儲集群。ZookeeperZooKeeper是一個分布式的，開放源碼的分布式應用程序協(xié)調服務，是Google的Chubby一個開源的實現(xiàn)，是Hadoop和Hbase的重要組件。它是一個為分布式應用提供一致性服務的軟件，提供的功能包括：配置維護、域名服務、分布式同步、組服務等。FlumeFlume是Cloudera提供的一個高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，F(xiàn)lume提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。開發(fā)范圍數(shù)據(jù)生產對于該模塊的業(yè)務，即數(shù)據(jù)生產過程，一般并不會讓你來進行操作，數(shù)據(jù)生產是一套完整且嚴密的體系，這樣可以保證數(shù)據(jù)的安全性。但是如果涉及到項目的一體化方案的設計（數(shù)據(jù)的產生、存儲、分析、展示），則必須清楚每一個環(huán)節(jié)是如何處理的，包括其中每個環(huán)境可能隱藏的問題；數(shù)據(jù)結構，數(shù)據(jù)內容可能出現(xiàn)的問題。數(shù)據(jù)采集/消費數(shù)據(jù)采集模塊（消費），在企業(yè)中你要清楚流式數(shù)據(jù)采集框架flume和kafka的定位是什么。我們在此需要將實時數(shù)據(jù)通過flume采集到kafka然后供給給hbase消費。flume：cloudera公司研發(fā)適合下游數(shù)據(jù)消費者不多的情況；適合數(shù)據(jù)安全性要求不高的操作；適合與Hadoop生態(tài)圈對接的操作。kafka：linkedin公司研發(fā)適合數(shù)據(jù)下游消費眾多的情況；適合數(shù)據(jù)安全性要求較高的操作（支持replication）；因此我們常用的一種模型是：線上數(shù)據(jù)-->flume-->kafka-->flume(根據(jù)情景增刪該流程)-->HDFS線上數(shù)據(jù)-->flume-->kafka-->sparkstreaming實時流式