一、项目背景
近年来，个人信息及相关证件被不法分子冒用的事件经常发生，给个人及企业带来了严重的危害。为杜绝该类事件的继续发生，迫切需要构建统一的个人信息证件挂失平台。
二、客户需求
（一）架构需求：
1、    平台架构需提供高可用;
2、    确保业务应用连续性，应用升级不影响现有业务;
3、    平台需提供自动修护功能，实时保证各服务组件的稳定运行；
4、    随着未来业务不断发展，在不影响现有业务情况下提供方便快捷的扩展性。
（二）性能需求：
1.    数据加载性能≥1300万条记录（含相片、指纹信息）/小时；
2.    系统有效工作时间≥99%；
3.    系统故障平均间隔时间≥90天；
4.    在线用户数≥50000；
5.    总并发数≥1000；
6.    按用户ID或姓名、性别、出生日期组合条件查询，响应时间≤1秒；
7.    身份核查响应时间≤0.5秒。
（三）数据库需求：
大数据分析系统，主要实现目的如下:
1.    分布式数据库需能够提供大规模并行处理能力；
2.    需提供PB级加载功能；
3.    需支持对任何数据表或分区按行或按列进行存储；
4.    需支持对任意位置数据的并行访问；
5.    提供数据库内压缩功能；
6.    需支持多级分区；
7.    需提供动态分区清除和查询内存优化功能。
（四）实施需求：
1.    提供详细设计方案、实施方案，需经过双方会议讨论确认方案细节；
2.    平台实施部署期间需严格按照实施方案进行，如中途有更改需提前告知甲方人员确认；
3.    完成平台搭建后需进行平台优化，并提供详细实施部署记录，以供后续查询及文档归档；
4.    为甲方人员进行日常运维培训，并做现场操作演示指导；
5.    需提供后续服务支持。
三、架构设计
（一）Greenplum架构设计
Greenplum分布式数据库架构设计（下图参考）：

大数据平台GreenPlum数据库部署在12台PC服务器上。其中两台服务器作为管理节点服务器，剩余的10台服务器作为GP集群segment数据处理服务器。
每台segment服务器配合4个Primary计算实例，每个计算实例配置一个mirror实例。
集群内部采用万兆光纤，双链路互联，作为内部数据交互使用；每台服务器配置两个私网地址，一个管理网地址。管理网络采用千兆网络，实现网络上数据与管理分离，并且数据网采用多路复用，集群整体实现高可用，排除单点隐患。
大数据平台数据架构设计：

源数据从生产系统，通过ETL工具抽取载入Greenplum数据库。所有数据在Grenplum数据库进行历史沉淀。数据在Greenplum数据库中进行数据查询与复杂计算，完成需求任务。除了一般需求计算以外，Greenplum还将部分加工完成数据反馈到生产系统参与生产。
四、建设历程
该项目于2015年正式启动，由最初的Greenplum数据库测试环境开始，到正式环境的安装部署，以及Greenplum数据分析平台上线、更深层的运维支撑。除原厂培训外我们还针对客户特别人员进行单独操作指导，现场解答各种问题；文档方面，包括初期的《平台设计方案》、《实施方案》，并根据客户人员熟悉程度编写《平台操作手册》、《运维手册》，应对方领导要求出具硬件预案等相关文档，累计高达20多份；
平台方面，为保证环境稳定安全的进行，我们先后对Greenplum平台进行多次的运维巡检，并调整各项指标，始终保持平台处于最优状态；问题处理方面， GP数据库搭建运行起来后，期间遇到的各类问题我们第一时间安排人员到场处理，时刻保持高服务质量、高服务效率的态度保证平台的稳定性。
五、取得成果
自平台搭建完成之后，Greenplum数据库承担主要的数据统计与分析任务，进行历史数据沉淀、复杂关联计算、统计分析和数据挖掘，借助GP数据库，为信息变更统计、订单完成率分析、挂失业务、信息挖掘及报表数据提取提供巨大明显效益。
系统上线一年多以来，实现挂失系统、受理系统零宕机的佳绩。通过专业性能测试软件LoadRunner为期2个月的测试，同时在线数满足业务要求，延迟最低，实例之间提供负载均衡，有效缓解业务高峰时期的压力，其平台的稳定性、高效性得到客户的高度认可。

附件一：产品介绍
鉴于用户提出的架构需求、性能要求、功能要求等，由业界最成熟、最流行的Greenplum数据库技术搭建大数据平台，解决用户提出需求，以下是Greenplum产品的介绍与功能特性：
（一）产品简介
Greenplum为Pivotal公司的一个开源数据库解决方案。处于Gartner数据仓库魔法象限领导地位，连续三年被Gartner评为数据仓库领域最先进的软件产品。软件产品采用主流分布式无共享并行处理架构，遵循国际及国内相关技术标准和规范，在业界得到广泛使用。
（二）产品特性
GREENPLUM的特点主要就是查询速度快，数据装载速度快，批量DML处理快。而且性能可以随着硬件的添加，呈线性增加。因此，它主要适用于面向分析的应用。比如构建企业级ODS/EDW，或者数据集市等。
SQL标准 ——通过SQL 2003 OLAP控制功能全面支持SQL-92和SQL-99。所有查询信息都并行地在整个系统上执行。
统一分析处理——可以在同一个并行数据流引擎上执行所有查询和分析（SQL、MapReduce等）操作，从而允许分析人员、开发人员和统计人员使用同一个基础构架进行数据分析。
可编程并行分析——为从事运算和统计工作的人员提供了更先进的并行分析功能，支持R、线性代数和机器学习功能。
数据库内压缩——采用了业内领先的压缩技术，提高性能的同时，显著地减少存储数据所需的空间。客户可以将所用空间减少3-10倍，并提高有效的I/O性能。并且Greenplum提供行列存储、多级压缩的混合模式。能够最有效的为用户节省空间的同时，提供最好的性能。

千万亿字节规模的数据加载操作——高性能的并行数据装载器可以在所有节点上同步执行操作，装载速度超过4.5TB/小时。
随地访问数据 ——不管数据的位置、格式或存储介质如何，都可以从数据库向外部数据源执行查询操作，并行向数据库返回数据。
动态扩展——帮助公司对数据仓库进行便捷的小规模或大规模扩展，同时避免高成本的设备或SMP服务器升级。
性能监控——通过图形化的性能监控功能，用户可以确定当前运行的情况和历史查询信息，并跟踪系统使用情况和资源信息。
支持索引——Greenplum支持二叉搜索树、哈希、位图、GiST和GIN，从而能够实现多种索引功能，提供给数据架构师实施优化设计所必需的工具。
工业标准接口——支持标准数据库接口（SQL、ODBC、JDBC、DBI），并且可以与市场上先进的商务智能和抽取/转换/加载（ETL）工具互相操作。