论文部分内容阅读
近年来,我国通用航空产业在规模和作业量上取得了巨大进步,随着2015年低空空域的进一步开放,通用航空产业将进入发展的快车道。虽然我国通用航空产业发展潜力巨大,但是信息化水平远远落后于发达国家。大多数通用航空公司的数据管理还停留在纸质记录的原始阶段,部分通用航空公司虽然有自己的信息管理系统,但由于数据分散存储于各个子业务系统中,加上各通用航空公司之间地理上的隔离,数据无法实现有效共享,不仅存储效率低,而且数据的可靠性与安全性都得不到保障,更无法有效挖掘数据中蕴含的有用信息。因此,通用航空信息化水平低,信息管理水平严重滞后已成为我国通用航空产业发展的瓶颈。本文针对我国通用航空产业信息化面临的问题与实际需求,结合MongoDB以及REST自身的技术特点,使用Hadoop数据分析平台,构建通航云数据中心。云数据中心将会对通航公司产生的数据进行统一集中管理,为通航公司之间以及通航公司与用户之间搭建高效可靠的信息通道,提高飞行效率,保障飞行安全,有效提高通用航空信息化水平。本文主要工作与创新点如下:1)分析云数据中心相关技术。深入研究云计算架构与核心服务,MongoDB和REST的基本概念与特点以及MapReduce编程模型的实现原理。2)系统研究了通航云数据中心的需求,明确了系统的功能。深入分析了云数据中心的核心业务,确定了各个业务的数据处理流程。3)设计与实现了基于MongoDB与REST的通航云数据中心系统。系统使用NoSQL类型的文档数据库MongoDB存储数据,使用REST API为通航公司的PC端和移动端业务系统提供统一的数据访问服务。系统将MongoDB与REST相结合,利用MongoDB的高可靠性、高可用性以及高可扩展性的特点,以应对海量数据带来的挑战,利用REST的高灵活性和高可扩展性的特点,解决通航公司业务系统众多且业务变化频繁的问题。通过两者的结合,可以很好地满足通航产业快速发展的需求,为用户提供高效稳定的云服务。4)本文实现了MonogoDB-Hadoop机器学习平台。在大数据时代,海量数据往往蕴含着令人难以想象的价值,为了实现对数据的有效处理,将MongoDB擅长数据存储的优点和Hadoop擅长大数据分析的优点相结合,借助机器学习平台,为用户推荐热门航线,优化飞行航线等,提高系统的数据分析能力。