[发明专利]一种楼盘字典云房源大数据平台

说明书

技术领域

本发明涉及一种房地产互联网应用领域，具体涉及一种楼盘字典云房源大数据平台。

背景技术

房地产作为国民经济命脉不可或缺的部分，数据具备分散、多元、多维的特点，而在过去发展过程中缺乏统一有效数据管理体系，导致数据的应用局限性非常大，信息存在严重的不对称性。数据分散于各系统中，缺乏关联性、结构化。至今房地产发展由黄金时代步入白银时代，信息数据正在以几何倍数增长，且数据间关联性弱，而地产服务及相关配套领域面对多元的经营需求，使得对存量数据的经营挖掘再利用，成为地产本身及配套领域迫切需要攻克的难题。现有技术中，缺乏针对数据的统一接入、结构化存储、有效建模分析架构等技术难题。

大数据接入、存储、挖掘及分析每个单项并不是全新的技术，它们的出现与发展有其自身的必然性。随着房地产配套领域的不断增多，多元化的商业行为形成，地产数据规模呈几何级数增长。数据的存储需求猛增，特别是数据仓库的出现，原有的数据库工具己无法满足用户的需求，用户不仅需要一般的查询和报表工具，更需要的是那些能够帮助他们从浩如烟海的数据中提取出高质量信息(预测性)的工具，大数据挖掘及分析技术的出现和发展正好符合了这一潮流。它也是当前数据库和信息决策领域的最前沿研究方向之一。数据如何从分散领域实现集约化存储、再到分析挖掘利用，需要搭建完整的技术解决方案，而地产领域尚未发现成熟的配套技术方案。

发明内容

针对现有技术中的不足，本发明的目的是提供一种：通过本发明可以快速解决楼盘、楼栋、单元、房号，配套医疗、交通、教育、商超、景观、餐饮娱乐、交易、用户行为等信息的快速接入、结构化存储、建模分析等技术难题，为存量数据经营提供了高效完整的技术解决方案。

本发明的目的是采用下述技术方案实现的：

本发明提供一种楼盘字典云房源大数据平台，用于为客户应用端提供数据服务，其改进之处在于：包括：

计算任务调度系统，用于不断检测配置任务的开始时间点及不同的任务间的依赖性，当任务的开始时间点到达，且所有依赖其的任务都已经执行完成后，开始执行此任务；

安全运行与运行监控系统，用于对抽取的计算任务进行配置监控；

数据存储层，用于对楼盘元数据、业务数据、用户行为数据和日志数据进行存储。

进一步地：还包括接口服务层，用于提供接口，为客户应用端传输数据。

进一步地：还包括分布式数据挖掘层，用于加载存储在存储层中数据仓库中的事实数据，加工计算成适用于挖掘算法的数据矩阵，挖掘引擎运行挖掘任务在数据矩阵上计算，并输出期望的知识模型；

所述知识模型存储到决策库中，或直接被其他模块使用。

进一步地：所述分布式数据挖掘层包括挖掘引擎，所述挖掘引擎包括离线计算和在线计算；

所述离线计算用于负责历史数据的模式计算和预计算，负责数据存储层中的知识发现，计算任务调度系统的任务是在离线计算引擎上计算，输出结果直接为最终结果存放到决策库或做数据展示，或输出到数据存储层中作为其他计算的中间结果数据使用；

所述在线计算引擎基于实时计算框架Storm开发，用于处理复杂事件。

进一步地：所述数据存储层包括：

功能模块：用于对楼盘信息进行信息管理；

信息模块，用于对楼板信息进行存储。

进一步地：所述功能模块包括用于对楼盘、楼栋、单元和楼层房间建模的建模管理模块、POI配套管理、图片管理、权限管理、学区管理和用于对放假进行查询的查询模块；

所述信息模块包括楼盘信息、房屋信息和配套信息。

所述楼盘信息，包括楼盘名、楼栋、单元、楼层、户数、用途、开发商，物业管理、景观、物业费用、容积率、绿化率、建造年代、批地日期、车费数量、坐标、周边配套、外景图和平面图；

所述房屋信息，包括房号、户型图、面积、户型、室内图、朝向、装修、价格；

所述配套信息，包括城市、区域、片区、商圈、学区、交通、金融、医院、超市、餐饮、景区、工厂、加油站、飞机场和墓地陵园。

进一步地：所述数据存储层采用多数据源整合的分布式文件系统HDFS进行分布式存储。

进一步地：所述分布式数据挖掘层采用开源集群计算环境下Spark机器学习库和MLlib库引擎进行计算挖掘。

进一步地：还包括数据缓存层，位于数据存储层与分布式数据挖掘层之间。

进一步地：所述计算任务调度系统，进一步包括：