大數(shù)據(jù)治理一一為業(yè)務(wù)供應(yīng)持續(xù)的、可度量的價(jià)值

書目

大數(shù)據(jù)治理——為業(yè)務(wù)供應(yīng)持續(xù)的、可度量的價(jià)值...............1

概述.........................................................2

大數(shù)據(jù)治理系列...............................................2

第一部分：大數(shù)據(jù)治理統(tǒng)一流程模型概述和明確元數(shù)據(jù)管理策略

........................................................................................................2

其次部分：元數(shù)據(jù)集成體系結(jié)構(gòu)..........................19

第三部分：實(shí)施元數(shù)據(jù)管理..............................34

第四部分：大數(shù)據(jù)治理統(tǒng)一流程參考模型的第四步到第九步..50

第五部分：定義度量值和主數(shù)據(jù)監(jiān)管.....................73

第六部分：大數(shù)據(jù)監(jiān)管和信息單一視圖監(jiān)管...............90

第七部分：分析監(jiān)管、平安與隱私管理和信息生命周期監(jiān)管108

概述

面對(duì)我們身邊每時(shí)每刻快速增長的浩大數(shù)據(jù)，因?yàn)槠鋽?shù)量大、速度快、

種類多和精確性的特征，如何更好地利用大數(shù)據(jù)創(chuàng)建出有意義的價(jià)值，始

終是我們探究的重要話題。而在這之前，就須要用科學(xué)正確的方法策略對(duì)

大數(shù)據(jù)進(jìn)行治理。大數(shù)據(jù)治理是指制定與大數(shù)據(jù)有關(guān)的數(shù)據(jù)優(yōu)化、隱私愛

護(hù)與數(shù)據(jù)變現(xiàn)的政策，是傳統(tǒng)信息治理的持續(xù)和擴(kuò)展，也是大數(shù)據(jù)分析的

基礎(chǔ)，還是連接大數(shù)據(jù)科學(xué)和應(yīng)用的橋梁，因此大數(shù)據(jù)治理是大數(shù)據(jù)再創(chuàng)

高峰的“必修課”。下面我們將與您共享簇新出爐的大數(shù)據(jù)治理方案。

大數(shù)據(jù)治理系列

本系列共分為七個(gè)部分，圍繞大數(shù)據(jù)治理統(tǒng)一流程參考模型，并結(jié)合

實(shí)際業(yè)務(wù)問題和IBM相應(yīng)的產(chǎn)品解決方案綻開敘述。

第一部分：大數(shù)據(jù)治理統(tǒng)一流程模型概述和明確元數(shù)據(jù)管理策略

為了更好地幫助企業(yè)進(jìn)行大數(shù)據(jù)治理，筆者在IBM數(shù)據(jù)治理統(tǒng)一流

程模型基礎(chǔ)上結(jié)合在電信、金融、政府等行業(yè)進(jìn)行大數(shù)據(jù)治理的閱歷，整

理出了大數(shù)據(jù)治理統(tǒng)一流程參考模型。本文主要介紹了大數(shù)據(jù)治理的基本

概念，以與結(jié)合圖文并茂的方式講解了大數(shù)據(jù)治理統(tǒng)一流程參考模型的前

兩步：“明確元數(shù)據(jù)管理策略”和“元數(shù)據(jù)集成體系結(jié)構(gòu)”內(nèi)容。

大數(shù)據(jù)治理概述

（狹義）大數(shù)據(jù)是指無法運(yùn)用傳統(tǒng)流程或工具在合理的時(shí)間和成本內(nèi)

處理或分析的信息，這些信息將用來幫助企業(yè)更才智地經(jīng)營和決策。而廣

義的大數(shù)據(jù)更是指企業(yè)須要處理的海量數(shù)據(jù)，包括傳統(tǒng)數(shù)據(jù)以與狹義的大

數(shù)據(jù)。（廣義）大數(shù)據(jù)可以分為五個(gè)類型：Web和社交媒體數(shù)據(jù)、機(jī)器對(duì)

機(jī)器（M2M）數(shù)據(jù)、海量交易數(shù)據(jù)、生物計(jì)量學(xué)數(shù)據(jù)和人工生成的數(shù)據(jù)。

?Web和社交媒體數(shù)據(jù)：比如各種微博、博客、社交網(wǎng)站、購物網(wǎng)站中

的數(shù)據(jù)和內(nèi)容。

?M2M數(shù)據(jù)：也就是機(jī)器對(duì)機(jī)器的數(shù)據(jù)，比如RFID數(shù)據(jù)、GPS數(shù)據(jù)、

智能儀表、監(jiān)控記錄數(shù)據(jù)以與其他各種傳感器、監(jiān)控器的數(shù)據(jù)。

?海量交易數(shù)據(jù)：是各種海量的交易記錄以與交易相關(guān)的半結(jié)構(gòu)化和非

結(jié)構(gòu)化數(shù)據(jù)，比如電信行業(yè)的CDR、3G上網(wǎng)記錄等，金融行業(yè)的網(wǎng)

上交易記錄、corebanking記錄、理財(cái)記錄等，保險(xiǎn)行業(yè)的各種理賠

等。

?生物計(jì)量學(xué)數(shù)據(jù):是指和人體識(shí)別相關(guān)的生物識(shí)別信息，如指紋、DNA、

虹膜、視網(wǎng)膜、人臉、聲音模式、筆跡等。

?人工生成的數(shù)據(jù)：比如各種調(diào)查問卷、電子郵件、紙質(zhì)文件、掃描件、

錄音和電子病歷等。

在各行各業(yè)中，隨處可見因數(shù)量、速度、種類和精確性結(jié)合帶來的大

數(shù)據(jù)問題，為了更好地利用大數(shù)據(jù)，大數(shù)據(jù)治理漸漸提上日程。在傳統(tǒng)系

統(tǒng)中，數(shù)據(jù)須要先存儲(chǔ)到關(guān)系型數(shù)據(jù)庫/數(shù)據(jù)倉庫后再進(jìn)行各種查詢和分

析，這些數(shù)據(jù)我們稱之為靜態(tài)數(shù)據(jù)。而在大數(shù)據(jù)時(shí)代，除了靜態(tài)數(shù)據(jù)以外,

還有很多數(shù)據(jù)對(duì)實(shí)時(shí)性要求特別高，須要在采集數(shù)據(jù)時(shí)就進(jìn)行相應(yīng)的處

理，處理結(jié)果存入到關(guān)系型數(shù)據(jù)庫/數(shù)據(jù)倉庫、MPP數(shù)據(jù)庫、Hadoop平

臺(tái)、各種NoSQL數(shù)據(jù)庫等，這些數(shù)據(jù)我們稱之為動(dòng)態(tài)數(shù)據(jù)。比如高鐵機(jī)

車的關(guān)鍵零部件上裝有成百上千的傳感器，每時(shí)每刻都在生成設(shè)備狀態(tài)信

息，企業(yè)須要實(shí)時(shí)收集這些數(shù)據(jù)并進(jìn)行分析，當(dāng)發(fā)覺設(shè)備可能出現(xiàn)問題時(shí)

與時(shí)告警。再比如在電信行業(yè)，基于用戶通信行為的精準(zhǔn)營銷、位置營銷

等，都會(huì)實(shí)時(shí)的采集用戶數(shù)據(jù)并依據(jù)業(yè)務(wù)模型進(jìn)行相應(yīng)的營銷活動(dòng)。

大數(shù)據(jù)治理的核心是為業(yè)務(wù)供應(yīng)持續(xù)的、可度量的價(jià)值。大數(shù)據(jù)治理

人員須要定期與企業(yè)高層管理人員進(jìn)行溝通，保證大數(shù)據(jù)治理安排可以持

續(xù)獲得支持和幫助。信任隨著時(shí)間的推移，大數(shù)據(jù)將成為主流，企業(yè)可以

從海量的數(shù)據(jù)中獲得更多的價(jià)值，而大數(shù)據(jù)治理的范圍和嚴(yán)格程度也將逐

步上升。為了更好地幫助企業(yè)進(jìn)行大數(shù)據(jù)治理，筆者在IBM數(shù)據(jù)治理統(tǒng)

一流程模型基礎(chǔ)上結(jié)合在電信、金融、政府等行業(yè)進(jìn)行大數(shù)據(jù)治理的閱歷,

整理了大數(shù)據(jù)治理統(tǒng)一流程參考模型，整個(gè)參考模型分為必選步驟和可選

步驟兩部分。

大數(shù)據(jù)治理統(tǒng)一流程參考模型

如圖1所示，大數(shù)據(jù)治理統(tǒng)一流程參考模型必要步驟分為兩個(gè)方向：

一條子線是在制定元數(shù)據(jù)管理策略和確立體系結(jié)構(gòu)的基礎(chǔ)上實(shí)施全面的

元數(shù)據(jù)管理，另一條子線是在定義業(yè)務(wù)問題、執(zhí)行成熟度評(píng)估的基礎(chǔ)上定

義數(shù)據(jù)治理路途圖以與定義數(shù)值治理相關(guān)的度量值。在11個(gè)必要步驟的

基礎(chǔ)上，企業(yè)可以在7個(gè)可選步驟中選擇一個(gè)或多個(gè)途徑進(jìn)行特定領(lǐng)域的

數(shù)據(jù)治理，可選步驟為：主數(shù)據(jù)監(jiān)管、（狹義）大數(shù)據(jù)監(jiān)管、信息單一視

圖監(jiān)管、運(yùn)營分析監(jiān)管、預(yù)料分析監(jiān)管、管理平安與隱私以與監(jiān)管信息生

命周期。企業(yè)須要定期對(duì)大數(shù)據(jù)治理統(tǒng)一流程進(jìn)行度量并將結(jié)果發(fā)送給主

管級(jí)發(fā)起人。

”i6.m

安全與隔私

12.1）委濠13.1）加分析核?

12償.

依行管理員聶樨管理員(5總

義15.被測17.依管信息

單

大

12.2）大家〉i3.2）n-

救

挺

M同l

座

11.3）實(shí)籟12.3）實(shí)篇13.3）構(gòu)*AT監(jiān)

首

主歐掘管理

-W-

圖1大數(shù)據(jù)治理統(tǒng)一流程參考模型

第一步：明確元數(shù)據(jù)管理策略

在最起先的時(shí)候，元數(shù)據(jù)（MetaData）是指描述數(shù)據(jù)的數(shù)據(jù)，通常

由信息結(jié)構(gòu)的描述組成，隨著技術(shù)的發(fā)展元數(shù)據(jù)內(nèi)涵有了特別大的擴(kuò)展,

比如UML模型、數(shù)據(jù)交易規(guī)則、用Java,.NET,C++等編寫的APIs、

業(yè)務(wù)流程和工作流模型、產(chǎn)品配置描述和調(diào)優(yōu)參數(shù)以與各種業(yè)務(wù)規(guī)則、術(shù)

語和定義等［1］。在大數(shù)據(jù)時(shí)代，元數(shù)據(jù)還應(yīng)當(dāng)包括對(duì)各種新數(shù)據(jù)類型的描

述，如對(duì)位置、名字、用戶點(diǎn)擊次數(shù)、音頻、視頻、圖片、各種無線感知

設(shè)備數(shù)據(jù)和各種監(jiān)控設(shè)備數(shù)據(jù)等的描述等。元數(shù)據(jù)通常分為業(yè)務(wù)元數(shù)據(jù)、

技術(shù)元數(shù)據(jù)和操作元數(shù)據(jù)等。業(yè)務(wù)元數(shù)據(jù)主要包括業(yè)務(wù)規(guī)則、定義、術(shù)語、

術(shù)語表、運(yùn)算法則和系統(tǒng)運(yùn)用業(yè)務(wù)語言等，主要運(yùn)用者是業(yè)務(wù)用戶。技術(shù)

元數(shù)據(jù)主要用來定義信息供應(yīng)鏈(InformationSupplyChain,ISC)

各類組成部分元數(shù)據(jù)結(jié)構(gòu)，具體包括各個(gè)系統(tǒng)表和字段結(jié)構(gòu)、屬性、出處、

依靠性等，以與存儲(chǔ)過程、函數(shù)、序列等各種對(duì)象。操作元數(shù)據(jù)是指應(yīng)用

程序運(yùn)行信息，比如其頻率、記錄數(shù)以與各個(gè)組件的分析和其它統(tǒng)計(jì)信息

等。

從整個(gè)企業(yè)層面來說，各種工具軟件和應(yīng)用程序越來越困難，相互依

存度逐年增加，相應(yīng)的追蹤整個(gè)信息供應(yīng)鏈各組件之間數(shù)據(jù)流淌、了解數(shù)

據(jù)元素含義和上下文的需求越來越劇烈。在從應(yīng)用議程往信息議程的轉(zhuǎn)變

過程中，元數(shù)據(jù)管理也漸漸從局部存儲(chǔ)和管理轉(zhuǎn)向共享。從總量上來看，

整個(gè)企業(yè)的元數(shù)據(jù)越來越多，光現(xiàn)有的數(shù)據(jù)模型中就包含了成千上萬的

表，同時(shí)還有更多的模型等著上線，同時(shí)隨著大數(shù)據(jù)時(shí)代的來臨，企業(yè)須

要處理的數(shù)據(jù)類型越來越多。為了企業(yè)更高效地運(yùn)轉(zhuǎn)，企業(yè)須要明確元數(shù)

據(jù)管理策略和元數(shù)據(jù)集成體系結(jié)構(gòu)，依托成熟的方法論和工具實(shí)現(xiàn)元數(shù)據(jù)

管理，并有步驟的提升其元數(shù)據(jù)管理成熟度。

為了實(shí)現(xiàn)大數(shù)據(jù)治理，構(gòu)建才智的分析洞察，企業(yè)須要實(shí)現(xiàn)貫穿整個(gè)

企業(yè)的元數(shù)據(jù)集成，建立完整且一樣的元數(shù)據(jù)管理策略，該策略不僅僅針

對(duì)某個(gè)數(shù)據(jù)倉庫項(xiàng)目、業(yè)務(wù)分析項(xiàng)目、某個(gè)大數(shù)據(jù)項(xiàng)目或某個(gè)應(yīng)用單獨(dú)制

定一個(gè)管理策略，而是針對(duì)整個(gè)企業(yè)構(gòu)建完整的管理策略。元數(shù)據(jù)管理策

略也不是技術(shù)標(biāo)準(zhǔn)或某個(gè)軟件工具可以取代的，無論軟件工具功能多強(qiáng)大

都不能完全替代一個(gè)完整一樣的元數(shù)據(jù)管理策略，反而在定義元數(shù)據(jù)集成

體系結(jié)構(gòu)以與選購元數(shù)據(jù)管理工具之前須要定義元數(shù)據(jù)管理策略。

元數(shù)據(jù)管理策略須要明確企業(yè)元數(shù)據(jù)管理的愿景、目標(biāo)、需求、約束

和策略等，依據(jù)企業(yè)自身當(dāng)前以與將來的須要確定要實(shí)現(xiàn)的元數(shù)據(jù)管理成

熟度以與實(shí)現(xiàn)目標(biāo)成熟度的路途圖，完成基礎(chǔ)本體、領(lǐng)域本體、任務(wù)本體

和應(yīng)用本體的構(gòu)建，確定元數(shù)據(jù)管理的平安策略、版本限制、元數(shù)據(jù)訂閱

推送等。企業(yè)須要對(duì)業(yè)務(wù)術(shù)語、技術(shù)術(shù)語中的敏感數(shù)據(jù)進(jìn)行標(biāo)記和分類，

制定相應(yīng)的數(shù)據(jù)隱私愛護(hù)政策，確保企業(yè)在隱私愛護(hù)方面符合當(dāng)?shù)仉[私方

面的法律法規(guī)，假如企業(yè)有跨國數(shù)據(jù)交換、元數(shù)據(jù)交換的需求，也要遵循

涉與國家的法律法規(guī)要求。企業(yè)須要保證每個(gè)元數(shù)據(jù)元素在信息供應(yīng)鏈中

每個(gè)組件中語義上保持一樣，也就是語義等效(semanticequivalence)o

語義等效可以強(qiáng)也可以弱，在一個(gè)元數(shù)據(jù)集成方案中，語義等效(平均)

越強(qiáng)則整個(gè)方案的效率越高。語義等效的強(qiáng)弱程度干脆影響元數(shù)據(jù)的共享

和重用。

本體(人工智能和計(jì)算機(jī)科學(xué))

本體(Ontology)源自哲學(xué)本體論,而哲學(xué)本體論則是源自哲學(xué)中“形

而上學(xué)”分支。本體有時(shí)也被翻譯成本體論，在人工智能和計(jì)算機(jī)科學(xué)領(lǐng)

域本體最早源于上世紀(jì)70年頭中期，隨著人工智能的發(fā)展人們發(fā)覺學(xué)問

的獲得是構(gòu)建強(qiáng)大人工智能系統(tǒng)的關(guān)鍵，于是起先將新的本體創(chuàng)建為計(jì)算

機(jī)模型從而實(shí)現(xiàn)特定類型的自動(dòng)化推理。之后到了上世紀(jì)80年頭，人工

智能領(lǐng)域起先運(yùn)用本體表示模型化時(shí)間的一種理論以與學(xué)問系統(tǒng)的一種

組件，認(rèn)為本體（人工智能）是一種應(yīng)用哲學(xué)。

最早的本體（人工智能和計(jì)算機(jī)科學(xué)）定義是Neches等人在1991

給出的：“一個(gè)本體定義了組成主題領(lǐng)域的詞匯的基本術(shù)語和關(guān)系，以與

用于組合術(shù)語和關(guān)系以與定義詞匯外延的規(guī)則”。而第一次被業(yè)界廣泛接

受的本體定義出自TomGruber,其在1993年提出：“本體是概念化的

顯式的表示（規(guī)格說明）"。Borst在1997年對(duì)TomGruber的本體

定義做了進(jìn)一步的擴(kuò)展，認(rèn)為：“本體是共享的、概念化的一個(gè)形式的規(guī)

范說明”。在前人的基礎(chǔ)上，Stude在1998年進(jìn)一步擴(kuò)展了本體的定義,

這也是今日被廣泛接受的一個(gè)定義：“本體是共享概念模型的明確形式化

規(guī)范說明”。本體供應(yīng)一個(gè)共享詞匯表，可以用來對(duì)一個(gè)領(lǐng)域建模，具體

包括那些存在的對(duì)象或概念的類型、以與他們的屬性和關(guān)系［2］。一個(gè)簡潔

的本體示例發(fā)票概念與其相互關(guān)系所構(gòu)成的語義網(wǎng)絡(luò)如圖2所示：

郵電通訊業(yè)定額發(fā)票

(50元)、

50元

是

發(fā)票w是，

?\文化體育業(yè)定額發(fā)票

(50/C)

是

濟(jì)南市服務(wù)業(yè)機(jī)打發(fā)票濟(jì)南市服務(wù)業(yè)定額發(fā)票

(卷式)/

所在城市

濟(jì)南市/

圖2簡潔本體(發(fā)票)示例

隨著時(shí)間的推移和技術(shù)的發(fā)展，本體從最起先的人工智能領(lǐng)域漸漸擴(kuò)

展到圖書館學(xué)、情報(bào)學(xué)、軟件工程、信息架構(gòu)、生物醫(yī)學(xué)和信息學(xué)等越來

越多的學(xué)科。與哲學(xué)本體論類似，本體(人工智能和計(jì)算機(jī)科學(xué))依靠某

種類別體系來表達(dá)實(shí)體、概念、事務(wù)與其屬性和關(guān)系。本體的核心是學(xué)問

共享和重用，通過削減特定領(lǐng)域內(nèi)概念或術(shù)語上的分歧，使不同的用戶之

間可以順暢的溝通和溝通并保持語義等效性，同時(shí)讓不同的工具軟件和應(yīng)

用系統(tǒng)之間實(shí)現(xiàn)互操作。

依據(jù)探討層次可以將本體的種類劃分為“頂級(jí)本體”(top-level

ontology)、應(yīng)用本體(applicationontology)N領(lǐng)域本體(domain

ontology)和任務(wù)本體(taskontology),各個(gè)種類之間的層次關(guān)系如圖

3所示。

圖3本體層次關(guān)系

?頂級(jí)本體，也被稱為上層本體(upperontology)或基礎(chǔ)本體

(foundationontology),是指獨(dú)立于具體的問題或領(lǐng)域，在全部

領(lǐng)域都適用的共同對(duì)象或概念所構(gòu)成的模型，主要用來描述高級(jí)別

且通用的概念以與概念之間的關(guān)系。

?領(lǐng)域本體是指對(duì)某個(gè)特定的領(lǐng)域建模，顯式的實(shí)現(xiàn)對(duì)領(lǐng)域的定義，

確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯、詞匯業(yè)務(wù)含義和對(duì)應(yīng)的信息資產(chǎn)等,

供應(yīng)對(duì)該領(lǐng)域?qū)W問的共同理解。領(lǐng)域本體所表達(dá)的是適合自己領(lǐng)域

的術(shù)語的特定含義，缺乏兼容性，因而在其他領(lǐng)域往往不適用。在

同一領(lǐng)域內(nèi)，由于文化背景、語言差異、受教化程度或意識(shí)形態(tài)的

差異，也可能會(huì)出現(xiàn)不同的本體。很多時(shí)候，隨著依靠領(lǐng)域本體系

統(tǒng)的擴(kuò)展，須要將不同的領(lǐng)域本體合并為更通用的規(guī)范說明，對(duì)并

非基于同一頂級(jí)本體所構(gòu)建的本體進(jìn)行合并是一項(xiàng)特別具有挑戰(zhàn)的

任務(wù)，很多時(shí)候須要靠手工來完成，相反，對(duì)那些基于同一頂級(jí)本

體構(gòu)建的領(lǐng)域本體可以實(shí)現(xiàn)自動(dòng)化的合并。

?任務(wù)本體是針對(duì)任務(wù)元素與其之間關(guān)系的規(guī)范說明或具體說明，用

來說明任務(wù)存在的條件以與可以被用在哪些領(lǐng)域或環(huán)境中。是一個(gè)

通用術(shù)語的集合用來描述關(guān)于任務(wù)的定義和概念等。

?應(yīng)用本體：描述依靠于特定領(lǐng)域和任務(wù)的概念與概念之間的關(guān)系，

是用于特定應(yīng)用或用途的本體，其范疇可以通過可測試的用例來指

定。

從具體程度上來分，本體又可以分為參考本體（reference

ontologies）和共享本體（shareontologies）,參考本體的具體程度高，

而共享本體的具體程度低。

本體（哲學(xué)）

哲學(xué)中的本體（ontology）也被稱為存在論，源自哲學(xué)中“形而上學(xué)”

分支，主要探討存在的本質(zhì)，也就是存在的存在。英文ontology事實(shí)上

就是來源于希臘文“ov”（存在）和“入6丫0勺”（學(xué)科）的組合。本體是

由早期希臘哲學(xué)在公元前6世紀(jì)到公元前4世紀(jì)提出的“始基”延長出來

的。始基（Principle,又稱本原）最早由泰勒斯（米利都學(xué)派）最早提出

來，認(rèn)為萬物由水而生，其學(xué)生阿那克西曼德認(rèn)為萬物由一種簡潔的原質(zhì)

組成，該原質(zhì)不是水［3］。而畢達(dá)哥拉斯（學(xué)派）認(rèn)為“萬物都是數(shù)”，數(shù)

不僅被看作萬物的木原，而且被看作萬物的原型、世界的木體°后來巴門

尼德（愛利亞學(xué)派）提出了“存在”的概念，認(rèn)為存在才是唯一真正存在

的真理，其創(chuàng)建了一種形而上學(xué)論證方式，之后的哲學(xué)始終到近時(shí)期為止,

都從巴門尼德處接受了其“實(shí)體的不行毀滅性”。蘇格拉底繼承了巴門尼

德的存在概念，主見“真正的善”并完善了巴門尼德弟子芝諾的辯證法，

其學(xué)生柏拉圖提出了“理念論”，認(rèn)為只要若干個(gè)個(gè)體擁有一個(gè)共同的名

字，它們就有一個(gè)共同的理念或形式。亞里士多德（柏拉圖學(xué)生）總結(jié)了

先哲們的思想，完成了《形而上學(xué)》，并將本體總結(jié)為：對(duì)世界上客觀存

在事物的系統(tǒng)的描述，即存在論，也就是最形而上學(xué)的學(xué)問。形而上學(xué)不

是指孤立、靜止之類的意思，而是指超越具體形態(tài)的抽象意思，是關(guān)于物

質(zhì)世界最普遍的、最一般的、最不具體的規(guī)律的學(xué)問。

其次步：元數(shù)據(jù)集成體系結(jié)構(gòu)

在明確了元數(shù)據(jù)管理策略后須要確定實(shí)現(xiàn)該管理策略所需的技術(shù)體

系結(jié)構(gòu)，即元數(shù)據(jù)集成體系結(jié)構(gòu)。各個(gè)企業(yè)的元數(shù)據(jù)管理策略和元數(shù)據(jù)管

理成熟度差別較大，因此元數(shù)據(jù)集成體系結(jié)構(gòu)也多種多樣。大體上元數(shù)據(jù)

集成體系結(jié)構(gòu)可以分為點(diǎn)對(duì)點(diǎn)的元數(shù)據(jù)集成體系結(jié)構(gòu)、中心輻射式元數(shù)據(jù)

體系結(jié)構(gòu)、基于CWM（CommonWarehouseMetaModel,公共倉庫

元模型）模型驅(qū)動(dòng)的點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)集成體系結(jié)構(gòu)、基于CWM模型驅(qū)動(dòng)的

中心存儲(chǔ)庫元數(shù)據(jù)集成體系結(jié)構(gòu)、分布式（聯(lián)邦式）元數(shù)據(jù)集成體系結(jié)構(gòu)

和層次/星型元數(shù)據(jù)集成體系結(jié)構(gòu)等。

針對(duì)信息供應(yīng)鏈中不同的組件，為了實(shí)現(xiàn)跨組件的元數(shù)據(jù)交換和集

成，最起先人們接受點(diǎn)對(duì)點(diǎn)的方式進(jìn)行，也就是每一對(duì)組件之間通過一個(gè)

獨(dú)立的元數(shù)據(jù)橋（metadatabridge）進(jìn)行元數(shù)據(jù)交換，橋一般是雙向的

能夠理解兩個(gè)方向的元數(shù)據(jù)映射［4］。點(diǎn)對(duì)點(diǎn)的元數(shù)據(jù)集成體系結(jié)構(gòu)幫助用

戶實(shí)現(xiàn)了跨企業(yè)的元數(shù)據(jù)集成和元數(shù)據(jù)交換，對(duì)提升信息化水平供應(yīng)了巨

大幫助。這種體系結(jié)構(gòu)在應(yīng)用過程中，也暴露了很多問題，比如元數(shù)據(jù)橋

的構(gòu)建工作量和耗時(shí)都特別大，對(duì)中間件廠商、應(yīng)用廠商、集成商和用戶

來說都是一個(gè)巨大的挑戰(zhàn)，而且構(gòu)建元數(shù)據(jù)橋還必需具有全部者的元數(shù)據(jù)

模型和接口的具體信息。構(gòu)建完成的橋很多時(shí)候無法在構(gòu)建其他元數(shù)據(jù)橋

時(shí)進(jìn)行重用，因此開發(fā)和維護(hù)費(fèi)用大幅度增加，用戶投資回報(bào)率(ROD

不高。以動(dòng)態(tài)數(shù)據(jù)倉庫為例，其點(diǎn)對(duì)點(diǎn)的元數(shù)據(jù)集成體系結(jié)構(gòu)具體如圖4

所示，信息供應(yīng)鏈各組件之間的空心箭頭表示全部的數(shù)據(jù)流，實(shí)心箭頭表

示不同的元數(shù)據(jù)橋和與之關(guān)聯(lián)的元數(shù)據(jù)流。

Bridges

圖4點(diǎn)對(duì)點(diǎn)的元數(shù)據(jù)集成體系結(jié)構(gòu)

通過運(yùn)用中心元數(shù)據(jù)存儲(chǔ)庫(centralmetadatarepository)取代

各個(gè)工具軟件和應(yīng)用程序之間的點(diǎn)對(duì)點(diǎn)連接方式，改成中心元數(shù)據(jù)存儲(chǔ)庫

與各個(gè)工具軟件和應(yīng)用程序?qū)崿F(xiàn)元數(shù)據(jù)交換的訪問層(也是一種橋)，可

以有效降低總成本，削減建立點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)橋的工作，提高投資回報(bào)率。

信息供應(yīng)鏈各組件可以從存儲(chǔ)庫訪問元數(shù)據(jù)，不必與其他產(chǎn)品進(jìn)行點(diǎn)對(duì)點(diǎn)

交互。這種運(yùn)用中心元數(shù)據(jù)存儲(chǔ)庫方式進(jìn)行元數(shù)據(jù)集成的方式就是中心輻

射式元數(shù)據(jù)體系結(jié)構(gòu)(hub-and-spok6metadataarchitecture),具體

如圖5所示。由于特定的元數(shù)據(jù)存儲(chǔ)庫是圍繞其自身的元模型、接口和交

付服務(wù)建立的，所以仍須要建立元數(shù)據(jù)橋?qū)崿F(xiàn)與ISC各組件的相互訪問。

圖5中心輻射式元數(shù)據(jù)體系結(jié)構(gòu)

接受模型驅(qū)動(dòng)的元數(shù)據(jù)集成方法(比如運(yùn)用CWM)可以有效降低元

數(shù)據(jù)集成的成本和困難度，無論點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)集成體系結(jié)構(gòu)還是中心綿射

式元數(shù)據(jù)集成體系結(jié)構(gòu)都可以因此受益。在點(diǎn)對(duì)點(diǎn)體系結(jié)構(gòu)中，通過運(yùn)用

基于模型的方法可以不必在每一對(duì)須要集成的產(chǎn)品之間構(gòu)建元數(shù)據(jù)橋，每

個(gè)產(chǎn)品只須要供應(yīng)一個(gè)適配器(adapter)即可實(shí)現(xiàn)各個(gè)產(chǎn)品之間的元數(shù)

據(jù)交換，適配器既了解公共的元模型也了解本產(chǎn)品元模型的內(nèi)部實(shí)現(xiàn)。如

圖6所示，基于CWM模型驅(qū)動(dòng)點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)集成體系結(jié)構(gòu)運(yùn)用通用元模

型，不再須要在各個(gè)產(chǎn)品間建立元數(shù)據(jù)橋，在各個(gè)產(chǎn)品之間通過適配器實(shí)

現(xiàn)了語義等價(jià)性。

圖6基于CWM模型驅(qū)動(dòng)的點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)集成體系結(jié)構(gòu)

如圖7所示，在基于模型驅(qū)動(dòng)（比如CWM）的中心輻射式元數(shù)據(jù)體

系結(jié)構(gòu)中，中心存儲(chǔ)庫包含公共元模型和整個(gè)領(lǐng)域（domain）用到的該

元模型的各個(gè)實(shí)例（模型）、存儲(chǔ)庫自身元模型與其實(shí)例、理解元模型（公

共元模型和自身元模型）的適配器層，當(dāng)然存儲(chǔ)庫也可以干脆實(shí)現(xiàn)公共元

模型的某些內(nèi)部表示。

圖7基于CWM模型驅(qū)動(dòng)的中心存儲(chǔ)庫元數(shù)據(jù)集成體系結(jié)構(gòu)

如圖8所示，這種體系架構(gòu)是基于CWM模型驅(qū)動(dòng)的中心存儲(chǔ)庫元數(shù)

據(jù)集成體系結(jié)構(gòu)的一個(gè)變種，兩個(gè)中心輻射式的拓?fù)浣Y(jié)構(gòu)通過各自的元數(shù)

據(jù)存儲(chǔ)庫連接起來，也被稱為分布式(Distributed)或聯(lián)邦(Federated)

體系結(jié)構(gòu)。兩個(gè)元數(shù)據(jù)存儲(chǔ)庫之間通過元數(shù)據(jù)橋連接，兩個(gè)存儲(chǔ)庫運(yùn)用相

同的元模型和接口，也可以運(yùn)用不同的元模型和接口。建立分布式元數(shù)據(jù)

集成體系結(jié)構(gòu)的緣由有很多種，比如企業(yè)基于多個(gè)區(qū)域單獨(dú)部署自己的應(yīng)

用，每個(gè)區(qū)域有自己的數(shù)據(jù)中心。

CMM元數(shù)據(jù)交帙（基于

元?dú)W格

存場對(duì)2

CMM元數(shù)據(jù)交換（基F

XIV1L或標(biāo)準(zhǔn)API調(diào)心—

/一星府

（多雄分析

投也統(tǒng)計(jì)

、,

飛次策普理,

（MDM^Hl

r創(chuàng)新噸用

圖8分布式（聯(lián)邦式）元數(shù)據(jù)集成體系結(jié)構(gòu)

如圖9所示，這種體系結(jié)構(gòu)是分布式體系結(jié)構(gòu)的變體，根存儲(chǔ)庫實(shí)現(xiàn)

了元模型的公共部分（橫跨整個(gè)企業(yè)），葉子存儲(chǔ)庫實(shí)現(xiàn)了一個(gè)或多個(gè)特

定的公共元模型子集，并只保存這些自己所對(duì)應(yīng)的元數(shù)據(jù)實(shí)例。特定客戶

可以主要訪問其感愛好的元數(shù)據(jù)所在的葉子存儲(chǔ)庫，也可以訪問其它葉子

存儲(chǔ)庫和根存儲(chǔ)庫。這種體系結(jié)構(gòu)被稱為層次或星型拓?fù)浣Y(jié)構(gòu)。

結(jié)束語

本文具體介紹了大數(shù)據(jù)治理的基本概念和統(tǒng)一流程參考模型，并闡述

了該模型的第一步“明確元數(shù)據(jù)管理策略”和其次步“元數(shù)據(jù)集成體系

結(jié)構(gòu)”等內(nèi)容。在第一步“明確元數(shù)據(jù)管理策略”中講解并描述了元數(shù)據(jù)

的基本概念以與本體在人工智能/計(jì)算機(jī)科學(xué)和哲學(xué)中的含義。在其次步

“元數(shù)據(jù)集成體系結(jié)構(gòu)”講解并描述了元數(shù)據(jù)集成體系結(jié)構(gòu)的六種示例，

分別為：點(diǎn)對(duì)點(diǎn)的元數(shù)據(jù)集成體系結(jié)構(gòu)、中心輻射式元數(shù)據(jù)體系結(jié)構(gòu)、基

于CWM模型驅(qū)動(dòng)的點(diǎn)對(duì)點(diǎn)元數(shù)據(jù)集成體系結(jié)構(gòu)、基于CWM模型驅(qū)動(dòng)的

中心存儲(chǔ)庫元數(shù)據(jù)集成體系結(jié)構(gòu)、分布式（聯(lián)邦式）元數(shù)據(jù)集成體系結(jié)構(gòu)

和層次/星型元數(shù)據(jù)集成體系結(jié)構(gòu)。在本系列文章的下一部分將接著介紹

大數(shù)據(jù)治理統(tǒng)一流程參考模型其次步“元數(shù)據(jù)集成體系結(jié)構(gòu)”，具體包括

元模型、元-元模型、公共倉庫元模型（CWM）、CWM發(fā)展史、OMG的

模型驅(qū)動(dòng)體系結(jié)構(gòu)(ModelDrivenArchitecture,MDA)o

參考文獻(xiàn)

[1]DavidFrankelConsulting,UsingModeIDriven

Architecture?t?ManageMetadata”，P3;

[2]FredrikArvidssonandAnnika

Flycht-Eriksson,2008,0ntologiesl,“Anontologyprovidea

sharedvocabulary,whichcanbeusedtomodeladomain,that

is,thetypeofobjectsand/orconceptsthatexist,andtheir

propertiesandrelations”;

[3]更多內(nèi)容請(qǐng)參考:[專著]/(英)伯特蘭.羅素/著孫紹武/主編西方

哲學(xué)史＞＞；

[4]JohnPoole,DanChang,DouglasTolbertandDavid

Mellor,2002,CommonWarehouse

Metamodel,p18-32,p180-202;

[5]本系列文章參考了SunilSoares編寫的《TheIBMData

GovernanceUnifiedProcess?和?BigdataGovernance))書中內(nèi)

容。

其次部分：元數(shù)據(jù)集成體系結(jié)構(gòu)

在明確了元數(shù)據(jù)管理策略后須要確定實(shí)現(xiàn)該管理策略所需的技術(shù)體

系結(jié)構(gòu)，即元數(shù)據(jù)集成體系結(jié)構(gòu)。元數(shù)據(jù)集成體系結(jié)構(gòu)涉與到多個(gè)概念，

如元模型、元-元模型、公共倉庫元模型（CWM）等，本部分將接著介紹

大數(shù)據(jù)治理統(tǒng)一流程參考模型其次步“元數(shù)據(jù)集成體系結(jié)構(gòu)”的相關(guān)內(nèi)

容。

在本系列的第一篇文章中，我們主要介紹了大數(shù)據(jù)治理的基本概念和

統(tǒng)一流程參考模型，并闡述了該模型的第一步“明確元數(shù)據(jù)管理策略”和

其次步“元數(shù)據(jù)集成體系結(jié)構(gòu)”的六種示例等內(nèi)容。大數(shù)據(jù)治理統(tǒng)一流程

參考模型的其次步是“元數(shù)據(jù)集成體系結(jié)構(gòu)”，具體包括元模型、元-元模

型、公共倉庫元模型（CWM）、CWM發(fā)展史、OMG的模型驅(qū)動(dòng)體系結(jié)

構(gòu)（ModelDrivenArchitecture,MDA）本文將對(duì)元數(shù)據(jù)集成體系結(jié)構(gòu)

包含的各種模型綻開敘述。

大數(shù)據(jù)治理統(tǒng)一流程參考模型，其次步：元數(shù)據(jù)集成體系結(jié)構(gòu)

元模型（Metamodel）

模型（Model）是用來描述特定的系統(tǒng)、過程、事物或概念的精確而

抽象的表示。例如軟件架構(gòu)師可以用概要設(shè)計(jì)的形式建立一個(gè)應(yīng)用系統(tǒng)的

模型。本質(zhì)上來說，元數(shù)據(jù)是數(shù)據(jù)的形式化模型，是數(shù)據(jù)的抽象描述，該

描述精確地描述了數(shù)據(jù)。元模型（Metamodel）也就是模型的模型（或

者元-元數(shù)據(jù)），是用來描述元數(shù)據(jù)的模型。

下面基于關(guān)系型表實(shí)體-關(guān)系（ER）模型舉例說明什么是元模型。如

圖1所示，一個(gè)簡潔的關(guān)系型表元模型描述了如何定義一個(gè)關(guān)系型表，規(guī)

定了每個(gè)表必需有一個(gè)名字（字符串），一個(gè)表可以有1到多個(gè)列，每個(gè)

列必需有一個(gè)名字（字符串）和數(shù)據(jù)類型（字符串）:

圖1簡潔關(guān)系型表元模型

假如要?jiǎng)?chuàng)建一個(gè)關(guān)系型表模型，基于該表元模型創(chuàng)建一個(gè)實(shí)例即可，

比如創(chuàng)建一個(gè)常見的雇員表Employees表模型，具體如圖2所示，

Employees表包含6個(gè)列，分別是編號(hào)、姓、名字、部門編號(hào)、經(jīng)理編

號(hào)和職位編號(hào)。

?Entity?

Employees

+ID:Integer

+First_name:String

+Last_name:String

+DepartJD:Integer

+ManagerJD:Integer

+JobJD:Integer

圖2Employees表實(shí)例

比如在DB2中創(chuàng)建employees表,可以很簡潔的從employees表

模型中得到相應(yīng)的DDL語句，執(zhí)行DDL語句時(shí)DB2會(huì)生成描述

employees表的內(nèi)部元數(shù)據(jù)并存儲(chǔ)在書目（DB2內(nèi)部的元數(shù)據(jù)存儲(chǔ)庫）

中。

清單1在DB2中創(chuàng)建employees表示例

Createtableemployees(

Idintegernotnull,

First_nameStringnotnull,

Last_nameStringnotnull,

Depart」DIntegernotnull,

ManagejIDIntegernotnull,

JobJDIntegernotnull

)

同樣基于圖1簡潔關(guān)系型表元模型創(chuàng)建另一個(gè)實(shí)例department表模

型。department表包含2個(gè)列，分別是編號(hào)和部門名稱，具體如圖3所

示。由于department表模型和employees表模型都是基于相同的公共

元模型，其它工具和應(yīng)用程序軟件(了解關(guān)系型表的公共元模型)可以很

簡潔理解department表和employees表，因?yàn)樗鼈兌际峭粋€(gè)元模型

的實(shí)例。其它工具或應(yīng)用程序通過調(diào)用導(dǎo)入映射(importmapping)將

該department表模型或employees表模型翻譯成自己內(nèi)部的元數(shù)據(jù)實(shí)

例。同樣，也可以將該軟件內(nèi)部元數(shù)據(jù)翻譯成一個(gè)與平臺(tái)無關(guān)的形式化模

型，也就是導(dǎo)出映射(exportmapping),以便其他軟件運(yùn)用其專有的元

數(shù)據(jù)。這種基于公共元模型的集成方法就是模型驅(qū)動(dòng)的元數(shù)據(jù)集成體系結(jié)

構(gòu)⑴。

?Entity?

Department

+ID:Integer

+name:String

圖3department表實(shí)例

元-元模型（Meta-metamodel）

元-元模型就是元模型的模型，有時(shí)也被稱為本體（ontology）,是模

型驅(qū)動(dòng)的元數(shù)據(jù)集成體系結(jié)構(gòu)的基礎(chǔ)，其定義了描述元模型的語言，規(guī)定

元模型必需依照肯定的形式化規(guī)則來建立，以便全部的軟件工具都能夠?qū)?/p>

其進(jìn)行理解。

元-元模型比元模型具有更高的抽象級(jí)別，一個(gè)元模型是一個(gè)元-元模

型的實(shí)例，元模型比元一元模型更加精細(xì)，而元一元模型比元模型更加抽象。

元數(shù)據(jù)（模型）則是一個(gè)元模型的實(shí)例，遵守元模型的規(guī)定和約束。用戶

對(duì)象（或用戶數(shù)據(jù)）則是元數(shù)據(jù)（或者稱為模型）的實(shí)例。元數(shù)據(jù)層次結(jié)

構(gòu)具體如表1所示，共分為4層，最高層L3是元-元模型，之下是L2元

模型和L1模型/元數(shù)據(jù)，最底層是L。用戶對(duì)象/用戶數(shù)據(jù)：

表1元數(shù)據(jù)層次結(jié)構(gòu)

元層次名稱示例

L3元-元模型元類、元屬性、元操作

L2元模型類、屬性、操作、構(gòu)件

L1模型/元數(shù)據(jù)實(shí)體-關(guān)系(ER)圖

交易數(shù)據(jù)、ODS數(shù)據(jù)、數(shù)據(jù)倉

L0用戶對(duì)象/用戶數(shù)據(jù)庫數(shù)據(jù)、數(shù)據(jù)集市數(shù)據(jù)、數(shù)據(jù)

中心數(shù)據(jù)等

公共倉庫元模型(CWM)概述

公共倉庫元模型(CommonWarehouseMetaModel,CWM)是被

對(duì)象管理組織OMG(ObjectManagementGroup)接受的數(shù)據(jù)倉庫和

業(yè)務(wù)分析領(lǐng)域元數(shù)據(jù)交換開放式行業(yè)標(biāo)準(zhǔn)，在數(shù)據(jù)倉庫和業(yè)務(wù)分析領(lǐng)域?yàn)?/p>

元數(shù)據(jù)定義公共的元模型和基于XML的元數(shù)據(jù)交換(XMI)。CWM作為

一個(gè)標(biāo)準(zhǔn)的接口，可以幫助分布式、異構(gòu)環(huán)境中的數(shù)據(jù)倉庫工具，數(shù)據(jù)倉

庫平臺(tái)和數(shù)據(jù)倉庫元數(shù)據(jù)存儲(chǔ)庫之間輕松實(shí)現(xiàn)數(shù)據(jù)倉庫和業(yè)務(wù)分析元數(shù)

據(jù)交換。CWM供應(yīng)一個(gè)框架為數(shù)據(jù)源、數(shù)據(jù)目標(biāo)、轉(zhuǎn)換、分析、流程和

操作等創(chuàng)建和管理元數(shù)據(jù)，并供應(yīng)元數(shù)據(jù)運(yùn)用的世系信息［2］。

CWM是一個(gè)基于模型驅(qū)動(dòng)方法的完整地描述數(shù)據(jù)倉庫和業(yè)務(wù)分析領(lǐng)

域的元模型，供應(yīng)構(gòu)建元數(shù)據(jù)所需的語法和語義，由若干個(gè)不相同又緊密

相關(guān)的子元模型組成。CWM模型的目的是最大限度的重用對(duì)象模型

(ObjectModel,UML的一個(gè)子集)，并在可能的地方共享通用模型結(jié)構(gòu)。

如圖4所示，CWM元模型運(yùn)用包(package)和層次來簡化管理的困難

度并便于理解，共包含21個(gè)單獨(dú)的包，這些包被分為5個(gè)層次。對(duì)象模

型層包含定義基本元模型的概念、關(guān)系和約束的包，其它CWM包都須要

用到這些定義，對(duì)象模型層的包構(gòu)成了其它CWM包所須要的基本元模型

服務(wù)的全部集合。對(duì)象模型層主要包括核心包(Corepackage)、行為包

(Behavioralpackage)>關(guān)系包(Relationshipspackage)和實(shí)例包

(Instancepackage)o

?數(shù)據(jù)源層(DataResources):主要描述CWM元數(shù)據(jù)交換中既可作

為源又可以作為目標(biāo)的數(shù)據(jù)源的結(jié)構(gòu)，本層含有的元模型主要描述面

對(duì)對(duì)象的數(shù)據(jù)庫和應(yīng)用、關(guān)系型數(shù)據(jù)庫、面對(duì)記錄的數(shù)據(jù)源(如文件、

記錄數(shù)據(jù)庫管理系統(tǒng)等)、多維數(shù)據(jù)庫和XML數(shù)據(jù)源等。對(duì)于面對(duì)對(duì)

象數(shù)據(jù)源，CWM一般狀況下重用基本的對(duì)象模型(位于對(duì)象模型層)，

假如該數(shù)據(jù)源具有對(duì)象模型層無法處理的一些特征和功能時(shí)，可以通

過定義一個(gè)擴(kuò)展包來解決。

?數(shù)據(jù)分析層(DataAnalysis):本層含有的元模型主要描述數(shù)據(jù)轉(zhuǎn)換、

在線分析處理OLAP、數(shù)據(jù)挖掘、信息可視化和業(yè)務(wù)術(shù)語等。

?倉庫管理層(WarehouseManagement):本層含有的元模型主要描

述數(shù)據(jù)倉庫處理和數(shù)據(jù)倉庫操作。

ManagementWarehouseProcessWarehouseOperation

DataInformationBusiness

AnalystsTransformationOLAP

MiningVisualizationNomenclature

ResourceObjectModelRelationalRecordMultidimensionalXML

Keys

BusinessTypeSoftware

FoundationDataTypesExpressionand

InformationMappingDeployment

Indexes

ObjectModel

圖4CWM1.1元模型

CWM1.1是在2003年3月發(fā)布的，與之相關(guān)的OMG組織規(guī)范還

有MOF、UML和XMIoCWM運(yùn)用統(tǒng)一建模語言（UML）定義公共元

數(shù)據(jù)的模型（CWM元模型），運(yùn)用可擴(kuò)展標(biāo)記語言（XML）生成CWM

元數(shù)據(jù)交換規(guī)范（也就是XML元數(shù)據(jù)交換，XMI）,運(yùn)用CORBA接口定

義語言（IDL）為訪問CWM元數(shù)據(jù)生成編程語言API的規(guī)范（依靠MOF

到IDL的映射）。

UML是一種規(guī)范化、可視化、描述明確、結(jié)構(gòu)化和文檔化的定義分

布式對(duì)象系統(tǒng)的圖形化語言。1996年，業(yè)內(nèi)三種最杰出的面對(duì)對(duì)象建模

語言:GradyBooch的Booch方法、IvarJacobson的面對(duì)對(duì)象軟件工

程（OOSE）和JimRumbaugh的對(duì)象建模技術(shù)（OMT）被統(tǒng)一起來發(fā)

布，也就是UML0.9o2011年，UML2.4.1發(fā)布。CWM依靠于UML

規(guī)范的前三個(gè)部分，即UML語義、UML符號(hào)向?qū)Ш蛯?duì)象約束語言規(guī)范。

UML語義定義UML元模型的語義，UML元模型是層次結(jié)構(gòu)并以包為單

位進(jìn)行組織，每個(gè)包依據(jù)抽象語言（運(yùn)用類圖）、結(jié)構(gòu)良好規(guī)則（接受OCL）

和語義（接受英語）來定義。UML符號(hào)指定表達(dá)UML元模型語義的圖形

語法（例如類圖）。對(duì)象約束語言規(guī)范定義對(duì)象約束語言（OCL）的句法、

語義和語法，0cL是一種表述約束的形式化語言［3］。

?構(gòu)造塊和結(jié)構(gòu)良好規(guī)則：UML供應(yīng)了組成構(gòu)造塊和結(jié)構(gòu)良好規(guī)則的面對(duì)

對(duì)象建模語言，基本的構(gòu)造塊包括模型元素（如類、對(duì)象、接口、組件、

用例等）、關(guān)系（如關(guān)聯(lián)、泛化、依靠等）和圖（如類圖、對(duì)象圖、用例

圖等）等。

?UML可以為一個(gè)系統(tǒng)進(jìn)行不同方面的建模，比如結(jié)構(gòu)建模（又包括運(yùn)用

類圖和對(duì)象圖的靜態(tài)結(jié)構(gòu)建模、運(yùn)用組件圖和部署圖實(shí)現(xiàn)建模）、用例建

模和行為建模等。元數(shù)據(jù)建模只須要靜態(tài)結(jié)構(gòu)建模，靜態(tài)結(jié)構(gòu)的核心元素

是類、對(duì)象、屬性和操作。

?UML用包來將模型元素組織成語義上相關(guān)聯(lián)的分組，每個(gè)包擁有其自己

的模型元素，每個(gè)模型元素不能同時(shí)被多個(gè)包擁有。

UML在CWM中主要作為三種角色出現(xiàn)⑷：

1、UML作為和MOF等價(jià)的元-元模型。UML,或者部分對(duì)應(yīng)MOF

模型、UML符號(hào)和OCL的UML分別被用作建模語言、圖形符號(hào)和約束

語言，用來定義和表示CWM。

2、UML作為基礎(chǔ)元模型。對(duì)象模型層（ObjectModel）與UML關(guān)

系親密，是UML的一個(gè)子集。

3、UML用來作為面對(duì)對(duì)象元模型。

元對(duì)象框架（MetaObjectFramework,MOF,本文以2.4.1版本

為例）是一個(gè)以獨(dú)立于平臺(tái)的方式定義、操作、集成元數(shù)據(jù)和數(shù)據(jù)的、可

擴(kuò)展、模型驅(qū)動(dòng)的分布式對(duì)象集成框架。此框架支持各種類型的元數(shù)據(jù)，

還可以依據(jù)需求添加新類型的元數(shù)據(jù)。MOF包括MOF模型（定義建立

元模型的建模元素和運(yùn)用規(guī)則）、MOF反射接口（允許程序在不運(yùn)用元模

型指定接口時(shí)對(duì)元數(shù)據(jù)進(jìn)行各種操作）和MOF至ijIDL的映射（定義MOF

模型定義的元模型到CORBAIDL之間的標(biāo)準(zhǔn)映射）。MOF模型是以UML

的概念和結(jié)構(gòu)為基礎(chǔ)，尤其是以UML的靜態(tài)結(jié)構(gòu)模型和模型管理為基礎(chǔ)。

MOF模型沒有定義自己的圖形符號(hào)和約束語言，而是接受UML的圖形符

號(hào)和OCL來實(shí)現(xiàn)。MOF模型也是層次結(jié)構(gòu)，并以包為單位進(jìn)行組織。

MOF支持各種類型的元數(shù)據(jù)，接受四層元數(shù)據(jù)體系結(jié)構(gòu)（也就是

OMG元數(shù)據(jù)體系結(jié)構(gòu)）[5],具體如表2所示，該體系架構(gòu)將元數(shù)據(jù)（Ml）

視同為數(shù)據(jù)（M0）,并對(duì)之進(jìn)行形式化建模（即元模型，M2）o元模型（M2）

運(yùn)用元-元模型（M3）所供應(yīng)的元建模結(jié)構(gòu)來表示。表2表明MOF模型

（元-元模型）、UML元模型、用戶模型和用戶對(duì)象/數(shù)據(jù)之間的關(guān)系，

表2MOF四層元數(shù)據(jù)體系結(jié)構(gòu)

描述示例

MOF,i.e.thesetof

MMOFClass,MOFAttribute,MOF

constructsusedto

3Association,etc.

definemetamodels

Metamodels,consistinUMLClass,UMLAssociation,UML

MgofAttribute,UMLState,UML

2instancesofMOFActivity,etc.CWMTable,CWM

constructs.Column,etc.

Models,consistingofClass<<Customer,,,ClassuAccount

Minstances

1ofM2metamodelTable

constructs.aEmployee,,,Table,Vendor”，etc.

MObjectsandCustomerJaneSmith,CustomerJoe

0data,i.e.instancesofJones,Account

Mlmodelconstructs2989,Account2344,Employee

A3949,Vendor78988,etc.

XML元數(shù)據(jù)交換（XMI）是在工具軟件、應(yīng)用程序之間進(jìn)行元數(shù)據(jù)

交換的XML語言，整合了UML、MOF和XML三種技術(shù)，允許MOF

元數(shù)據(jù)（即遵從MOF或基于MOF的元模型的元數(shù)據(jù)）以流或文件的形

式依據(jù)XML的標(biāo)準(zhǔn)格式進(jìn)行交換。XMI是OMG在元數(shù)據(jù)交換方面的標(biāo)

準(zhǔn)之一，同時(shí)也是W3c認(rèn)可的標(biāo)準(zhǔn)。本質(zhì)上，XMI是W3c的XML和

MOF之間，以與XML文檔和MOF元數(shù)據(jù)之間的一對(duì)平行映射。2011

年8月，XML發(fā)布了2.4.1。

CWM發(fā)展史

其實(shí)早在上世紀(jì)80年頭末90年頭初，很多企業(yè)就嘗試運(yùn)用一種元

模型實(shí)現(xiàn)元數(shù)據(jù)集成以整合分布于各個(gè)業(yè)務(wù)豎井中的元數(shù)據(jù)，但最終失敗

了，因?yàn)楹芏嗟睦嫦嚓P(guān)者各自擁有不同的觀點(diǎn)，且須要不同的模型結(jié)構(gòu)。

1997年，OMG將UML接受為標(biāo)準(zhǔn)，為CWM標(biāo)準(zhǔn)制定打下了第一個(gè)基

礎(chǔ)。同樣在1997年，MOF被OMG接受為標(biāo)準(zhǔn)，為CWM的產(chǎn)生打下

了其次個(gè)基礎(chǔ)。1999年初，OMG接受XMI作為標(biāo)準(zhǔn)，為CWM的出現(xiàn)

打下了第三個(gè)基礎(chǔ)°1998年5月，IBM、ORACLE和Unisys向OMG

提交了公共倉庫元數(shù)據(jù)交換（CommonWarehouseMetadata

Interchange,CWMI）征求看法稿（RFP）,同年9月OMG發(fā)布了該征

求看法稿，經(jīng)過8個(gè)公司（IBM、Unisys、Oracle、Hyperion、UBS、

NCR>Genesis和DimensionEDI）2年半的努力和協(xié)作，OMG于2001

年4月正式接受CWM為標(biāo)準(zhǔn)。

在CWM發(fā)展的同時(shí)，其他一些元數(shù)據(jù)標(biāo)準(zhǔn)的制定也在進(jìn)行中。最早

在1993年，電子信息組織就發(fā)布了計(jì)算機(jī)協(xié)助工程數(shù)據(jù)交換格式(CASE

DataInterchangeFormat,CDIF)并得到了肯定的認(rèn)可。1995年10

月，元數(shù)據(jù)聯(lián)盟(MetaDataCoalition,MDC)成立，并與1996年4

月發(fā)布了元數(shù)據(jù)交換規(guī)范1.0(MetaDataInterchangeSpecification,

MDIS),與CWM相比，MDIS涉與的范疇少很多，且其規(guī)范和交換語言

都是自身獨(dú)有的。此時(shí)微軟也在和其他一些合作者一起開發(fā)開放信息模型

(OpenInformationModel,OIM),該模型于1996年10月成形，接

受UML作為其規(guī)范語言。1998年11月，微軟加入MDC并提交OIM

標(biāo)準(zhǔn)，1999年7月MDC發(fā)布了OIMvl.O版本，由此業(yè)內(nèi)面臨著兩種

元數(shù)據(jù)集成規(guī)范的競爭局面，之后考慮到業(yè)內(nèi)對(duì)CWM的認(rèn)可，MDC于

2000年9月確定終止其OIM后續(xù)工作，將其元數(shù)據(jù)標(biāo)準(zhǔn)歸入到OMG中,

從今CWM影響力和范圍持續(xù)擴(kuò)大并得到了業(yè)內(nèi)的統(tǒng)一認(rèn)可。

OMG的模型驅(qū)動(dòng)體系結(jié)構(gòu)(ModelDrivenArchitecture,MDA)

OMG組織成立不久制定了對(duì)象管理體系結(jié)構(gòu)(ObjectManagement

Architecture,OMA)參考模型，描述了OMG規(guī)范所遵循的概念化的

基礎(chǔ)結(jié)構(gòu)。OMA是由對(duì)象懇求代理(ObjectRequestBroker,ORB)>

對(duì)象服務(wù)、公共設(shè)施、域接口和應(yīng)用接口等幾個(gè)部分組成，其核心是對(duì)象

懇求代理(ORB)。對(duì)象懇求代理(ORB)是公共對(duì)象懇求代理體系結(jié)構(gòu)

(CommonObjectRequestBrokerArchitecture,CORBA)的核心

組件，供應(yīng)了識(shí)別和定位對(duì)象、處理連接管理、傳送數(shù)據(jù)和懇求通信所需

的框架結(jié)構(gòu)。OMA和CORBA被定位為軟件框架，用來指導(dǎo)基于OMG

規(guī)范的技術(shù)開發(fā)。

從1995年起先，OMG起先非正式的接受針對(duì)特定行業(yè)(“領(lǐng)域”，

Domain)的技術(shù)規(guī)范，為了保持?jǐn)U張重點(diǎn)，OMG在2。。1年正式接受

其次個(gè)框架，模型驅(qū)動(dòng)體系架構(gòu)(ModelDrivenArchitecture,MDA)。

與OMA和CORBA不一樣，MDA不是部署分布式系統(tǒng)的框架，而是在

軟件開發(fā)中基于模型驅(qū)動(dòng)的方法。為了實(shí)現(xiàn)MDA,OMG隨后制定了一系

列標(biāo)準(zhǔn)如UML、MOF、XMI和CWM等，解決了MDA的模型建立、擴(kuò)

展、交換等幾個(gè)方面的問題。模型驅(qū)動(dòng)體系結(jié)構(gòu)源自眾所周知的和長期建

立的思想：”將系統(tǒng)操作規(guī)范從系統(tǒng)利用底層平臺(tái)實(shí)力的細(xì)微環(huán)節(jié)中分別

出來”。MDA供應(yīng)了一種方法(基于相關(guān)工具)來規(guī)范化一個(gè)平臺(tái)獨(dú)立

的系統(tǒng)，為系統(tǒng)選擇一個(gè)特定的實(shí)現(xiàn)平臺(tái)，并把系統(tǒng)規(guī)范轉(zhuǎn)換到特定的實(shí)

現(xiàn)平臺(tái)。MDA的首要三個(gè)目標(biāo)是：可移植性、互操作性和可重用性。MDA

三個(gè)視角(viewpoint)[6]分別是：

?計(jì)算無關(guān)視角(ComputationIndependentViewpoint):側(cè)重系

統(tǒng)環(huán)境和系統(tǒng)需求；系統(tǒng)結(jié)構(gòu)和流程細(xì)微環(huán)節(jié)被隱藏或尚未確定。

其對(duì)應(yīng)的是計(jì)算無關(guān)模型(ComputationIndependentModel,

CIM)O

?平臺(tái)無關(guān)視角(PlatformIndependentViewpoint)：側(cè)重系統(tǒng)的

操作，同時(shí)隱藏用于特定平臺(tái)的必要細(xì)微環(huán)節(jié)。其對(duì)應(yīng)的是平臺(tái)無

關(guān)模型（PlatformIndependentModel,PIM）,PIM是抽出技術(shù)

和具體工程細(xì)微環(huán)節(jié)之后的模型。

?平臺(tái)相關(guān)視角（PlatfonnSpecificViewpoint）:結(jié)合平臺(tái)無關(guān)系

視角和系統(tǒng)所運(yùn)用的特定平臺(tái)細(xì)微環(huán)節(jié)。其對(duì)應(yīng)的是平臺(tái)相關(guān)模型

（PlatformSpecificViewpointModel,PSM）,PSM是包含技

術(shù)和具體工程細(xì)微環(huán)節(jié)的模型。

OMG模型驅(qū)動(dòng)體系結(jié)構(gòu)如圖5所示：

圖5OMG模型驅(qū)動(dòng)體系架構(gòu)

CWM元模型、規(guī)范以與生成的產(chǎn)品同MDA特別契合，從技術(shù)平臺(tái)

角度來說，全部的平臺(tái)相關(guān)模型（CWMXML、CWMIDL和CWMJava

等）都是自動(dòng)地從平臺(tái)無關(guān)模型（CWM元模型和規(guī)范）中產(chǎn)生的；從產(chǎn)

品平臺(tái)角度來說，平臺(tái)相關(guān)模型（比如DB2、ORACLE、SQLSERVER

等）都是人工從平臺(tái)無關(guān)模型（CWM元模型和規(guī)范）中構(gòu)造出來的°

結(jié)束語

本文具體介紹了大數(shù)據(jù)治理統(tǒng)一流程參考模型其次步“元數(shù)據(jù)集成

體系結(jié)構(gòu)”的后續(xù)內(nèi)容，主要包括元模型、元-元模型、公共倉庫元模型

(CWM)、CWM發(fā)展史、對(duì)象管理組織OMG的模型驅(qū)動(dòng)體系結(jié)構(gòu)

(ModelDrivenArchitecture,MDA)0在本系列文章的下一部分將重

點(diǎn)介紹大數(shù)據(jù)治理統(tǒng)一流程參考模型的第三步：“實(shí)施元數(shù)據(jù)管理”，講

解并描述在大數(shù)據(jù)時(shí)代如何實(shí)施元數(shù)據(jù)管理，如何運(yùn)用元數(shù)據(jù)管理成熟度

模型，以與IBM在元數(shù)據(jù)管現(xiàn)方面的產(chǎn)品：業(yè)務(wù)元數(shù)據(jù)管理工具IBMInfo

SphereBusinessGlossary、業(yè)務(wù)詞匯表小工具InfoSphereBusiness

GlossaryAnywhere和技術(shù)元數(shù)據(jù)管理工具InfoSphereMetadata

Workbencho

參考文獻(xiàn)

[1]更多信息請(qǐng)參考：OMGModelDrivenArchitecture:;

[2]OMG,CommonWarehouseMetamodel(CWM)Specification

vl.l,P44;

[3]JohnPoole,DanChang,DouglasTolbertandDavid

Mellor,2002,CommonWarehouseMetamodel,p48-53,p58-63;

[4]OMG,CommonWarehouseMetamodel(CWM)Specification

vl.l,P45;

[5]DavidFrankelConsulting,vUsingModelDriven

Architecture?toManageMetadata”,P46;

⑹OMG,2003,MDAGuideVersion1.0.l,pl1-12,P15-16;

第三部分：實(shí)施元數(shù)據(jù)管理

了解了元數(shù)據(jù)管理策略和元數(shù)據(jù)集成體系結(jié)構(gòu)之后，企業(yè)可以依據(jù)須

要選擇合適的業(yè)務(wù)元數(shù)據(jù)和技術(shù)元數(shù)據(jù)管理工具，并制定相應(yīng)的元數(shù)據(jù)管

理制度進(jìn)行全面的元數(shù)據(jù)管理。本部分主要介紹大數(shù)據(jù)治理統(tǒng)一流程參考

模型第三步“實(shí)施元數(shù)據(jù)管理”，元數(shù)據(jù)管理成熟度模型、出M元數(shù)據(jù)管

理相關(guān)工具等內(nèi)容。

第三步：實(shí)施元數(shù)據(jù)管理

在明確了元數(shù)據(jù)管理策略和元數(shù)據(jù)集成體系結(jié)構(gòu)之后，企業(yè)可以依據(jù)

須要選擇合適的業(yè)務(wù)元數(shù)據(jù)和技術(shù)元數(shù)據(jù)管理工具，并制定相應(yīng)的元數(shù)據(jù)

管理制度進(jìn)行全面的元數(shù)據(jù)管理。比如可以運(yùn)用IBMInfoSphere

BusinessGlossary進(jìn)行業(yè)務(wù)元數(shù)據(jù)的管理，運(yùn)用IBMInfoSphere

MetadataWorkbench作為元數(shù)據(jù)管理統(tǒng)一工具并進(jìn)行圖形化的元數(shù)據(jù)

分析。

大數(shù)據(jù)擴(kuò)大了數(shù)據(jù)的容量、速度和多樣性，給元數(shù)據(jù)管理帶來了新的

挑戰(zhàn)。在構(gòu)建關(guān)系型數(shù)據(jù)倉庫、動(dòng)態(tài)數(shù)據(jù)倉庫和關(guān)系型數(shù)據(jù)中心時(shí)進(jìn)行元

數(shù)據(jù)管理，有助于保證數(shù)據(jù)被正確地運(yùn)用、重用并滿足各種規(guī)定。同樣，

對(duì)大數(shù)據(jù)來說，元數(shù)據(jù)管理過程中出現(xiàn)的任何錯(cuò)誤，都會(huì)導(dǎo)致數(shù)據(jù)重復(fù)、

數(shù)據(jù)質(zhì)量差和無法訪問關(guān)鍵信息等問題|1］。隨著大數(shù)據(jù)技術(shù)在企業(yè)中的應(yīng)

用越來越廣泛，企業(yè)須要在原有的元數(shù)據(jù)管