大数据云计算平台解决方案
大数据平台技术方案(大数据平台技术解决方案) 大数据平台技术方案 大数据平台技术方案(大数据平台技术
大数据平台技术方案(大数据平台技术解决方案) 大数据平台技术方案大数据平台技术方案(大数据平台技术解决方案) 大数据平台技术方案大数据平台技术方案(大数据平台技术解决方案) 涉及的技术以及解决方案包括以下几个方面：1. 数据采集：大数据平台需要采集各种来源的数据，包括结构化数据和非结构化数据。
对于结构化数据，可以采用传统的ETL（数据抽取、转换和加载）流程进行数据采集和清洗；对于非结构化数据，可以使用爬虫技术、日志收集工具等进行数据采集。
2. 数据存储：大数据平台需要存储海量的数据，并且能够支持高并发和高可用的访问。
目前主流的数据存储方案包括Hadoop分布式文件系统（HDFS）、NoSQL数据库（如HBase、Cassandra等）和分布式关系数据库（如MySQL分片、PostgreSQL分区等）。
3. 数据处理：大数据平台需要对存储的数据进行各种计算和分析，以提取有用的信息和洞察。
常用的数据处理技术包括批处理（如Hadoop MapReduce、Spark等）和流处理（如Kafka、Storm等）。
4. 数据挖掘和机器学习：大数据平台可以利用数据挖掘和机器学习算法，发现数据中的模式和规律，并构建预测模型和决策模型。
目前常用的数据挖掘和机器学习工具包括Spark MLlib、TensorFlow等。
5. 数据可视化和报告：大数据平台需要将数据处理结果以可视化的呈现给用户，帮助用户理解和分析数据。
常用的数据可视化工具包括Tableau、PowerBI等。
6. 数据安全和隐私：大数据平台需要保护数据的安全和隐私，防止未经授权的访问和数据泄漏。
常用的数据安全和隐私技术包括数据加密、访问控制、数据脱敏等。
以上是大数据平台技术方案的一些核心内容，具体的方案可以根据实际需求和业务场景进行调整和扩展。
云计算解决方案
云计算解决方案云计算是一种基于互联网的计算模式，通过将计算资源、存储资源和应用程序提供给用户，帮助用户实现按需获取和使用计算资源的目标。
云计算解决方案是为了满足不同行业和企业的需求而设计的一系列技术和服务，旨在帮助用户提高效率、降低成本、增强安全性和灵活性。
一、云计算解决方案的概述云计算解决方案包括基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）等多个层次。
在IaaS层面，用户可以通过云服务提供商租用虚拟机、存储空间和网络资源，以实现灵活的资源管理和部署。
PaaS层面提供了开发、测试和部署应用程序的平台，用户可以通过云平台快速构建和扩展应用程序。
SaaS层面则提供了各种应用程序，用户可以直接通过互联网访问并使用这些应用程序，而无需安装和维护软件。
二、云计算解决方案的优势1. 灵活性和可扩展性：云计算解决方案可以根据用户的需求快速调整和扩展计算资源，满足不同规模和变化的业务需求。
2. 成本效益：通过使用云计算解决方案，用户无需购买和维护昂贵的硬件设备和软件许可证，可以大大降低IT成本。
3. 高可用性和可靠性：云计算解决方案通常具有多个数据中心和冗余架构，可以提供高可用性和可靠性的服务，保证用户业务的连续性。
4. 安全性：云计算解决方案提供了多层次的安全措施，包括数据加密、身份认证和访问控制等，保护用户数据的安全性和隐私。
5. 快速部署和易于管理：云计算解决方案可以快速部署和启动，用户可以通过简单的界面进行管理和监控。
三、云计算解决方案的应用场景1. 企业办公和协作：云计算解决方案可以提供包括电子邮件、文档管理、在线会议和团队协作等功能，帮助企业提高办公效率和协作能力。
2. 数据备份和恢复：云计算解决方案可以提供可靠的数据备份和恢复服务，保护用户数据的安全性和可用性。
3. 虚拟化和容器化：云计算解决方案可以通过虚拟化和容器化技术，实现资源的最大化利用和应用程序的快速部署。
4. 大数据分析和人工智能：云计算解决方案可以提供强大的计算和存储能力，支持大数据分析和人工智能应用的开发和部署。
大数据平台解决方案
4.数据安全：需确保数据安全和合规性，遵循国家相关法律法规；
5.数据应用：需提供丰富的数据挖掘和可视化功能，辅助企业决策。
三、解决方案
1.数据采集与传输
（1）采用分布式数据采集技术，实现对多源异构数据的实时采集；
（2）设计高效的数据传输机制，确保数据传输的实时性和完整性；
（1）数据挖掘
结合业务需求，运用机器学习、深度学习等算法，进行数据挖掘和智能分析。
（2）可视化展示
采用可视化工具，将分析结果以图表、地图等形式进行展示，提高决策效率。
四、实施策略
1.项目规划：明确项目目标、范围、时间表和资源需求；
2.技术选型：根据业务需求，选择合适的大数据技术栈；
3.团队建设：组建专业的项目团队，包括项目经理、开发人员、数据分析师等；
（3）对采集的数据进行预处理，包括数据清洗、去重、转换等，提升数据质量。
2.数据存储
（1）采用分布式存储技术，构建可扩展的大数据存储平台；
（2）根据数据类型和业务需求，选择合适的存储引擎，如HDFS、HBase、Kudu等；
（3）设计合理的存储策略，实现数据的高可靠性和高性能。
3.数据处理与分析
（1）采用大数据处理框架（如Spark、Flink等），实现数据的实时处理和离线分析；
2.技术风险：选择成熟的大数据技术和工具，降低技术风险；
3.项目管理风险：加强项目进度管理和沟通协作，确保项目按时按质完成；
4.法律合规风险：遵循国家法律法规，确保项目合法合规。
六、总结
本方案旨在为企业提供一套合法合规的大数据平台解决方案，实现数据的高效存储、计算和分析。通过构建完善的数据治理体系，确保数据的真实性、准确性、完整性和安全性。同时，借助数据挖掘和可视化技术，助力企业挖掘潜在商机，提升决策水平。在实施过程中，需关注风险防范，确保项目顺利推进。
智慧公安派出所大数据一体化管理云平台解决方案
目的和意义
提高管理效率
通过大数据一体化管理，提高公安机关的管 理效率和服务质量。
加强警务协同
实现各警种之间的信息共享和协同作战，提 高警务工作效率。
辅助决策支持
通过对数据的深度挖掘和分析，为公安机关 决策提供科学依据。
提升社会满意度
通过精细化的业务管理和服务，提高社会公 众对公安机关的满意度。
01
智慧公安派出所大数据一体 化管理云平台解决方案
汇报人： 日期:
contents
目录
• 引言 • 智慧公安派出所大数据一体化管理云平台
概述 • 智慧公安派出所大数据一体化管理云平台
应用场景 • 智慧公安派出所大数据一体化管理云平台
优势分析
contents
目录
• 智慧公安派出所大数据一体化管理云平台 实施方案
警务数据一体化管理
数据整合
将各类警务数据从多个来源进行整合，包括但不限于人口信息、案 件数据、治安监控等，实现数据的集中存储和管理。
数据清洗
对整合的数据进行清洗和去重，确保数据的准确性和完整性，为后 续的数据分析提供高质量的数据源。
数据分类与标签化
对数据进行分类和标签化，例如按照案件性质、时间、地点等维度 进行分类，为数据的查询和分析提供便利。
智慧公安派出所大数据一 体化管理云平台概述
平台简介
背景介绍
随着社会信息化、数据化进程的加速，安派出所传统的管 理方式已经难以满足现代警务工作的需求，需要借助大数据 、云计算等新一代信息技术，提高派出所管理效率和警务工 作水平。
定义和定位
智慧公安派出所大数据一体化管理云平台是一种基于云计算 、大数据、人工智能等信息技术，对派出所各类业务数据进 行整合、分析、挖掘，为派出所管理、警务决策等工作提供 全面、高效、智能支持的平台。
云计算服务解决方案方案描述
云计算服务解决方案方案描述一、背景介绍云计算作为一种新兴的计算模式，已经在各行各业得到广泛应用。
随着企业对于数据存储和计算能力需求的不断增加，云计算服务的需求也日益旺盛。
为了满足企业的需求，我们公司特别设计了一套云计算服务解决方案，旨在为企业提供高效、安全、可靠的云计算服务。
二、解决方案概述我们的云计算服务解决方案基于先进的技术和丰富的经验，结合了公有云、私有云和混合云的优势，为企业提供全方位的云计算服务。
我们的解决方案包括以下几个方面：1. 云计算基础设施建设我们将根据企业的需求，设计和搭建云计算基础设施。
这包括服务器、存储设备、网络设备等硬件设施的选型和配置，以及虚拟化技术的应用和管理。
2. 云计算平台搭建我们将为企业搭建云计算平台，包括云计算操作系统、云存储、云网络等。
这样，企业可以通过云计算平台实现资源的共享和管理，提高资源利用率和运维效率。
3. 云安全解决方案我们将为企业提供全面的云安全解决方案，包括身份认证、数据加密、防火墙等。
通过这些安全措施，企业可以保护云计算环境中的敏感数据和业务安全。
4. 云计算服务管理我们将为企业提供云计算服务的全面管理，包括资源管理、性能监控、故障排除等。
通过这些管理措施，企业可以实时了解云计算服务的状态，并及时采取相应的措施。
5. 云计算服务优化我们将根据企业的需求和实际情况，对云计算服务进行优化。
这包括资源的动态调整、性能的优化、成本的控制等。
通过这些优化措施，企业可以最大程度地提高云计算服务的效率和性能。
三、解决方案的优势我们的云计算服务解决方案具有以下几个优势：1. 灵活性：我们的解决方案可以根据企业的需求进行定制，满足不同企业的特定需求。
2. 可扩展性：我们的解决方案可以根据企业的需求进行扩展，随着业务的发展而扩大规模。
3. 安全性：我们的解决方案采用了先进的安全技术和措施，保障企业的数据和业务的安全。
4. 可靠性：我们的解决方案采用了高可靠性的硬件设备和软件系统，保证云计算服务的稳定性和可靠性。
大数据云平台智能运营解决方案
大数据云平台智能运营解决方案随着大数据技术的快速发展和广泛应用，越来越多的企业和组织都在云平台上构建自己的大数据系统，但是面临着一些问题，例如大数据处理速度慢、数据安全性差、难以管理等。
为了解决这些问题，出现了大数据云平台智能运营解决方案。
1.效率提升：通过优化大数据处理引擎和算法，提高数据处理和分析的速度。
采用并行计算、分布式存储等技术，实现大规模数据的高效处理。
同时，引入自动化工作流程和任务调度系统，提高数据处理的自动化水平，降低人工干预的成本。
2.数据安全保障：大数据平台中的数据安全问题一直是一个关注焦点。
大数据云平台智能运营解决方案提供了多种安全策略，如数据加密、访问控制、防火墙等，以保护数据的隐私和完整性。
同时，对平台的安全性进行监控和管理，及时检测和阻止潜在的安全威胁。
3.数据质量管理：大数据平台中的数据质量直接影响到后续的分析和决策效果。
大数据云平台智能运营解决方案通过引入数据质量管理的工具和技术，对数据进行质量评估、清洗和校验，提高数据的准确性和一致性。
同时，还可以提供实时监控和预警功能，及时发现数据质量问题，并采取相应的措施进行修复。
4.成本控制：大数据平台的建设和维护通常需要大量的投入，成本较高。
大数据云平台智能运营解决方案通过优化资源利用和成本分析，帮助企业合理规划和分配资源，降低运营成本。
同时，通过自动化的运维和管理功能，减少人工干预，提高效率，从而进一步降低成本。
5.数据治理：大数据平台中的数据分散、冗余、不一致等问题使得数据的管理变得困难。
大数据云平台智能运营解决方案提供了数据治理的工具和技术，对大数据进行集中管理，建立统一的数据模型和标准，实现数据的一致性和共享。
同时，还可以通过数据挖掘和分析技术，发现数据中的潜在关联和价值，为组织提供更好的决策支持。
大数据平台技术方案(大数据平台技术解决方案) 大数据平台技术方案 大数据平台技术方案(大数据平台技术
大数据平台技术方案(大数据平台技术解决方案) 大数据平台技术方案大数据平台技术方案(大数据平台技术解决方案)主要包括以下几个方面：数据采集：通过各种数据采集工具和技术，将各种形式的数据从不同的数据源（如数据库、文件、传感器等）中获取到大数据平台中。
常用的数据采集技术包括ETL（抽取、转换、加载）、日志收集、实时数据采集等。
数据存储：在大数据平台中，通常需要使用分布式存储技术来存储庞大的数据量。
常用的数据存储技术包括Hadoop分布式文件系统（HDFS）、分布式数据库（如HBase、Cassandra、MongoDB等）等。
数据处理：大数据平台中的数据处理需要使用一些计算和分析技术。
常用的数据处理技术包括Hadoop MapReduce、Spark、Flink等，这些技术能够对大规模的数据进行并行计算和分析。
数据挖掘与分析：在大数据平台中，数据挖掘和分析是非常重要的一环。
通过使用各种数据挖掘和分析技术，可以从海量的数据中挖掘出有价值的信息和洞见。
常见的数据挖掘和分析技术包括机器学习、数据可视化、数据建模等。
数据治理与安全：在大数据平台中，为了保证数据的质量和安全性，需要进行数据治理和安全管理。
数据治理包括数据质量管理、元数据管理、数据资产管理等；数据安全包括数据加密、权限管理、身份认证等。
数据可视化与展示：为了方便用户对数据进行查询和分析，大数据平台需要提供可视化和展示的功能。
常见的数据可视化和展示技术包括数据仪表盘、报表生成、数据探索工具等。
以上是大数据平台技术方案的一些关键技术和组成部分。
根据具体的需求和场景，可以选择适合的技术和工具来搭建大数据平台。
在实际应用中，还需要考虑平台的性能和可扩展性，以及与其他系统的集成等因素。
智慧教育大数据云平台整体解决方案
目录
智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 数据云平台规划设计方案智慧教育大数据云平台规划设计方案 智慧教育大数据云 平台建设方案 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 数据云平台规划设计方案 教育信息化建设教育信息化建设教育信息化建设教育信息化建设教育信息化建设智 慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大数 教育大数据概述 据云平台规划设计方案智慧教育大数据云平台规划设计方案 智慧教育大数据云平 台建设方案 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 数据云平台规划设计方案 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 数据云平台规划设计方案
睿利 而行
智慧教育大数据云平台整体解决方案
概述
智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 数据云平台规划设计方案智慧教育大数据云平台规划设计方案 智慧教育大数据云 随着信息技术的迅猛发展，教育领域中学习方式、 平台建设方案 智慧教育大数据云平台规划设计方案 教学模式发生了重大变革，以云计算、移动互联、物 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 联网、大数据为特征的智慧教育产品和解决方案悄然 数据云平台规划设计方案 兴起。智慧教育解决方案，重点解决：减少重复建设、 教育信息化建设教育信息化建设教育信息化建设教育信息化建设教育信息化建设智 提高教学质量、提升管理效率、促进教育均衡、彰显 慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大数 教育公平等问题。 据云平台规划设计方案智慧教育大数据云平台规划设计方案 智慧教育大数据云平 智慧教育解决方案体系如同一棵大树，基础设施 集成服务是“土壤”，教育云平台是“根” ;教育大数 台建设方案 智慧教育大数据云平台规划设计方案 据平台是主干 ;教育管理服务平台、智慧学习服务平台、 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 教育资源服务平台、家校互动平台是枝干 数据云平台规划设计方案;每个枝干上 的树叶是各类教育应用系统，这些枝叶是可以随着技 智慧教育大数据云平台规划设计方案 智慧教育大数据云平台建设方案 智慧教育大 术和需求的变化而更新;根、枝干、树叶间充满了信息、 数据云平台规划设计方案
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
云计算平台能力
真正的云计算平台，它有五层架构：
运维管理层：clouDil 计算层：MapReduce+TaskMaster 数据管理层：DataCube 虚拟化层：cCloud 存储层：cStor
cCloud系统构架
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
云计算平台能力
cStor云存储系统是 南京云创存储自主研发的高 科技产品。与传统的大规模 存储系统相比，cStor针对 绝大多数数据密集型应用的 特点从多个方面进
云计算平台能力
cCloud是南京云创存储 科技有限公司自主研发的虚拟 化云计算平台。
cCloud平台可以加速高 伸缩性的公共和私有云IaaS的 部署、管理、配置。帮助企业 用户快速而轻松地将虚拟数据 中心资源转 入自动化、富于 弹性且可自我服务的云平台中 。另外cCloud兼容亚马逊API接 口允许跨cCloud和亚马逊平台 实现负载兼容。使用cCloud作 为基础数据中心操作者可以快 速方便的通过现存基础架构创 建云服务。
超大规模：支持超大规模集群，理论容量为1024*1024*1024 PB。 简单通用：支持POSIX接口规范，支持Windows/Linux/Mac OS X，可当
成海量磁盘使用，无需修改应用。同时系统也对外提供专用的高速 API访问接口。
cStor超安存云存储系统是 新一代基于编码技术的分布式文 件存储系统，它在cStor云存储系 统的基础上，融入RS编解码取代 传统副本冗余的方式进行系统容 错，编解码参数M+N可根据应用需 求灵活配置。
优异性能：所有的存储节点兼作编解码计算节点，有效的保证了客户端的写入性能， 同时充分利用了整个系统中大量存储节点的计算资源。
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
云计算平台能力
集群状态监控
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
云计算平台能力
MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。
TaskMaster是云ቤተ መጻሕፍቲ ባይዱ
数
据
Oracle
库
Mysql
PostgreSQL ……
数据立方ETL工具
数据立方
• 硬件配置
序 号 1
2
设备名称 主控节点 处理节点
数量 1 10
CPU
内存 硬盘
双路四核， 主频2GHz
双路四核， 主频2GHz
32GB 32GB
2TB* 8
2TB* 8
网络 双千兆网卡绑定 双千兆网卡绑定
3 客户端
产品特点
对任意多关键字实时索引 支持类SQL复杂并行组合查询 分布式万兆实时数据流秒级处理 系统无单点，确保意外情况下，系统的正常运行
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
处理等功能。 高实时性：在机器性能允许的范围内，所有任务的控制工作基本都在秒级完成，具有
前所未有的高效性。
第一部分 1.1 1.2 1.3 1.4 1.5
第二部分
云计算平台架构 clouDil
MapReduce+TaskMaster DataCube cCloud cStor
云计算平台能力
数据立方是一种高效分布式的处理海量数据的云处理软件，具有 从TB乃至PB级的数据中挖掘出有用的信息并进行快捷、高效处理的能 力，同时支持数据仓库存储和商业智能分析等业务。该软件基于 hadoop平台大数据处理的解决方案，具有处理能力高效、超高可靠性 的优点。
高可靠性：传统全副本的容错方式，通过牺牲磁盘的有效容量来提升系统的可靠性， 如1：1副本容错，磁盘利用率为50%，只能损坏1台存储节点；而采用2+2的编解码方 式，在磁盘利用率为50%的情况下，允许同时损坏2台存储节点。
高安全性：数据在编码的过程中，也起到数据加密的作用，必须通过对应的解密算法 解码才能够获取到原始数据，提升了系统的安全性。
• 该表一共104个字段，平均一条记录300Byte
• 以下是从数据立方导入到Oracle的测试统计
1000万 2500万 5000万 1亿条 2亿条
条
条
条
用时（秒）
46.29
111.60 193.05 374.53 746.26
速度（万条/秒） 21.6
22.4
25.9
26.7
26.8
• 以下是从Ora1c0l0e0导万 入到25数00万据立5方00的0万测试1亿统条计
DB2
cStor HDFS
层
虚拟化资源层
应用层
TaskMaster调度平台
ZooKeeper
Master Node 1
Task Node1 Task Node2 Task Node3 Task Node4
Master Node 2
Task Node1 Task Node2 Task Node3 Task Node4
Master Node 3
Task Node1 Task Node2 Task Node3 Task Node4
产品优势
高可靠性：采用“多主多备，负载均衡”的管理节点，从而保证无论管理节点还是处 理节点都不存在任何单点故障问题。
低依赖性：采用模块化设计思想，通过统一化配置和API接口的方式向用户提供服务。 低干预性：采用基于事件化的统一管理模式。在系统无人值守的情况下自动完成故障
出了问题怎么办，有没有预警机制？ 有没有可视化的管理界面？ 机器宕机，管理员能否实时监控到？ 如何做性能调优？ 扩容升级时，能否给出依据？
带着这些问题，我们开始了自己的云计算平台管理和运营之旅，现在完美的形成了一整套云计算平台管理体系。
流量监控
健康度报告
节点性能监控
集群状态监控
• 数据立方etl工具是一个用来将数据立方和关系型数据库中的数据 相互转移的工具，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到数据立方中，也可以将数据
立方的数据导进到关系型数据库中。一大亮点就是可以通过 hadoop的mapreduce把数据从关系型数据库中导入数据到数据立 方。
创存储自主研发的一款
高效云调度平台。它保
证在云计算平台中部分
硬件或软件发生故障的
业务层
情况下仍不影响系统的
正常运行；保证在云计
算平台中高效稳定的合 数
理化分配和执行任务，
据 处
同时能够完美解决系统
理 层
cProc分布式处理框架 视频处理应用 其他设计应用
单点故障问题，负载均
衡，自动调度与部署。
存
储 Oracle Mysql
高度可靠：采用多个数据块副本的方式实现冗余可靠，数据在不同的 存储节点上具有多个块副本，任意节点发生故障，系统将自动复制数 据块副本到新的存储节点上，数据不会丢失，实现数据完整可靠。
在线伸缩：可以在不停止服务的情况下，动态加入新的存储节点，无 需任何操作，即可实现系统容量从TB级向PB级平滑扩展；也可以取下 任意节点，系统自动缩小规模而不丢失数据，并自动将取下的节点上 的数据备份到其他节点上，保证整个系统数据的冗余数。
1
*千兆48口交换机
双路四核， 32GB 2TB* 双千兆网卡绑定
主频2GHz
8
• 建表语句：
• create table E_MP_POWER_CURVE(ID BIGINT,DATA_TYPE INT,DATA_POINT_FLAG INT,DATA_WHOLE_FLAG STRING,P1 DOUBLE,P2 DOUBLE, P3 DOUBLE,P4 DOUBLE,P5 DOUBLE, P6 DOUBLE, P7 DOUBLE, P8 DOUBLE, P9 DOUBLE, P10 DOUBLE, P11 DOUBLE, P12 DOUBLE, P13 DOUBLE, P14 DOUBLE, P15 DOUBLE, P16 DOUBLE, P17 DOUBLE, P18 DOUBLE, P19 DOUBLE, P20 DOUBLE, P21 DOUBLE, P22 DOUBLE, P23 DOUBLE, P24 DOUBLE, P25 DOUBLE, P26 DOUBLE, P27 DOUBLE, P28 DOUBLE, P29 DOUBLE, P30 DOUBLE, P31 DOUBLE, P32 DOUBLE, P33 DOUBLE, P34 DOUBLE, P35 DOUBLE, P36 DOUBLE, P37 DOUBLE, P38 DOUBLE, P39 DOUBLE, P40 DOUBLE, P41 DOUBLE, P42 DOUBLE, P43 DOUBLE, P44 DOUBLE, P45 DOUBLE, P46 DOUBLE, P47 DOUBLE, P48 DOUBLE, P49 DOUBLE, P50 DOUBLE, P51 DOUBLE, P52 DOUBLE, P53 DOUBLE,P54 DOUBLE, P55 DOUBLE, P56 DOUBLE, P57 DOUBLE, P58 DOUBLE, P59 DOUBLE, P60 DOUBLE, P61 DOUBLE, P62 DOUBLE, P63 DOUBLE, P64 DOUBLE, P65 DOUBLE, P66 DOUBLE, P67 DOUBLE, P68 DOUBLE, P69 DOUBLE, P70 DOUBLE, P71 DOUBLE, P72 DOUBLE, P73 DOUBLE, P74 DOUBLE, P75 DOUBLE, P76 DOUBLE, P77 DOUBLE, P78 DOUBLE, P79 DOUBLE, P80 DOUBLE, P81 DOUBLE, P82 DOUBLE, P83 DOUBLE, P84 DOUBLE,P85 DOUBLE, P86 DOUBLE, P87 DOUBLE, P88 DOUBLE, P89 DOUBLE, P90 DOUBLE, P91 DOUBLE, P92 DOUBLE, P93 DOUBLE, P94 DOUBLE,P95 DOUBLE, P96 DOUBLE) PARTITIONED BY (DATA_DATE STRING,IDRAGE BIGINT) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;