详单查询遇鲜招儿

开篇：润墨网以专业的文秘视角，为您筛选了一篇详单查询遇鲜招儿范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

作为中国电信某分公司的IT主管，如何让IT为用户服务并带来增值效益，是笔者经常考虑的一个问题。当前我们面临的一个巨大压力是

>> 市话详单收之桑榆 电信业云详单处理系统设计 钢结构住宅建筑部品生命周期详单分析 “鲜” 基于查询的无线传感器网络多源单汇路由算法 集体索引在单输入渐进式查询中的应用 家具卖场那些招儿 出招儿要趁早 与菜单“过招儿” 绝招儿 老爸出邪招儿 女儿的高招儿 名人的健康招儿 专家的健康招儿 夏日消暑高招儿 妈妈的花招儿 基于二维码的变电运维现场定值单查询系统的开发研究 阶梯电价详探 详辨证 巧用药 简问详答 常见问题解答 当前所在位置：中国论文网 > 科技 > 详单查询遇鲜招儿 详单查询遇鲜招儿 杂志之家、写作服务和杂志订阅支持对公帐户付款！安全又可靠！ document.write("作者：未知 如您是作者，请告知我们")

申明:本网站内容仅用于学术交流，如有侵犯您的权益，请及时告知我们，本站将立即删除有关内容。 作为中国电信某分公司的IT主管，如何让IT为用户服务并带来增值效益，是笔者经常考虑的一个问题。当前我们面临的一个巨大压力是大量本地市话资料历史清单的详单查询要求，但因复杂度和高成本我们一直没能把这件事做成功。Datainside的出现，帮助我们从存储角度解决了这一难题。现在，笔者就谈谈我们是如何做的。

随着电信用户数量不断增加和电信业务种类日益丰富，支撑电信业务各个应用系统中的数据像滚雪球一样增长。这不但给电信公司带来系统扩容的压力，而且使得数据存储和管理的成本也不断上升，从而影响了公司利润的增长。电信公司采用实时计费方式后，如果要长期保存大量的通话清单，数据成本将直线上升。

要解决这个矛盾，主要考虑的问题就是：既保证服务品质，又有效降低海量数据存储、管理和使用的成本。

查询系统的软肋

在电信IT系统中，核心业务系统（如计费系统、综合营账系统、经营分析系统、客户系统和网管系统等）的一个共同特征是采用数据库管理。而这一系统还有一个显著特征是数据量极为庞大，且具有累积特性。实时的数据不断产生，累积的历史数据十分庞大。查询6个月的资料和当月的计费数据相比，数据存放成本不可同日而语，投资规模在一个中等城市要增加800万元～1000万元。

长期以来，传统的处理方法是，采用大容量的昂贵磁盘阵列产品，把所有数据不分种类、不分时间的统统放在一起，或利用自动磁带库把历史资料（如过期的话单）归档在自动磁带库中。这些方法效果很不理想，前一种方法造价十分昂贵，后一种方法却使得查询历史数据非常复杂和困难，必须要先将磁带库中的数据恢复到磁盘中再查询，这种方式根本不具有普遍性，只能适用于一些特殊查询（如公安部门案件跟踪等）。因此，电信部门一直无法提供历史话单查询功能，直接导致了民众对电信服务的不满。目前，一些新的电信运营商开始主打服务品牌，纷纷占领客户服务市场，这也使我们在寻求新的思路和解决之道。

Datainside显神功

根据我们的分析，一个良好的查询系统首先必须有十分合理的数据存放策略，也就是信息生命周期管理理论，成本应随着数据的时效性下降而下降，而信息的查询能力在一定时间范围（1年等）应予以保留。这样，就不会茫然增大历史信息的存放成本，或为了降低存放成本而丢失可查询能力。另外，在合理存放策略的同时，查询系统也应具有快速建立能力和可操作性，这样才能有效快速推出服务，并进一步减少构建成本。但是，这种技术一直未能出现。

近来，笔者了解到一种新型处理方式，能够将海量的电话清单以10:1的压缩比进行存放，提供历史清单的低成本存放和抽取，而且还提供了相当方便和快捷的电话清单查询功能。它就是朗登公司针对电信业务的海量数据存储/查询软件Datainside。

后来，我们拿到Datainside试用版，在计费系统进行了模拟，并构建了详单查询系统。模拟的结果确如所闻。

下面，我简单把使用的方法进行一下介绍，以供大家参考。

Datainside技术原理

Datainside按照信息生命周期管理的概念，将数据库的数据按照使用的频度进行分类（如图1），一类是实时数据（主要指当月话单），一类是历史数据（历史话单）。Datainside安装在一台查询服务器上，它定期将历史话单从计费主机中抽取出来，压缩后存入到自身的专用文件系统中，这时只有约1/10左右的占用空间，这一过程称为采集。

第二个过程称为查询。Datainside提供了标准的SQL接口和Web接口，自身还有一个简单快捷的查询工具。所有交换过来的数据可以在1天内完成查询系统的建立。我们需要的查询方式是用户自助查询、营业窗口查询和Web远程话费查询3种，Datainside都能完成。

数据采集

在查询服务器（采集服务器和查询服务器可以共用）上选择Datainside数据采集工具后，会出现一个界面。

进入界面后，选择添加任务（每一种采集策略都被称为任务，如图2）。

我们在任务中，首先选择需要抽取的计费数据库的源（我们的系统是Oracle，因此进行了客户端的配置），其次，我们还要设定进行数据采集的时间以及条件。一般说，我们在月终出账完成后，会进行上月话费的采集。采集出来的电话清单，被存放在Datainside的目录服务器中（我们的系统仍然使用了查询服务器存放）。

采集工作完成之后，相对应的数据表格已经建立。

数据库查询

完成了采集工作后，最主要的工作就是数据库的管理了，这时启动Datainside管理中心。

在管理中心中，我们选择数据库画板―导入数据表，将刚才采集过来的数据表记录到Datainside管理数据库中，供查询。图3就是相应的数据库画板。

在数据库画板中，还可以对实际数据压缩的比例等资源消耗情况进行统计分析，如图4。

建立查询方式

我们共建立了3种查询方式，对于用户而言，可以使用2种，一种是终端查询方式，一种是Web查询方式，这2种方式制作很简单。终端方式在营业厅中进行，如图5。

Web的查询手段为用户提供了远程打印话单的能力，将服务延伸到用户的家里。如图6。

查询和采集性能

我们对于大量数据的查询的性能方面指标也进行了测试，这方面的结果比较理想。在7000万行的数据表上按照索引查询的响应时间为秒级，在1000万的数据表上不按索引查询的响应时间约为2min。

后话

Datainside技术的确很巧妙，它将数据库压缩、多数据库交换、查询定制等多种能力结合到了一起，而且，使我们对于提高客户服务的品质燃起了信心。

根据我们的测算，原来1000万左右的投入规模，现在只用不到200万元就可以实现。

后来，笔者还认识到，这一技术不仅对于话单查询，在大量数据库的查询领域，它都起到举足轻重的作用，比如银行票据查询等业务。