主数据系统的设计与实现

一、主数据系统的必要性

随着企业信息化的不断深入，企业建设的业务系统、办公系统等信息系统越来越多。由于规划、预算、实施计划等原因限制，各信息系统建设的步调不一致，规划不统一，导致一个严重的问题：一些基础数据，比如商品编码、客户编码等，在不同信息系统内取值不一致，甚至定义也不一致，为各业务系统打通，以及数据中心建设带来极大的障碍。这些基础数据一般称为主数据，对主数据的规范和梳理需要建设“主数据系统”。

主数据问题主要有几个方面：

1. 各系统基础数据定义不一，集中的数据处理（比如BI、大数据、机器学习等）需要经过繁琐的数据清洗、格式化、一致性检查和转换等步骤，代价巨大；
2. 数据字典各自为政，甚至存在无法调和的逻辑矛盾，比如在A系统是主键的字段在B系统却允许不唯一；
3. 有时候尽管定义了统一的规范，但各系统独立维护，也无法保证主数据的一致性。

由此，主数据系统的建设宜早不宜晚，特别是对于已经在使用ERP的传统企业。但是，由于主数据系统偏重于“技术优化”的范畴，很难在业务上见到立竿见影的效果，甚至对于业务人员都是“透明”的，而且还投入不小，所以对于如何申请到资源并立项，是个不小的挑战。但这不在本文讨论的范围内。

二、主数据系统设计的基本原则

主数据系统的设计方法很多，但大多数都需要对原有信息系统进行伤筋动骨的改动。因此，各企业在主数据系统的实施上都比较保守，宁愿花费大量的人工处理，以及诸多的各系统补丁，进行数据清理和转换，这种方案效率低而且无法解决根本性问题。

在结构上，由于多个应用系统之间，都可能存在提供数据和使用数据两种角色，一般采用点对点两两交互的网状结构，这种结构对同步时序、转换规则、系统复杂度等均提出了极高的要求，也带来——复杂性高，实施周期长，无法分步实施，容易失败等问题。

很显然，星形结构明显由于网状结构，而且必然对原信息系统的修改更少。

主数据系统设计原则几个要点如下：

1. 数据同步从一般的“网状结构”改为稳定性高的“星形结构”，打破点对点两两交叉的复杂结构；
2. 通过“数据代理”方式，不侵入原信息系统，不需要对原系统进行大量改动，可以进行有计划的分步实施；
3. 主数据系统对每一条数据记录，设置全域范围唯一的uuid记录识别码，用于主数据记录全生命周期的识别、映射和转换；
4. 所有数据转换、映射均由主数据系统实现，对原系统完全“透明”；
5. 关联记录通过uuid多次映射的方式，确保任何现有系统以及将来接入的系统，都无需关心源数据的关联关系，复杂度大大降低。

三、主数据系统的具体实现

下面结合一种实现方法，给出完整的数据库设计和流程图。并对其中的关键点进行详细阐述。该项目已经上线运行半年多，可靠性和数据一致性均经过严格验证。

本项目几个前提如下：

1. 所有业务系统数据库都是MySQL；
2. 所有业务系统数据提供者的主数据表都有id主键，但字段名不一定为“id”，也不一定具有自增属性；
3. 所有业务系统数据提供者的主数据表都有最后更新时间戳，同样字段名各不相同；
4. 所有业务系统数据提供者均以标志位标识“删除”，而不进行记录的物理删除。

1、总体架构

总体架构为星形结构，如图2：

 

其中：

1. 为简化设计，基于前提的第2、3点，数据代理直接采用数据库连接方式，定时对数据提供者的数据库表进行轮询。由此，对于数据提供者对应主数据表必须具有读权限，对于数据消费者的对应主数据表必须具有insert/update权限；
2. 数据代理（1~n），每个均连接主数据数据库和唯一一个信息系统数据库。业务系统数据库的“数据消费者”和“数据提供者”角色可能只有一种，例如，办公自动化（OA）系统，可能只作为“数据提供者”角色，提供组织架构、人员等主数据。这种情况下，该“数据代理”无需配置和调度“数据消费者”功能。
3. MySQL数据库表结构定义可以从information_schema.COLUMNS直接获取，其他数据库可以找类似系统表，如果没有，则需要单独填充字段定义。
4. 数据库设计如下：

• tb_columns_def：表结构定义，从information_schema.COLUMNS直接复制
• tb_data_role：数据角色定义

 

2、数据提供者拉取

功能流程如图3：

 

其中：

1. 被定时调度（本项目设置1分钟一次）激活后，连接对应的信息系统数据库，检查是否有新增或更新记录，如有，则进行数据拉取——从源数据数据库拉取并存入主数据数据库，同时记录“同步轮次”。
2. 一个信息系统可能提供多个“数据提供者”，在全部数据提供者都轮询并处理结束后，流程结束。
3. 数据库设计如下：

• tb_data_sync_log：同步日志表，保存同步控制数据

 

 

3、数据消费者推送

功能流程如图4：

 

其中：

1. 被定时调度激活后，检查主数据系统“同步轮次”是否有新增，如有，则进行数据推送。连接数据消费者信息系统数据库，从主数据数据库推送新增或更新数据记录到信息系统数据库，同时记录“同步轮次”。
2. 检查主数据系统“同步轮次”是否有新增，通过tb_data_sync_log.relative_cycle_no与对应主数据(main_role)记录的最新伦次比较。
3. 一个信息系统可能需要多个“数据消费者”，在全部数据消费者都轮询并处理结束后，流程结束。
4. 数据库设计同数据提供者（参见第2节）。

4、数据转换

功能流程如图5：

 

其中：

1. 数据转换是不同信息系统与主数据之间，字段类型、长度、格式转换的核心模块。
2. 数据转换通过参数配置和附加处理函数，实现高度灵活性。
3. 数据转换首先获取源和目标数据表的字段定义，其次获取对应字段的转换规则。对所有已定义转换规则的字段进行处理：

（1）对字段类型、长度进行通用转换；

（2）调用附加处理函数（如果有），进行特殊转换；

（3）按照关联id规则（如果有），读取主数据数据库的id映射，进行对应关联id处理；

（4）循环处理所有字段。

4.数据库设计如下：

• tb_transfer_def：转换规则定义表

 

• tb_transfer_rule：转换规则字段映射表

 

• tb_id_mapping：id映射表

 

四、关键点总结

主数据系统涉及多个系统的数据同步，由于各异构系统的差异性，导致主数据系统复杂度较高，成功的案例不多。本项目基于前述前提，取得较好的效果。现将关键点总结分享如下：

1. 数据提供者的新增id和更新时间戳，对于不具备这两个条件的数据提供者，无法辨识新增和更新，不能进行增量同步，必须进行改造。如果由于种种原因源数据无法改造，则可以考虑变通方法，利用数据库自有同步工具(例如Oracle的DGG等)，在同步的副本中增加新增和更新标识；
2. 不管数据提供者还是数据消费者，无法进行数据库直接连接的，则“数据代理”需要以外挂应用的形式存在，与主数据系统的通讯采用WebService方式。将带来缓存、重试、幂等……多个复杂度的大大提高。
3. 由于不同主数据表之间字段上存在映射关系，比如人员的所属部门的，需要在id映射上做多次转换，基本原则就是以落地主数据的uuid为“唯一权威”，其他关系都通过与uuid映射获得。
4. 待补充——从数据库设计中，经过思考可以去发现，不再赘述。