CN110737643A - 一种基于餐饮信息管理系统的大数据分析处理管理中台 - Google Patents
一种基于餐饮信息管理系统的大数据分析处理管理中台 Download PDFInfo
- Publication number
- CN110737643A CN110737643A CN201910934694.9A CN201910934694A CN110737643A CN 110737643 A CN110737643 A CN 110737643A CN 201910934694 A CN201910934694 A CN 201910934694A CN 110737643 A CN110737643 A CN 110737643A
- Authority
- CN
- China
- Prior art keywords
- data
- catering
- information
- management system
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000007726 management method Methods 0.000 title claims description 78
- 238000000034 method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 23
- 235000013305 food Nutrition 0.000 claims description 21
- 238000013499 data model Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000109539 Conchita Species 0.000 description 1
- 240000000797 Hibiscus cannabinus Species 0.000 description 1
- 244000035744 Hura crepitans Species 0.000 description 1
- 235000002905 Rumex vesicarius Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000032297 kinesis Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012857 repacking Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于餐饮信息管理系统的大数据分析处理管理中台,本发明通过构建管理中台,用来接收线上和线下的餐饮相关信息,并将之处理完善后传递给餐饮企业使用的餐饮信息管理系统,同时将收集来的餐饮信息通过AI自动整理餐饮信息形成报表,呈报企业,还能通过BI对AI自动生成的报表进行智能化的分析和预测,使得企业的报表和数据来源不受局限,不必担心数据的缺失,促进了餐饮信息管理系统和餐饮企业的良性发展;该管理中台具备部署灵活性,可扩展性,管理方便性,易用性,提供了餐饮企业的管理效率,使其能够更好地使用餐饮信息管理系统进餐饮管理,适宜广泛推广应用。
Description
技术领域
本发明涉及餐饮管理网络信息处理技术领域,具体是指一种基于餐饮信息管理系统的大数据分析处理的管理中台。
背景技术
随着的餐饮行业的发展,成规模的餐饮企业越来越多,餐饮信息管理系统已经在餐饮企业中得到广泛应用。餐饮信息管理系统本身也包含很多内容,从最基础的电脑收银,到厨房自动送单系统,再到仓库管理系统,再到中央厨房与供应链管理,采购管理,还有人力资源管理系统、CRM系统、ERP系统等,餐饮企业可以根据自身的发展阶段、连锁门店的规模,由简单到复杂、由浅入深地建设自身的餐饮信息化系统。这方面的公司与业务发展得已经相对比较成熟,也可以通过一些餐饮品牌很方便地找到契合自身所需要的餐饮管理软件公司,由这些餐饮管理软件公司为餐饮企业提供相应的餐饮管理服务。
现有的餐饮信息管理系统虽然能够为企业提供相应餐饮管理服务,但是详尽具体的餐详细信息一般不能较好的反馈给餐饮企业,具体原因是因为这部分数据包含每个门店每天的具体点餐数据,信息量非常庞大,现有的餐饮信息管理系统无法时时存储这么数据信息,而且这部分数据信息就目前而言还未能对餐饮管理起到决心性的作用,因此,餐饮管理软件公司并未能够重视这部分的数据,更不用提对该数据进行分析处理。餐饮企业在想更换餐饮管理软件时,尤其是使用不同餐饮软件公司提供的软件时,这部分的原始数据很容易就损失掉了,在大数据分析的决定一切的时代,这不得不说是企业的损失,因此,餐饮企业一般也无法更换用餐管理系统,这其实也是各餐饮软件公司希望看到的,这也制约了餐饮管理软件公司对餐饮信息管理系统的改进,导致餐饮信息管理系统的发展其实非常缓慢。有的餐饮企业为了避免这种情况,同时使用多家餐饮管理软件公司提供的餐饮信息管理系统,为自己提供更大的选择性,但是对多种餐饮信息管理系统的管理又非常麻烦,因此,餐饮企业现目前就用餐数据的处理和分析基本还是空白,未能得到很好的发展,制约了我国餐饮行业的良性发展。
发明内容
本发明的目的在于提供一种能够收集并分析餐饮企业详细用餐数据,解放企业对于餐饮信息管理系统选择,刺激餐饮管理软件公司不断改进餐饮信息管理系统的管理中台。
本发明通过下述技术方案实现:一种基于餐饮信息管理系统的大数据分析处理管理中台,该管理中台接收门店点餐的信息、门店位置信息、线上流量平台的点餐数据,并将信息统一处理成数据后,传递给餐饮企业使用的餐饮信息管理系统;具体包括数据仓、中转数据模块、智能分析处理预测模块;
所述数据仓通过标准接口接收门店点餐的信息和线上流量平台的数据;在接收门店点餐的信息时,需要经过每个门店均配置独立的业务流程配置模块,该业务流程配置模块对每个门店点餐信息,以及门店位置的信息进行解析和分类整合,然后经过数据处理模块统一处理 能够被数据仓接收的数据,通过标准接口统一储存到数据仓中;线上流量平台与标准接口之间通过流量平台对接件传输数据,数据仓能够直接储存线上流量平台提供的数据;
所述中转数据模块对数据仓中的数据进行采集清洗治理,除去无效数据信息,将门店点餐的数据、门店位置数据、线上流量平台数据统一提供给智能分析处理预测模块;
所述智能分析处理预测模块包括AI 报表呈现系统和BI数据预测系统;AI 报表呈现系统将门店点餐的数据、线上流量平台数据拟合规整后,形成统一的数据报表,并反馈给餐饮企业;BI数据预测系统根据数据报表结合门店位置数据、线上流量平台数据、以及其他影响因子,给出不同位置门店的餐品的销售预测,以及线上餐品的销售预测,同时及时发出调整菜单的警告,并最后将预测信息和警告信息反馈给餐饮企业。
本技术方案通过构建管理中台,用来接收线上和线下的餐饮相关信息,并将之处理完善后传递给餐饮企业使用的餐饮信息管理系统,使得企业的报表和数据来源不再局限于餐饮信息管理系统,企业可以从容的更换更为适合的餐饮信息管理系统,不必担心数据的缺失,另外,也迫使餐饮软件公司积极改进自己的餐饮信息管理系统,否则便会被餐饮企业所淘汰,促进了餐饮信息管理系统的良性发展;管理中台将收集来的餐饮信息通过AI自动整理餐饮信息形成报表,呈报企业,还能通过BI对AI自动生成的报表进行智能化的分析和预测,并将分析和预测的结果呈报企业,能够更好地促进餐饮企业的发展。
为了更好地实现本发明,进一步地,每个门店均配置有针对门店信息格式的业务流程配置模块,分别针对不同门店信息格式进行解析,所述门店信息格式包括Txt格式、MangoDB格式,HBase格式。
为了更好地实现本发明,进一步地,所述数据处理模块设置有临时数据库,所述临时数据库接收业务流程配置模块分析整合的每个门店信息进行进暂时性的储存,然后通过数据建模配置匹配相应的数据模型,将临时数据库中的门店信息转化成相应的数据,根据餐饮企业使用的餐饮信息管理系统的实际需求,使用相应的API接口进行数据的传输,使得餐饮企业使用的餐饮信息管理系统能够接收门店信息数据。
为了更好地实现本发明,进一步地,所述数据建模配置匹配的数据模型包括能够被常规餐饮信息管理系统接收使用的标准数据模型,其使用标准API接口进行数据的传输;还可以根据常规餐饮信息管理系统的实际情况,构建的个性化数据模型,使用个性化API接口进行数据传输。
为了更好地实现本发明,进一步地,所述临时数据库按业务类型把数据都规整成统一格式存放,所述业务类型包括会员表、餐品表、点单表、门店位置信息表、收银表、时间表。
为了更好地实现本发明,进一步地,所述中转数据模块对数据仓中的数据进行采集清洗治理过程中,除去的无效数据信息包括空白订单数据,明显出错订单数据,餐品价格与餐品情况不匹配订单数据。
为了更好地实现本发明,进一步地,所述BI数据预测系统中的影响因子包括天气情况数据、门店附近主要用餐人群年龄数据、门店附近常驻人群数据。
为了更好地实现本发明,进一步地,所述的线上流量平台包括滴滴外卖平台、饿了么外卖平台、美团外卖平台、口碑外卖平台。
为了更好地实现本发明,进一步地,所述餐饮信息管理系统包括O2O订单类型、CRM类型、POS类型、ERP类型。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明通过构建管理中台,用来接收线上和线下的餐饮相关信息,并将之处理完善后传递给餐饮企业使用的餐饮信息管理系统,使得企业的报表和数据来源不再局限于餐饮信息管理系统,企业可以从容的更换更为适合的餐饮信息管理系统,不必担心数据的缺失,另外,也迫使餐饮软件公司积极改进自己的餐饮信息管理系统,否则便会被餐饮企业所淘汰,促进了餐饮信息管理系统的良性发展;
(2)本发明构建的管理中台能将收集来的餐饮信息通过AI自动整理餐饮信息形成报表,呈报企业,还能通过BI对AI自动生成的报表进行智能化的分析和预测,并将分析和预测的结果呈报企业,能够更好地促进餐饮企业的发展;
(3)本发明构建的管理中台具备部署灵活性,可扩展性,管理方便性,易用性,提供了餐饮企业的管理效率,使其能够更好地使用餐饮信息管理系统进餐饮管理,适宜广泛推广应用。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更为明显:
图1为本发明的结构示意图框图;
图2为本发明中管理中台的架构图;
图3为本发明中门店信息采集流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
实施例1:
本实施例提供了一种基于餐饮信息管理系统的大数据分析处理管理中台,如图1所示,该管理中台接收门店点餐的信息、门店位置信息、线上流量平台的点餐数据,并将信息统一处理成数据后,传递给餐饮企业使用的餐饮信息管理系统;具体包括数据仓、中转数据模块、智能分析处理预测模块;
所述数据仓通过标准接口接收门店点餐的信息和线上流量平台的数据;在接收门店点餐的信息时,需要经过每个门店均配置独立的业务流程配置模块,该业务流程配置模块对每个门店点餐信息,以及门店位置的信息进行解析和分类整合,然后经过数据处理模块统一处理 能够被数据仓接收的数据,通过标准接口统一储存到数据仓中;线上流量平台与标准接口之间通过流量平台对接件传输数据,数据仓能够直接储存线上流量平台提供的数据;
所述中转数据模块对数据仓中的数据进行采集清洗治理,除去无效数据信息,将门店点餐的数据、门店位置数据、线上流量平台数据统一提供给智能分析处理预测模块;
所述智能分析处理预测模块包括AI 报表呈现系统和BI数据预测系统;AI 报表呈现系统将门店点餐的数据、线上流量平台数据拟合规整后,形成统一的数据报表,并反馈给餐饮企业;BI数据预测系统根据数据报表结合门店位置数据、线上流量平台数据、以及其他影响因子,给出不同位置门店的餐品的销售预测,以及线上餐品的销售预测,同时及时发出调整菜单的警告,并最后将预测信息和警告信息反馈给餐饮企业。
该管理中台采用成熟的Dubbo分布式架构进行搭建,通过Kubernetes & Docker进行容器化部署,将整体系统拆分成多个子系统微服务,每个子系统都采用多节点方式部署,构建一个高性能、易扩展、可伸缩、高可用的系统。具体构建如图2所示。
其中,请求方:所有需要与中台进行交换的系统,包括中台自建的管理系统以及各种对接的第三方系统(外卖系统、堂食系统、财务系统、会员系统、供应链系统等)
API网关:访问系统的唯一入口,所有请求都必须通过API网关接入内部微服务,很好的隔离了外部请求和内部系统,在网关层进行了身份验证、监控、请求分发、数据整合、流控等处理,确保系统的安全和稳定性。
各业务系统微服务:中台系统以微服务的理念拆分出多个子系统,包括:订单服务、商品服务、菜单服务、账号服务、分发服务、商家服务、会员服务等等,每个微服务都利用Kubernetes & Docker进行容器化部署,很好的进行了系统间的资源隔离,并可根据不同系统的压力情况进行系统节点的动态伸缩。
服务器间通信:同步通信使用Dubbo RPC进行调用,异步通信使用消息队列Kafka进行调用。
容器化:使用Docker进行微服务容器化,使用Kubernetes进行容器的管理、编排等工作。
分布式服务框架:使用成熟的分布式开源框架Dubbo
限流/熔断:使用高可用防护的流量管理框架Sentinel
分布式任务调度:使用分布式任务调度框架XXL-JOB
分布式配置中心:使用分布式配置管理框架Disconfig
全链路日志:使用Candao Sleuth在代码中进行链路标记,通过Flume进行日志的收集,并发往Kafka消息队列进行缓冲,Logstash从Kafka中消费日志并且插入到Elasticsearch中,从而进行全链路的日志存储及查询。
实时预警:通过Spark Streaming实时流计算,根据配置的规则进行实时的短信+邮件方式的预警。
性能分析:通过Hadoop大数据处理,定时对每天的日志进行分析,统计出系统每天的性能情况。
数据存储:业务数据存储:选用MongoDB进行业务数据的存储,采用副本集架构进行搭建,支持故障转移和读写分离,确保数据库的稳定和高可用。
日志存储:选用Elasticsearch进行日志的存储,采用集群方式部署,可快速扩展,确保日志的高效存储及检索。
大数据存储:选用HDFS进行大数据的存储,采用集群方式部署,可快速扩展,确保数据的海里存储及分析。
KV存储:选用Redis作为缓存,采用主备方式部署,确保高可用,提高整体系统的性能。
运行环境:
整体系统是在Linux Centos 7.2 64位系统上运行的。
该管理中台针对不同类型客户的解决方案,具体应用环境如戏下:
操作系统:Linux CentOS 7.2 64位
Java环境:JDK 1.8.1-131
数据库:Mongodb:3.4.2、edis:3.0.5
容器:Kubernetes:1.7.2、Docker: 1.7.03
其它中间件:Apache Dubbo: 2.6.0、Apache Zookeeper: 3.4.7、Apache Kafka:2.11、Apache Hadoop: 2.7.3、Apache Flume: 1.7.0、Apache Spark:2.1.2、Elasticsearch:2.3.5、Jenkins:2.8、Sentinel:0.2.0、Tez 0.7.0、Apache Hive 1.2.1、Apache Hbase 1.1.2、Apache Pig 0.16.0、Apache Ambari 0.1.0。
该管理中台的技术特性如下:
微服务架构:
利用微服务解决方案,构建一个弹性、可伸缩、可扩展性高的系统。由于单体应用架构将所有的应用功能全部部署在一起,当某一个功能因为故障导致应用不能响应,那么整个应用将无法使用。相比较于单体应用架构和SOA架构,微服务架构的主要特点是组件化、松耦合、自治、去中心化。
容器化:
整体系统微服务化后传统的处理方式会带来效率的低下,我们引入了成熟的容器化方案:Kubernetes & Docker,将所有微服务进行Docker化,并利用Kubernetes进行容器的管理和编排工作,可轻松的管理和弹性伸缩线上的节点。
Docker可隔离各微服务的资源使用(CPU、内存、磁盘等),使出现故障时微服务间做到互不影响。
Kubernetes可设置节点的存活个数,可确保线上环境每个微服务任何时间点都可以保持至少2个节点存活,达到高可用的效果。
结合持续集成工具Jenkins,大幅提升了整体的开发、构建、部署和发布效率。
热更新:
当线上的系统出现BUG需要修复时,可采用热更新的方式进行不停服的更新,更新过程对于使用方无感知,确保系统的稳定性。热更新过程如下:
发布平台触发滚动更新;集群会启动一个全新的新服务【可以根据需要,进行配置一次启动多个新服务进行替换】;待新服务启动完成,并且能够对外提供服务后,下线一个旧的服务;如此往返,直至所有的新服务替换掉旧服务,实现无感知的服务更新。
动态扩容和缩容:
当某个系统压力突然变大时,可进行动态的扩容节点以加大系统的承载能力,当压力变小后可动态释放掉后面新增的节点,确保系统的稳定性。过程如下:
监控中心实时监控每个微服务的压力状况;达到扩容阀值(CPU/内存)则会自动创建并启动新的节点,以实现自动扩容;若微服务压力下去后则会自动释放之前新增的节点,以实现自动缩容。
灰度发布:
当大版本发布时,由于新增功能多,相应更改和新增的代码也多,如果一次性让所有门店都使用新版本风险相对比较高,这时可采用灰度发布的方式,通过配置灰度规则,让符合灰度规则的请求先使用新版本功能,等试用稳定后再推广到全门店。包括:配置灰度门店,然后利用灰度网关识别灰度服务,通过灰度发布使新版本功能先让部分门店试用,逐步推广到全门店,确保版本稳定过度。
全链路日志/预警通知/性能统计:
全链路日志:在分布式的架构中,系统被拆分成了多个子系统,一个普通的请求可能需要经过多个子系统处理才能响应回去,并且每个子系统都是集群部署在N台服务器上,如果通过人工在服务器上查找日志文件的方式进行日志查询,效率会非常低效,这时就需要用到全链路的日志查询系统,可以在日志后台输入关键子,轻松的将所有相关的日志查询出来,并且可以根据日志ID进行整条链路日志的查看,极大的提高了效率。
预警通知:通过实时预警将可能发生的系统隐患在初期解决掉,避免故障的发生。
性能统计:通过性能统计对系统进行持续的把控及优化。
系统实现如下:
利用Flume进行各服务器的日志采集、聚合工作,Kakfa消息队列进行日志的缓冲,之后日志会流向以下3个地方:
ELK(Elasticsearch+Logstash+Kibana):进行日志存放、分析和展示、供维护人员在海量的日志数据里面实时搜索有用信息;
Spark Streaming:进行实时流计算,近实时的从海量数据里面分析出系统的当前运行状态,并进行监控和预警处理;
HDFS+Hadoop:所有日志进入分布式文件系统HDFS,每天凌晨定时分析前一天的系统性能情况,以便对系统的整体性能趋势及性能优化做出参考。
数据仓:
数据仓整合丰富多维度数据,基于高并发,高可用大数据存储,可以高效,稳定分析海量数据,挖掘商业价值,并能够可以对未来作出精准AI预测。
分布式配置中心:
在系统中会有大量的配置信息,而传统的做法是通过配置文件进行配置,而在分布式环境下配置文件会变大难以管理和维护,这时我们引入了Disconf分布式配置中心,可以对配置进行统一的管理及维护。在线编辑配置信息,实时下发到各个系统并且配置实时生效。
分布式调度中心:
在系统中会有各种定时任务,而在分布式环境下这些定时任务需要统一的管理和触发,我们引入了XXL-Job分布式调度系统。在线配置调度任务,实时异步化调度。
构建管理中台使用到的相关技术:
Apache Dubbo:Dubbo是一个高性能优秀的服务框架,致力于提供高性能和透明化的RPC远程服务调用方案以及SOA服务治理方案,使得应用可通过高性能的 RPC 实现服务的输出和输入功能,具有连通性、健壮性和伸缩性。提供对多种基于长连接的NIO框架抽象封装,包括多种线程模型,序列化,以及“请求-响应”模式的信息交换方式。提供基于接口方法的透明远程过程调用,包括多协议支持,以及软负载均衡,失败容错,地址路由,动态配置等集群支持。可在内网替代F5等硬件负载均衡器,降低成本,减少单点。基于注册中心目录服务,使服务消费方能动态的查找服务提供方,使地址透明,使服务提供方可以平滑增加或减少机器。我们系统使用其作为基础框架,使得快速构建出健壮的分布式系统。
Apache Kafka: Apache Kafka是一个分布式的发布-订阅消息系统,能够支撑海量数据的数据传递。在离线和实时的消息处理业务系统中,Kafka都有广泛的应用。Kafka将消息持久化到磁盘中,并对消息创建了备份保证了数据的安全。Kafka在保证了较高的处理速度的同时,又能保证数据处理的低延迟和数据的零丢失。我们系统使用其作为MQ消息中间件,在异步调用、队列缓冲等场景都有很好的支撑。
Disconf:Distributed Configuration Management Platform(分布式配置管理平台) ;专注于各种 分布式系统配置管理 的通用组件/通用平台, 提供统一的配置管理服务,是一套完整的基于zookeeper的分布式配置统一解决方案。部署极其简单,同一个上线包,无须改动配置,即可在多个环境中(RD/QA/PRODUCTION)上线。更改配置,无需重新打包或重启,即可实时生效。提供web平台,统一管理 多个环境(RD/QA/PRODUCTION)、多个产品的所有配置。我们系统使用其作为分布式配置中心,将系统的所有配置统一管理起来。
Spark Streaming:实时流计算采用Spark提供的分布式的大数据实时计算框架Spark Streaming,是基于 SparkCore(Spark 核心 API) 的扩展,他提供了动态的,高吞吐量的,可容错的流式数据处理,可以从多个数据 Kafka,RocketMQ,Flume,Kinesis,Twitter,Tcp scokets中获取数据,然后使用复杂的算法和高级的函数算子如:map,reduce,aggregate,join,window等进行数据处理加工,最后可以将处理后的数据输出到文件系统,邮件,短信,数据库,和可视化界面等。我们系统使用其作为实时流计算预警,极大的提升了系统的预警能力。
Docker:是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口,我们系统使用其将所有微服务进行容器化部署,具有如下技术优势:
1.持续部署与交
2.跨云平台支持
3.环境标准化和版本控制
4.提高资源利用率与资源隔离
5.容器跨平台性
6.多租户
Kubernetes:是Google开源的一个容器编排引擎,它支持自动化部署、大规模可伸缩、应用容器化管理。在生产环境中部署一个应用程序时,通常要部署该应用的多个实例以便对应用请求进行负载均衡,我们系统使用其作为容器化编排和管理工具,具有如下技术优势:
1.多个进程(作为容器运行)协同工作。
2.存储系统挂载
3.应用健康检测
4.Pod自动伸缩/扩展
5.负载均衡
6.滚动更新
7.资源监控
XXL-JOB: 是一个轻量级分布式任务调度平台,具有简单易用、轻量级、易扩展等特点,我们系统使用其作为统一的任务调度中心,具有如下技术优势:
1.支持容器化
2.异步化
3.跨平台
4.支持多任务
5.支持脚本,命令行任务
6.丰富路由策略
Hive:是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。我们系统使用其进行大数据集的批处理作业。
HBase:是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,我们系统使用其进行海量的非结构化数据存储。
具体的技术指标:
系统QPS可达20000;
容器实例实现秒级扩容;
支持一键化发布和部署;
服务多实例,消除单点,实现高可用;
数据仓每天支持亿级数据采集;
数据仓计算引擎支持10亿级数据。
每个门店均配置有针对门店信息格式的业务流程配置模块,分别针对不同门店信息格式进行解析,所述门店信息格式包括Txt格式、MangoDB格式,HBase格式。
数据处理模块设置有临时数据库,所述临时数据库接收业务流程配置模块分析整合的每个门店信息进行进暂时性的储存,然后通过数据建模配置匹配相应的数据模型,将临时数据库中的门店信息转化成相应的数据,根据餐饮企业使用的餐饮信息管理系统的实际需求,使用相应的API接口进行数据的传输,使得餐饮企业使用的餐饮信息管理系统能够接收门店信息数据。
所述数据建模配置匹配的数据模型包括能够被常规餐饮信息管理系统接收使用的标准数据模型,其使用标准API接口进行数据的传输;还可以根据常规餐饮信息管理系统的实际情况,构建的个性化数据模型,使用个性化API接口进行数据传输。
所述临时数据库按业务类型把数据都规整成统一格式存放,所述业务类型包括会员表、餐品表、点单表、门店位置信息表、收银表、时间表。
所述中转数据模块对数据仓中的数据进行采集清洗治理过程中,除去的无效数据信息包括空白订单数据,明显出错订单数据,餐品价格与餐品情况不匹配订单数据。
所述BI数据预测系统中的影响因子包括天气情况数据、门店附近主要用餐人群年龄数据、门店附近常驻人群数据。
所述的线上流量平台包括滴滴外卖平台、饿了么外卖平台、美团外卖平台、口碑外卖平台。本市实施例其他部分与上述实施例相同,这里不再赘述。
所述餐饮信息管理系统包括O2O订单类型、CRM类型、POS类型、ERP类型。
该管理中台将通过BI进行分析和预测,可以根据门店位置信息,最近的天气状况,餐品的点选情况,门店附近的周边用餐人群,进行智能化分析,然后主动预测,未来一段时间内每个门店应该提供怎样的菜品,提供怎样的营销方案,人员的配置情况等,从而实现企业的最大化盈利,同时最大程度减少食材和人员的浪费,协助餐饮企业对每个门店都能进行合理化管理和掌控。其中,还包括现有菜单不能满足需求的警告,提醒企业不断推陈出新,促进餐饮行业的积极发展。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,该管理中台接收门店点餐的信息、门店位置信息、线上流量平台的点餐数据,并将信息统一处理成数据后,传递给餐饮企业使用的餐饮信息管理系统;具体包括数据仓、中转数据模块、智能分析处理预测模块;
所述数据仓通过标准接口接收门店点餐的信息和线上流量平台的数据;在接收门店点餐的信息时,需要经过每个门店均配置独立的业务流程配置模块,该业务流程配置模块对每个门店点餐信息,以及门店位置的信息进行解析和分类整合,然后经过数据处理模块统一处理 能够被数据仓接收的数据,通过标准接口统一储存到数据仓中;线上流量平台与标准接口之间通过流量平台对接件传输数据,数据仓能够直接储存线上流量平台提供的数据;
所述中转数据模块对数据仓中的数据进行采集清洗治理,除去无效数据信息,将门店点餐的数据、门店位置数据、线上流量平台数据统一提供给智能分析处理预测模块;
所述智能分析处理预测模块包括AI 报表呈现系统和BI数据预测系统;AI 报表呈现系统将门店点餐的数据、线上流量平台数据拟合规整后,形成统一的数据报表,并反馈给餐饮企业;BI数据预测系统根据数据报表结合门店位置数据、线上流量平台数据、以及其他影响因子,给出不同位置门店的餐品的销售预测,以及线上餐品的销售预测,同时及时发出调整菜单的警告,并最后将预测信息和警告信息反馈给餐饮企业。
2.根据权利要求1所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,每个门店均配置有针对门店信息格式的业务流程配置模块,分别针对不同门店信息格式进行解析,所述门店信息格式包括Txt格式、MangoDB格式,HBase格式。
3.根据权利要求1或2所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述数据处理模块设置有临时数据库,所述临时数据库接收业务流程配置模块分析整合的每个门店信息进行进暂时性的储存,然后通过数据建模配置匹配相应的数据模型,将临时数据库中的门店信息转化成相应的数据,根据餐饮企业使用的餐饮信息管理系统的实际需求,使用相应的API接口进行数据的传输,使得餐饮企业使用的餐饮信息管理系统能够接收门店信息数据。
4.根据权利要求3所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述数据建模配置匹配的数据模型包括能够被常规餐饮信息管理系统接收使用的标准数据模型,其使用标准API接口进行数据的传输;还可以根据常规餐饮信息管理系统的实际情况,构建的个性化数据模型,使用个性化API接口进行数据传输。
5.根据权利要求4所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述临时数据库按业务类型把数据都规整成统一格式存放,所述业务类型包括会员表、餐品表、点单表、门店位置信息表、收银表、时间表。
6.根据权利要求1或2所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述中转数据模块对数据仓中的数据进行采集清洗治理过程中,除去的无效数据信息包括空白订单数据,明显出错订单数据,餐品价格与餐品情况不匹配订单数据。
7.根据权利要求1或2所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述BI数据预测系统中的影响因子包括天气情况数据、门店附近主要用餐人群年龄数据、门店附近常驻人群数据。
8.根据权利要求1或2所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述的线上流量平台包括滴滴外卖平台、饿了么外卖平台、美团外卖平台、口碑外卖平台。
9.根据权利要求1或2所述的一种基于餐饮信息管理系统的大数据分析处理管理中台,其特征在于,所述餐饮信息管理系统包括O2O订单类型、CRM类型、POS类型、ERP类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934694.9A CN110737643B (zh) | 2019-09-29 | 2019-09-29 | 一种基于餐饮信息管理系统的大数据分析处理管理中台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934694.9A CN110737643B (zh) | 2019-09-29 | 2019-09-29 | 一种基于餐饮信息管理系统的大数据分析处理管理中台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737643A true CN110737643A (zh) | 2020-01-31 |
CN110737643B CN110737643B (zh) | 2022-11-15 |
Family
ID=69269731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910934694.9A Active CN110737643B (zh) | 2019-09-29 | 2019-09-29 | 一种基于餐饮信息管理系统的大数据分析处理管理中台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737643B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371678A (zh) * | 2020-02-26 | 2020-07-03 | 北京天维信通科技有限公司 | 第三方服务运行方法和装置、网关设备及存储介质 |
CN111970113A (zh) * | 2020-08-12 | 2020-11-20 | 深圳市宗泰电机有限公司 | 一种企业微信处理管理大数据平台构架 |
CN112214884A (zh) * | 2020-09-24 | 2021-01-12 | 北京百分点信息科技有限公司 | 一种数据模型管理方法和装置 |
CN112632168A (zh) * | 2020-12-23 | 2021-04-09 | 深圳迅策科技有限公司 | 一种基于大数据技术架构的数据中台服务体系 |
CN113190524A (zh) * | 2021-04-21 | 2021-07-30 | 武汉卓尔信息科技有限公司 | 一种工业大数据采集方法及系统 |
CN113395312A (zh) * | 2020-09-08 | 2021-09-14 | 重庆高新技术产业研究院有限责任公司 | 基于soa构架以中台技术为内核的分布式部署模型 |
CN114202093A (zh) * | 2021-08-25 | 2022-03-18 | 优合集团有限公司 | 基于产业互联网产业链优化平台 |
CN116362839A (zh) * | 2023-03-31 | 2023-06-30 | 武汉筑链科技有限公司 | 基于供应链金融的电子采购生态管理平台及其管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
CN107437132A (zh) * | 2016-05-26 | 2017-12-05 | 上海泓进信息技术有限公司 | 一种全渠道云erp综合管理系统 |
CN107481119A (zh) * | 2017-08-21 | 2017-12-15 | 贵州西部生态链电子商务有限公司 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
-
2019
- 2019-09-29 CN CN201910934694.9A patent/CN110737643B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107437132A (zh) * | 2016-05-26 | 2017-12-05 | 上海泓进信息技术有限公司 | 一种全渠道云erp综合管理系统 |
CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
CN107481119A (zh) * | 2017-08-21 | 2017-12-15 | 贵州西部生态链电子商务有限公司 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371678A (zh) * | 2020-02-26 | 2020-07-03 | 北京天维信通科技有限公司 | 第三方服务运行方法和装置、网关设备及存储介质 |
CN111371678B (zh) * | 2020-02-26 | 2021-12-31 | 北京天维信通科技有限公司 | 第三方服务运行方法和装置、网关设备及存储介质 |
CN111970113A (zh) * | 2020-08-12 | 2020-11-20 | 深圳市宗泰电机有限公司 | 一种企业微信处理管理大数据平台构架 |
CN113395312A (zh) * | 2020-09-08 | 2021-09-14 | 重庆高新技术产业研究院有限责任公司 | 基于soa构架以中台技术为内核的分布式部署模型 |
CN112214884A (zh) * | 2020-09-24 | 2021-01-12 | 北京百分点信息科技有限公司 | 一种数据模型管理方法和装置 |
CN112632168A (zh) * | 2020-12-23 | 2021-04-09 | 深圳迅策科技有限公司 | 一种基于大数据技术架构的数据中台服务体系 |
CN113190524A (zh) * | 2021-04-21 | 2021-07-30 | 武汉卓尔信息科技有限公司 | 一种工业大数据采集方法及系统 |
CN114202093A (zh) * | 2021-08-25 | 2022-03-18 | 优合集团有限公司 | 基于产业互联网产业链优化平台 |
CN116362839A (zh) * | 2023-03-31 | 2023-06-30 | 武汉筑链科技有限公司 | 基于供应链金融的电子采购生态管理平台及其管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110737643B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110737643B (zh) | 一种基于餐饮信息管理系统的大数据分析处理管理中台 | |
US11582123B2 (en) | Distribution of data packets with non-linear delay | |
US20220012265A1 (en) | Predictive and adaptive queue flushing for real-time data reconciliation between local and remote databases | |
Hu et al. | Time-and cost-efficient task scheduling across geo-distributed data centers | |
US8584136B2 (en) | Context-aware request dispatching in clustered environments | |
CN108335075B (zh) | 一种面向物流大数据的处理系统及方法 | |
US9338226B2 (en) | Actor system and method for analytics and processing of big data | |
US7856420B2 (en) | Zero latency enterprise enriched publish/subscribe | |
CN107679192A (zh) | 多集群协同数据处理方法、系统、存储介质及设备 | |
US20210279265A1 (en) | Optimization for Real-Time, Parallel Execution of Models for Extracting High-Value Information from Data Streams | |
CN106815338A (zh) | 一种大数据的实时存储、处理和查询系统 | |
CN110245178A (zh) | 营销自动化管理平台系统及其管理方法 | |
US20180302268A1 (en) | Systems and Methods for Real Time Streaming | |
CN110858197A (zh) | 一种同步数据的方法和装置 | |
Gupta et al. | High-availability at massive scale: Building google’s data infrastructure for ads | |
Choudhary et al. | A real-time fault tolerant and scalable recommender system design based on Kafka | |
CN116433198A (zh) | 一种基于云计算的智慧供应链管理平台系统 | |
Jacobs et al. | Bad to the bone: Big active data at its core | |
TWI760216B (zh) | 用於管理高度可獲取分佈混合資料庫的電腦實行系統以及方法 | |
CN114567633A (zh) | 一种支撑多栈数据库全生命周期的云平台系统及管理方法 | |
CN114357280A (zh) | 一种信息推送方法、装置、电子设备及计算机可读介质 | |
CN112101894A (zh) | 选煤智能系统 | |
CN111858260A (zh) | 信息显示方法、装置、设备及介质 | |
US20240012835A1 (en) | Synchronizing changes in a distributed system with intermittent connectivity | |
Grover et al. | Scalable Fault-Tolerant Data Feeds in AsterixDB |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 510000 Room 102, building 5 and Room 201, building 5, No. 1, xiashizhi street, Liwan District, Guangzhou, Guangdong Applicant after: Foodway Information Technology Co.,Ltd. Address before: 801-C51, 8th floor, No. 40, Nonglinxia Road, Yuexiu District, Guangzhou, Guangdong 510030 Applicant before: GUANGZHOU CANDAO INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |