前期简要介绍了大数据，了解了大数据应用的可行性和必然性，实际情况正是如此。 大数据在公共管理(某省最大运行次数)、教育行业)某省交通厅大数据建设)、税务行业)某省税务大数据平台应用建设)、信息管理)某省人口库建设)等方面建树颇多。 本文以智慧交通为主题介绍主流大数据应用的总体结构设计
云服务
首先要了解基于云计算的三种服务模式，当前大数据的总体架构基本就是在此基础上设计的
IaaS :位于云服务底层，ECS等基础架构
PAS :平台服务。 用户无需关注底层硬件和操作系统技术，即可实现不断扩展的容器APP应用程序(如OpenShift )
SaaS )软件服务可以将技术、管理等交给第三方，在平台上开展自己的软件业务。 例如，我们经常遇到的微信、QQ等
拿披萨来说，我理解IaaS是用来烤披萨的火炉； PaaS是披萨面团，面团上可以放任何东西做各种口味的披萨； SaaS是用于根据需要包装和买卖披萨的包装
整体体系结构
该图显示了从源位置访问云、访问平台层和访问APP应用层访问层的数据的总体体系结构。 由于内容太多，这里省略了平台层和APP应用层之间的数据层体系结构。 以下内容介绍了此层次结构
源数据层结构：严格来说，该层还属于云下数据，数据分为三类结构化数据：半结构化数据和非结构化数据。 大数据云计算平台仅支持数据，不支持图像和视频等非结构化数据，因此需要对这些数据进行标准化和结构化
类型：按业务划分，数据类型为离线数据(如财务统计)、准实时数据(如天气状况)、实时数据(如实时交通量)、三种数据类型的哪个平台上如何收集
其他：另外，收集频率、数据标准、数据合成等详细内容篇幅有限，下次推文中再谈
平台层存储平台：数据云基于实际业务，如分析数据库、大数据平台、文档数据库、对象存储等，需要在相应的平台上云化数据
计算平台：这里主要指大数据离线计算平台、算法平台，部分还有流媒体计算和数据库开发计算
应用平台：与大数据平台相结合的生态应用平台，如监控管理、数据中心等
数据层
因为数据层是多层联合，所以环环相扣，血缘性强，更适合称为数据服务平台。 这里是PaaS层，用户可以对这里标准管理的数据进行各种加工和分析，将输出结果推送至APP应用层，将APP应用层的数据推送至在线数据库，供前端APP应用调用
数据层根据业务基本上分为以下几个层次
原始层：可以将几个分区划分得更细，分别存储原始数据、标准清洗数据和其他层反馈的数据，是云上数据的最初始层
中间层：为了不过度冗馀数据，简化平台，一般的数据离线采集采用总量增量=总量方式。 由此，首先投入全部量，然后按照时间表每次增量即可，因此中间层可以保存合并后的全部量的数据供上层调用。 另外，代码数据等公共数据也可以放置在该层次中
APP应用层：存储各种加工好的APP应用数据、底层主体数据等，以后通过直接数据集成工具，将该层的APP应用数据根据业务需求按时推送至在线热数据库，在前端APP应用中调用
高速APP应用层
这一层主要是实际的业务APP应用
我对交通行业的了解不够，只能暂时根据自己的思路和轮流经验提出以下几个应用。 如果有太幼稚可笑的事情，请谅解