基於業務特徵區分號碼的演算法

A. 如何區分移動聯通和電信的手機號碼！

根據號段區分。

移動號段：

134,135,136,137, 138,139,147,150,151, 152,157,158,159,178,182,183,184,187,188,198，170，171，165

電信號段：

133，153，177，180，181，189，199，1700，1701，1702，162

聯通號段：

130，131，132，155，156，185，186，145，146，166，176，1704，1707-1709，171（0-9）

(1)基於業務特徵區分號碼的演算法擴展閱讀：

2018年起工信部陸續將16號段號碼批給三大運營商進行號碼銷售經營，這是繼170和171之後又一批用於三大運營商轉售業務的號段，也是我國通信市場市場化的又一舉措。

隨著攜號轉網，歸屬地異地服務打通，通信市場又會迎來新的氣象。

其中162所有號段均為中國電信所有，165為中國移動公司所有，167為中國聯通公司所有，專用於三大運營商開展手機號碼轉售業務。

162/165/167號段號碼可以購買後實名制激活使用，屬於國家工信部批示的正規手機號段。

B. 怎麼區分移動，聯通，電信的號碼

不同運營商的號碼是有區別的，分配到的號段（即手機號碼前三位）不一樣。
國內號碼歸屬運營商情況如下：
中國移動：134（不含1349）、135、136、137、138、139、147、150、151、152、157、158、159、182、183、184、187、188
中國聯通：130、131、132、145（上網卡）、155、156、185、186
中國電信：133、1349（衛星通信）、153、180、181、189
4G號段：170：[1700(電信)、1705(移動)、1709(聯通)]、176(聯通)、177(電信)、178(移動)

C. 怎麼區分移動，聯通，電信的號碼

目前聯通號段有：130、131、132、145、155、156、186、185、176等。
溫馨提示：以上信息僅供參考，目前三大運營商已開通攜號轉網業務，號碼具體歸屬哪家運營商運營，請以號碼實際使用情況為准。

D. 什麼是業務號碼

就是個人通信業務號碼

個人通信業務是允許任何用戶在任何時間、任何地點與任何人進行任何形式(如語音、數據、圖像)的通信，既支持終端移動性又支持個人移動性，以移動的人為通信對象的智能寬頻多媒體通信業務，是通信發展的最高目標。

支持個人通信業務的個人通信網採用與網路無關的惟一的個人通信號碼標識用戶個人，是移動通信網與固定通信網相結合的智能化寬頻綜合業務網。

個人通信業務號碼一個唯一地識別個人通信業務使用者的號碼，用它來認定或發送呼叫給該使用者。個人通信業務號碼是是個人通信業務的核心。

(4)基於業務特徵區分號碼的演算法擴展閱讀：

通用個人通信業務的實現方法

本發明提出了一種通用個人通信業務的實現方法，通過移動交換中心接收到呼叫申請有通用個人通信業務移動號碼，將移動號碼發送到業務控制點中以向業務控制點請求該移動號碼的通用個人通信業務；業務控制點對所述請求進行響應，將所述移動號碼通過移動交換中心接續至獨立業務交換點；

獨立業務交換點將移動號碼發送到業務控制點以使業務控制點啟動該移動號碼的通用個人通信業務；業務控制點根據接收的所述移動號碼，啟動該移動號碼的通用個人通信業務和其對應的接續屬性，並把接續屬性下發到獨立業務交換點；獨立業務交換點按照接續屬性和被叫多個終端進行接續；從而實現通用個人通信業務能夠在移動智能網路系統中運行的目的。

E. 787292值得申購嗎

建議申購浩瀚深度(688292)、股吧】在7月27日發布了其發行招股書，其中浩瀚深度申購時間為2022年8月5日，浩瀚深度的發行價格是16.56元/股，網上發行數量是1001.8萬股。目前浩瀚深度在海量數據採集、高速數據處理和深度信息挖掘等方面擁有超過二十年的先進經驗和技術沉澱，已形成「大規模高速鏈路串接部署的DPI」等五大類核心技術，具備大規模高速網路環境下的深度包檢測能力，能夠有效實現高速數據處理、海量數據獲取以及深度信息挖掘。 浩瀚深度值得申購嗎.jpg 浩瀚深度值得申購嗎從最近1個月的上市新股來看，獲得收益性可能性比較低，出現破發的個股在7月中旬後增多的，因此申購需要謹慎的。 【申購信息】 股票簡稱 浩瀚深度 申購代碼 787292 股票代碼 688292 上市地點 上海證券交易所 網上頂格申購需配市值 10.00萬元 網上發行數量 1001.8萬股 發行總股數量 3928.6667萬股 發行價格 16.56元 浩瀚深度申購日期 2022年8月5日 浩瀚深度自設立以來始終聚焦於互聯網流量的智能化管控和數據應用領域，通過持續研發掌握了以 DPI 技術（即深度包檢測技術）為核心的一系列自主知識產權，公司在海量數據獲取、高速數據處理和深度信息挖掘等方面擁有超過 20 年的實務積累和技術沉澱。 報告期內，公司主要從事網路智能化及信息安全防護解決方案的設計實施、軟硬體設計開發、產品銷售及技術服務等業務。公司採用「以採集管理系統為基礎，全方位拓展延伸」的業務發展模式，在持續迭代升級智能採集管理系統的同時，縱向拓展各類智能化應用系統，橫向延伸開發信息安全防護類產品，致力於為電信運營商等各類客戶提供全方位、高性能、跨平台的網路智能化及信息安全防護解決方案，為各層級網路的高效、穩定、安全運行提供保障。 經過多年發展，公司相關產品已廣泛部署於中國移動、中國聯通、【中國電信(601728)、股吧】等主要國內電信運營商的骨幹網、城域網/省網、IDC 出口等各層級網路節點，報告期內公司新增鏈路帶寬管理規模接近 400Tbps，公司產品在各層級網路節點。 市場地位 公司目前業務已擴展至全國范圍，產品廣泛部署於國內三大運營商各級網路，在關鍵網路位置發揮重要作用。根據公開數據，發行人在【中國移動(600941)、股吧】總部 2018-2021 年互聯網 DPI 集中采購招投標的中標總份額超過 50%。截至報告期末，公司已獲授權發明專利 23 件、實用新型專利 10 件、外觀設計專利 5 件；計算機軟體著作權 108 件。憑借雄厚的研發實力，公司多年來獲得多項榮譽，包括「中國通信學會科技進步一等獎」、「北京市軟體和信息服務業新領域高成長企業」、「中國通信工業 100 強」等。 公司技術水平及特點 （1）公司網路智能化解決方案能夠實現「高速網路環境下的深度包檢測」 公司成立於 1994 年，是國內較早認識到深度包檢測技術的原理和重要性, 並且專注其設計與產業化實現的企業，公司已熟練掌握「大規模高速鏈路串接部署的 DPI 技術」等五大類核心技術，產品廣泛部署於運營商關鍵網路節點，具備大規模高速網路環境下的流量管控、數據獲取和信息挖掘能力。目前，互聯網中承載著海量用戶及應用的上網信息和行為記錄，政府部門、企事業單位等各行各業的數字化信息都在網路和鏈路上進行傳輸及信息交換。根據 2020 年 8 月發布的《中國禁止出口限制出口技術目錄》，「高速網路環境下的深度包檢測技術」被我國列為限制出口技術。 （2）公司採用專用硬體架構、並基於 FPGA 晶元增強計算力，通過串接控制技術應對大規模高速網路環境 針對大規模高速網路環境下的流量及數據智能化需求，公司以深度包檢測通用技術為基礎，選擇採用專用硬體架構、並基於 FPGA 晶元增強計算力，通過串接控制技術作為主要技術路徑，以最終實現大規模高速網路流量及數據的實時、全量採集和多維度高精度智能管控。 （3）公司採用多級多維度並發策略匹配和控制技術實現大規模高速網路的管控及智能化應用 公司智能採集管理系統可同時支持三大類 11 種 4~7 層的控制策略，所有策略的內部控制、狀態更新、並行運算、綜合判決等全部由自主設計的高速邏輯和外部存儲器協同實現。系統內各種策略均可支持以下報文動作：丟棄或封堵、令牌桶限速、改變 QoS 類型、優先轉發、質量劣化、白名單和鏡像分發。此外，公司網路智能化解決方案可以根據用戶要求任意組合數據採集的多個特徵參數，基於業務區分的流控演算法能夠有效限制低優先順序業務的帶寬佔用率，即使在網路擁塞的情況下也能保證高優先客戶的服務質量，保證鏈路的合理利用。 看完了浩瀚深度的公司簡介以及主要產品發展和浩瀚深度申購信息，下面為大家拓展關於什麼是新股申購、申購建議和申購最佳時間。 新股申購是為獲取股票一級市場、二級市場間風險極低的差價收益，不參與二級市場炒作，不僅本金非常安全，收益也相對穩定，是穩健投資者理想投資選擇。新股申購是股市中風險最低且收益穩定的一種投資方式。新股發行是指首次公開發行股票(英文翻譯成Initial Public Offerings，簡稱IPO)，是指企業通過證券交易所首次公開向投資者發行股票,以期募集用於企業發展的資金的過程。 新股申購業務適合於對資金流動性有一定要求以及有一定風險承受能力的投資者，如二級市場投資者、銀行理財類投資者以及有閑置資金的大企業、大公司。 申購建議 1、新股申購預先繳款改為中簽後再繳款。對此，業內人士普遍認為，按照持有股票的市值進行配售，而且不用預繳款，相當於持有流通市值的股民都有機會申購新股，但是中簽率會更低。 2、三次中簽不繳款挨罰調整後的規則，增加了「投資者連續12個月累計3次中簽後不繳款，6個月內不能參與打新」的懲戒性措施。 申購新股最佳時間 投資者通過證券公司交易系統下單申購是要注意時間段，原因是一隻新股只能下單一次，需要避開下單申購的高峰期，這樣不僅申購中簽幾率大，而且成功率高。經過研究，投資者委託最密集的時間段且中簽最多的時間段是在上午10：30-11：30和下午1：00-2：00時，中簽概率相對較大。

F. 數倉建模分層理論

這篇文章較為完整、清晰的講述了數倉建模分層理論，要點如下：

1、分層的意義：清晰結構體系、數據血緣跟蹤、減少重復開發、復雜問題簡單化及統一數據口徑

2、ODS：用作緩沖，可以存一周左右，跟DWD大多重復，留存的目的還在於保持跟源端一致，方便追溯

3、DWD：針對ODS做數據的清洗和整合，在DWD層會根據維度模型，設計事實表和維度表，DWD層是一個非常規范的、高質量的、可信的數據明細層

4、DWS：基於DWD層形成某一主題的輕度匯總表或分析寬表，DWS形成大量維度退化的事實表以提高易用性，DWS層應覆蓋80%的應用場景

5、TDM：標簽層，通過統一的ID-Mapping 把各個業務板塊，各個業務過程中同一對象的數據打通，形成對象的全域數據標簽體系，方便深度分析、挖掘、應用，大家注意，這個ID不僅僅指客戶或用戶ID，也包括其它的主數據ID，其是全流程分析的基礎

6、ADS：數據應用層ApplicationDataService面向業務定製的應用數據，主要提供給數據產品和數據分析使用的數據，一般會放在ES，MYSQL，Redis等前端系統供線上系統使用，也可以放在Hive中供數據分析和數據挖掘使用

7、DM：主要是提供數據產品和數據分析的數據，主要解決部門用戶報表和分析需求而建立資料庫，數據集市就代表數據倉庫的主題域。DM 是面向單個主題的，所以它不會從全局考慮進行建設。

強烈推薦閱讀！

正文開始

簡單點兒，直接ODS+DM就可以了，將所有數據同步過來，然後直接開發些應用層的報表，這是最簡單的了；當DM層的內容多了以後，想要重用，就會再拆分一個公共層出來，變成3層架構,這個過程有點類似代碼重構，就是在實踐中不斷的進行抽象、總結。

數倉的建模或者分層，其實都是為了更好的去組織、管理、維護數據,所以當你站在更高的維度去看的話，所有的劃分都是為了更好的管理。小到JVM 內存區域的劃分，JVM 中堆空間的劃分(年輕代、老年代、方法區等)，大到國家的省市區的劃分，無一例外的都是為了更好的組織管理 。

所以數倉分層是數據倉庫設計中十分重要的一個環節， 優秀的分層設計能夠讓整個數據體系更容易理解和使用 。

這一節，我們主要是從整體上出發進行分析和介紹，就和上一節數倉建模方法論一樣，進度對比分析，更多細節的東西我們後面會單獨拆分出來，用案例進行演示，例如維度建模，維度表的設計，事實表的設計、以及如何設計標簽、如何管理標簽等等。

每一個數據分層都有它的作用域，這樣在使用表的時候能更方便的定位和理解。

由於最終給業務呈現的是一個能直接使用的業務表，但是表的數據來源有很多，如果有一張來源表出問題了，我們希望能夠 快速准確的定位到問題，並清楚它的影響范圍，從而及時給到業務方反饋，從而將損失降到最低 。

將一個復雜的任務分解成多個步驟來完成，每一層只處理單一的步驟，比較簡單和容易理解。而且便於維護數據的准確性，當數據出現問題之後，可以不用修復所有的數據，只需要從有問題的步驟開始修復。

過數據分層提供統一的數據出口，統一對外輸出的數據口徑，這往往就是我們說的數據應用層。

前面我們說到分層其實是為了更好更快更準的組織管理，但是這個是從宏觀上來說的，接下來我們從微觀上也來看一下分層。

越靠上的層次，對應用越友好,比如ADS層，基本是完全為應用設計,從數據聚合程度來講，越上層的聚合程度越高，當然聚合程度越高可理解程度就越低。

數倉層內部的劃分不是為了分層而分層， 分層是為了解決 ETL 任務及工作流的組織、數據的流向、讀寫許可權的控制、不同需求的滿足等各類問題 ，當然我們常說的分層也是面向行業而言的，也是我們常用分層方法，但是你需要注意的是分層僅僅是手段而已。

ODS 全稱是 OperationalDataStore， 操作數據層存儲的是面向業務系統的數據 ，也是最接近數據源中數據的一層，數據源中的數據，經過抽取、洗凈、傳輸，也就說傳說中的 ETL 之後，裝入本層。

本層的數據，總體上大多是 按照源頭業務系統的分類方式而分類的 ，前面我們說到為什麼在數倉主要用維度建模的情況下，我們依然要學習範式建模呢，因為我們的數據源是範式建模的，所以學習範式建模可以幫助我們更好的理解業務系統，理解業務數據，所以你可以認為我們的ODS 層其實就是用的實範式建模。

這里的數據處理，並不涉及業務邏輯，僅僅是針對數據完整性以及重復值和空值的處理，其實就是做的是數據規約，數據清洗，但是為了考慮後續可能追溯數據源問題，因此 對這一層不建議做過多的數據清洗工作 ，原封不動接入源數據即可，至於數據的去噪，去重，異常值處理等過程可以放在後面的DW層

表名的設計 ODS_業務系統_表名_標記 ，這樣的設計可以保持與業務表名一致，又可以有清晰的層次，還可以區分來源。標記一般指的是其他數倉特有的屬性，例如表是天級的還是小時的，是全量的還是增量的。

ods 的設計可以保證所有的數據按照統一的規范進行存儲。

DW是數據倉庫的核心，從ODS層中獲得的數據按照主題建立各種數據模型。DW又細分數據明細層DWD 和輕度匯總層DWS

這一層和維度建模會有比較深的聯系，業務數據是按照 業務流程方便操作的角度 來組織數據的，而統一數倉層是 按照業務易理解的角度或者是業務分析的角度 進行數據組織的，定義了一致的指標、維度，各業務板塊、數據域都是按照統一的規范來建設，從而形成統一規范的 標准業務數據體系 ，它們通常都是基於Kimball的維度建模理論來構建的， 並通過一致性維度和數據匯流排來保證各個子主題的維度一致性 。

公共層的維度表中相同維度屬性在不同物理表中的欄位名稱、數據類型、數據內容必須保持一致，因為這樣可以降低我們在使用過程中犯錯誤的概率，例如使用了不正確的欄位，或者因為數據類型的原因導致了一些奇怪的錯誤

將維度所描述業務相關性強的欄位在一個物理維表實現。相關性強是指經常需要一起查詢或進行報表展現、兩個維度屬性間是否存在天然的關系等。例如，商品基本屬性和所屬品牌。

公告明細數據層，可以說是我們數倉建設的核心了。

DWD層要做的就是將 數據清理、整合、規范化、臟數據、垃圾數據、規范不一致的、狀態定義不一致的、命名不規范的數據都會被處理 。然後加工成面向數倉的基礎明細表，這個時候可以加工一些面向分析的大寬表。

DWD層應該是覆蓋所有系統的、完整的、干凈的、具有一致性的數據層。在DWD層會根據維度模型，設計事實表和維度表，也就是說DWD層是一個非常規范的、高質量的、可信的數據明細層。

DWS層為 公共匯總層 ，這一層會進行輕度匯總，粒度比明細數據稍粗， 基於DWD層上的基礎數據，整合匯總成分析某一個主題域的服務數據 ，一般是也是面向分析寬表或者是面向某個注意的匯總表。DWS層應覆蓋80%的應用場景，這樣我們才能快速響應數據需求，否則的話，如果很多需求都要從ods開始做的話，那說明我們的數倉建設是不完善的。

例如按照業務劃分，例如流量，訂單，用戶等，生成欄位比較多的寬表，用於後續的業務查詢，OLAP分析，數據分析等。

一般採用維度模型方法作為理論基礎，更多的採用一些維度退化手法，將維度退化至事實表中，減少維度表與事實表的關聯，提高明細數據表的易用性；同時在匯總數據層要加強指標的維度退化，採用更多的寬表化手段構建公共指標數據層，提升公共指標的復用性，減少重復加工 。

維表層，所以其實維度層就是大量維表構成的，為了統一管理這些維度表，所以我們就建設維度層，維度表本身也有很多類型，例如穩定維度維表，漸變維度維表。

維度指的是觀察事物的角度，提供某一業務過程事件涉及用什麼過濾和分類的描述屬性 ，"誰、什麼時候、什麼地點、為什麼、如何"幹了什麼，維度表示維度建模的基礎和靈魂。

所以可以看出，維度表包含了業務過程記錄的業務過程度量的上下文和環境。維度表都包含單一的主鍵列， 維度表設計的核心是確定維度欄位，維度欄位是查詢約束條件(where)、分組條件(group)、排序(order)，與報表標簽的基本來源 。

維度表一般為 單一主鍵 ，在ER模型中，實體為客觀存在的事務，會帶有自己的描述性屬性，屬性一般為文本性、描述性的，這些描述被稱為維度。維度建模的核心是 數據可以抽象為事實和維度 ，維度即觀察事物的角度，事實某一粒度下的度量詞， 維度一定是針對實體而言的 。

每個維度表都 包含單一的主鍵列 。維度表的主鍵可以作為與之關聯的任何事實表的外鍵，當然，維度錶行的描述環境應與事實錶行完全對應。維度表通常比較寬，是扁平型非規范表，包含大量的低粒度的文本屬性。例如customer（客戶表）、goods(商品表)、d_time(時間表)這些都屬於維度表，這些表都有一個唯一的主鍵，然後在表中存放了詳細的數據信息。

維度表通常比較寬 ，包含多個屬性、是扁平的規范表 ，實際應用中包含幾十個或者上百個屬性的維度並不少見，所以 維度表應該包括一些有意義的描述，方便下游使用 。

維度表的維度屬性，應該盡可能的豐富，所以維度表中，經常出現一些反範式的設計，把其他維度屬性並到主維度屬性中， 達到易用少關聯的效果。

維度表的設計包括維度選擇，主維表的確定，梳理關聯維度，定義維度屬性的過程。

維度的選擇一般從報表需求和從業務人員的交談中發現，主要用於過濾、分組、排序，主維度表一般從業務庫直接同步，比如用戶表，但是數倉的本身也會有自己的維度，這是因為數倉是面向分析的，所以會有很多從分析的角度出發的維度。

關聯維度主要是不同業務系統或者同一業務系統的表之間存在關聯性(範式建模)，根據對業務表的梳理，確定哪些表和主維度表之間存在關聯關系，並選擇其中的某些表用於生成維度屬性。

隨著互聯網的普及，獲客成本越來越高，這也使得公司對用戶運營提出了更高的要求，不僅需要精細化更需要個性化。解決這一問題的辦法之一就是建立相對完備的標簽系統，而數倉的標簽層對於標簽系統而言就像數據倉庫對於數據系統一樣，有著舉足輕重的地位，這樣的標簽系統需要與業務進行緊密結合， 從業務中獲取養分—用戶標簽，同時也要服務於業務—給用戶提供更加精準和個性的服務 。

底層的標簽系統就像一個索引，層層展示大千世界，而用戶就從這大千世界中不斷選擇一些東西表明自己的身份和喜好，也不斷反哺，使得這個大千世界更加豐富多彩。 其實到最後用戶就是一些標簽的集合。

對跨業務板塊、跨數據域的特定對象進行數據整合，通過統一的ID-Mapping 把各個業務板塊，各個業務過程中 同一對象的數據打通 ，形成對象的全域數據標簽體系，方便深度分析、挖掘、應用。ID-Mapping 可以認為是通過對象的標識對不同數據體系下相同對象進行關聯和識別。對象的標識可以標識一個對象，一般是對象的ID,比如手機號，身份證，登錄賬號

完成對象的ID 打通需要給對象設置一個超級ID,需要根據對象當前業務體系的ID和獲取得到或者計算得到超級ID,進而完成所有業務標識的ID打通一般來說ID打通是建設標簽體系的前提，如果沒有ID打通就無法收集到一個對象的全面信息，也就無法對這個對象進行全面的標簽刻畫。

傳統的計算方法要有 ID-ID之間的兩兩關系，例如郵箱和手機號可以打通，手機號和身份證號可以打通，那麼郵箱就和身份證號可以打通，但是當數據量非常大，且業務板塊非常多的時候，例如有上一個對象，每個對象有數十種ID,這個時候打通就需要非常漫長的計算

那麼什麼是標簽呢，利用原始數據，通過一定的邏輯加工產出直接能被業務所直接使用的、可閱讀的，有價值的數據。標簽類目，是標簽的分類組織方式，是標簽信息的一種結構化描述，目的是管理、查找，一般採用多級類目，一般當一個對象的標簽個數超過50個的時候，業務人員查找標簽就會變得非常麻煩，這個時候我們往往會通過標簽類目進行組織管理

標簽按照產生和計算方式的不同可分為屬性標簽，統計標簽，演算法標簽，關聯標簽。

對象本身的性質就是屬性標簽，例如用戶畫像的時候打到用戶身上的標簽。

對象在業務過程中產生的原子指標，通過不同的計算方法可以生成統計標簽。

對象在多個業務過程中的特徵規律通過一定的演算法產出的標簽。

對象在特定的業務過程會和其他對象關聯，關聯對象的標簽也可以打在主對象上。

我們的標簽一定是針對用戶的，而不是一些虛假、高大上、無用的標簽，一定要真實反映用戶行為喜好的，所以我們不能只依賴人工智慧演算法的分析，來完成對一個用戶標簽的建立與定期維護，我們需要走出去和用戶交互，引導用戶使用，要抓住用戶痛點，及時獲取用戶反饋，形成閉環。

如何引導使用呢？這個方式有很多我們就不再這里介紹了，後面我們會專門介紹這一層的建設細節。

數據應用層ApplicationDataService面向業務定製的應用數據，主要提供給數據產品和數據分析使用的數據，一般會放在ES，MYSQL，Redis等系統供線上系統使用，也可以放在Hive中供數據分析和數據挖掘使用，或者使用一下其他的大數據工具進行存儲和使用。

數倉層，DIM 層，TDM 層是相對穩定的，所以無法滿足靈活多變業務需求 ，所以這和數倉層的規范和劃分相矛盾，所以我們在此基礎上建立了另外一個層，這就是ADS 層，解決了規劃穩定和靈活多變之間的矛盾。其實到這里你也就慢慢的看明白了，分層和分類其實沒多大差別，其實就是相似的放在一起，有點代碼重構的意味啊。

數據應用層，按照業務的需要，然後從統一數倉層和DIM進行取數，並面向業務的特殊需求對數據進行加工,以滿足業務和性能的需求。ADS 層因為面向的實眾多的需求，所以這一層沒有太多的規范，只需要按照命名規范來進行就可以了。

前面也說了，ADS 層因為面向的實眾多的需求，所以這一層沒有太多的規范，但是ADS 層的建設是強業務推動的，業務部門需要參與到ADS 的建設中來，至少我們得了解用戶的痛點才能對症施葯啊。

理清需求，了解業務方對數據內容、使用方式(怎麼交互的，報表、介面、即席查詢、在線查詢、指標查詢、搜索)、性能的要求。

盤點現有的數倉表是否可以支持，看以前有沒有類似的需求，有沒有可以復用的介面、報表什麼的。

代碼實現，選擇合適的存儲引擎和查詢引擎，配置線上監控然後交付。

主要是提供數據產品和數據分析的數據，一般會存放在ES、Mysql、也可能直接存儲在hive中或者druid供數據分析和數據挖掘使用。主要 解決部門用戶報表和分析需求 而建立資料庫，數據集市就代表數據倉庫的主題域。

DM 是面向單個主題的，所以它不會從全局考慮進行建設，只專注於自己的數據、往往是某個業務線，例如流量主題、社交主題、電商主題等等。

G. 人工智慧鑒黃的原理是什麼

人工智慧鑒黃是通過深度學習目標檢測、圖像分類、特徵檢索等技術對圖像中的局部和全局信息進行分析，捕獲不同類型的色情內容，此外系統還會通過OCR、標志識別、水印檢測等技術手段協助判斷隱藏在圖像視頻中的敏感內容，包括色情微信推廣、色情APP、個人聯系方式等。

在演算法類型上，圖像識別中最常見的就是圖像分類演算法，從AlexNet到VGG，從ResNet到DenseNet，目前的圖像分類演算法可以較為准確地區分ImageNet的1000類數據，鑒黃本身也是對輸入圖像做分類，因此採用圖像分類演算法就是順其自然的事。

其次，目標檢測演算法可以用來檢測色情圖像中的露點部位，也是比較可靠的手段。此外，還有基於業務層面構造的特徵和邏輯，比如是否有人、皮膚的面積等，用來輔助判斷，在一些情況下確實是有效的。

鑒黃的歷史：

在計算機的「遠古時代」，其實也就是十幾年前吧，我們識別黃圖的做法簡單粗暴：人工審核。別小看了這個方法，其實針對當時的網路環境（帶寬小，產品少，圖片數據也少），效果還是很不錯的。一天幾萬的圖片量，安排幾個人肉眼盯著看，發現有不良的圖片人工刪掉就好了。

後來，互聯網產品普及率高了，網路數據量暴增，一個產品一天出現幾百萬的圖片量也是很正常的情況，這個時候想要靠堆人力去完成審核幾乎不可能了。幸好相應的計算機視覺技術也有進步了，我們用膚色識別演算法過濾掉一些沒那麼多「黃色」內容的圖片，剩下的再進入到人工審核，可以大大節約審核量。據統計，經過機器膚色識別過濾後大約只有20%的圖片還需要人工審核。

等到移動互聯網普及，各種類型的網路數據量暴增，人工審核連20%的數據量也無法承受了，加上視頻、直播等業務和數據的爆發式增長，迫切需要一個更加有效的方案來解決審核的問題。很自然的，我們也緊跟人工智慧的技術熱潮開始研發機器學習的鑒黃系統，並且取得了顯著成果。

H. 如何區分電信的手機號碼

不同運營商的手機號段是有區別的，根據號碼段即可區分，中國電信的號碼段有
199、191、189、181、180、177、173、153、133。不過目前已經開通了攜號轉網業務，這個方式並不是百分百准確的。

客服157為您解答。
全城千兆，C位出道。5G雙千兆套餐，1000M寬頻，60G流量全家共享，詳情可登錄廣西電信網上營業廳查看。
http://wx8102.gstai.com/UrlDispenseApp/index.php

I. 怎麼區分移動，聯通，電信的號碼

聯通的號段目前有：130、131、132、155、156，以及3G專用號段186、185，無線上網卡號段為145。另外還有虛擬運營商專屬號段170號段。移動目前開通的號段有:134、135、136、137、138、139、147、150、151、152、157、158、159、182、183、187、188。