水利数据涉及面广、类型繁杂、数据存储、结构不一。随着各地智慧水利建设的持续推进，水利数据的统一集成与管理，迫在眉睫。目前主流的ETL工具，面对数据量大、时效性强的水利数据，计算能力和计算需求不匹配。多源异构数据融合器更好适配水利数据特性，能够稳定、高效实现水利数据汇集。

1、数据抽取

可在线可视化灵活配置数据源（结构化、半结构化、非结构化），基于不同水利数据的监测特征，对多源异构的水利数据设计差异化的采集策略，满足不同水利业务需求。同时，针对实时监测数据时效性强、数据量大的特点，优化产品计算能力，保障数据抽取的稳定性。

2、数据转换

包括对抽取后数据的清洗、补偿、格式转换、类型转换、映射等步骤。数据清洗主要针对水利实时监测数据，根据高发性的异常种类，通过封装好的数据清洗API实现数据自动清洗。对于缺失数据，能够自行补偿，保证数据完整性。

3、数据装载

将抽取、转换后的数据装载到目标数据仓，通过建立批量装载、实时装载、增量装载等不同方式，满足不同特性水利数据的装载要求，确保数据的完整性、及时性、准确定。

4、数据处理

加载后的原始监测数据往往不能直接应用，梳理不同业务所需的常用数据，，进行原始监测数据的“再组织”。依据行业标准规范，封装常用的原始监测数据加工API，设计调度任务，实现专业化数据的自动加工。

1、数据集成高效稳定

采用面向实时数据流的处理架构，可实时处理海量数据，充分适配水利监测数据时效性强、数据量大的特点，保障数据高效稳定集成。

2、任务设计可视灵活

通过简洁便捷的图形界面，对不同类型数据源，可快速建立连接任务。面向不同时效要求的水利业务数据，灵活配置数据抽取策略，易于使用和部署。

3、数据处理规范实用

依托丰富的行业经验，梳理常用的重要业务数据，并转化为通用的数据处理API进行封装，降低水利数据处理门槛，提升企业工作效率。

/