it系统九层逻辑结构主要包括基础层、网络层、存储层、服务器层、操作系统层、数据库层、中间件层、应用软件层、数据信息层。其中基础层指的是机房基础设施，除了网络设备之外，包括机房土建、装修、供电、温湿度控制、UPS、门禁、监控。
软件开发平台是一种软件开发工具，以通用技术架构（如MVC）为基础，集成常用建模工具、二次开发包、基础解决方案等而成。可以大幅缩减编码率，使开发者有更多时间关注客户需求，在项目的需求、设计、开发、测试、部署、维护等各个阶段均可提供强大的支持。软件开发平台源于繁琐的实践开发过程中。
软件架构是指在一定的设计原则基础上，从不同角度对组成系统的各部分进行搭配和安排，形成系统的多个结构而组成架构，它包括该系统的各个组件，组件的外部可见属性及组件之间的相互关系。组件的外部可见属性是指其他组件对该组件所做的假设。 从和目的、主题、材料和结构的联系上来说，软件架构可以和建筑物的架构相比拟。
1、数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
2、数仓分层通常包括数据源层、数据仓库层、数据应用层等，每一层都有其特定的作用和功能。数据源层：这一层主要负责数据的采集和接入，它是整个数仓的基石。数据源可能来自多个不同的系统，如关系型数据库、NoSQL数据库、API接口、日志文件等。在数据源层，数据通常以原始形态存在，未经过任何处理或清洗。
3、数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。数据仓库的结构通常包括四个层次。在数据仓库的结构中，数据源是数据仓库的基础，通常包括企业内部信息和外部信息。数据的存储与管理是整个数据仓库的核心。
4、数据仓库：是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现的存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大得多。数据仓库主要用于数据挖掘和数据分析。
5、数据仓库是一个过程而不是一个项目。数据仓库系统是一个信息提供平台，他从业务处理系统获得数据，主要以星型模型和雪花模型进行数据组织，并为用户提供各种手段从数据中获取信息和知识。
6、标准的数据仓库分层：ods（临时存储层），pdw（数据仓库层），mid（数据集市层），app（应用层）ods：历史存储层，它和源系统数据是同构的，而且这一层数据粒度是最细的，这层的表分为两种，一种是存储当前需要加载的数据，一种是用于存储处理完后的数据。
FCSAN在行业用户、封闭存储系统中应用较多，比如县级或地级市高清监控项目，大数据量的并发读写对千兆网络交换提出了较大的挑战，但应用FCSAN构建相对独立的存储子系统，可以有效解决上述问题。
目前市场上的存储架构主要分为以下三种： 基于嵌入式架构的存储系统：主要面向小型高清监控系统，适用于超市、店铺、小型企业、政法行业等应用。 基于X86架构的存储系统：主要面向中大型高清监控系统，适用于县级或地级市高清监控项目。该架构具有较高的扩展性，但存在一些性能瓶颈和单点故障隐患。
硬盘存储：硬盘作为计算机的主要存储介质，包括机械硬盘、固态硬盘和混合硬盘等类型，它们能够存储各类数据，如文档、图片、音频和视频等。 磁带存储：磁带是一种顺序访问存储设备，数据按顺序存储在磁带上。这种存储方式通常用于大数据的备份和长期存档。
块存储技术 块存储是一种基于块的存储技术，它将数据划分为若干个块进行存储和管理。每个块都有唯一的地址，可以通过地址直接访问数据块。块存储技术适用于需要高性能数据存储的场景，如数据库和虚拟化环境等。云计算存储技术 云计算存储是大数据时代的一种重要存储解决方案。
HBase：基于HDFS，支持海量数据读写（尤其是写），支持上亿行、上百万列的，面向列的分布式NoSql数据库。天然分布式，主从架构，不支持事务，不支持二级索引，不支持sql。
初步ETL后的数据会被存入哪一层，取决于具体的ETL流程设计。通常情况下，初步ETL后的数据会被存入数据仓库层，以便进行进一步的数据清洗、转换和整合。数据仓库层是一个专门用于存储和管理数据的层，它通常包含多个数据集，每个数据集都代表一个特定的业务领域或主题。
加载是ETL过程的最后一步，它涉及到将转换后的数据加载到目标数据源中。在加载阶段，需要确定目标数据源的位置和访问权限，并将转换后的数据按照目标数据源的要求进行加载。加载方式可以是批量加载或增量加载。例如，如果将转换后的数据加载到数据库中，可以使用数据库的导入工具或SQL插入语句进行加载。
ETL，即“Extract Transform Load”的缩写，直译为“提取、转换、加载”，是一种在数据管理中广泛应用的技术。它主要用于从各种数据源中提取数据，进行必要的转换，然后将处理后的数据加载到目标数据库或仓库中。这个术语在数据库领域中的流行度极高，其英文缩写在计算机科学中占有重要地位。
ETL是指获取原始大数据流，然后对其进行解析，并产生可用输出数据集的过程。从数据源中提取（E）数据，然后经过各种聚合、函数、组合等转换（T），使其变为可用数据。最终，数据会被加载（L）到对它进行具体分析的环境中，这就是ETL流程。全写是 Extract-Transform-Load。
最后，我们来到ADS层，即数据应用层。这是数据仓库与业务应用的交汇点，存储着经过处理后的结果数据，为企业决策提供实时支持。通过OLAP技术，ADS层能快速响应各种查询和分析，如报表生成、控制和决策支持，构成了企业数据驱动的核心部分。
1、数据源层：包括传统的数据库，数据仓库，分布式数据库，NOSQL数据库，半结构化数据，无结构化数据，爬虫，日志系统等，是大数据平台的数据产生机构。
2、其生态系统从0版的三层架构演变为现在的四层架构：底层——存储层 现在互联网数据量达到PB级，传统的存储方式已无法满足高效的IO性能和成本要求，Hadoop的分布式数据存储和管理技术解决了这一难题。
3、基础层 第一层作为整个大数据技术架构基础的最底层，也是基础层。要实现大数据规模的应用，企业需要一个高度自动化的、可横向扩展的存储和计算平台。这个基础设施需要从以前的存储孤岛发展为具有共享能力的高容量存储池。容量、性能和吞吐量必须可以线性扩展。