通过Hadoop、MPP DB、Spark等海量数据处理技术，将部门内部数据、视频数据、业务数据及互联网数据进行综合碰撞分析，挖掘数据隐藏的价值和内在关联，同时通过人物、车辆、行为分析等 模型进行数据筛选，为各业务子系统提供大数据服务。

    随着信息化技术的飞速发展，大数据为信息化建设带来了新的机遇。大数据产生大信息，大信息产生大价值，大价值才能有大服务、大实战。谷德数据交换共享系统可将分散在各个行业、各个部门的、孤立的数据进行融合、交换、清洗、融合， 实现数据资源的互联互通。

大规模数据存储与计算：

支持 HDFS、Hbase、Kudu 等从 GB 到 PB 级别的存储方案，支持 Hive 和 MapReduce 等批量计算、Spark 内存计算、Kylin 多维分析、Impala 和流式计算等计算方案，灵活满足客户的各类场景。

数据集成：

支持通过多种方式进行接入，如数据库视图、rest、webservice等API，接入kafka，数据处理程序作为kafka消费端进行消费，可以对硬件资源层的各种资源进行调度、分配和管理，形成统一的存储池、计算池和虚拟化池。

数据ETL：

从数据API获取到的数据，暂时存入流处理服务器的Kafka内，可用于将异构的源端数据，进行提取、清洗、转换处理后，加载到若干个目标数据库。 实现对汇聚的综合数据进行数据清洗和异常数据过滤，利用信息化或其他技术手段，进行记录、留痕，以及智能化分析处理，以形成高质量、多维度的数据集。

数据聚合分析：

大数据分析引擎，可以持续聚合和分析时序数据。通过流式计算、离线计算等对业务分析的数据范围横跨实时数据和历史数据，既能进行低延迟的实时数据分析，也能对海量历史数据进行探索性的数据分析。

数据交换共享：

根据数据的融合汇聚和数据聚合分析的成果，按照统筹规划、协调推进的原则， 实现业务子系统之间的数据交换共享，实现数据资源共建共享交换，共同构成数据共享交换平台，为各业务服务提供统一的数据支撑。

数据安全：

对HDFS、Hive等实现了统一的，细粒度的数据权限控制。从数据角度，可以查看当前何种角色有何种权限。从角色角度，可以查看对哪些数据有何种权限。审计提供较直观事件跟踪，包括实时监测对系统敏感信息的访问和操作行为，根据规则设定报警并及时阻断违规操作，收集并记录用户行为。