【摘要】信息管理系统为信息的管理提供了便利，在保证信息管理质量的同时，解放了人工，降低了工作强度。但是不同信息管理系统之间由于技术等因素的影响，难以实现数据共享，存在着比较严重的信息孤岛问题。对此，本文提出了以Oracle数据整工具实现不同信息管理系统间数据集成的方法，并就其应用情况进行了简单分析。
【关键词】信息管理系统；数据集成；应用
前言
数据集成，指将来源不同、格式不同、特征显著的数据信息从物理或者逻辑层面上进行集中，为相应的管理工作提供可靠的数据支持。数据集成的应用，可以实现不同信息管理系统之间的数据传递和共享，有效解决了信息孤岛现象，为管理效率的提升奠定了良好的基础，也因此受到了广泛的关注。
1.数据集成的意义
想要实现不同信息管理系统之间的数据集成，需要系统对自身的数据表结构、数据编码等信息进行公开，方便不同应用间的信息交换，对数据的分布性和异构性问题进行解决。考虑到数据来源的广泛性，在不同信息管理系统中，得到的数据统计结果可能缺乏一致性，甚至会存在较大的差异性，导致这种问题的原因不仅仅是数据来源的差异，还有数据的同步更新问题。对此，必须对数据来源的唯一性进行规范，以数字化校园为例，学生系统中包含学生的基本信息，人事管理系统则包含教职工的信息。应该保证不同业务系统新数据的共享，将对应的业务系统作为数据的唯一来源。如果需要对信息源数据进行变更或者添加，需要从实际需求出发，做好其他系统相关数据的同步更新，保证数据信息的完整性和准确性[1]。
2.数据集成的实现
2.1数据集成模型
就目前而言，比较常见的数据集成模型有三种，一是联邦数据库系统，在半自治型数据库IT的基础上，增加了相应的数据访问接口来保证数据共享，形成的单元数据库既相互独立又彼此协作；二是数据仓库，常见于企业管理或者决策中，属于一种面向主题的、集成的、不可修改同时与时间相关联的数据集合；三是中间件模型，可以结合统一的全局数据模型，实现对异构数据库以及Web资源的访问，这里的中间件存在在于应用层和数据层之间，可以对不同数据源系统进行协调，形成通用的数据接口和统一的数据模式。中间件模型能够在中间层提供统一的数据逻辑视图，实现对底层数据细节的有效屏蔽，从用户的角度看，集成数据源是一个统一的整体，在实际应用中更加便捷，这也是当前应用最为广泛的一种数据集成方法。
2.2项目结构类型
数据集成环节的项目创建方法有两种，一是以具体数据为对象的流程化项目结构，面向的是具体的数据流；二是以需要进行数据集成的系统为对象的系统化项目结构，面向的是两个数据库系统。相比较而言，系统化项目结构更加清晰，也具备更好的可扩展性，只需要增加集成操作，就能够满足新的集成需求。
2.3ODI工具
ODI是对OracleDataIntegrator的缩写，其本身属于数据集成平台的一种，采用开放式架构，基本上能够实现对所有常见的关系数据库的支持，基于Java的特点使得其能够实现跨平台的数据处理，能够通过与中间件的结合，融入到IT架构中。与其他数据集成平台相比，ODI本身最大的特点，是知识模块的应用，能够将部分场景的详细化操作步骤记录其中，为用户的调用提供方便[2]。（1）全量集成与增量集成：全量集成，即一次性将数据源中的所有数据集成到目标数据库中，其本身对于服务器性能的要求较高，不过能够保证目标数据与数据源数据的完全一致，不容易出现误差；增量集成则是指仅仅将业务系统中出现变化的数据信息进行同步，适用于数据量较大的数据集成，能够在很大成都上减轻服务器和网络的负担。从技术层面分析，想要实现数据集成，可以采用的方式有三种，包括触发器、标志位和日志位，触发器方式较为常见，其基本原理，是在数据源上建立相应的触发器，结合触发器实现对于数据源中发生变化数据的记录工作，然后将数据集成到目标数据库中，对于没有发生变化的数据，不会进行同步。需要注意的时，触发器数据集成的前提是信息管理系统必须开放相应的权限，以确保触发器的合理设置和运行。（2）实时集成与定期集成：实时集成是采用轮询的方式对数据源的数据变化进行监测，如果发现其出现变化，则会自动进行数据同步，同步的精度可以达到秒级，多用于对数据实时性要求较高的信息管理系统中。定期集成也称绝对时间集成和相对时间集成，前者指在某一个固定的时间点进行数据同步，后者则是指设定相应的数据同步周期，如每小时同步一次，或者每天同步一次。如果数据实时性不强，或者一次性需要同步的数量较大，则可以选择定期集成的方式[3]。
3.数据集成的应用
以高校数字化校园的建设为例，设置了十数个信息管理系统，多数采用的都是Oracle数据库，由于系统数量较多，库表结构相对复杂，想要实现数据的集成，需要从几个方面着手：
3.1需求调查
通过需求调查，可以对系统的性能进行明确。以教务系统为例，需要能够从公共数据库中获取教职工信息、学生缴费信息等，可以从人事管理系统和学工管理系统同步获得；同时，教务系统还需要获取单位组织结构代码表以及校区代码表等，这些表通常都存储在公共数据库中，提供给所有信息管理系统共享。
3.2数据处理
对于不同信息管理系统中得到的数据，需要做好必要的处理工作，一是利用某一关键字段，实现来源数据表与目标数据表的相互关联；二是针对来源数据表中的字段，将目标数据表中的资源与之建立起一对一的映射关系，如果发现两个数据表中的字段属性不一致，则可以在目标数据库字段上，附加相应的字符转换语句，对其进行转换。例如：caseWhenSTUDENT.SEX=“男”then1else2endsubstr(T_JZG.zjh，7,4)|“-”|substr(T_JZG.zjh,11,2)|“-”|substr(T_JZG.zjh,13,2)|“00:00:00”.
3.3数据同步
结合需求分析和用户调查，利用ODI能够从教务系统中提取相应的表格和字段，然后在公共数据库中建立共享视图或者数据表，结合不同信息管理系统的需求，选择相应的数据集成方法和数据访问策略，制定出良好的数据同步方案[4]。
4.结语
总而言之，针对不同信息管理系统之间相互独立而存在的信息孤岛问题，应该做好相应的数据集成和数据共享。需要明确，伴随着信息技术的飞速发展，应用也在持续深入，想要实现数据集成，需要对数据交换信息标准进行补充，对共享数据库的维护规则进行完善，以保证良好的数据集成效果。
参考文献
[1]练亚雄,袁志刚,万晓卿.用ODI实现信息管理系统间数据同步和共享[J].电脑编程技巧与维护,2012,(8):41-43.
[2]练亚雄.不同信息管理系统间管理系统间数据集成的研究与实现[J].上海应用技术学院学报（自然科学版）,2012,12(3):234-239.
[3]张德刚,张少泉,彭庆军,等.电力企业异构数据集成研究[A].电力行业信息化年会,2014.
[4]王利军.基于分布式数据库的天然气信息集成管理系统研究与应用[D].西南交通大学,2011.
作者:李诗宇 单位:中国农业大学经济管理学院