刘晓晨，王卓昊

（中国科学技术信息研究所，北京 100038）

1 引 言

我国高度重视科技发展，在“十三五”期间，面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，大力推进国家科技计划组织与实施工作[1]。有效的科技计划项目管理通常离不开先进的信息系统支撑。早在2014年12月，国务院就提出了建设完善统一的国家科技管理信息系统[2]，用于支撑科技项目的全流程管理工作。该系统的管理阶段、主要流程和典型业务如图1所示。

图1 国家科技管理信息系统的管理阶段、主要流程和典型业务

随着科技计划管理改革的不断推进，科技管理信息系统的应用模块持续增加、业务流程日趋复杂，导致科技管理数据出现了来源途径多、结构不统一等问题。面对海量的多源异构数据，有必要对其进行集成管理，以此来打通分散的“数据孤岛”。数据集成（data integration）是指将互相关联的多个异构数据源集成在一起，使用户能够以透明的方式对其进行统一的访问和操作。有效的数据集成不仅可以提高对数据的访问效率，而且可以帮助用户更好地对数据进行管理和分析。早期的数据集成方法主要包括联邦式数据库、数据仓库和中间件等[3]。近年来，伴随着大数据平台的体系架构趋于成熟，加上容器技术[4]的推广使用，基于大数据环境的数据集成技术逐渐流行，它让数据集成平台的架构部署更加简单、快捷。相对于传统的数据集成平台，在处理效率、可扩展性、容错性等方面都有着较大幅度的提升。……