基于云计算的大数据处理技术研究

引 言

在计算机网络技术、通信技术不断发展的今天，人们获取信息资源的渠道更多，信息传播的形式也更加多元化、便捷化，将现阶段称之为信息大爆炸时代也不为过。此外，在信息传播过程中，对数据处理体系提出了更高的要求。据预测，到2020 年，世界数据量会超过 35 亿GB，而针对大数据随机性、庞大性、离散性、爆发性的特点，还需要选择更加强大的数据处理技术。云计算的出现为数据处理革新提供了基础，基于此， 加强对云计算背景下大数据处理技术的研究具有十分现实的意义。

1 大数据和云计算之间的关系

云计算技术指采用集中式远程计算资源池，按照需求进行分配，为终端用户提供计算服务技术，且这种服务成本低、效果好。云计算属于数据处理方式，具有以下技术特点：

(1) 透明性。从物理角度分析，资源池对所有终端用户都是透明的；

(2) 云计算能够为任何行业提供无限能力的计算机服务；

(3) 快捷性。云计算能够根据终端用户的要求为其订制服务，同时服务技术具有很强的伸缩能力；

(4) 云计算数据在获取方面较为简单，能够促进资源共享，且成本较低。

现阶段，云计算是最为强大的数据处理、运用、存储平台， 是大数据处理的首选技术。云计算能够为大数据提供的存储空间、处理能力是无限的，可满足超级容量数据的存储及传输， 而这也是传统数据处理技术无法实现的。此外，云计算相对于其他技术更侧重计算与处理，即云计算是大数据处理的工具，而大数据是处理的对象。

2 云计算及其关键技术概述

在并行技术、分布式计算及网格计算等基础上，云计算技术的形成与发展可通过网络连接技术，集中数据计算、存储等功能，构建能够为用户提供无限服务的资源池。

2.1 数据存储技术

信息存储的安全性、数据读写的高效性是保证云计算技术实施的基础，利用分布式存储技术将海量数据存储于服务器集群中，还能够实现对数据的备份处理，提高数据的安全性。此外，通过数据加密技术、冗余存储模式等，可有效避免数据信息泄漏或遭到威胁。其中，Hadoop 团队开发的GFS 与Google 非开源的GFS 都是在云计算系统中被广泛运用的存储系统。

2.2 数据管理技术

云计算能够通过分布式处理及分析为用户提供高效服务， 但对数据管理技术的管理能力有较高的要求。其中，开源数据管理模块HBase 以及BigTable 数据管理技术是现阶段主要的数据管理技术。云服务平台管理如图 1 所示。

图1 云服务平台管理

2.3 虚拟化技术

虚拟化技术是云计算系统中存储、计算的基础，主要通过相关方式将真实环境中的计算机系统、组件等转移到虚拟环境中，然后结合操作系统、硬件资源、软件应用程序等组成虚拟化层结构。一般虚拟层可以分为上中下三层，通过中间层连接上下两层结构，为其提供类似的功能，保证其运行在虚拟化环境中。虚拟化技术的运用能够实现对相关系统功能的整合，保证资源利用的最大化。

3 云计算背景下大数据处理技术

传统数据管理以收集、存储为主，而云计算背景下，大数据管理方式得到了改变与创新，侧重点在于数据的分析、挖掘，为相关人员决策提供依据。

3.1 大数据采集技术

根据采集形式的不同，可将大数据采集分为两类，即集中式采集与分布式采集。这两种采集方式各具优劣，我们以优点为例进行说明。集中式采集能够掌控全局数据，而在灵活性方面，采用分布式采集模式的优势更为明显。在大数据采集过程中，既包括对企业内部数据的采集，也包括采集企业之间的信息数据，通过分布式并行计算模式，将几种采集模式混合使用，提升数据采集的整体效率。即在大数据采集过程中，对于企业内部采用集中采集模式，而企业之间采用分布式采集模式。在每一个企业内部都设置多个中心服务器，将企业共享的信息数据进行存储。对于中心服务器间的组织则采用分布式数据采集模式。

根据结构类型的不同，可将大数据分为结构化数据、半结构大数据及非结构化数据。在数据采集过程中，应该先对数据类型进行分析，根据不同类型，通过云计算的扩展、容错等优势，实现对数据的同构化，实现各结构数据对接。

3.2 大数据存储技术

大数据的一大特点是 大 ，如果采用传统数据存储技术， 将难以满足大数据的储存需求。原因如下：

(1) 在大数据时代背景下，数据量迅速增长，传统以单结点为主的数据仓库在海量数据面前显得力不从心。

(2) 按行存储是传统数据仓库的主要形式，但在视图、索引等维护上需要花费过大的成本。

在云计算背景下，大数据存储以列式存储为主。这种方式主要根据数据的属性存储，与按行存储相反，将每一个属性按照一列进行存放。在数据投影过程中，只能对涉及到的属性列进行访问，大大提升系统输入/ 输出的效率。由于相邻列数据类型相似度高，因此采用这种存储模式能够提升数据的压缩率，压缩后更能减少数据传输的成本。大数据存储发展如图 2 所示。

图 2 大数据存储发展

3.3 大数据联机分析技术

联机分析处理技术是大数据仓库系统中的关键内容，复杂的数据分析过程，其重点在决策性分析，为用户提供实际结果。采用联机分析手段，从综合数据分析出发，建立多维模型，得到全面数据分析结果，为决策者提供参考依据。联机分析处理的一个特点就是数据分析，将数据仓库与联机分析技术相结合，不仅能够计算海量数据，还能够分析数据。

3.4 大数据挖掘技术

采用联机分析技术，往往只能够获取表层的知识信息， 但对于数据信息潜在的联系却知之甚少。但在云计算背景下， 利用数据挖掘技术能够获悉数据本身，并将数据之间潜在的联系想明白，利用概念、规律或模式等将其表示出来。目前， 大数据挖掘技术主要为并行模式，在大规模数据处理中具有较大优势。以往串行数据挖掘处理的数据规模较小，花费时间较长，而采用分布式并行数据挖掘技术，利用分布式系统， 采用集群、拆分等多种方式，提升数据计算的效率。此外， 云计算背景下的数据挖掘技术能够发挥并行挖掘优势，与其他串行方式相比，并行挖掘技术能够通过机器集群拆分分布式系统中的并行任务，将任务进行拆分后再处理，由更多的机器进行分任务的处理，提升数据处理效率，可在一定程度上节约数据处理的成本。

3.5 大数据可视化技术

通过数据挖掘技术可实现对大数据多维度、深层次的分析，便于获取更多有效信息。在云计算平台基础上就能够实现可视化技术，将上述信息具体化，使其更形象的展示出来， 将数据信息之间的关系更直观的展示给用户，便于用户理解。

可视化技术是指在数据存储空间中，用图形图像的方式将数据库以及数据库中的相关数据表示出来，同时，在展示过程中利用某些手段，将图像中蕴藏的相关隐藏信息挖掘出来。传统的数据处理过程仅仅基于数据本身，对数据中蕴含的信息进行观察与分析。但借助云计算可视化技术，不仅能够实现对非空间数据多维度图像的显示，同时还能在图形显示过程中实现直接的检索过程，帮助用户更好地挖掘数据信息、理解数据信息，提升信息检索效率。

4结 语

通过上述分析可知，在信息技术不断发展的今天，人们进入了大数据时代，对于海量大数据的处理与分析，传统的数据处理技术已明显出现颓势。而云计算的出现正好解决了这一问题，为大数据处理提供了可能，通过大数据采集、存储、分析与挖掘，实现对大数据的合理运用，为客户提供更高质量的数据服务。