分析論文：云計算環(huán)境下大數(shù)據
1大數(shù)據處理流程
基本的大數(shù)據的處理流程可以分成數(shù)據采集、數(shù)據處理與集成、數(shù)據分析和數(shù)據解釋4個階段。首先獲取數(shù)據源的數(shù)據，因為在數(shù)據源端的數(shù)據包含各種各樣的結構，需要使用某種方法將其進行預處理，使數(shù)據成為某種可以用一種算法分析的統(tǒng)一數(shù)據格式，接著需要找到這種數(shù)據分析的算法，將預處理過的數(shù)據進行算法特定的分析，并將分析的結果用可視化等手段呈現(xiàn)至用戶端。
1.1數(shù)據采集
大數(shù)據的采集是整個流程的基礎，隨著互聯(lián)網技術和應用的發(fā)展以及各種終端設備的普及，使得數(shù)據的生產者范圍越來越大，數(shù)據的產量也越來越多，數(shù)據之間的關聯(lián)也越來越復雜，這也是大數(shù)據中“大”的體現(xiàn)，所以需要提高數(shù)據采集速度和精度要求。
1.2數(shù)據處理與集成
數(shù)據的處理與集成主要是對前一步采集到的大量數(shù)據進行適當?shù)念A處理，包括格式化、去噪以及進一步集成存儲。因為數(shù)據采集步驟采集到的數(shù)據各種各樣，其數(shù)據結構也并不統(tǒng)一，不利于之后的數(shù)據分析，而且，一些數(shù)據屬于無效數(shù)據，需要去除，否則會影響數(shù)據分析的精度和可靠性，所以，需要將數(shù)據統(tǒng)一格式并且去除無效數(shù)據。通常會設計一些過濾器來完成這一任務。
1.3數(shù)據分析
在完成了數(shù)據的采集和處理后，需要對數(shù)據進行分析，因為在進行數(shù)據分析后才能體現(xiàn)所有大數(shù)據的重要價值。數(shù)據分析的對象是上一步數(shù)據的處理與集成后的統(tǒng)一格式數(shù)據，需要根據所需數(shù)據的應用需求和價值體現(xiàn)方向對這些原始樣本數(shù)據進一步地處理和分析�，F(xiàn)有的數(shù)據分析通常指采用數(shù)據倉庫和數(shù)據挖掘工具對集中存儲的數(shù)據進行分析，數(shù)據分析服務與傳統(tǒng)數(shù)據分析的差別在于其面向的對象不是數(shù)據，而是數(shù)據服務。
1.4數(shù)據解釋
數(shù)據解釋是對大數(shù)據分析結果的解釋與展現(xiàn)，在數(shù)據處理流程中，數(shù)據結果的解釋步驟是大數(shù)據分析的`用戶直接面對成果的步驟，傳統(tǒng)的數(shù)據顯示方式是用文本形式體現(xiàn)的，但是，隨著數(shù)據量的加大，其分析結果也更復雜，傳統(tǒng)的數(shù)據顯示方法已經不足以滿足數(shù)據分析結果輸出的需求，因此，數(shù)據分析企業(yè)會引入“數(shù)據可視化技術”作為數(shù)據解釋方式。通過可視化結果分析，可以形象地向用戶展示數(shù)據分析結果。
2云計算與大數(shù)據分析的關系
云計算是基于互聯(lián)網的相關服務的增加、使用和交付模式，通常涉及通過互聯(lián)網來提供動態(tài)易擴展且經常是虛擬化的資源，是一種按使用量付費的模式。這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池（資源包括網絡、服務器、存儲、應用軟件、服務），這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。目前，國內外已經有不少成熟的云計算的應用服務。數(shù)據分析是整個大數(shù)據處理流程里最核心的部分。數(shù)據分析是以數(shù)據的價值分析為目的的活動，而基于大數(shù)據的數(shù)據分析通常表現(xiàn)為對已獲取的海量數(shù)據的分析，其數(shù)據來源可能是企業(yè)數(shù)據也可能是企業(yè)數(shù)據與互聯(lián)網數(shù)據的融合。從目前的趨勢來看，云計算是大數(shù)據的IT基礎，是大數(shù)據分析的支撐平臺，不斷增長的數(shù)據量需要性能更高的數(shù)據分析平臺承載。所以，云計算技術的不斷發(fā)展可以為大數(shù)據分析提供更為靈活、迅速的部署方案，使得大數(shù)據分析的結果更加精確。另一方面，云計算的出現(xiàn)為大數(shù)據分析提供了擴展性更強，使用成本更低的存儲資源和計算資源，使得中小企業(yè)也可以通過云計算來實現(xiàn)屬于自己的大數(shù)據分析產品。大數(shù)據技術本身也是云計算技術的一種延伸。大數(shù)據技術涵蓋了從數(shù)據的海量存儲、處理到應用多方面的技術，包括海量分布式文件系統(tǒng)、并行計算框架、數(shù)據庫、實時流數(shù)據處理以及智能分析技術，如模式識別、自然語言理解、應用知識庫等等。但是，大數(shù)據分析要走向云計算還要賴于數(shù)據通信帶寬的提高和云資源的建設，需要確保原始數(shù)據能遷移到云環(huán)境以及資源池可以隨需彈性擴展。
3基于云計算環(huán)境的Hadoop
為了給大數(shù)據處理分析提供一個性能更高、可靠性更好的平臺，研究者基于MapReduce開發(fā)了一個基于云計算環(huán)境的開源平臺Hadoop。Hadoop是一個以MapReduce算法為分布式計算框架，包括分布式文件系統(tǒng)（HDFS）、分布式數(shù)據庫（Hbase、Cassandra）等功能模塊在內的完整生態(tài)系統(tǒng)，已經成為當前最流行的大數(shù)據處理平臺，并被廣泛認可和開發(fā)應用。基于Hadoop，用戶可編寫處理海量數(shù)據的分布式并行程序，并將其運行于由成百上千個節(jié)點組成的大規(guī)模計算機集群上。
4實例分析
本節(jié)以電信運營商為例，說明在云計算環(huán)境中基于Hadoop的大數(shù)據分析給大數(shù)據用戶帶來的價值。當前傳統(tǒng)語音和短信業(yè)務量下滑，智能終端快速增長，移動互聯(lián)網業(yè)務發(fā)展迅速，大數(shù)據分析可以為運營商帶來新的機會，幫助運營商更好地轉型。本文數(shù)據分析樣本來自于某運營商的個人語音和數(shù)據業(yè)務清單，通過Hadoop2.6.0在Ubuntu12.04系統(tǒng)中模擬了一個大數(shù)據分析平臺來處理獲得的樣本。希望通過對樣本數(shù)據的分析與挖掘，掌握樣本本身的一些信息。以上分析只是一些很基本的簡單分析，實際上樣本數(shù)據中所蘊含的價值要遠遠大于本文體現(xiàn)的。以上舉例意在說明基于云計算的大數(shù)據分析可以在數(shù)據分析上體現(xiàn)出良好的性能，為企業(yè)帶來更豐富更有效率的信息提取、分類，并從中獲益。
5結束語
基于云計算的大數(shù)據分析已經成為解決大數(shù)據問題的主要手段，云計算環(huán)境中的大數(shù)據分析平臺部署需要綜合考慮硬件、網絡、軟件等各方面的集成，使大數(shù)據的海量信息積累體現(xiàn)價值，顯示云計算的性能優(yōu)勢，而沒有云計算技術的支撐也不能進行高效和準確的大數(shù)據處理分析。最后本文通過一個例子來分析了基于云計算的大數(shù)據分析給企業(yè)帶來的價值，由此可見，大數(shù)據需要云計算技術的深入挖掘，同時也促進了云計算技術的不斷發(fā)展。
【分析論文：云計算環(huán)境下大數(shù)據】相關文章：
云計算環(huán)境下的數(shù)據挖掘研究論文04-14
云計算環(huán)境下大規(guī)模數(shù)據處理技術研究論文04-17
研究基于云計算角度下的數(shù)據存儲安全技術論文04-17
大數(shù)據環(huán)境下的數(shù)據安全研究論文04-14