云計算環(huán)境下大數(shù)據(jù)分析論文.doc

《云計算環(huán)境下大數(shù)據(jù)分析論文.doc》由會員上傳分享，免費在線閱讀，更多相關內容在應用文檔-天天文庫。

1、學無止境云計算環(huán)境下大數(shù)據(jù)分析論文1大數(shù)據(jù)處理流程基本的大數(shù)據(jù)的處理流程可以分成數(shù)據(jù)采集、數(shù)據(jù)處理與集成、數(shù)據(jù)分析和數(shù)據(jù)解釋4個階段。首先獲取數(shù)據(jù)源的數(shù)據(jù)，因為在數(shù)據(jù)源端的數(shù)據(jù)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(jù)成為某種可以用一種算法分析的統(tǒng)一數(shù)據(jù)格式，接著需要找到這種數(shù)據(jù)分析的算法，將預處理過的數(shù)據(jù)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(jù)采集大數(shù)據(jù)的采集是整個流程的基礎，隨著互聯(lián)網(wǎng)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(jù)的生產者范圍越來越大，數(shù)據(jù)的產量也越來越多，數(shù)據(jù)之間的關聯(lián)也越來越復雜，這

2、也是大數(shù)據(jù)中“大”的體現(xiàn)，所以需要提高數(shù)據(jù)采集速度和精度要求。1.2數(shù)據(jù)處理與集成數(shù)據(jù)的處理與集成主要是對前一步采集到的大量數(shù)據(jù)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(jù)采集步驟采集到的數(shù)據(jù)各種各樣，其數(shù)據(jù)結構也并不統(tǒng)一，不利于之后的數(shù)據(jù)分析，而且，一些數(shù)據(jù)屬于無效數(shù)據(jù)，需要去除，否則會影響數(shù)據(jù)分析的精度和可靠性，所以，需要將數(shù)據(jù)統(tǒng)一格式并且去除無效數(shù)據(jù)。通常會設計一些過濾器來完成這一任務。1.3數(shù)據(jù)分析在完成了數(shù)據(jù)的采集和處理后，需要對數(shù)據(jù)進行分析，因為在進行數(shù)據(jù)分析后才能體現(xiàn)所有大數(shù)據(jù)的重要價值。數(shù)據(jù)分析的對象是上一步數(shù)據(jù)的處理與集

3、成后的統(tǒng)一格式數(shù)據(jù)，需要根據(jù)所需數(shù)據(jù)的應用需求和價值體現(xiàn)方向對這些原始樣本數(shù)據(jù)進一步地處理和分析?，F(xiàn)有的數(shù)據(jù)分析通常指采用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘工具對集中存儲的數(shù)據(jù)進行分析，數(shù)據(jù)分析服務與傳統(tǒng)數(shù)據(jù)分析的差別在于其面向的對象不是數(shù)據(jù)，而是數(shù)據(jù)服務。1.4數(shù)據(jù)解釋3學無止境數(shù)據(jù)解釋是對大數(shù)據(jù)分析結果的解釋與展現(xiàn)，在數(shù)據(jù)處理流程中，數(shù)據(jù)結果的解釋步驟是大數(shù)據(jù)分析的用戶直接面對成果的步驟，傳統(tǒng)的數(shù)據(jù)顯示方式是用文本形式體現(xiàn)的，但是，隨著數(shù)據(jù)量的加大，其分析結果也更復雜，傳統(tǒng)的數(shù)據(jù)顯示方法已經(jīng)不足以滿足數(shù)據(jù)分析結果輸出的需求，因此，數(shù)據(jù)分析企業(yè)會引入“數(shù)據(jù)可視化技術”作

4、為數(shù)據(jù)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(jù)分析結果。2云計算與大數(shù)據(jù)分析的關系云計算是基于互聯(lián)網(wǎng)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(wǎng)來提供動態(tài)易擴展且經(jīng)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(wǎng)絡訪問，進入可配置的計算資源共享池（資源包括網(wǎng)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(jīng)有不少成熟的云計算的應用服務。數(shù)據(jù)分析是整個大數(shù)據(jù)處理流程里最核心的部分。數(shù)據(jù)分析是以數(shù)據(jù)的價值分析為目的的活動，而基于

5、大數(shù)據(jù)的數(shù)據(jù)分析通常表現(xiàn)為對已獲取的海量數(shù)據(jù)的分析，其數(shù)據(jù)來源可能是企業(yè)數(shù)據(jù)也可能是企業(yè)數(shù)據(jù)與互聯(lián)網(wǎng)數(shù)據(jù)的融合。從目前的趨勢來看，云計算是大數(shù)據(jù)的IT基礎，是大數(shù)據(jù)分析的支撐平臺，不斷增長的數(shù)據(jù)量需要性能更高的數(shù)據(jù)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(jù)分析提供更為靈活、迅速的部署方案，使得大數(shù)據(jù)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(jù)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(jù)分析產品。大數(shù)據(jù)技術本身也是云計算技術的一種延伸。大數(shù)據(jù)技術涵蓋了從數(shù)據(jù)的海量存儲、處理到應用多

6、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(jù)庫、實時流數(shù)據(jù)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(jù)分析要走向云計算還要賴于數(shù)據(jù)通信帶寬的提高和云資源的建設，需要確保原始數(shù)據(jù)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Hadoop3學無止境為了給大數(shù)據(jù)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(jù)庫（Hbase、Cassan

7、dra）等功能模塊在內的完整生態(tài)系統(tǒng)，已經(jīng)成為當前最流行的大數(shù)據(jù)處理平臺，并被廣泛認可和開發(fā)應用?；贖adoop，用戶可編寫處理海量數(shù)據(jù)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(jù)分析給大數(shù)據(jù)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(wǎng)業(yè)務發(fā)展迅速，大數(shù)據(jù)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(jù)分析樣本來自于某運營商的個人語音和數(shù)據(jù)業(yè)務清單，通過Hadoop2.6.0在Ubuntu12.04系統(tǒng)中模擬了一

8、個大數(shù)據(jù)分析平臺來處理獲得的樣本。希望通過對樣本數(shù)據(jù)的分析與挖掘，