大数据环境下计算机信息处理的应用与发展计算机信息管理论文计算机论文文档格式.docx

大数据环境下计算机信息处理的应用与发展计算机信息管理论文计算机论文文档格式.docx

《大数据环境下计算机信息处理的应用与发展计算机信息管理论文计算机论文文档格式.docx》由会员分享，可在线阅读，更多相关《大数据环境下计算机信息处理的应用与发展计算机信息管理论文计算机论文文档格式.docx（5页珍藏版）》请在冰豆网上搜索。

分布式处理技术;

　　大数据是指需采取全新处理方式，利用优化流程与更强的决策力，方可处理的一种多元化、海量信息资产。

目前全球已正式进入大数据时代，信息数据呈指数级增长，信息类型更为多元，信息传递速度更快，对计算机信息处理技术提出更高要求，从而为社会发展提供技术支持。

　　一、大数据时代分析

　　在2012年《纽约时报》的一篇专栏中提到：

大数据时代已经到来。

正如专栏中所说，在2012年后，大数据在产业领域的渗透范围逐渐扩大，大数据技术的优势越发突出，推动了社会的发展与进步。

大数据时代表现出显着的海量、多元、高效与复杂特征。

其中，海量是指数据数量增多，从TB发展为ZB；

多元是指数据种类繁多，包括图片、音视频与网页等；

高效是指互联网加快了信息传递效率；

复杂是指大数据的处理难度较高。

在大数据时代，各个产业可将海量数据信息为技术，筛选出有价值的内容，了解消费者的需求，深化与消费者的沟通，推动行业的转型升级[1]。

　　二、大数据时代背景下计算机信息处理技术及应用

　　在大数据时代，海量数据信息的有效处理，是推动产业升级的关键。

就此，技术人员需选择合理的计算机信息处理技术，保障大数据优势的发挥。

本节主要介绍五种计算机信息处理技术，介绍其原理、优势与应用，为技术人员提供帮助。

（一）数据挖掘技术

　　数据挖掘技术是指通过先进技术进行海量数据的筛选，找出有价值或所需的信息，为大数据应用奠定基础。

常用的数据挖掘技术包括决策树、神经网络、关联规则、贝叶斯分类、主成分分析及聚类算法等，技术人员可根据大数据的类型与筛选要求，选择最佳的数据挖掘技术。

以关联规则为例，其在产业领域最广泛的应用为购物篮分析，通过消费者购物篮商品间的关联度，分析消费者的购物习惯，为零售商销售商品提供指导。

例如，沃尔玛超市利用关联规则分析消费者的购物篮后，发现10%的消费者同时购买尿不湿和啤酒，且在购买尿不湿的消费者中，70%购买了啤酒。

针对购物篮海量数据挖掘，沃尔玛超市总结消费者的购物习惯，将啤酒和尿不湿摆放在同一区域，超市的销售额有显着提升。

（二）数据分析技术

　　针对筛选完成的数据，技术人员需选择合理的数据分析技术，总结数据承载的信息，为相关领域提供参考。

常用的数据分析技术涵盖空间分析、情感分析、回归分析与网络分析等。

其中，空间分析是将GPS数据、遥感数据等空间大数据为基础，为地理信息发展提供技术支持；

情感分析常用于用户评价分析，利用爬虫技术整合用户的好评与差评，通过词法与句法分析等技术，掌握用户对商品评价的关键词，为商品生产优化决策提供参考；

回归分析可将海量数据为基础，分析不同变量的关系，其应用最为广泛；

网络分析是指将网络相关数据为基础，分析网络故障，为网络发展决策提供参考[2]。

　　（三）分布式处理技术

　　部分超大数据集或超大文件的处理难度较大，行业学者研发了分布式处理技术，将元数据切分为不同模块，为数据分析提供便利。

常用的分布式处理系统为HDFS，具有较高的容错性和灵活性，可实现批量处理与小文件存储。

例如，针对大型企业应用服务器每天上传的海量流量日志，技术人员可引进HDFS，根据流量日志筛选标准，编写相应代码，实现海量流量日志文件的自动化、高效化筛选，缓解企业应用服务器的运行压力，为企业业务经营创设良好网络环境。

　　（四）数据索引技术

　　在大数据时代的海量数据背景下，产业领域需应用数据索引技术，为海量数据查询与开发提供条件。

目前应用最广泛的数据索引技术为BIGTABLE，由谷歌公司研发，该架构将互补式聚簇索引为基础，可在短期内完成数据的查询。

谷歌内部的多个集群均应用BIGTABLE，如GoogleEarth与GoogleAnalytic最具特色的功能为个性化查询，推动了数据索引与信息查询的发展。

在该功能中，BIGTABLE可存储用户的数据信息，根据用户的专属ID、历史查询内容、历史查询时间与用户行为等信息，制作专属数据图表，为用户提供符合其使用习惯的个性化查询结果，用户也可获取自己的服务记录，浏览查询历史，使数据索引与信息查询更为智能化、人性化。

　　（五）可视化技术

　　和以往的文字或数字类数据信息不同，计算机信息处理技术可拓展数据信息的展示方式，通过可视化技术的应用，为用户提供图片、音视频与图表等数据信息，使数据分析结果更为全面，有助于大数据优势的发挥。

可视化技术是大数据技术、计算机图形学及人工智能等学科的整合产物，可为信息检索与信息认知提供便利，具有准确、简洁和创新等特点。

　　目前可视化技术的应用方式有以下五种：

（1）面积或尺寸可视化，使数据对比更为明晰，如天猫店铺的动态评分，可使消费者了解店铺宝贝、卖家服务与物流等要素与行业平均水平的对比结果；

（2）颜色可视化，通过不同颜色表示不同指标的强弱；

（3）图形可视化，根据数据分析主题绘制数据结果的背景图形，协助用户理解数据信息；

（4）地域空间可视化，结合区域地图展示数据信息，如区域人口信息、经济信息与产品信息等；

（5）概念可视化，利用生动形象的图片展示抽象化数据，强化数据信息传递效果。

　　三、大数据时代背景下计算机信息处理技术发展分析

（一）计算机信息处理技术发展不足

　　软件开发不足。

在大数据时代，信息处理数量与要求增多，硬件设施表现乏力，海量数据的处理需大量硬件设施支持，普通硬件设施难以高效完成计算机信息处理工作。

基于多元化的计算机信息处理技术，行业专家与技术人员需加强软件开发，与硬件设施配合，提升计算机信息处理技术应用效果。

　　信息安全风险较大。

大数据时代，人们每天在互联网产生海量数据，数据涵盖用户的手机号、姓名等多项重要信息，易被盗取或泄露，引发信息安全问题，侵害用户的隐私权。

针对信息安全风险问题，需加强网络信息保护。

　　缺乏专业人才。

大数据时代发展迅猛，计算机信息处理技术转型升级较快，行业人才良莠不齐，难以有效应用先进多元的技术。

可见，教育机构与相关单位需加强人才培养，为大数据与计算机信息处理技术发展提供丰富人力资源。

（二）计算机信息处理技术发展建议

　　加强与云计算技术的整合。

针对软件开发不足问题，相关人员需加强计算机信息处理技术与云计算技术的整合。

云计算技术可为计算机信息处理技术的海量计算，创设大数据平台，无需利用多个硬件设施，即可高效完成海量数据计算工作，还可与相关业务整合，提高产业运行效率。

以华为云政务大数据为例，华为企业将政府数据部门的各项数据为基础，设计以政务资源、财政经济、城市运营为核心的大数据服务平台，利用云计算技术构建服务平台架构，为政府部门决策、提供惠民服务提供帮助。

制定完善安全管理机制。

针对大数据时代出现的安全问题，相关单位需制定完善安全管理机制，引入多元安全技术手段，如保密技术、隐蔽技术与认证技术等。

其中，保密技术可提升信息的安全防护等级，避免机密信息泄露，常用方式为信息隐藏、网络信息隔离等，配以单位的用户权限设置，保护信息安全；

隐蔽技术常用于版权保护与隐蔽通信等领域，可将大数据信息隐藏于互联网，避免信息被盗取或泄露；

认证技术可避免大数据的内容、序号等信息被篡改[3]。

　　加强计算机信息人才培养。

大数据的发展前景广阔，教育机构与相关单位需加强信息人才培养，为计算机信息处理技术的进步与拓展应用提供支持。

各大高校信息专业可开设大数据专业课程，用于分析大数据时代发展特征、大数据技术与计算机信息处理技术，丰富学生的理论知识，并通过项目实训，强化其实践素养，使其具备大数据相关工作的能力。

就相关单位来说，可根据业务大数据的处理要求，组织岗位人员参与培训，培养其大数据意识与专业素养，实现计算机信息处理技术的有效应用。

　　四、结论

　　综上所述，大数据时代背景下计算机信息处理技术表现出多样性、功能性特征，可为人们生产生活提供极大便利。

针对计算机信息处理技术存在的软件开发不足、安全风险大、专业人才缺乏等问题，技术人员需加强计算机信息处理技术与云计算技术的整合，制定完善的安全管理机制，并加强人才培养，推动技术的进一步发展。

　　参考文献

　　[1]张润.基于大数据的计算机信息处理技术分析[J].科学技术创新,2019（25）:

92-93

　　[2]付媛媛.浅析大数据时代信息处理技术及发展趋势[J].信息记录材料,2019,20（08）:

43-44.

　　[3]张洋,侯然,李亚东等.探讨大数据时代计算机信息处理技术的现状与发展[J].计算机产品与流通,2019（06）:

109.