论文部分内容阅读
【摘要】 在我国经济高速发展的今天，我国经济建设推动信息化产业高速运行，目前已经渗透进我国各行各业的生产活动中，人们日常生活也离不开信息化产品。在这种背景下，大数据平台也成为科学技术重要角色。本文针对数据门户产品进行分析，并对数据门户产品建设作出研究，促进企业等机构利用数据化产品，旨在提高企业工作效率与质量，为我国经济健康发展提供奠定基础。
【关键词】 数据产品 大数据平台 成果展示
引言：
我国正在大跨步走向信息化时代，社会对于信息产品需求也逐渐提高。而以基础框架与各类模块数据门户产品，因为其适用性较强，所以被企业、社会广泛使用。还可以根据用户需求制定不同模块内容，受到用户一致好评。所以，将数据门户产品详细剖析，分析其基本原理与内容结构，并采用适当方法对其进行建设，可以有效提高企业核心竞争力，提高我国整体科技水平。
一、数据门户产品的相关概述
1.1 内存计算产品
内存计算产品（In-Memory Computing），准确分析是作为一种技术构架存在，但是为内存计算技术提供信息处理的平台却具有大数据特性，可以认为其是数据门户产品中一类。
例如Spark，基于hadoop分布式文件存储数据，将数据存储工作交给HDFS，专注与信息处理环节。以数据计算为主要内容，提供交叉查询与负载优化等功能。目前使用Spark内存计算技术为Databricks云，主要负责大数据处理相关工作，高效发挥Spark计算能力，为常见工作内容优化流程提供必要初始程序[1]。
而HANA为用户提供内存计算相关引擎，同时提供基于HANA的建模工具，可以从SAP公司商务配套软件或产品中直接导入第三方数据内容，数据信息处理后，可以将其传送到SAP BI客户端进行完整重现，降低客户数据处理所需时间，有效提高数据处理工作质量。其他内存计算产品也是以高速信息处理，准确数据分析为主要发展方向，提供海量数据存储条件，增加用户黏性。
1.2 hadoop发行版
利用分布式计算机MapReduce，HBase数据库，Hive引擎构建的hadoop生态系统，现已成为目前主要数据应用技术体系。包括华为，IBM等互联网与IT厂商，都加入hadoop生态圈，并推出各家企业商用hadoop发行版本，在对hadoop开源社区兼容性，应用安全性等都具有不同特色，可以实现批量处理信息数据，部分企业还在实时数据信息处理有较强建树[2]。
作为目前应用最为广泛、最典型大数据处理平台，不仅可以实现对海量数据高速处理，安全存储，也可以实现高效管理与监控复杂集群。而hadoop发行版的部分内容因为性能优秀，在实际应用中表现良好性质，也被hadoop开源社区吸收采纳，增加hadoop生态系统完善性与多样性，对后续企业使用提供便利性。
1.3 大数据平台及产品分析
开源hadoop系统在开发环节存在自身携带问题，无法满足企业商业应用需求，例如在图形管理工具方面欠缺，会对工作效率大幅度降低。而hadoop发行版不仅与开源hadoop系统具有较高兼容性，也可以根据企业需求增添管理与应用模块，对开源hadoop方案进行优化升级，进行合理改造;Spark擁有实时查询功能，在流计算方面变现良好。而hadoop的核心内容，分布式计算架构MapReduce可以对海量数据进行批量式计算。
在Spark日益成熟，行业许多hadoop发行版都会将Spark融入其中，未来两者极有可能走向相互融合。相较于基于RDBS关系构建数据库，一体化平台无论是性能、可拓展性等方面都有较大突破。而在以往SQL接口支持、ET/BI上下游软件兼容性等薄弱方面，经过近些年发展，部分核心内容已经得到有效突破，拥有良好进展情况。而我国地域辽阔，人口众多，每天会产生海量数据信息，实时交流软件腾讯，购物平台阿里，信息发布平台微博等，都开始将技术研发专项大数据处理方面，未来中国大数据平台与产品领域将是科技发展主要方向。
二、数据门户产品建设研究
2.1 基本概念与参考的模型
根据维基百科定义，大数据即无法使用常规工具，在可接受时间范围内，有效进行捕获处理的数据集合形式。在科技逐渐发展的现在，大数据则被描述为无法使用传统数据处理产品处理的海量数据。
大数据技术并不仅限于可以迅速掌握庞大数据信息内容，重点为如何对数据在短时间内进行有效专业化处理。大数据类型分为结构化、半结构化与非结构化三种，目前全球多数企业处理信息数据多为半结构化数据，并且以每年60%速度稳定递增。
而数据门户产品就是基于大数据背景下，融合相关软件硬件，构成平台处理一体化功能系统产品。网络加速模块、数据存储单元共同构成大数据硬件基础设置，而分布式文件系统与其计算系统，内存数据库和大数据应用中间件构成大数据处理工具，拥有监控功能，提供数据访问渠道的平台管理系统，实现深度学习与精准预测的大数据应用，共同构成大数据平台软件硬件产品[3]。
其中，在大数据硬件基础设施与平台管理系统之间，还有例如分布式资源管理、协作服务，以及数据备份与恢复工具。
2.2 标准化的思路
2.2.1 平台总体架构
虽然信息技术行业推出多种大数据平台，涉及到大数据内容的相关产品数量更是无法有效统计。但是从宏观角度审视，这些大数据平台与产品却存在一个问题，即水平参差不齐，难以真正推动我国科学技术稳定发展。
许多平台应用子模块仅是将hadoop开源项目的部分内容改动，或者进行差异化演进，并没有完全对大数据发展提供充足动力。 所以，对于平台总体进行标准化构建，就需要对子模块内容、数量进行确认。并对在什么大数据背景下可以被称作大数据平台，这种基础性概念明确。产品术语称呼，应用场景等内容也需要考虑到平台总体标准化构建当中[4]。
2.2.2 基础子模块
确定大数据平台总体框架后，还需要明确应用技术框架。紧接着，对数据门户产品基础子模块进行标准化规定。基础子模块包括分布式计算系统、文件系统，都需要进行分别规范，除接口规范、应用技术框架等可能与其他工程领域存在重复风险，其余内容并不涉及其他领域，所以可以对其命名与应用制定专属化标准，促进大数据平台构建标准化作业。在对基础子模块建立相应标准时，要考虑到以大多数应用群体为主，是否对模块命名或制定标准是否符合当前用户实际作业情况。要在综合全面对标准制定是否合规合理后，再进行基础子模块制定相关工作。
2.2.3 扩展子模块
扩展子模块标准化，主要针对数据容错与备份、大数据应用等环节。因为这部分拓展子模块具有互通性，所以会与各种领域或多或少存在标准制定重复风险。所以，应该从现有子模块制定标准基础上，对部分标准进行近更新，或者视情况重新制定。
但是对于数据挖掘算法库等大数据应用中间件，以及管理运维产品接口规范等扩展子模块，不建议重新制定相关标准[5]。
考虑到未来系统会呈现多样化功能，所以要在数据门户产品中预留一定可拓展空间，方便后续拓展子模块增添与拆卸。这部分拓展子模块无法确认具体形式、工作特性，所以只需要做好标准化接口制定即可。
同理，即使现在应用的扩展子模块，也需要对备用模块做好制定标准化，避免在子模块更换时，因协议、接口不匹配，造成产品使用出现问题。
三、数据门户产品建设中的成果展示
为拓展大数据应用层面，数据门户产品建设也逐渐趋于完善。例如接收借助大数据的5v特性，即体量（Volume）、多样（Variety）、时效（Velocity）、准确（Veracity）与价值（Value），对ETL工具实现变革，成为在大数据时代下的ETL工具。
例如可以有效管理海量日志文件的Splunk，就是出名大数据ETL工具;而大数据BI软件相较于传统BI软件，可以实现对TB级别数据实时分析，降低信息处理所需时间。而且在大数据BI软件应用程度不断加深，也为人们提供一种大数据背景下的可视化工具，让系统运行更加透明、规范;为保障用户信息安全，保护企业信息不发生泄漏现象，从隐私保护、漏洞检测等方面考虑的大数据安全工具正成为市场重点关注对象，例如Splunk Enterprise Security等就是典型大数据安全保护工具。而且，对于数据门户产品制定标准，虽然在数据库与非结构数据管理方面有完善标准，但是对于大数据可视化工具等却没有明确标准。尤其是开放数据集等新型产品，当前运行效果一般，导致标准制定相对模糊。
我国对于大数据平台标准设置，对产品标准研制则集中在导入接口、大数据存储与处理凭条、分析系统等几个方面，以华为公司为代表的各类国内公司承担相关工作。目前已经取得突破性进展，部分标准制定已经被国际各种企业所承认，其余标准制定工作也逐渐被提上日程。
四、结束语
综上，对于数据门户产品建设工作要保持长久发展，对技术及时更新换代，避免出现获得短期成果而忽略产品维护工作。
除对产品进行常规维护外，还要积极总结用户反馈，对产品内容与框架适度调整，从而满足用户实际需求。可以为数据门户产品扩宽应用模块，增强其综合能力，为用户提供更良好使用体验。也要建立起相应风险应对机制，保障在数据门户产品出现问题时，及时修复，避免造成严重损失。
参 考 文 献
[1]李小洁. 基于用户行为数据的高校图书馆门户网站建设研究[J]. 山东图书馆学刊， 2020， 000（002）：46-51.
[2]王祎， 張辉， 陈延风. 美国政府数据开放网站管理体系研究及启示[J]. 中国科技资源导刊， 2020， 52;541（01）：18-22+93.
[3]朱丽娜. 高校智慧图书馆建设路径探讨[J]. 科学与信息化， 2020， 000（001）：40-41.
[4]潘见独、李慧、顾锋. 从免费到收费：双边信息产品平台的版本划分策略研究[J]. 研究与发展管理， 2020， 32（05）：62-71.
[5]邓玲，顾颖，蔡潇. “互联网+政务服务”环境下政务App建设的探索与研究——以江苏省N市政务App为例[J]. 改革与开放， 2020.
【关键词】 数据产品 大数据平台 成果展示
引言：
我国正在大跨步走向信息化时代，社会对于信息产品需求也逐渐提高。而以基础框架与各类模块数据门户产品，因为其适用性较强，所以被企业、社会广泛使用。还可以根据用户需求制定不同模块内容，受到用户一致好评。所以，将数据门户产品详细剖析，分析其基本原理与内容结构，并采用适当方法对其进行建设，可以有效提高企业核心竞争力，提高我国整体科技水平。
一、数据门户产品的相关概述
1.1 内存计算产品
内存计算产品（In-Memory Computing），准确分析是作为一种技术构架存在，但是为内存计算技术提供信息处理的平台却具有大数据特性，可以认为其是数据门户产品中一类。
例如Spark，基于hadoop分布式文件存储数据，将数据存储工作交给HDFS，专注与信息处理环节。以数据计算为主要内容，提供交叉查询与负载优化等功能。目前使用Spark内存计算技术为Databricks云，主要负责大数据处理相关工作，高效发挥Spark计算能力，为常见工作内容优化流程提供必要初始程序[1]。
而HANA为用户提供内存计算相关引擎，同时提供基于HANA的建模工具，可以从SAP公司商务配套软件或产品中直接导入第三方数据内容，数据信息处理后，可以将其传送到SAP BI客户端进行完整重现，降低客户数据处理所需时间，有效提高数据处理工作质量。其他内存计算产品也是以高速信息处理，准确数据分析为主要发展方向，提供海量数据存储条件，增加用户黏性。
1.2 hadoop发行版
利用分布式计算机MapReduce，HBase数据库，Hive引擎构建的hadoop生态系统，现已成为目前主要数据应用技术体系。包括华为，IBM等互联网与IT厂商，都加入hadoop生态圈，并推出各家企业商用hadoop发行版本，在对hadoop开源社区兼容性，应用安全性等都具有不同特色，可以实现批量处理信息数据，部分企业还在实时数据信息处理有较强建树[2]。
作为目前应用最为广泛、最典型大数据处理平台，不仅可以实现对海量数据高速处理，安全存储，也可以实现高效管理与监控复杂集群。而hadoop发行版的部分内容因为性能优秀，在实际应用中表现良好性质，也被hadoop开源社区吸收采纳，增加hadoop生态系统完善性与多样性，对后续企业使用提供便利性。
1.3 大数据平台及产品分析
开源hadoop系统在开发环节存在自身携带问题，无法满足企业商业应用需求，例如在图形管理工具方面欠缺，会对工作效率大幅度降低。而hadoop发行版不仅与开源hadoop系统具有较高兼容性，也可以根据企业需求增添管理与应用模块，对开源hadoop方案进行优化升级，进行合理改造;Spark擁有实时查询功能，在流计算方面变现良好。而hadoop的核心内容，分布式计算架构MapReduce可以对海量数据进行批量式计算。
在Spark日益成熟，行业许多hadoop发行版都会将Spark融入其中，未来两者极有可能走向相互融合。相较于基于RDBS关系构建数据库，一体化平台无论是性能、可拓展性等方面都有较大突破。而在以往SQL接口支持、ET/BI上下游软件兼容性等薄弱方面，经过近些年发展，部分核心内容已经得到有效突破，拥有良好进展情况。而我国地域辽阔，人口众多，每天会产生海量数据信息，实时交流软件腾讯，购物平台阿里，信息发布平台微博等，都开始将技术研发专项大数据处理方面，未来中国大数据平台与产品领域将是科技发展主要方向。
二、数据门户产品建设研究
2.1 基本概念与参考的模型
根据维基百科定义，大数据即无法使用常规工具，在可接受时间范围内，有效进行捕获处理的数据集合形式。在科技逐渐发展的现在，大数据则被描述为无法使用传统数据处理产品处理的海量数据。
大数据技术并不仅限于可以迅速掌握庞大数据信息内容，重点为如何对数据在短时间内进行有效专业化处理。大数据类型分为结构化、半结构化与非结构化三种，目前全球多数企业处理信息数据多为半结构化数据，并且以每年60%速度稳定递增。
而数据门户产品就是基于大数据背景下，融合相关软件硬件，构成平台处理一体化功能系统产品。网络加速模块、数据存储单元共同构成大数据硬件基础设置，而分布式文件系统与其计算系统，内存数据库和大数据应用中间件构成大数据处理工具，拥有监控功能，提供数据访问渠道的平台管理系统，实现深度学习与精准预测的大数据应用，共同构成大数据平台软件硬件产品[3]。
其中，在大数据硬件基础设施与平台管理系统之间，还有例如分布式资源管理、协作服务，以及数据备份与恢复工具。
2.2 标准化的思路
2.2.1 平台总体架构
虽然信息技术行业推出多种大数据平台，涉及到大数据内容的相关产品数量更是无法有效统计。但是从宏观角度审视，这些大数据平台与产品却存在一个问题，即水平参差不齐，难以真正推动我国科学技术稳定发展。
许多平台应用子模块仅是将hadoop开源项目的部分内容改动，或者进行差异化演进，并没有完全对大数据发展提供充足动力。 所以，对于平台总体进行标准化构建，就需要对子模块内容、数量进行确认。并对在什么大数据背景下可以被称作大数据平台，这种基础性概念明确。产品术语称呼，应用场景等内容也需要考虑到平台总体标准化构建当中[4]。
2.2.2 基础子模块
确定大数据平台总体框架后，还需要明确应用技术框架。紧接着，对数据门户产品基础子模块进行标准化规定。基础子模块包括分布式计算系统、文件系统，都需要进行分别规范，除接口规范、应用技术框架等可能与其他工程领域存在重复风险，其余内容并不涉及其他领域，所以可以对其命名与应用制定专属化标准，促进大数据平台构建标准化作业。在对基础子模块建立相应标准时，要考虑到以大多数应用群体为主，是否对模块命名或制定标准是否符合当前用户实际作业情况。要在综合全面对标准制定是否合规合理后，再进行基础子模块制定相关工作。
2.2.3 扩展子模块
扩展子模块标准化，主要针对数据容错与备份、大数据应用等环节。因为这部分拓展子模块具有互通性，所以会与各种领域或多或少存在标准制定重复风险。所以，应该从现有子模块制定标准基础上，对部分标准进行近更新，或者视情况重新制定。
但是对于数据挖掘算法库等大数据应用中间件，以及管理运维产品接口规范等扩展子模块，不建议重新制定相关标准[5]。
考虑到未来系统会呈现多样化功能，所以要在数据门户产品中预留一定可拓展空间，方便后续拓展子模块增添与拆卸。这部分拓展子模块无法确认具体形式、工作特性，所以只需要做好标准化接口制定即可。
同理，即使现在应用的扩展子模块，也需要对备用模块做好制定标准化，避免在子模块更换时，因协议、接口不匹配，造成产品使用出现问题。
三、数据门户产品建设中的成果展示
为拓展大数据应用层面，数据门户产品建设也逐渐趋于完善。例如接收借助大数据的5v特性，即体量（Volume）、多样（Variety）、时效（Velocity）、准确（Veracity）与价值（Value），对ETL工具实现变革，成为在大数据时代下的ETL工具。
例如可以有效管理海量日志文件的Splunk，就是出名大数据ETL工具;而大数据BI软件相较于传统BI软件，可以实现对TB级别数据实时分析，降低信息处理所需时间。而且在大数据BI软件应用程度不断加深，也为人们提供一种大数据背景下的可视化工具，让系统运行更加透明、规范;为保障用户信息安全，保护企业信息不发生泄漏现象，从隐私保护、漏洞检测等方面考虑的大数据安全工具正成为市场重点关注对象，例如Splunk Enterprise Security等就是典型大数据安全保护工具。而且，对于数据门户产品制定标准，虽然在数据库与非结构数据管理方面有完善标准，但是对于大数据可视化工具等却没有明确标准。尤其是开放数据集等新型产品，当前运行效果一般，导致标准制定相对模糊。
我国对于大数据平台标准设置，对产品标准研制则集中在导入接口、大数据存储与处理凭条、分析系统等几个方面，以华为公司为代表的各类国内公司承担相关工作。目前已经取得突破性进展，部分标准制定已经被国际各种企业所承认，其余标准制定工作也逐渐被提上日程。
四、结束语
综上，对于数据门户产品建设工作要保持长久发展，对技术及时更新换代，避免出现获得短期成果而忽略产品维护工作。
除对产品进行常规维护外，还要积极总结用户反馈，对产品内容与框架适度调整，从而满足用户实际需求。可以为数据门户产品扩宽应用模块，增强其综合能力，为用户提供更良好使用体验。也要建立起相应风险应对机制，保障在数据门户产品出现问题时，及时修复，避免造成严重损失。
参 考 文 献
[1]李小洁. 基于用户行为数据的高校图书馆门户网站建设研究[J]. 山东图书馆学刊， 2020， 000（002）：46-51.
[2]王祎， 張辉， 陈延风. 美国政府数据开放网站管理体系研究及启示[J]. 中国科技资源导刊， 2020， 52;541（01）：18-22+93.
[3]朱丽娜. 高校智慧图书馆建设路径探讨[J]. 科学与信息化， 2020， 000（001）：40-41.
[4]潘见独、李慧、顾锋. 从免费到收费：双边信息产品平台的版本划分策略研究[J]. 研究与发展管理， 2020， 32（05）：62-71.
[5]邓玲，顾颖，蔡潇. “互联网+政务服务”环境下政务App建设的探索与研究——以江苏省N市政务App为例[J]. 改革与开放， 2020.