论文部分内容阅读
摘要：近年来，大数据技术被广泛应用于搜索引擎、云查杀等方面，大数据时代的到来，在给计算机技术发展带来机遇的同时也带来新的挑战。基于此，对网络大数据环境下的计算机信息处理技术展开探讨。
关键词：网络;大数据;计算机;
信息处理信息化时代，计算机技术被广泛应用于各行业，大数据时代的到来，使得处于网络系统终端的人们需要对海量数据执行存储、整理等任务。这对于传统的信息处理技术来说是个巨大的挑战。所以，如何使计算机信息处理技术适用于大数据时代，如何向云计算网络方向发展，成为当前研究的热点。
1 计算机信息處理技术
计算机信息处理的过程就是数据传输、获取、分析和处理的过程。这是个非常麻烦的过程，需要运用到的技术有微电子技术、网络技术、计算机通信技术等。计算机处理技术的主要类型有信息系统技术、检索技术、数据库技术、通信网络技术，人们在进行资料分析、整理时，主要依赖于数据库技术。
2 大数据时代数据信息处理的挑战
大数据在本质上具有以下2个特点：①海量的数据，其存储、整理是个巨大的工程，以人力和传统的计算机技术是难以解决的;②人们可以通过有效的途径，从中获取对决策等有参考价值的信息。适应大数据环境是计算机信息处理技术的必然结果，虽然它给计算机技术带来了挑战，但也是计算机信息处理技术得以发展的契机。相关的企业如果能抓住机会，加大对大数据环境下计算机信息处理技术的研究力度，优先掌握新技术的核心技能，则会使其在业界内的竞争力大大提高，给企业带来巨大的经济效益和社会效益。
大数据时代的数据信息处理技术挑战主要有3方面：①数据存储压力。传统的数据库是无法存储海量数据的，这些数据还要经过数据管理机制的压缩、备份管理等，这都是新技术要解决的。②数据查询问题。新技术需要做到对海量数据的查询，并且能从中提取有价值的信息。传统的计算机信息处理技术存储量是以“GB”计算的，在查询海量数据时需要花费很长的时间，且还不一定能得到准确的信息，浪费了时间。③数据安全问题。在各种系统的传输、存储过程中，由于系统的安全性得不到保证，因此海量数据容易受到病毒攻击，使得大数据中有参考价值的信息不能准确地被提取出来。这也是新技术需要解决的。
3 大数据环境下的计算机信息处理技术
3.1 分布型数据存储及网络深层空间技术
分布型数据存储技术是一种新型的计算机信息处理技术，已被广泛应用于像 IBM 这样的公司，它主要采用的是列存储技术，以列为基本单位，能对数据及进行有效的压缩，还能进行快速的循环。这是行存储技术没有的特性。由于行、列存储技术有各自的局限性，目前应用比较广泛的是将两者结合，即行列混合型存储结构。此种结构比较适用于大数据环境，能对海量数据进行存储、整理、分析，高效运用磁盘空间，方便人们及时搜寻并提取信息，不会浪费时间，节约搜索成本。网络深层空间技术在对数据进行高效集成处理时，因其特殊的访问途径和信息规模大的特性，方便人们利用此技术对数据进行整理。
3.2 数据高效索引与遗传算法
数据高效索引有很多种方式的索引，被广泛应用的有2种：①互补型聚簇索引，其创建互补的索引表，以多个副本作为索引列;②聚簇索引，其存储数据时需要依据索引的顺序。遗传算法在机器学习、信号处理等方面得到了广泛的应用，这主要得益于其本身的随机性及调整搜索方向时的自动化。
3.3 在内容信息的基础上进行数据挖掘
大数据时代，需要对海量数据进行数据挖掘。数据挖掘技术是在内容数据的基础上，主要致力于实体关联研究技术与网络搜索。针对网络搜索的算法主要是排序学习算法，媒体在整理以短文形式存在的大量数据时，非常麻烦，排序学习算法应运而生，逐列、逐点及逐对的算法得到了广泛应用。
3.4 数据分析技术和可视化技术
数据分析技术包括很多种分析，比如网络分析、空间分析、情感分析等。基于网络特征进行分析的是网络分析，拓扑的收集、地理编码和统计几何等分析工作就是空间分析，对自然语言进行非客观的分析是情感分析。可视化技术使人们直观地通过此技术创建的图物品等来了解数据集的每个单一数据分配到集群中的途径。
3.5 分类、聚类分析技术和关联规则技术
分类分析技术是通过归纳原来的数据，对其进行分析，找出规律，从而衍生出新的数据点。这种技术运用在大数据时代，能通过客户目前的需求预测出客户潜在的需求，预测结果是合理的。聚类分析技术指的是受限于不明确的因素，为了使结果合理化、准确度高，对集合处理进行分类，分成多个对象组，然后再对对象组进行科学的分析与处理。以上2种技术对数据挖掘方面有很大的帮助，因此得到了广泛的应用。数据挖掘还可以通过关联规则技术和机械学习方法实现。顾名思义，“关联规则技术”就是通过数据之间的关联规律来进行数据的挖掘。机械学习方法主要被运用于计算机在人工智能方面的发展中。
4 结束语
大数据时代，计算机信息处理技术面临着严峻的挑战，通过研究，使得计算机技术能与时俱进，适用于大数据环境，为人们处理海量数据，得到有参考价值的信息提供高质量的服务。目前，我国正处于起步阶段，计算机信息处理技术向云计算网络方向发展是必然趋势，研究人员要加大对大数据环境下计算机信息处理技术的研究力度，以使它更加完善，为人们提供更多的方便。
参考文献
[1]郑高峰.基于“大数据”环境下的计算机信息处理技术探讨[J].信息通信，2015（02）：98.
[2]刘越.大数据时代下的计算机信息处理技术研究[J].计算机光盘软件与应用，2014（23）：108-109.
[3]李春辉.“大数据”背景下的计算机信息处理技术分析[J].电子技术与软件工程，2014（09）：33-34.
[4]赵春雷，乔治·纳汉.“大数据”时代的计算机信息处理技术[J].世界科学，2012（02）：30-31.
关键词：网络;大数据;计算机;
信息处理信息化时代，计算机技术被广泛应用于各行业，大数据时代的到来，使得处于网络系统终端的人们需要对海量数据执行存储、整理等任务。这对于传统的信息处理技术来说是个巨大的挑战。所以，如何使计算机信息处理技术适用于大数据时代，如何向云计算网络方向发展，成为当前研究的热点。
1 计算机信息處理技术
计算机信息处理的过程就是数据传输、获取、分析和处理的过程。这是个非常麻烦的过程，需要运用到的技术有微电子技术、网络技术、计算机通信技术等。计算机处理技术的主要类型有信息系统技术、检索技术、数据库技术、通信网络技术，人们在进行资料分析、整理时，主要依赖于数据库技术。
2 大数据时代数据信息处理的挑战
大数据在本质上具有以下2个特点：①海量的数据，其存储、整理是个巨大的工程，以人力和传统的计算机技术是难以解决的;②人们可以通过有效的途径，从中获取对决策等有参考价值的信息。适应大数据环境是计算机信息处理技术的必然结果，虽然它给计算机技术带来了挑战，但也是计算机信息处理技术得以发展的契机。相关的企业如果能抓住机会，加大对大数据环境下计算机信息处理技术的研究力度，优先掌握新技术的核心技能，则会使其在业界内的竞争力大大提高，给企业带来巨大的经济效益和社会效益。
大数据时代的数据信息处理技术挑战主要有3方面：①数据存储压力。传统的数据库是无法存储海量数据的，这些数据还要经过数据管理机制的压缩、备份管理等，这都是新技术要解决的。②数据查询问题。新技术需要做到对海量数据的查询，并且能从中提取有价值的信息。传统的计算机信息处理技术存储量是以“GB”计算的，在查询海量数据时需要花费很长的时间，且还不一定能得到准确的信息，浪费了时间。③数据安全问题。在各种系统的传输、存储过程中，由于系统的安全性得不到保证，因此海量数据容易受到病毒攻击，使得大数据中有参考价值的信息不能准确地被提取出来。这也是新技术需要解决的。
3 大数据环境下的计算机信息处理技术
3.1 分布型数据存储及网络深层空间技术
分布型数据存储技术是一种新型的计算机信息处理技术，已被广泛应用于像 IBM 这样的公司，它主要采用的是列存储技术，以列为基本单位，能对数据及进行有效的压缩，还能进行快速的循环。这是行存储技术没有的特性。由于行、列存储技术有各自的局限性，目前应用比较广泛的是将两者结合，即行列混合型存储结构。此种结构比较适用于大数据环境，能对海量数据进行存储、整理、分析，高效运用磁盘空间，方便人们及时搜寻并提取信息，不会浪费时间，节约搜索成本。网络深层空间技术在对数据进行高效集成处理时，因其特殊的访问途径和信息规模大的特性，方便人们利用此技术对数据进行整理。
3.2 数据高效索引与遗传算法
数据高效索引有很多种方式的索引，被广泛应用的有2种：①互补型聚簇索引，其创建互补的索引表，以多个副本作为索引列;②聚簇索引，其存储数据时需要依据索引的顺序。遗传算法在机器学习、信号处理等方面得到了广泛的应用，这主要得益于其本身的随机性及调整搜索方向时的自动化。
3.3 在内容信息的基础上进行数据挖掘
大数据时代，需要对海量数据进行数据挖掘。数据挖掘技术是在内容数据的基础上，主要致力于实体关联研究技术与网络搜索。针对网络搜索的算法主要是排序学习算法，媒体在整理以短文形式存在的大量数据时，非常麻烦，排序学习算法应运而生，逐列、逐点及逐对的算法得到了广泛应用。
3.4 数据分析技术和可视化技术
数据分析技术包括很多种分析，比如网络分析、空间分析、情感分析等。基于网络特征进行分析的是网络分析，拓扑的收集、地理编码和统计几何等分析工作就是空间分析，对自然语言进行非客观的分析是情感分析。可视化技术使人们直观地通过此技术创建的图物品等来了解数据集的每个单一数据分配到集群中的途径。
3.5 分类、聚类分析技术和关联规则技术
分类分析技术是通过归纳原来的数据，对其进行分析，找出规律，从而衍生出新的数据点。这种技术运用在大数据时代，能通过客户目前的需求预测出客户潜在的需求，预测结果是合理的。聚类分析技术指的是受限于不明确的因素，为了使结果合理化、准确度高，对集合处理进行分类，分成多个对象组，然后再对对象组进行科学的分析与处理。以上2种技术对数据挖掘方面有很大的帮助，因此得到了广泛的应用。数据挖掘还可以通过关联规则技术和机械学习方法实现。顾名思义，“关联规则技术”就是通过数据之间的关联规律来进行数据的挖掘。机械学习方法主要被运用于计算机在人工智能方面的发展中。
4 结束语
大数据时代，计算机信息处理技术面临着严峻的挑战，通过研究，使得计算机技术能与时俱进，适用于大数据环境，为人们处理海量数据，得到有参考价值的信息提供高质量的服务。目前，我国正处于起步阶段，计算机信息处理技术向云计算网络方向发展是必然趋势，研究人员要加大对大数据环境下计算机信息处理技术的研究力度，以使它更加完善，为人们提供更多的方便。
参考文献
[1]郑高峰.基于“大数据”环境下的计算机信息处理技术探讨[J].信息通信，2015（02）：98.
[2]刘越.大数据时代下的计算机信息处理技术研究[J].计算机光盘软件与应用，2014（23）：108-109.
[3]李春辉.“大数据”背景下的计算机信息处理技术分析[J].电子技术与软件工程，2014（09）：33-34.
[4]赵春雷，乔治·纳汉.“大数据”时代的计算机信息处理技术[J].世界科学，2012（02）：30-31.