胡勇 內(nèi)蒙古科技大學(xué)

大數(shù)據(jù)處理系統(tǒng)的研究進(jìn)展與展望

胡勇 內(nèi)蒙古科技大學(xué)

隨著計算機(jī)技術(shù)發(fā)展與計算機(jī)應(yīng)用普及，數(shù)據(jù)如果對其加以利用就可以將其變?yōu)橛行У馁Y源，從而產(chǎn)生價值增值。數(shù)據(jù)分析與利用技術(shù)正是基于此種情況發(fā)展起來的，大數(shù)據(jù)技術(shù)的應(yīng)用對社會生活的多個方面都產(chǎn)生了影響，已經(jīng)是當(dāng)下社會發(fā)展的熱點。本文就大數(shù)據(jù)處理系統(tǒng)的研究進(jìn)展與展望作簡要闡述。

大數(shù)據(jù)處理系統(tǒng) 研究進(jìn)展 展望

移動互聯(lián)網(wǎng)，移動設(shè)備，物聯(lián)網(wǎng)發(fā)展產(chǎn)生了大量數(shù)據(jù)，如何對大量數(shù)據(jù)加以利用，找到其中有價值的數(shù)據(jù)，從而為社會發(fā)展帶來積極影響，是數(shù)據(jù)分析工作者需要面對的問題。由于數(shù)據(jù)量大，因此其潛藏的價值量大，要實現(xiàn)對大量數(shù)據(jù)的有效利用，就需要通過一定技術(shù)，從海量數(shù)據(jù)中準(zhǔn)確定位有價值的數(shù)據(jù)，提升工作效率，并以此推動社會向前發(fā)展。

1 大數(shù)據(jù)概述

大數(shù)據(jù)并不是近年發(fā)展的新事物，早在四十多年前，智利政府就實施了一項計劃，將各地工廠的數(shù)據(jù)傳輸?shù)竭\(yùn)營中心，通過對其中某些領(lǐng)域數(shù)據(jù)進(jìn)行分析，以此來對生產(chǎn)活動開展情況實施監(jiān)督，對經(jīng)濟(jì)發(fā)展情況進(jìn)行預(yù)估。該模式與當(dāng)下大數(shù)據(jù)模式相似。由于當(dāng)時的技術(shù)條件無法為工作開展有效的服務(wù)，因此工作開展的效果也不是特別明顯。后來有科學(xué)家在研究工作首次提出了大數(shù)據(jù)這一概念，在當(dāng)前對于大數(shù)據(jù)其定義也不相同。數(shù)據(jù)量需要達(dá)到一定的規(guī)模，并且利用傳統(tǒng)方法無法對其進(jìn)行有效管理與利用。在發(fā)展的過程中逐漸變成了一個十分寬泛的概念，包含了數(shù)據(jù)采集，歸納，整理，分析等一系列環(huán)節(jié)，以及工作開展所應(yīng)用到的手段，技術(shù)與方法。

2 大數(shù)據(jù)處理系統(tǒng)分類

大數(shù)據(jù)處理系統(tǒng)類別非常多，因此其分類方法也比較多，未能得出統(tǒng)一公認(rèn)的方法。比如可以從數(shù)據(jù)類型與負(fù)載類型兩個角度對其進(jìn)行分類。

從負(fù)載類型方面對其進(jìn)行分類，可以將系統(tǒng)分為流式計算，批處理，交互式查詢。批處理重點在于系統(tǒng)數(shù)據(jù)處理的量，而流計算則注重于產(chǎn)品時效性，能夠在較短時間內(nèi)完成工作。

從數(shù)據(jù)類型方面來分，系統(tǒng)能夠提供表，圖，集合，矩陣不同數(shù)據(jù)抽象，通常情況下一個編程框架只能夠解決某一類型問題，不具有普通適用性。對編程框架進(jìn)行分類，批處理能夠有效適用于多種數(shù)據(jù)類型，其研究領(lǐng)域也最為寬泛。交互式處理則主要針對關(guān)系型數(shù)據(jù)。

3 研究工作進(jìn)展

3.1 基于數(shù)據(jù)流模型的編程框架

某些編程框架可以將其歸結(jié)到數(shù)據(jù)流模型，該模型利用有向無環(huán)圖表達(dá)計算，頂點表示計算任務(wù)，數(shù)據(jù)依賴則利用邊來表示。

3.2 圖計算

實際式作中通常會有大規(guī)模圖計算分析的需求，比如互聯(lián)網(wǎng)網(wǎng)頁所形成的圖，頂點規(guī)?？梢赃_(dá)到千億級別，針對此類型分析和挖掘工作須借助于大規(guī)模集群才能夠有效完成。圖數(shù)據(jù)結(jié)構(gòu)不規(guī)則，由此會導(dǎo)致其訪問的局部性差，現(xiàn)實工作中許多圖都與冪律分布相符合，頂點分布不均勻，通過邊與其它頂點發(fā)生聯(lián)系的頂點非常少，導(dǎo)致數(shù)據(jù)圖難以切分均勻，從而會導(dǎo)致機(jī)器負(fù)載不均，風(fēng)絡(luò)通信開銷量大等問題，對計算機(jī)整體運(yùn)行效率造成嚴(yán)重影響。

大圖分割作為圖計算基礎(chǔ)性問題，圖數(shù)據(jù)切分可以應(yīng)用兩種方法，切點與切邊。采用第一種方法，切割線只能通過圖的頂點，如果利用該方法將頂點切割成兩份，則意味著頂點會出現(xiàn)在兩臺機(jī)器上，并且是同時的，機(jī)器間的網(wǎng)絡(luò)通信量會明顯減少。由于算法迭代需要持續(xù)對圖頂點值進(jìn)行更新，頂點數(shù)據(jù)進(jìn)行一致性維護(hù)會對通信開銷造成影響。如果利用切邊法，則只能通過圖的邊。

3.3 分布式機(jī)器學(xué)習(xí)系統(tǒng)

大數(shù)據(jù)時代，受到處理器與內(nèi)存條件限制，傳統(tǒng)單版機(jī)器算法無法對海量數(shù)據(jù)進(jìn)行處理，分布式機(jī)器學(xué)習(xí)就成為了研究領(lǐng)域關(guān)注的重點，機(jī)器學(xué)習(xí)算法應(yīng)用的是迭代計算，從而在巨大參數(shù)空間中尋找到最優(yōu)解，但是其計算特點會對機(jī)器學(xué)習(xí)帶來嚴(yán)重挑戰(zhàn)。主要體現(xiàn)在并發(fā)問任務(wù)存在并且數(shù)量眾多時，由于其它影響因素存在，執(zhí)行速度會產(chǎn)生影響，負(fù)載不均衡會導(dǎo)致其影響到整體工作效率。

大規(guī)模深度學(xué)習(xí)在實際工作中應(yīng)用取得了巨大成功，尤其是在圖像識別與語音識別方面，深度學(xué)習(xí)通過深層神經(jīng)網(wǎng)絡(luò)對大腦工作原理進(jìn)行模擬，其組成包括了輸入層，隱含層，輸出層。

4 研究趨勢與熱點

大數(shù)據(jù)處理系統(tǒng)研究工作雖然已經(jīng)取得了一定成果，但是仍然存在許多方面需要進(jìn)一步探索，技術(shù)還未能達(dá)到成熟階段。在未來發(fā)展過程中，大數(shù)據(jù)處理系統(tǒng)研究工作要關(guān)注的重點問題包括，異構(gòu)硬件平臺，串行代碼自動化并行，現(xiàn)有的編程框架提供了標(biāo)準(zhǔn)數(shù)據(jù)操作接口，程序員編寫接口，底層系統(tǒng)執(zhí)行代碼，與傳統(tǒng)編程方式存在較大差異。大數(shù)據(jù)處理技術(shù)多樣豐富，但是也對實際應(yīng)用工作帶來了一定難度，全能通用型計算框架基本不存在，因此需要多種編程框架協(xié)同工作才能有效完成任務(wù)。

5 結(jié)束語

大數(shù)據(jù)處理正處于快速發(fā)展過程中，并且其應(yīng)用于生活實際產(chǎn)生了巨大的價值。大數(shù)據(jù)處理系統(tǒng)與處理技術(shù)一樣處于發(fā)展的過程，雖然已經(jīng)取得了一定成果，但是在未來仍然需要結(jié)合到實現(xiàn)情況變化解決不斷出現(xiàn)的新問題。

[1]王鵬；張利.大數(shù)據(jù)處理系統(tǒng)的研究進(jìn)展與展望[J].高技術(shù)通訊,2015(Z1)

[2]李曉飛.基于云計算技術(shù)的大數(shù)據(jù)處理系統(tǒng)的研究[J].長春工程學(xué)院學(xué)報(自然科學(xué)版),2014(01)