数据时代下计算机技术的应用

2019-12-02王志铭

电子技术与软件工程 2019年22期

文/王志铭

自二十世纪八十年代以来，全球信息技术快速发展，特别是Internet 网的出现和普及，让信息技术迅速的渗透到了社会各个角落，其也标志着全球信息社会的成形，信息化成为人们一直的实际潮流。在数据时代下想要满足计算机技术的应用要求，就需要对计算机信息处理技术进行研究分析。

1 数据时代下的计算机信息处理技术研究

1.1 计算机信息采集技术和信息加工技术的研究

在数据时代发展背景下，有关工作人员想要有效地将计算机信息处理技术进行创新发展，就必须要根据其发展现状与存在的问题研究出一些有效策略，首先，笔者认为需要对计算机信息采集技术进行全面的改善创新，将原本存在的不足之处弥补，要明白计算机信息集采技术不单纯是进行信息数据的收集、记录以及处理等工作，还要对信息数据进行有效地控制监督，将所收集到的相关信息书籍全部记录在案，纳入数据库中，其次为了符合数据时代下计算机技术的应用发展，必须要加强对计算机信息加工技术的研究创新工作，必须要都按照用户的需求来对不同种类信息数据进行加工，然后在加工完成后传输给用户，从而为计算机信息处理技术提供足够的基础，让整合计算技术应用得到有力地保障。

1.2 计算机信息处理技术研究

在以前信息数据网络都是通过计算机来进行信息数据的收集、记录以及处理等工作，所具有的操作空间较小，使得计算机技术的应用受到了一定限制，而在数据时代的发展背景下，可以通过云计算网络来开展以前的一系列工作，让计算机技术应用的操作空间变得越来越大，而计算机信息处理技术在数据时代下所展现出的优势也逐渐明显，被人们所重视。

1.3 计算机信息安全技术的研究

在数据时代下，笔者认为可以从三个关键点对其进行计算机信息安全技术的提升：

（1）在数据时代下传统的计算机信息安全技术已经无法紧跟时代地发展步伐，满足不了人们对于计算机技术应用的需求，因此必须要不断地研发新的计算机信息安全技术产品，为数据时代下的计算机信息数据带来有效地安全保障。

（2）相关工作人员在研究新的计算机信息安全技术产品时，必须要健全完善计算机安全性系统，构建出一个科学合理且有效地计算机安全体系，并且在这个过程中必须要保证资金的充足，加强对有关人员的培训工作，争取为我国培养出具有专业性的优秀计算机技术人才，为我国的计算机信息安全技术研究工作作出更大地贡献。

（3）最后在数据时代下，我们必须要重视对信息数据的实时检测工作，因为数据时代下的信息数据种类繁多，且信息量非常大，如果在信息数据进行收集、记录以及处理等工作时没有实施检测，那么极有可能出现安全隐患，所以必须要有效地运用计算机技术，对信息数据进行实时检测，确保这些信息数据具有足够地安全可靠性。

2 数据时代下计算机信息技术系统平台的构建研究

2.1 构建虚拟机与安装Linux系统

在数据时代下，计算机所应用的Linux 系统是当前最新的版本，在对其进行构建时，必须要重视静态IP、主机名称等因素，在一定地程度下来讲，想要在IBM 服务器中创建出独立虚拟机，必须要为其打造出一个具有极强操作性的系统，当本地镜像晚间建立后就可以进行Linux 系统的安装，并且在这个过程中一个服务器是可以安装两个甚至更多的虚拟机的。通过这样的方式不仅能够提升虚拟机与安装Linux 系统的构建效果，还能为构建工作节约大量地时间。

2.2 计算机服务器硬件以及其他方面的准备工作

在进行计算机信息技术系统平台的构建时，需要注意计算机服务器硬件的基础条件，在计算机服务器硬件中是需要多个IBM 服务器的，在安装完成后还要对其进行检测，确保这些IBM 服务器能够安全稳定地运行，其他方面的工作主要是对静态IP 以及相关系统的构建以及检测工作，确保其性能，使得整个运行具有安全性和可操作性。

2.3 Hadoop安装流程分析

在完成前面的工作以后，就可以进行Hadoop 安装工作，在进行Hadoop 的安装时，必须要为其配置相关文件，然后在相关文件配置后，开始JAVA 的安装工作以及SSH 客户端登录操作，在这个过程中还可以合理地运用命令安装，在安装完成后必须要设置相关的密码（包括了登录密码、无线密码等等）。必须要让逐渐点生成一个密钥对，要将密钥进行公私划分。并还要把公钥复制在slawe 中，把相关的权限调整为对应的数据信号，在今后就能够迅速且精简地进行密钥对，使得公钥追加授权的key 程序中，最后再通过一系列的操作使得Hadoop 的安装流程变得简单易操作。

3 数据时代下的计算机信息收集技术研究

3.1 数据采集技术

在大数据出现之前，尽管大家都知道普查是了解市场最好的一种调查方式，但由于普查范围太广，成本太高，因而导致企业难以进行有效的普查。而大数据的出现，从根本上改变了传统调查难以进行普查的局面。但在实际的调查工作中，需要根据任务目标，明确样本采集的总体，而其主要内涵是，通过企业自身产品定位，来确定具体的客户群体，并基于该类客户群体，实施市场调查。如：针对汽车产品，首先要明确用户的使用场景，和使用习惯，从而能够基本确定其消费层次。结合大数据，能够还能够了解到这类用户的年龄分布和消费习惯。在确定消费层次、年龄分布等信息之后，就能够有针对性地进行相应的市场调查。

同时，在进行数据采集的过程中，需要采用高效的数据采集工具。由于大数据所具有的特点，所以实际的数据采集工作中，所需要面对的数据量巨大、所需要分析的内容和具体方面也非常多，所以采用必要的工具来进行数据收集，可以有效地提高数据采集的效率和分析效率。在数据采集中，可以通过日志采集的方法来实现。日志采集是通过在液面预先置入一段javaScript 脚本，当页面被浏览器加载是，会执行该脚本，从而搜集页面信息、访问信息、业务信息及运行环境等内容，同时，日志采集脚本在被执行之后，会向服务器端发送一条HTTPS 的请求，请求内容中包含了所收集的到信息；在移动设备的日志采集工作中，是通过SDK 工具进行，在APP 应用发版前，将SDK 工具集成进来，设定不同的事件、行为、场景，在用户触发相应的场景是，则会执行相应的脚本，从而完成对应的行为日志。

3.2 数据处理技术

在完成数据的采集之后，相关数据质量可能参差不齐，也可能会存在一定的数据错误，因此在对大数据进行分析和利用之前，需要解决大数据的处理和清洗问题。在进行数据清洗过程中，可以通过文本文件存储加Python 的操作方式进行数据的预处理，以确定缺失值范围、去除不需要字段、填充缺失内容、重新取数的步骤来完成预处理工作。其次要针对格式内容，如时间、日期、数值等显示格式不一致的内容进行处理，以及对非需求数据进行处理。通过删除不需要字段的方法，可以完成一些数据清洗工作，而针对客服中心的数据清晰，则需要进行关联性验证步骤。例如：客户在进行汽车的线下购买时预留了相关信息，而客服也进行了相关的问卷，则需要比对线上所采集的数据与线下问卷的信息是否一致，从而提高大数据的准确性。

3.3 数据分析技术

数据分析直接影响到对大数据的实际应用。数据分析的本质是具有一定高度的业务思维逻辑，因此数据分析思路需要分析师对业务有相当的理解和较广的眼界。在进行数据分析时，首先要认同数据的价值和意义，形成正确的价值观。其次在进行数据分析时，要采用流量分析，及通过对网站访问、搜索引擎关键词等的流量来源进行分析，同时要自主投放追踪，如投放微信文章、H5 等内容，以分析不同获客渠道流量的数量和质量。数据分析的目的是为企业的决策提供依据，因此，进行数据分析时，需要通过报告的形式来对数据内容进行反映，在报告中，要明确数据的背景、来源、数量等基本情况，同时需要以图表内容来进行直观表现，最后需要针对数据所反映的问题进行策略的建议或对相关趋势的预测。