刘金魁

（河南工业和信息化职业学院，河南 焦作 454003）

随着互联网科技的快速发展，大数据作为当代高科技的产物，在社会各个领域中得到广泛的应用。当今信息数据流通数量不断增多，互联网平台在日常运营中会生成和累计海量的实时数据，这些规模庞大的数据集合增加了平台服务器的数据存储、获取、搜索、管理与处理的难度。为有效解决大数据平台控制管理面临的难题，满足海量、高增长率和多样化的信息资源管理需求，需要进行数据迁移与服务器扩容的新处理模式[1]。数据迁移与数据转换或数据集成不同，并不是进行简单的内部数据位置的交换变化，而是把数据从源系统传输到目标系统，使移动数据填充到新环境中，实现信息数据的转换传输，提高数据库的访问和信息调度能力[2]。

数据迁移需要通过存储数据库、应用程序、云计算和业务流程来完成。由于大数据迁移存在一定的风险和难度，数据在存储设备、位置或系统之间进行移动时，不仅要保证数据的质量和完整度，还要制定合理完善的计划和实施步骤，避免发生灾难性数据丢失，确保数据迁移的顺利完成[3]。传统迁移方法采用统计信息特征的方法，进行经验模态分解的大数据迁移，该算法成本高、缺乏良好的数据库访问和调度的实时性。另一种基于粒子群滤波的多数据库环境下分布式大数据迁移方法，虽然降低了经济成本，并具有较高的访问实时性和准确性，但是，该算法在迁移过程中抗干扰能力差，容易出现迁移问题。……