王莉敏 黄明 徐继亚

摘要：随着我国信息化进程的不断加深，计算机已经在人们日常生活和社会生产领域得到普及。随之而来的是信息数据的飞速扩展，以往的信息处理模式已经无法满足时代的需要。在这样的背景下，云计算技术就应运而生了，并逐渐在信息数据处理领域发挥着重要的作用。本文对云计算和大数据处理之间的关系进行分析研究，并简要介绍云计算背景下大数据处理的技术要点，希望为信息处理技术的发展提供参考。

关键词：信息化时代;云计算;大数据处理技术

引言

随着计算机技术和各行各业的结合，以及电子设备的普及，信息数据成为了核心生产力，也成为了人们日常生活的必需品，它不仅改变着生产方式，更深刻地变革着人们的生活方式。信息数据处理的社会需求也促进了技术的不断发展。面对海量的数据信息，社会急需一种全面的、智能的先进技术来帮助人们进行数据分析，使得人们不至于在信息世界里迷失自我，同时也帮助生产部门更加高效地使用信息技术来提高生产力。因此对于云计算背景下大数据处理技术的研究意义非常重大。

1云计算与大数据之间的关系

云计算是一种网络技术，是利用网络云把庞大的信息分析系统分解为众多的小程序，再构建数量非常多的服务器对这些小程序进行分别处理计算，并将最终结构反馈给用户。相比于以往的网格计算、效用计算和自主计算，云计算具有明显的优势，例如处理信息量庞大、精准度高、成本低、稳定性强等等，这些都是其它信息处理技术无法比拟的。因此云计算一经诞生，就得到了计算机领域的青睐，并逐渐成为互联网行业的核心技术。此外，有很多现代数据存储技术、虚拟化技术都是从云计算拓展而来，由此可见云计算技术的强大以及在信息处理领域的重要地位。数据的运行需要大量的存储空间，传统的存储设备已经无法满足日益增长的信息量，而此时云计算就提供了这样的空间。如此一来，数据处理的速度和效率都得以提升[1]。通过以上内容不难看出，云计算和大数据是主体和客体的关系，云计算的内容就是庞大的信息数据。大数据指的是庞大信息量的总体，而云计算则负责对其进行分析处理，两者构成了信息处理系统的主题，相辅相成，缺一不可。

2云计算背景下的大数据处理技术分析

2.1Hadoop与OpenStack技术

Hadoop是一种分布式系统基础架构，可以通过集群的作用来完成快速分析和存储，被广泛应用于数据处理程序中。该框架的核心工具是HDFS与MapReduce，前者为数据提供存储空间，后者则对数据进行分析处理。该架构能够对庞大的数据进行分布式处理，并具有以下几点显著优点：第一，准确度高，Hadoop的存储和分析功能具有高于其它技术的精准度。第二，效率高，Hadoop在转移信息的过程中能够保障不同节点的动态平衡，分析数据的效率要高很多。第三，成本低，相比于市面上的其它数据处理技术，Hadoop是开源的，因此成本也会大大降低[2]。

OpenStack是由众多软件开源项目组合而成的数据处理平台，由美国国家航空航天局与Rackspace共同开发。该技术可以为云计算提供一个优良的平台，具有操作便捷、内容丰富、标准一致等特点。因此，将Hadoop架构和OpenStack科学合理地整合在一起，就可以实现大数据的高效、精准分析和处理。

2.2大数据采集技术

数据采集，又称为数据获取，是通过传感器获取电量信号并传输给上位机的过程。随着大数据的出现，传统的数据获取已经无法满足信息处理的需要了，这时候就要使用到更先进的手段，目前有集中式采集与分布式采集两种主要类型。前者主要应用于全局概念，从全局角度来获取信息;后者则针对区域采集，将大数据划分为众多的小分区再进行数据获取。大数据采集有一个重要的优点，就是对使用者的要求大大降低，即使是不具备专业技能的使用者也可以轻松操作[3]。除此之外，云计算具有虚拟化的特征，因此费用会大大降低，处理速度更加迅捷，这使得人们对于信息获取的消极反应得以缓解，人们可以更好地融入大数据时代。

2.3大数据存储技术

传统的数据存储方式都是用单节点为媒介，存储容量非常小，无法满足新兴的大数据，虽然拥有优秀的导引和查阅功能，但由于容量和速度的制约，已经逐渐被时代所淘汰。既有数据存储技术以单结点仓库为载体，容量空间较小，根本无法满足信息时代的海量数据存储承载需求，尽管其具备良好的索引与视图能力，但受限于时间与空间限制，依旧无法满足现代化社会需要。而云计算则可以弥补这些缺陷，通过將信息属性进行分门别类，实现高效的存储和分析。这也给予使用者极大的便利，通过属性对信息进行查询，提高了数据的利用效率。

2.4大数据联机分析技术

随着信息时代的到来，自动化、智能化逐渐成为各行各业发展的大势所趋。而这一目标的实现就有赖于大数据联机分析技术的应用。该技术是云计算技术的核心环节，有着举足轻重的重要地位。联机分析处理技术可以准确处理庞大的信息，还可以在必要的时候进行决策，给予使用者以极大的便利。该技术注重全面的整体性计算，通过多维度的分析程序，得到大数据处理结果，不仅可以提高数据分析的精准度，还拓展了处理对象，提高了数据分析系统的兼容性[4]。这样的优势使得联机分析处理技术，广泛地应用生产和生活领域，在为人们日常生活带来便利的同时，也极大地改善着产品的性能。

2.5大数据挖掘技术

数据挖掘技术是一项数据处理手段，致力于从大量不完整的点状分布信息中，提取并还原出使用者无法察觉的关键数据。它通常分为八个主要环节：信息获取、信息整合、信息规范、信息清除、信息转换、信息挖掘环节、结果评测、信息反馈。该过程是不断循环的体系，每一个环节没有达到目标都会返回到前面的程序中继续执行命令。在大数据时代，数据挖掘技术的应用可以帮助人们从错综复杂、毫无头绪的海量信息中提取出关键内容，因此深受人们的青睐。该技术分为四个层面的工作环节：第一，确定分析对象，即海量的复杂信息;第二，明确挖掘目标，第三，选择科学合理的挖掘方式，第四，应用挖掘方法。其中，大数据挖掘技术主要有以下几种方法：神经网络模型、基于自然选择原理的遗传算法、决策树算法、数学工具粗集方法、覆盖正例排斥反例方法、统计分析方法、模糊集方法、挖掘对象，这些方法的应用使得海量数据中的有效信息得到充分挖掘，进一步保障了大数据处理分析技术的应用效果[5]。

2.6大数据可视化分析

具备大数据挖掘技术以后，就可以从全方位、多层次去准确处理海量信息，收集有效信息。而可视化技术则是将有效信息反馈给使用者的关键环节。可视化，顾名思义，就是将抽象复杂的数据转化为直观地、形象的的内容并呈现给查阅者，使其更加方便快捷地掌握信息特征。在这个过程中，还会一定程度地挖掘出隐藏数据。

结语

综上所述，云计算和大数据处理技术是相辅相成、不可或缺的关系。在云计算的背景下，大数据处理更加注重高效性和准确性，为信息化进程的推进提供了巨大的动力，也为人们适应信息时代带来了极大的帮助。本文对云计算背景下，大数据处理相关技术做了简要说明，希望可以为大众提供科普，也为工作者提供参考。本文的研究尚不够深入，若假以时日，笔者一定会继续努力，争取为信息业的发展，更为国家的建设贡献一份力量。

参考文献

[1]佟浩.浅谈云计算技术在计算机数据处理中的应用[J].科学与信息化，2020，（13）：39.

[2]田密.云计算背景下的大数据处理技术研究[J].电子元器件与信息技术，2017，1（1）：24-26.

[3]刘洋.基于计算机的大数据和云计算技术分析[J].无线互联科技，2020，17（7）：75-77.

[4]张佳，周雪.基于云计算的大数据处理技术探讨[J].电脑编程技巧与维护，2019，（12）：104-105，120.

[5]张海波.云计算下的大数据处理技术研究[J].企业科技与发展，2018（12）：50-51.