王 聰，黃曉英

（浙江農(nóng)林大學暨陽學院，紹興 311800）

基于云計算的柑橘市場信息預測平臺構建研究*

王 聰，黃曉英

（浙江農(nóng)林大學暨陽學院，紹興 311800）

文章設計了一種基于Hadoop的柑橘市場信息預測平臺，根據(jù)往年的柑橘產(chǎn)量、柑橘消費量、進出口量、庫存量等，通過Apriori算法在云計算平臺Hadoop下實現(xiàn)對影響柑橘價格的各類影響因素和柑橘市場信息之間的關聯(lián)分析，根據(jù)得出的關聯(lián)性和置信度預測柑橘價格和產(chǎn)量，以此構建柑橘市場信息預測平臺，對柑橘價格和產(chǎn)量進行預測。

云計算 數(shù)據(jù)挖掘 Hadoop 柑橘

目前，中國柑橘生產(chǎn)面積已躍居世界第一，柑橘產(chǎn)業(yè)已經(jīng)成為中國農(nóng)業(yè)生產(chǎn)的重要力量，在發(fā)展的過程中，也面臨一系列問題。由于柑橘產(chǎn)量與需求的不平衡，使得柑橘的銷售和增收困難，柑橘價格長期劇烈的波動，使得柑橘種植商的利潤波動大，當柑橘生產(chǎn)量遠遠大于供應量時，就會出現(xiàn)柑橘滯銷、價格低廉，相反就會出現(xiàn)供不應求的情況。如果通過數(shù)據(jù)挖掘技術，分析柑橘市場每年的供求關系，提前知曉柑橘未來供需缺口的變化，能夠為柑橘生產(chǎn)、消費、進出口制定相應對策提供依據(jù)的同時，保證柑橘市場的供需平衡，具有重要的意義。

1 數(shù)據(jù)挖掘與云計算

隨著數(shù)據(jù)量不斷的劇增，傳統(tǒng)的數(shù)據(jù)挖掘算法和分析工具在面臨海量數(shù)據(jù)時，出現(xiàn)挖掘效率低的問題，由于已有的數(shù)據(jù)挖掘大多基于傳統(tǒng)的單機模式，無法高效的處理海量數(shù)據(jù)。同時，擴展已有的挖掘體系，會造成人力物力成本上升，很多中小企業(yè)無法承擔如此高昂的成本，而且，數(shù)據(jù)挖掘成本高，效率低。

云計算的出現(xiàn)，給數(shù)據(jù)挖掘帶來新的方向。基于云計算的數(shù)據(jù)挖掘，具有在計算能力、存儲能力、可靠性、價格低等優(yōu)點，迅速地得到廣泛應用。云計算挖掘平臺可以分為3層，包括數(shù)據(jù)挖掘云服務層、數(shù)據(jù)挖掘分析層和云計算支持平臺。云服務層通過網(wǎng)絡連接，為云用戶提供云資源例如挖掘算法服務、數(shù)據(jù)預處理服務、數(shù)據(jù)服務、調度服務等；數(shù)據(jù)挖掘能力層包括數(shù)據(jù)并行處理、調度引擎等；云計算支持平臺提供分布式存儲和計算能力，為數(shù)據(jù)挖掘提供物理支持。如圖1所示。

2 基于Hadoop的柑橘市場信息預測平臺設計

2.1 系統(tǒng)設計目標

目前，市場上柑橘種類繁多，柑橘數(shù)據(jù)來源收受域約束，分布比較分散。同時，這些數(shù)據(jù)具有時效性，在移動互聯(lián)網(wǎng)和各種物聯(lián)網(wǎng)的發(fā)展下，柑橘的數(shù)據(jù)量劇增，如果采用傳統(tǒng)數(shù)據(jù)挖掘體系，無法很好地完成挖掘功能。因此，文章采用基于云計算的Hadoop下的云計算方式進行平臺設計。

該系統(tǒng)設計基于云計算的市場信息預測平臺要滿足以下需求。

（1）存儲具有可擴展性。在存儲層，存儲節(jié)點具有可擴展性，由于柑橘數(shù)據(jù)來源多樣，且很多異構數(shù)據(jù)。因此，該文采用非關系型數(shù)據(jù)庫系統(tǒng)的存儲模式存儲數(shù)據(jù)，存儲方式采用分布式，便于靈活地進行系統(tǒng)擴容和系統(tǒng)伸縮。

（2）集成化、可定制的數(shù)據(jù)挖掘能力。用戶可以根據(jù)實際添加所需要的算法，因此系統(tǒng)實現(xiàn)了可定制的數(shù)據(jù)挖掘能力。

（3）友好的用戶展示界面。能夠直觀地顯示數(shù)據(jù)挖掘結果，用戶可以輕而易舉地理解挖掘的含義。

因此，該設計基于云計算的柑橘市場信息預測平臺，具有可靠、高效、性能好、可擴展的特點。

2.2 設計思路及方案

文章設計了基于Hadoop的柑橘市場信息預測平臺，利用Hadoop的強大計算能力和存儲能力，達到以上系統(tǒng)設計目標。

其設計思路是：利用Hadoop的特性，將數(shù)據(jù)挖掘中需要大的計算能力的算法擴展到Hadoop集群的各個節(jié)點上，利用并行計算能力進行數(shù)據(jù)挖掘工作，提高挖掘效率。采用分層設計思想，存儲層使用HDFS存儲文件和數(shù)據(jù)，通過Map Reduce計算模型來執(zhí)行海量數(shù)據(jù)挖掘。

根據(jù)設計思路和云計算數(shù)據(jù)挖掘模型，通過分層設計思想，自頂向下的調用下層結構，最頂層是用戶和系統(tǒng)的交互層；中間層是業(yè)務處理層，提供基礎計算框架和業(yè)務邏輯處理；最底層為存儲層，提供分布式存儲。

2.3 系統(tǒng)模塊功能

數(shù)據(jù)管理框架。數(shù)據(jù)管理層建立在Hadoop下的HDFS文件系統(tǒng)之上，提供并行數(shù)據(jù)訪問和高效、可擴展的存儲服務。當系統(tǒng)存儲能力不足時，可以在不影響已有數(shù)據(jù)情況下，添加新的存儲節(jié)點。通過多副本存儲機制保障數(shù)據(jù)安全，即使有節(jié)點出現(xiàn)存儲失效，通過副本機制將失效節(jié)點數(shù)據(jù)轉移到其他節(jié)點。

圖1 基于云計算的數(shù)據(jù)挖掘

基礎計算框架。Map Reduce為系統(tǒng)的基礎計算框架，它可以隱藏底層設計細節(jié)，通過簡單的對外接口，實現(xiàn)各種并行計算能力，并且具有很好的擴展性和伸縮性，可以根據(jù)實際需求增加或者刪除節(jié)點。

算法管理。用戶通過算法管理模塊查看系統(tǒng)提供的算法，并且可以上傳自己設計的算法，實現(xiàn)可定制化的數(shù)據(jù)挖掘能力。

頁面展示。通過友好的方式展示數(shù)據(jù)挖掘結果。

數(shù)據(jù)加載塊。由于數(shù)據(jù)種類繁多，且來源不同，數(shù)據(jù)加載模塊將來源各異的數(shù)據(jù)在數(shù)據(jù)集管理模塊中進行注冊，然后存儲到HDFS文件系統(tǒng)。

數(shù)據(jù)挖掘算法模塊。提供各種并行挖掘算法，是基于算法管理模塊的擴展。

數(shù)據(jù)挖掘。是系統(tǒng)的核心模塊，通過調用業(yè)務層的Map Reduce計算框架，提供高效的數(shù)據(jù)挖掘服務。

3 基于Hadoop的柑橘市場信息預測平臺構建

3.1 Hadoop平臺搭建

平臺采用B/S架構，前臺采用JSP作為開發(fā)語言；后臺選擇java語言，采用Tomcat服務器；數(shù)據(jù)存儲采用MySQL和Hadoop的HDFS；Hadoop采用4臺PC機器作為數(shù)據(jù)節(jié)點。所有機器配置：4臺HP刀片服務器組成一個內部往來，建立一個 4個節(jié)點的Hadoop集群。其中 1個節(jié)點作為 Master，其余3 個節(jié)點作為 Slave，各個節(jié)點通過100M網(wǎng)卡進行數(shù)據(jù)訪問。Master節(jié)點服務器CPU：Inter（R）Xeon（R）E5620 2.4GHz 4*4核，Memory：6GB，Disk：500G*8。Salve節(jié) 點 服 務 器 CPU：Inter （R）Xeon（TM）3.00GHZ 4核，Memory：1GB，Disk： 146.8G*2。每臺服務器上安裝OS：64 bit CentOS6.2，Hadoop 版本1.0.3和Eclipse版本4.3.1。Hadoop默認參數(shù)配置Block為64M，備份數(shù)為3。

3.2 預測模型構建

文章采用關聯(lián)規(guī)則分析中的Apriori算法，對柑橘價格和產(chǎn)量進行分析和預測，主要通過Apriori算法，找出影響柑橘價格和產(chǎn)量之間的置信度，通過置信度構建柑橘市場分析模型，以置信度計算柑橘市場信息。

基于Apriori算法的柑橘市場價格預測模型，如圖3.1所示。整個柑橘價格是建立在2005～2015年的柑橘價格指數(shù)、生產(chǎn)量指數(shù)、世界柑橘價格指數(shù)等基層上，通過我國《中國統(tǒng)計年鑒》發(fā)布的數(shù)據(jù)，導入這10年的柑橘指數(shù)作為預測模型基礎。利用這些數(shù)據(jù)構建數(shù)據(jù)挖掘模型，利用Apriori算法對這些數(shù)據(jù)進行挖掘分析，得到各種因素對柑橘價格和產(chǎn)量之間的置信度，然后通過計算模型，實現(xiàn)對柑橘價格和產(chǎn)量的預測（圖2）。

3.3 Hadoop數(shù)據(jù)預處理

影響柑橘市場的數(shù)據(jù)主要有柑橘產(chǎn)量、柑橘消費量、進出口量、庫存量等，文章主要通過這些數(shù)據(jù)，構建柑橘市場預測模型。由于庫存量沒有統(tǒng)計數(shù)據(jù)，因此，文章不考慮柑橘的庫存量對市場影響。

（1）柑橘產(chǎn)量。柑橘產(chǎn)量數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。

（2）柑橘消費量，數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計年鑒》，根據(jù)家庭人均水果消費量，計算出柑橘中國國內消費數(shù)據(jù)。

（3）柑橘出口量，數(shù)據(jù)來源于聯(lián)合國貿(mào)易數(shù)據(jù)庫。

（4）國民消費價格指數(shù)，國家統(tǒng)計局獲取。

將以上數(shù)據(jù)存儲到預測模型的數(shù)據(jù)倉庫中，在單機模式下Apriori算法執(zhí)行效率低，因此，采用云平臺方法，通過Hadoop實現(xiàn)Apriori算法。在計算過程中，首先將這些數(shù)據(jù)處理成Html格式存儲到Hadoop中，使用MapReduce對柑橘價格影響因素數(shù)據(jù)進行提取，之后將Apriori算法預測模型與Hadoop云計算框架關聯(lián)。

圖2 柑橘市場預測模型

圖3 基于Hadoop的柑橘市場預測模型

4 基于Hadoop的柑橘市場信息預測

經(jīng)過數(shù)據(jù)預處理之后，結合Hadoop云計算框架，設計基于Hadoop云計算處理的柑橘市場預測模型，如圖4.1所示，將Hadoop云計算框架部署在Linux虛擬機上，通過Hadoop框架構建整個預測系統(tǒng)，然后設計Hadoop并行Apriori處理任務，將Apriori算法挖掘任務分成多個并行任務，分布到各個計算節(jié)點進行處理。同時，通過預處理模塊，從柑橘市場預測數(shù)據(jù)系統(tǒng)中，導入柑橘產(chǎn)量、柑橘消費量、進出口量、庫存量、居民消費指數(shù)到HDFS文件系統(tǒng)中，為Hadoop執(zhí)行Apriori算法提供數(shù)據(jù)支持，最大限度地提高Apriori算法的執(zhí)行效率，最后通過Apriori算法得到各個影響因素，對糧食價格和年產(chǎn)量的置信度，交給柑橘市場預測模塊，進行計算，得到柑橘年產(chǎn)量和價格預測值（圖3）。

以上述模型為依托，從而搭建基于Hadoop的柑橘市場信息預測平臺。

［1］ 陳康，鄭緯民.云計算系統(tǒng)實例與研究現(xiàn)狀.軟件學報，2009，20（5）：1337～1348

［2］ 陳全，鄧倩妮.云計算及其關鍵技術.計算機應用，2009，29（9）：2562～2567

［3］ 張建勛，古志民，鄭超.云計算研究進展綜述.計算機應用研究，2010，27（2）：429～433

［4］ 何勁，祁春節(jié).中國柑橘生產(chǎn)成本和市場價格變動的實證研究.浙江柑橘，2009，26（1）：2～7

［5］ 汪曉銀.中國柑橘市場預警研究.華中農(nóng)業(yè)大學，2013

［6］ Witten，F(xiàn)rank I H.Data Mining.Practical Machine Learning Tools & Techniques with Java Implementations，2011，13（4）：95～97

［7］ 劉永平，郭小波，胡坤倫.采用云計算對糧食價格進行分析和預測.現(xiàn)代食品，2015，（21）

［8］ Azuaje F. Witten IH，F(xiàn)rank E： Data Mining： Practical Machine Learning Tools and Techniques. Biomedical Engineering Online，2006，5（1）：1～2

［9］ 孫吉紅，彭林，鄒秋霞.基于云計算平臺的智能預測模型研究.農(nóng)業(yè)網(wǎng)絡信息，2014，（1）：43～46

［10］ 徐懿瑾.基于數(shù)據(jù)挖掘的移動中高端用戶流失預警分析.上海交通大學，2010

［11］ Han J，Kamber M. Data Mining： Concepts and Techniques. Data Mining Concepts Models Methods & Algorithms Second Edition，2000，5（4）：1～18

［12］ 李佳鍞.基于云計算和數(shù)據(jù)挖掘技術的中小企業(yè)風險預測模型研究.廈門大學，2012

［13］ Chen M S，Han J，Yu P S. Data Mining： An Overview from a Database Perspective. IEEE Transactions on Knowledge & Data Engineering，1996，8（6）：866～883

［14］ Romero C，Ventura S，Garc í a E. Data mining in course management systems： Moodle case study and tutorial. Computers & Education，2008，51（1）：368～384

［15］ White T. Hadoop ： the definitive guide. O’reilly Media Inc Gravenstein Highway North，2010，215（11）：1 ～ 4

［16］ O’Driscoll A，Daugelaite J，Sleator R D. ‘Big data’，Hadoop and cloud computing in genomics. Journal of Biomedical Informatics，2013，46（5）：774～781

［17］ Borthakur D，Gray J，Sarma J S，et al. Apache hadoop goes realtime at Facebook// Proceedings of the 2011 ACM SIGMOD International Conference on Management of data. ACM，2011：1071～1080

［18］ Dean J，Ghemawat S. MapReduce： Simplified Data Processing on Large Clusters.. In Proceedings of Operating Systems Design and Implementation OSDI，2004，51（1）：107～113

［19］ Dean B J. et al .MapReduce：Simplifieddataprocessing on large clusters. Osdi’，2010，51（1）：107～113

［20］ 覃雄派，王會舉，杜小勇，等.大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生. 軟件學報，2012，23（1）：32～45

［21］ 孫廣中，肖鋒，熊曦. MapReduce模型的調度及容錯機制研究. 微電子學與計算機，2007，24（9）：178～180

［22］ 孫廣中，肖鋒，熊曦. MapReduce模型的調度及容錯機制研究.全國開放式分布與并行計算機學術會議，2007：178～180

［23］ 萬至臻.基于MapReduce模型的并行計算平臺的設計與實現(xiàn).浙江大學，2008

［24］ 陳艷金. MapReduce模型在Hadoop平臺下實現(xiàn)作業(yè)調度算法的研究和改進.華南理工大學，2011

［25］ 鐘曉，馬少平，等.數(shù)據(jù)挖掘綜述.模式識別與人工智能，2001，14（1）：48～55

［26］ 程苗.基于云計算的Web數(shù)據(jù)挖掘.計算機科學，2011，（Z1）：146～149

［27］ 王鄂，李銘.云計算下的海量數(shù)據(jù)挖掘研究.現(xiàn)代計算機：專業(yè)版，2009，（11）：22～25

［28］ 紀俊.一種基于云計算的數(shù)據(jù)挖掘平臺架構設計與實現(xiàn).青島大學，2009

［29］ 李軍華.云計算及若干數(shù)據(jù)挖掘算法的MapReduce化研究.電子科技大學，2010

［30］ 賀瑤，王文慶，薛飛.基于云計算的海量數(shù)據(jù)挖掘研究.微機發(fā)展，2013，（2）：69～72

教育部人文社科基金項目（12YJA870008）；浙江農(nóng)林大學暨陽學院大學生科技創(chuàng)新項目（TMKC1442）