鄭士芹

（北京信息職業(yè)技術(shù)學(xué)院，北京，100081）

0 引言

大數(shù)據(jù)作為人們普遍認(rèn)知的概念，帶給整個(gè)社會(huì)發(fā)展一種前所未有的便利。當(dāng)前大數(shù)據(jù)的發(fā)展速度取決于人類對(duì)于數(shù)據(jù)需求的一種反應(yīng)，人類需求量越大，對(duì)數(shù)據(jù)處理速度的要求也越高，隨著信息技術(shù)的高速發(fā)展，人類通過(guò)不斷的探索，對(duì)數(shù)據(jù)的收集和處理有了前所未有的進(jìn)步，也研究出了多種高效的方式來(lái)存儲(chǔ)和讀取數(shù)據(jù)，來(lái)更好地滿足人們和社會(huì)的需要。一般來(lái)說(shuō)，其常用的方式如下：一是表緩沖，將大數(shù)據(jù)中記錄數(shù)據(jù)進(jìn)行集中讀取，存儲(chǔ)至內(nèi)存后再對(duì)數(shù)據(jù)進(jìn)行集中處理；二是行緩沖，將大數(shù)據(jù)中所需要的數(shù)據(jù)進(jìn)行逐一讀取并立即處理，再存儲(chǔ)至內(nèi)存中。但通過(guò)現(xiàn)有研究發(fā)現(xiàn)上述方法存在一定不足，因此本文針對(duì)大數(shù)據(jù)的特點(diǎn)和一種文件緩沖方式的數(shù)據(jù)處理方式進(jìn)行闡述。

1 大數(shù)據(jù)量數(shù)據(jù)特點(diǎn)

當(dāng)前，大數(shù)據(jù)技術(shù)正在引導(dǎo)著這個(gè)社會(huì)的發(fā)展，從大數(shù)據(jù)的發(fā)展情況來(lái)講，可從數(shù)據(jù)本身和數(shù)據(jù)處理兩個(gè)方面來(lái)進(jìn)行理解，將大數(shù)據(jù)分為狹義和廣義之分，狹義的大數(shù)據(jù)僅僅從字面理解，表征為數(shù)據(jù)的規(guī)模和形式，表征計(jì)量至少為PB、EB和ZB的數(shù)據(jù)規(guī)模，包括結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于大數(shù)據(jù)量數(shù)據(jù)我們通過(guò)兩個(gè)方面進(jìn)行理解，在橫向方面表征為數(shù)據(jù)量的大小，在這一角度來(lái)說(shuō)，大數(shù)據(jù)是表示廣泛的數(shù)據(jù)量，表征為數(shù)據(jù)過(guò)多，規(guī)模巨大。在縱向方面進(jìn)行理解表征為結(jié)構(gòu)化數(shù)據(jù)，可分為結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)，表示為數(shù)據(jù)的多樣性和不確定性。而廣義的大數(shù)據(jù)不但包含數(shù)據(jù)的規(guī)模和形式，還要將數(shù)據(jù)的處理方式納入其中。

根據(jù)在前文中對(duì)于大數(shù)據(jù)的歷史發(fā)展和大數(shù)據(jù)時(shí)代背景所述，對(duì)于大數(shù)據(jù)的實(shí)質(zhì)涵義我們有了更深的理解。因此，對(duì)數(shù)據(jù)進(jìn)行合理的分類顯得尤為重要，將有價(jià)值的數(shù)據(jù)資源進(jìn)行累計(jì)，而將不重要的數(shù)據(jù)進(jìn)行驅(qū)替，可大大減少數(shù)據(jù)庫(kù)服務(wù)所帶來(lái)的高額成本，避免出現(xiàn)由于不必要的資源占用有限的數(shù)據(jù)庫(kù)空間，造成資源的浪費(fèi)，導(dǎo)致系統(tǒng)出現(xiàn)緩慢的情況。不論從哪種角度出發(fā)，大數(shù)據(jù)的核心研究是數(shù)據(jù)的積累和處理，基于此項(xiàng)目的，高效的處理方式的研究將成為行業(yè)發(fā)展的關(guān)鍵。

2 大型關(guān)系數(shù)據(jù)庫(kù)適應(yīng)領(lǐng)域及技術(shù)原理

隨著信息化建設(shè)的不斷發(fā)展，大型關(guān)系數(shù)據(jù)庫(kù)在各行各業(yè)中得到深度的推廣和應(yīng)用，定制功能和專項(xiàng)服務(wù)使得這一技術(shù)更好的在各個(gè)領(lǐng)域中發(fā)揮著不可或缺的力量，進(jìn)而使得用戶數(shù)量和業(yè)務(wù)不斷提升，導(dǎo)致人們對(duì)數(shù)字信息化服務(wù)需求不斷上升，大數(shù)據(jù)量數(shù)據(jù)也不斷上升。進(jìn)而引發(fā)的結(jié)果導(dǎo)致在數(shù)據(jù)的采集、響應(yīng)的速度、計(jì)算的速度和存儲(chǔ)能力方面出現(xiàn)了一定的壓力。在以上所述的方面中，數(shù)據(jù)模塊的研發(fā)者通常對(duì)數(shù)據(jù)模型關(guān)系、數(shù)據(jù)的表現(xiàn)方式、數(shù)據(jù)的管理、編寫的方法、數(shù)據(jù)的存儲(chǔ)位置以及數(shù)據(jù)的存儲(chǔ)大小采用文件緩沖方式進(jìn)行結(jié)構(gòu)設(shè)計(jì)。2001年，高德納咨詢公司將大數(shù)據(jù)進(jìn)行歸納總結(jié)為巨量、速度和多樣性，由此可以看出，早在大數(shù)據(jù)發(fā)展之初，人們?cè)缫岩庾R(shí)到數(shù)據(jù)的數(shù)量之大。

在大數(shù)據(jù)提供了豐富數(shù)據(jù)的同時(shí)，人們對(duì)于數(shù)據(jù)響應(yīng)的要求也越來(lái)越高，這也為數(shù)據(jù)存儲(chǔ)方式提出了更為苛刻的要求，不再僅僅滿足存儲(chǔ)數(shù)量的同時(shí)，還對(duì)反應(yīng)速度有了一定的要求。這也就要求國(guó)內(nèi)外學(xué)者在對(duì)大數(shù)據(jù)量數(shù)據(jù)處理方式的研究上提出了更高的挑戰(zhàn)，以滿足人們對(duì)于數(shù)據(jù)反應(yīng)時(shí)間控制在可接受的范圍之內(nèi)，通過(guò)對(duì)大數(shù)據(jù)量數(shù)據(jù)的處理方式和存儲(chǔ)方式進(jìn)行同時(shí)擴(kuò)展，達(dá)到在高速增長(zhǎng)的數(shù)據(jù)量的同時(shí)保證響應(yīng)的目的。另外，大數(shù)據(jù)可應(yīng)用于不同的服務(wù)對(duì)象，來(lái)自設(shè)備的大量數(shù)據(jù)進(jìn)行實(shí)時(shí)分析成為重要的需要，不同的用戶在數(shù)據(jù)倉(cāng)庫(kù)方面存在多維分析處理的問(wèn)題。

大數(shù)據(jù)管理架構(gòu)如圖1所示，通過(guò)對(duì)大數(shù)據(jù)管理架構(gòu)分析來(lái)可進(jìn)一步了解大數(shù)據(jù)存儲(chǔ)的方式和處理技術(shù)。在圖1左側(cè)可以看到，原始數(shù)據(jù)通過(guò)數(shù)據(jù)抽取和預(yù)處理，將用戶需要數(shù)據(jù)進(jìn)行必要的分析處理后的數(shù)據(jù)從原始文件中進(jìn)行抽取提供給用戶，對(duì)于大數(shù)據(jù)中頻繁使用的數(shù)據(jù)進(jìn)行分析處理，將這些必要的數(shù)據(jù)抽取至上一層數(shù)據(jù)庫(kù)中以便更快的分析和供用戶使用，達(dá)到提高效率的目的。圖1右側(cè)則表示為由上向下的存儲(chǔ)方式，在響應(yīng)各行各業(yè)大數(shù)據(jù)的應(yīng)用中，需提供大量的數(shù)據(jù)支持，進(jìn)行存儲(chǔ)和處理，在自上而下的過(guò)程中內(nèi)存數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行抽取并分析處理，然后將超過(guò)分析時(shí)間的數(shù)據(jù)下移至磁盤存儲(chǔ)引擎以便更好地對(duì)歷史數(shù)據(jù)進(jìn)行訪問(wèn)和分析，當(dāng)數(shù)據(jù)量超過(guò)存儲(chǔ)量時(shí)，將多余的數(shù)據(jù)量轉(zhuǎn)存至底層存儲(chǔ)系統(tǒng)中。在當(dāng)前這種存儲(chǔ)結(jié)構(gòu)下，分析數(shù)據(jù)所采用的是順序訪問(wèn)的分析方法，內(nèi)存數(shù)據(jù)庫(kù)成為高性能存儲(chǔ)和處理引擎從而保證將導(dǎo)入的數(shù)據(jù)進(jìn)行快速的分析和處理，以滿足所需。

圖1 大數(shù)據(jù)管理架構(gòu)

如圖2所示，表現(xiàn)出數(shù)據(jù)庫(kù)是一個(gè)數(shù)據(jù)共享訪問(wèn)平臺(tái)，包含完整的用戶信息管理、用戶訪問(wèn)權(quán)限、數(shù)據(jù)管理等，為結(jié)構(gòu)化數(shù)據(jù)的處理提供了良好的基礎(chǔ)，但缺乏對(duì)非結(jié)構(gòu)化數(shù)據(jù)的管理和處理能力，數(shù)據(jù)存儲(chǔ)沒(méi)有進(jìn)行有效的分類，因此針對(duì)數(shù)據(jù)庫(kù)的自身特點(diǎn)，分析數(shù)據(jù)量的大小、訪問(wèn)的頻率、數(shù)據(jù)增長(zhǎng)的速度、數(shù)據(jù)的流向等特點(diǎn)，對(duì)數(shù)據(jù)進(jìn)行及時(shí)有效的分類，進(jìn)而根據(jù)數(shù)據(jù)的不同設(shè)計(jì)所對(duì)應(yīng)的存儲(chǔ)方式和處理方式，可更快地提高訪問(wèn)效率。

圖2 數(shù)據(jù)共享訪問(wèn)順序圖

3 操作大數(shù)據(jù)量數(shù)據(jù)分析應(yīng)用

大數(shù)據(jù)的有效應(yīng)用暴露出了對(duì)于傳統(tǒng)數(shù)據(jù)庫(kù)分析和管理方式在某些領(lǐng)域存在的種種問(wèn)題，如缺少針對(duì)行業(yè)所存在問(wèn)題所提出的針對(duì)性的數(shù)據(jù)處理方式，缺少對(duì)大規(guī)模數(shù)據(jù)量的計(jì)算保障，缺少對(duì)于用戶需求的靈活選取等問(wèn)題。針對(duì)在數(shù)據(jù)處理方面出現(xiàn)的問(wèn)題，在對(duì)所獲取的數(shù)據(jù)進(jìn)行挖掘和關(guān)聯(lián)分析的時(shí)候采用文件緩沖的方式進(jìn)行數(shù)據(jù)量的數(shù)據(jù)研究，其基本操作過(guò)程是，先將所需要處理的數(shù)據(jù)庫(kù)中的記錄進(jìn)行讀取存儲(chǔ)在臨時(shí)文件中，通過(guò)將所存儲(chǔ)的數(shù)據(jù)庫(kù)在臨時(shí)文件中進(jìn)行合理的處理，處理結(jié)束后將臨時(shí)文件進(jìn)行刪除，將有效的數(shù)據(jù)進(jìn)行逐一記錄至內(nèi)存中。通過(guò)采用計(jì)算機(jī)對(duì)文件緩沖方式進(jìn)行數(shù)據(jù)處理，其部分程序如下：

通過(guò)此方法，在數(shù)據(jù)挖掘和處理上取得了良好的效果，主要是由于在整個(gè)數(shù)據(jù)處理過(guò)程中，需要多次進(jìn)行計(jì)算，僅僅只要讀取數(shù)據(jù)而不會(huì)對(duì)數(shù)據(jù)進(jìn)行更改、刪除和插入等操作。

4 結(jié)論

大數(shù)據(jù)作為當(dāng)前時(shí)代發(fā)展的重要趨勢(shì)之一，對(duì)于數(shù)據(jù)庫(kù)的管理以及大數(shù)據(jù)量數(shù)據(jù)的處理方式的研究尤為重要。針對(duì)當(dāng)前大數(shù)據(jù)的發(fā)展中所提出的問(wèn)題，本文所采用的處理方法也達(dá)到了一定的優(yōu)化效果，希望為后期大數(shù)據(jù)量數(shù)據(jù)處理研究方面提供一定的經(jīng)驗(yàn)參考。