彭彬，王文燕，鄧榮偉

（湖北汽車工業(yè)學(xué)院電氣與信息工程學(xué)院，湖北十堰442002）

對(duì)大數(shù)據(jù)的探討

彭彬，王文燕，鄧榮偉

（湖北汽車工業(yè)學(xué)院電氣與信息工程學(xué)院，湖北十堰442002）

從數(shù)據(jù)處理技術(shù)的角度介紹了大數(shù)據(jù)的概念和特點(diǎn)，分析了大數(shù)據(jù)面臨的挑戰(zhàn)和研究現(xiàn)狀，給出迎接大數(shù)據(jù)的幾點(diǎn)思考。最后，結(jié)合湖北汽車工業(yè)學(xué)院的實(shí)情，提出了大數(shù)據(jù)研究的建議。

大數(shù)據(jù)；數(shù)據(jù)處理技術(shù)；挑戰(zhàn)；大數(shù)據(jù)研究棧

隨著新興信息技術(shù)（如云計(jì)算、物聯(lián)網(wǎng)）和新型信息服務(wù)（如電子商務(wù)、社交網(wǎng)絡(luò)）等的不斷涌現(xiàn)和廣泛應(yīng)用［1-2］，人類可獲取的數(shù)據(jù)種類日益增多，面臨處理的數(shù)據(jù)尺寸由超大規(guī)模數(shù)據(jù)、海量數(shù)據(jù)發(fā)展到大數(shù)據(jù)［3］，數(shù)據(jù)處理的規(guī)模和需求發(fā)生了急劇變化，傳統(tǒng)的數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)等數(shù)據(jù)處理技術(shù)面臨挑戰(zhàn)，大數(shù)據(jù)研究的重要性日益凸顯。正確認(rèn)識(shí)大數(shù)據(jù)的內(nèi)涵與挑戰(zhàn)，積極應(yīng)對(duì)大數(shù)據(jù)的研究機(jī)遇，合理選擇大數(shù)據(jù)研究的突破點(diǎn)有十分重要的意義。

1 大數(shù)據(jù)的概念

大數(shù)據(jù)（Big Data）一詞最早出現(xiàn)于2008年Na?ture雜志發(fā)表的文章《Big data：science in the pet?abyte era》［4-5］，2011年5月McKinsey Global Institute發(fā)布的調(diào)研報(bào)告《Big data：Thenext frontier for inno? vation,competition,and productivity》［6］使得大數(shù)據(jù)研究成為全球科技界和企業(yè)界共同的課題，2012年3月奧巴馬政府啟動(dòng)的“大數(shù)據(jù)研究和發(fā)展計(jì)劃”更使大數(shù)據(jù)研究上升到國(guó)家戰(zhàn)略高度［7］。

關(guān)于大數(shù)據(jù)的定義，維基百科認(rèn)為：大數(shù)據(jù)是因規(guī)模和復(fù)雜性而很難用傳統(tǒng)數(shù)據(jù)處理程序?qū)ζ溥M(jìn)行分析、采集、管理、搜索、共享、存儲(chǔ)、傳輸、可視化和隱私保護(hù)的數(shù)據(jù)集［8］。麥肯錫認(rèn)為：大數(shù)據(jù)是尺寸超出典型數(shù)據(jù)庫(kù)軟件工具的采集、儲(chǔ)存、管理和分析能力的數(shù)據(jù)集［6］。2個(gè)定義都說(shuō)明了大數(shù)據(jù)是數(shù)據(jù)處理技術(shù)發(fā)展到新階段的產(chǎn)物，本質(zhì)是數(shù)據(jù)的集合，強(qiáng)調(diào)不能被傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)處理。

由于能對(duì)政府決策、商業(yè)規(guī)劃和知識(shí)發(fā)現(xiàn)等起重大作用，大數(shù)據(jù)逐漸成為重要的戰(zhàn)略資源［2，9］。中國(guó)科學(xué)院計(jì)算技術(shù)研究所李國(guó)杰院士認(rèn)為：一個(gè)國(guó)家擁有數(shù)據(jù)的規(guī)模和運(yùn)用數(shù)據(jù)的能力將成為綜合國(guó)力的重要組成部分，對(duì)數(shù)據(jù)的占有和控制也將成為國(guó)家間和企業(yè)間新的爭(zhēng)奪焦點(diǎn)［1］。數(shù)字主權(quán)將是繼邊防、海防、空防之后，另一個(gè)大國(guó)博弈的空間。大數(shù)據(jù)研究具有戰(zhàn)略意義。

2 大數(shù)據(jù)的特點(diǎn)

從計(jì)算科學(xué)發(fā)展歷程來(lái)看，大數(shù)據(jù)的概念伴隨物聯(lián)網(wǎng)和云計(jì)算的發(fā)展而提出，物聯(lián)網(wǎng)提高了大數(shù)據(jù)的存儲(chǔ)要求，大數(shù)據(jù)拓展了云計(jì)算的服務(wù)能力，使云計(jì)算從“基礎(chǔ)設(shè)施即服務(wù)”、“平臺(tái)即服務(wù)”、“軟件即服務(wù)”、“存儲(chǔ)即服務(wù)”［10］發(fā)展到“信息即服務(wù)”的新境界。這就使得大數(shù)據(jù)具有不同于傳統(tǒng)數(shù)據(jù)處理對(duì)象的特點(diǎn)。

1）規(guī)模性（Volume）

傳統(tǒng)數(shù)據(jù)處理技術(shù)面臨的是GB、TB級(jí)的數(shù)據(jù)，而大數(shù)據(jù)面臨的數(shù)據(jù)規(guī)模往往高達(dá)PB級(jí)（ 1kB=210Byte，1MB=210KB，1GB=210MB，1TB=210GB，1PB=210TB，1PB相當(dāng)于50%的全美國(guó)圖書館藏書量）。

2）多樣性（Variety）

傳統(tǒng)數(shù)據(jù)處理技術(shù)面臨的是結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)；而大數(shù)據(jù)面臨的更多是網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息這樣的非結(jié)構(gòu)化數(shù)據(jù)。

3）高速性（Velocity）

傳統(tǒng)數(shù)據(jù)處理技術(shù)中的數(shù)據(jù)變化速度不大，數(shù)據(jù)處理的響應(yīng)時(shí)間可以是分鐘級(jí)別；而大數(shù)據(jù)中的數(shù)據(jù)產(chǎn)生與傳播的速度快（呈現(xiàn)出鮮明的流式特征，俗稱流式計(jì)算），數(shù)據(jù)處理的響應(yīng)時(shí)間一般在秒級(jí)，以支持用戶決策，滿足“信息即服務(wù)”的質(zhì)量要求。

4）價(jià)值性（Value）

大數(shù)據(jù)中有價(jià)值的數(shù)據(jù)往往分布不均勻，常常是“滄海”中“一栗”。從整體看，有價(jià)值數(shù)據(jù)分布稀疏，數(shù)據(jù)價(jià)值密度低，但挖掘出來(lái)的信息商用價(jià)值高。

3 大數(shù)據(jù)帶來(lái)的挑戰(zhàn)

數(shù)據(jù)處理包括數(shù)據(jù)收集、存儲(chǔ)、加工、傳播等活動(dòng)，中心問(wèn)題是數(shù)據(jù)管理（如分類、組織、編碼、存儲(chǔ)、檢索和維護(hù)）［11］。由于大數(shù)據(jù)獨(dú)有的特點(diǎn)，傳統(tǒng)的數(shù)據(jù)處理技術(shù)面臨壓力。國(guó)際數(shù)據(jù)公司IDC認(rèn)為大數(shù)據(jù)是“為更經(jīng)濟(jì)地從高頻率的、大容量的、不同結(jié)構(gòu)和類型的數(shù)據(jù)中獲取價(jià)值而設(shè)計(jì)的新一代架構(gòu)和技術(shù)”。

1）高效數(shù)據(jù)獲取技術(shù)

數(shù)據(jù)獲取是大數(shù)據(jù)處理的第一步，要應(yīng)對(duì)大數(shù)據(jù)的高速性，就必須堅(jiān)持?jǐn)?shù)據(jù)獲取的高效性。急需研究滿足“按需獲取”的“自適應(yīng)數(shù)據(jù)獲取”技術(shù)，實(shí)現(xiàn)在數(shù)據(jù)上傳與存儲(chǔ)之前的濾波去噪、降維、壓縮，減小數(shù)據(jù)規(guī)模。

2）高速數(shù)據(jù)傳輸技術(shù)

高效獲取的海量數(shù)據(jù)需要通過(guò)網(wǎng)絡(luò)匯集到數(shù)據(jù)中心，或者在數(shù)據(jù)中心之間遷移。大數(shù)據(jù)傳輸必須面對(duì)時(shí)效性和數(shù)據(jù)完整性2個(gè)問(wèn)題。一個(gè)具體應(yīng)用可能偏重時(shí)效，也可能偏重?cái)?shù)據(jù)完整性，還可能二者兼之。目前的網(wǎng)絡(luò)技術(shù)不能滿足大數(shù)據(jù)傳輸在時(shí)效性和數(shù)據(jù)完整性方面的需求，急需研究“新的網(wǎng)絡(luò)體系結(jié)構(gòu)、傳輸交換機(jī)理、通信協(xié)議及高效數(shù)據(jù)流和網(wǎng)絡(luò)資源調(diào)度方法”［12］。

3）高效數(shù)據(jù)管理技術(shù)

大數(shù)據(jù)應(yīng)用下，數(shù)據(jù)增長(zhǎng)速度快、并發(fā)讀寫強(qiáng)度高、多樣性數(shù)據(jù)在不同設(shè)備上存儲(chǔ)、數(shù)據(jù)處理面臨高速性壓力，急需新的存儲(chǔ)架構(gòu)、數(shù)據(jù)組織方案和索引檢索理論，以提供高效的數(shù)據(jù)管理技術(shù)。

4）高效數(shù)據(jù)分析技術(shù)

傳統(tǒng)的數(shù)據(jù)分析技術(shù)基于結(jié)構(gòu)化數(shù)據(jù)展開，數(shù)據(jù)量小，數(shù)據(jù)間關(guān)系已有部分先驗(yàn)知識(shí)（數(shù)據(jù)間關(guān)系也存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中），統(tǒng)計(jì)分析基于小樣本、獨(dú)立同分布理論進(jìn)行。而大數(shù)據(jù)分析面對(duì)的是快速變化的海量數(shù)據(jù)，可獲取的樣本數(shù)已遠(yuǎn)遠(yuǎn)超過(guò)了傳統(tǒng)的小樣本量，樣本的流式特征使得獨(dú)立同分布的特性受到威脅。急需研究新的計(jì)算體系結(jié)構(gòu)［12］、研究新的分析理論、模型和方法［13-14］，提供高效的數(shù)據(jù)分析技術(shù)，以應(yīng)對(duì)分析時(shí)效與分析成本的壓力。

5）數(shù)據(jù)安全與用戶隱私保護(hù)

馮登國(guó)等把用戶隱私細(xì)化為用戶位置隱私、用戶標(biāo)識(shí)符隱私和用戶連接關(guān)系隱私等。大數(shù)據(jù)下，人們面臨的威脅不僅包括個(gè)人隱私泄漏，更可怕的是基于大數(shù)據(jù)對(duì)用戶（政府、企業(yè)和個(gè)人）狀態(tài)和行為的預(yù)測(cè)；受攻擊或刻意制造的大數(shù)據(jù)會(huì)導(dǎo)致錯(cuò)誤的分析結(jié)論；大數(shù)據(jù)層層傳播，誤差積累也會(huì)導(dǎo)致數(shù)據(jù)失真［15］。中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）大數(shù)據(jù)專家委員會(huì)關(guān)于2014年大數(shù)據(jù)發(fā)展趨勢(shì)預(yù)測(cè)的報(bào)告［16］指出用戶隱私會(huì)越來(lái)越多地融入各種大數(shù)據(jù)中，大數(shù)據(jù)更容易成為網(wǎng)絡(luò)攻擊目標(biāo)，大數(shù)據(jù)分析技術(shù)更容易被黑客利用，大數(shù)據(jù)引起了更多不易被追蹤和防范的犯罪手段。大數(shù)據(jù)面臨嚴(yán)峻的數(shù)據(jù)安全與用戶隱私保護(hù)挑戰(zhàn)。

4 大數(shù)據(jù)研究現(xiàn)狀

從技術(shù)層面看，Google提供了第一代大數(shù)據(jù)技術(shù)GFS、BigTable和MapReduce。其中GFS是一個(gè)可部署在廉價(jià)設(shè)備上的分布式文件系統(tǒng)，Bigtable是一個(gè)運(yùn)行在GFS之上的分布式結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)，MapReduce是一個(gè)簡(jiǎn)單的并行計(jì)算框架。2012起，Google又相繼推出新一代大數(shù)據(jù)技術(shù)：Co?lossus、Caffeine、Pregel、Dremel等。此外，Yahoo、Facebook、Twitter等互聯(lián)網(wǎng)企業(yè)，將Goole的原創(chuàng)技術(shù)與自身的工程實(shí)踐相結(jié)合，開發(fā)支持大數(shù)據(jù)應(yīng)用的開源軟件；IBM、Oracle等IT廠商對(duì)開源技術(shù)進(jìn)行改進(jìn)，提供面向行業(yè)的大數(shù)據(jù)應(yīng)用系統(tǒng)緊。

從應(yīng)用層面看，Google在Web搜索、Amazon和阿里巴巴在電子商務(wù)、Facebook和Twitter在社交網(wǎng)絡(luò)方面都有大數(shù)據(jù)應(yīng)用的成功經(jīng)驗(yàn)。

從實(shí)現(xiàn)大數(shù)據(jù)技術(shù)的開源軟件來(lái)看，Apache軟件基金會(huì)的Hadoop影響最大，并以離線分析見長(zhǎng)。但Hadoop一統(tǒng)天下的格局正在發(fā)生改變，如Twitter推出支持流式計(jì)算的Storm，以實(shí)時(shí)分析見長(zhǎng)；由加州伯克利大學(xué)AMP實(shí)驗(yàn)室推出的Spark系統(tǒng)則有著比Hadoop快近100倍的性能，進(jìn)一步降低了大數(shù)據(jù)應(yīng)用開發(fā)的編程難度。

5 應(yīng)對(duì)大數(shù)據(jù)的幾點(diǎn)思考

5.1政產(chǎn)學(xué)研合作搭建大數(shù)據(jù)協(xié)同研究平臺(tái)

政府應(yīng)重視大數(shù)據(jù)的戰(zhàn)略地位，為高校和科研機(jī)構(gòu)建設(shè)云計(jì)算中心提供資金支持。推動(dòng)政產(chǎn)學(xué)研建設(shè)大數(shù)據(jù)協(xié)同研究平臺(tái)，政府和企業(yè)為大數(shù)據(jù)研究提供數(shù)據(jù)支持，高校和科研機(jī)構(gòu)借助研究平臺(tái)培養(yǎng)大數(shù)據(jù)研究應(yīng)用相關(guān)人才、為企業(yè)和政府提供決策服務(wù)。

5.2選擇合適的突破點(diǎn)，保證大數(shù)據(jù)研究的效益

大數(shù)據(jù)研究棧如圖1所示。數(shù)據(jù)獲取層研究快速數(shù)據(jù)感知工具及自適應(yīng)數(shù)據(jù)獲取技術(shù)，以高效獲取數(shù)據(jù)。網(wǎng)絡(luò)傳輸層研究滿足大數(shù)據(jù)時(shí)效性和數(shù)據(jù)完整性的網(wǎng)絡(luò)體系結(jié)構(gòu)和數(shù)據(jù)傳輸機(jī)制。存儲(chǔ)管理層研究應(yīng)對(duì)數(shù)據(jù)規(guī)?？焖僭鲩L(zhǎng)的存儲(chǔ)架構(gòu)和高效的數(shù)據(jù)管理機(jī)制。分析算法層研究新的分析理論、模型和算法，解決大數(shù)據(jù)分析的共性問(wèn)題。工具接口層研究基于大數(shù)據(jù)分析算法的應(yīng)用接口和可視化工具。行業(yè)應(yīng)用層研究特定行業(yè)的大數(shù)據(jù)解決方案，降低行業(yè)大數(shù)據(jù)應(yīng)用的門檻。高校和科研機(jī)構(gòu)應(yīng)結(jié)合自己的技術(shù)積累，考慮自己的區(qū)域位置、行業(yè)特色、政企需求來(lái)選擇大數(shù)據(jù)研究的切入點(diǎn)。網(wǎng)絡(luò)傳輸層和存儲(chǔ)管理層的研究基準(zhǔn)較高，重點(diǎn)在數(shù)據(jù)獲取層、分析算法層、工具接口層以及行業(yè)應(yīng)用層選擇突破點(diǎn)，以保證大數(shù)據(jù)研究的效益。

圖1 大數(shù)據(jù)研究棧

5.3培養(yǎng)大數(shù)據(jù)市場(chǎng)，保證大數(shù)據(jù)研究可持續(xù)發(fā)展

企業(yè)需求是大數(shù)據(jù)研究最重要的動(dòng)力，也是大數(shù)據(jù)研究持續(xù)發(fā)展的保證。政府應(yīng)加速制定大數(shù)據(jù)產(chǎn)業(yè)政策，建立有效的有利創(chuàng)新的知識(shí)產(chǎn)權(quán)框架，建立大數(shù)據(jù)共享和交易市場(chǎng)，促進(jìn)產(chǎn)學(xué)研進(jìn)行大數(shù)據(jù)研究和應(yīng)用推廣；應(yīng)加快制定隱私保護(hù)、數(shù)據(jù)安全等法律法規(guī)，界定大數(shù)據(jù)擁有者的權(quán)利和責(zé)任（不準(zhǔn)確數(shù)據(jù)導(dǎo)致的負(fù)面結(jié)果），為大數(shù)據(jù)研究與應(yīng)用提供司法支持。

6 湖北汽車工業(yè)學(xué)院大數(shù)據(jù)研究的建議

湖北汽車工業(yè)學(xué)院具有傳感器、車聯(lián)網(wǎng)、智慧城市、人工智能、數(shù)據(jù)庫(kù)應(yīng)用等研究經(jīng)驗(yàn)，具備大數(shù)據(jù)研究的技術(shù)積累；與東風(fēng)公司關(guān)系密切，熟悉汽車業(yè)的制造、銷售和服務(wù)體系，東風(fēng)公司信息化基礎(chǔ)好，基于信息化提升制造、營(yíng)銷水平的意愿強(qiáng)，具備研究大數(shù)據(jù)行業(yè)應(yīng)用的外部環(huán)境；學(xué)校地處南水北調(diào)水源區(qū)，扶貧攻堅(jiān)、環(huán)保、產(chǎn)業(yè)升級(jí)培育的壓力大，用大數(shù)據(jù)技術(shù)服務(wù)地方社會(huì)轉(zhuǎn)型發(fā)展的切入點(diǎn)多，容易獲得政府的支持。因此具備大數(shù)據(jù)研究的條件，建議啟動(dòng)大數(shù)據(jù)研究工作。

湖北汽車工業(yè)學(xué)院的大數(shù)據(jù)研究宜在數(shù)據(jù)獲取層、分析算法層、行業(yè)應(yīng)用層展開?？梢匝芯恐С执髷?shù)據(jù)的傳感器技術(shù)，基于大數(shù)據(jù)的汽車制造、汽車營(yíng)銷、環(huán)境保護(hù)、電子商務(wù)、法律法規(guī)，基于大數(shù)據(jù)的統(tǒng)計(jì)理論、行業(yè)大數(shù)據(jù)應(yīng)用建模、模式識(shí)別、機(jī)器學(xué)習(xí)、人工智能等。

以服務(wù)汽車制造、服務(wù)南水北調(diào)為抓手，推進(jìn)湖北汽車工業(yè)學(xué)院大數(shù)據(jù)研究可改變學(xué)?？蒲猩鷳B(tài)，提升學(xué)校服務(wù)汽車制造業(yè)、地方政府的能力。

7 結(jié)束語(yǔ)

大數(shù)據(jù)是數(shù)據(jù)處理技術(shù)發(fā)展到新階段的產(chǎn)物，是不能被傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)處理的數(shù)據(jù)集。大數(shù)據(jù)的研究與應(yīng)用是挑戰(zhàn)也是機(jī)遇，應(yīng)基于自身?xiàng)l件切入大數(shù)據(jù)技術(shù)與應(yīng)用研究，服務(wù)企業(yè)與社會(huì)，保證研究效益。

［1］李國(guó)杰.大數(shù)據(jù)研究：未來(lái)科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考［J］.中國(guó)科學(xué)院院刊，2012（6）：647-656.

［2］孟小峰，高宏.大數(shù)據(jù)專題前言［J］.軟件學(xué)報(bào)，2014（4）：691-692.

［3］張興旺.圖書館大數(shù)據(jù)體系構(gòu)建的學(xué)術(shù)環(huán)境和戰(zhàn)略思考［J］.情報(bào)工作，2013（2）：12-17.

［4］于艷華，宋美娜.大數(shù)據(jù)（1）［J］.中興通訊技術(shù)，2013（1）：57-60.

［5］Graham-Rowe D，Goldston D，Doctorow C，et al.Big da?ta：science in the petabyte era［J］.Nature，2008（455）：1-50.

［6］JamesManyika，MichaelChui，Brad Brown，etal.Bigdata：The next frontier for innovation，competition，and produc?tivity［EB/OL］.［2014-09-10］.http：//www.mckinsey.com/ insights/business_technology/big_data_the_next_frontier_ for_innovation.

［7］李國(guó)杰.大數(shù)據(jù)研究的價(jià)值［J］.中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊，2012（9）：8-15.

［8］Wikipedia.Big data［OL］.［2014-09-10］.http：//en.wiki?pedia.org/wiki/Bigdata.

［9］楊學(xué)山.迎接大數(shù)據(jù)發(fā)展的拐點(diǎn)［J］.世界電信，2014（Z1）：34-36.

［10］張建勛，古志民，鄭超.云計(jì)算研究進(jìn)展綜述［J］.計(jì)算機(jī)應(yīng)用研究，2010（2）：429-433.

［11］王珊，薩師煊.數(shù)據(jù)庫(kù)系統(tǒng)概論［M］.4版.北京：高等教育出版社.2006：6.

［12］王成紅，陳偉能，張軍等.大數(shù)據(jù)技術(shù)與應(yīng)用中的挑戰(zhàn)性科學(xué)問(wèn)題［J］.中國(guó)科學(xué)基金，2014（2）：92-98.

［13］耿直.大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)面臨的機(jī)遇與挑戰(zhàn)［J］.統(tǒng)計(jì)研究，2014（1）：5-9.

［14］李金昌.大數(shù)據(jù)與統(tǒng)計(jì)新思維［J］.統(tǒng)計(jì)研究，2014（1）：11-17.

［15］馮登國(guó)，張敏，李昊.大數(shù)據(jù)安全與隱私保護(hù)［J］.計(jì)算機(jī)學(xué)報(bào)，2014（1）：246-256.

［16］黎林峰.2014年大數(shù)據(jù)發(fā)展趨勢(shì)預(yù)測(cè)［J］.中國(guó)建設(shè)信息，2014（3）：18-19.

Discussion on Big Data

Peng Bin,WangWenyan,Deng Rongwei
（Schoolof Electrical&Information Engineering,HubeiUniversity of Automotive Technology,Shiyan 442002,China）

From the perspective of data processing technology,the conceptand characteristics of big da?tawere introduced.The challengesbroughtby big dataand the research statuswere analyzed.Some con?siderations formeeting big datawere given.Some suggestionson the big data researchwere put forward according to theactual conditionsofHubeiUniversityofAutomotive Technology.

big data;data processing technology;challenges;big data research stack

10.3969/j.issn.1008-5483.2014.03.013

TP11.13；F416.6

A

1008-5483（2014）03-0060-04

2014-09-06

彭彬（1971-），男，湖北鄖縣人，副教授，從事網(wǎng)絡(luò)與數(shù)據(jù)庫(kù)、Web工程研究。