0 引言

隨著時代的發(fā)展以及客戶的需求變化，計算機采集數據量在不斷增大，提升計算機安全性，運用計算機處理海量數據已成為一種技術趨勢。針對不同數據類型以及數據格式的信息，運用計算機對數據進行處理，其難度也相應有所提升；基于云計算技術的發(fā)展，將該技術應用到數據處理之中，能夠取得不錯應用效果。本文主要目的就是分析在云計算技術支持下，改進傳統(tǒng)的數據處理方法，應用并行SLIQ算法實現對計算機海量數據的處理，以便提升計算機海量數據處理效果。

1 云計算技術

1.1 云計算優(yōu)勢

云計算就是以更快捷的方式為用戶提供計算資源，不斷地提高云計算下計算機的處理能力，減少計算機用戶終端的數據處理的負擔，使計算機數據終端可以簡化為一種輸入輸出設備，云的強大計算處理能力使用戶可以按需求取。云計算它包括網絡計算、并行計算、網絡存儲、分布式計算等，它是用網絡的方式整合較低的計算實體，最終形成強大計算能力的用戶終端，并借助商業(yè)模式來進行推廣應用。

1.2 安全優(yōu)勢

基于云計算的并行SLIQ算法，就是在用云計算作為支持的技術平臺上，再構建分布式時空數據庫，面向擁有海量數據計算機系統(tǒng)的數據挖掘模型。并且，在云計算技術下，確保計算機海量數據在傳輸中不發(fā)生成批成片丟失、錯誤的狀況，可以解決海量數據存儲中節(jié)點失效幾率，可以確保計算機數據安全性。

2 基于云計算的海量數據SLIQ算法

基于云計算的計算機數據處理中，能夠為客戶數據處理提供動態(tài)資源池，并可以實現虛擬化可用性計算機數據處理平臺，這樣就可以利用云計算來對計算機海量數據進行計算挖掘。

圖1 云計算中數據計算模型

在基于云計算的計算機海量數據SLIQ算法中，可以通過這個云計算平臺，云計算技術的底層中，是可以透明化實現的，其能夠給上層數據計算提供服務，并且在基于運算的SLIQ算法上層之中，還可以有效通過計算機的層間開放接口，以此去調用下層中的數據服務，這也就可以使得計算機海量數據SLIQ算法中，其并行決策樹層以及層之間功能，能夠實現其之間的相對獨立，云計算設計的計算機海量數據處理中，基于海量數據的二次開發(fā)，設計出具備多層插件的框架結構，計算機海量數據SLIQ算法，運用云計算技術，整合資源跟彈性構架，增加實際計算機海量數據SLIQ算法的實現有效性，提升其維護中的靈活性。同時，在基于云計算的SLIQ算法之中，要滿足數據復雜型，滿足海量數據動態(tài)性，是一種實現數據挖掘的重要模式。

3 計算機海量數據SLIQ算法處理的特征

在SLIQ算法中，可以采用預排序的技術，有效消除云計算決策樹中每個節(jié)點數據集排序需要，對每個屬性取值，把記錄按從小到大排序，為訓練集數據的每個屬性創(chuàng)建一個屬性列表，運用廣度優(yōu)先策略去構造決策樹，也就是在決策樹的每一層，可以只需對其每個屬性的列表進行掃描，就可以一次找出其決策樹葉子節(jié)點的最優(yōu)分裂標準，從而提升數據處理效率。

在SLIQ算法的數據結構中，包含屬性表（Attribute List）、類表（C1ass List），其中，SLIQ算法中的每個屬性有一個屬性表，有必要的話，屬性表可以寫回磁盤類表（C1ass List）：

SLIQ算法中僅有一張類表，類表必須常駐內存，類表第 n項，存放第n條記錄的類標簽，類表（C1ass List）表示如下：

SLIQ算法的數據結構中，還包含有樹節(jié)點，內部節(jié)點記錄必要的分類信息，葉子節(jié)點代表訓練集的一塊數據，也就是一個類別。每個節(jié)點之中，其也都具有一個類的直方圖，可以在計算機海量數據處理中，用此圖來統(tǒng)計分類數據信息。

SLIQ算法樹結構中的數值型字段的類直方圖：SLIQ算法樹結構中的種類型字段的類直方圖：

SLIQ算法中，具備預排序與廣度優(yōu)先增長策略；而且在SLIQ算法中，還有預排序與廣度優(yōu)先增長策略，計算出最佳分割以后，就可以產生子節(jié)點了；子節(jié)點生成以后，需要對類表進行更新，使它指向原來節(jié)點的子節(jié)點。其更新類表算法代碼如下：

UpdateLabe1s（）

4 云計算下計算機海量數據SLIQ算法實例

4.1 構建云服務平臺

在基于云計算技術的SLIQ算法中，將會應用“云服務”，針對云計算公共標準，基于云計算開發(fā)網絡平臺，有效分類、管理、利用計算機海量數據資源，確保計算機海量數據在“云端”的安全性，選擇可想的云計算服務，提升計算機海量數據平臺開發(fā)的質量。計算機海量數據處理，在實際應用領域內，給數據管理工作帶來許多優(yōu)勢，選擇適合數據分析模型的關聯規(guī)則，建立數據倉庫，并對其進行數據清理、數據轉換、數據消減等，應用基于云計算技術的SLIQ算法，大大優(yōu)化了計算機海量數據管理質量。

4.2 細化云計算下的服務分層

同時，對于在硬件開發(fā)部門，將會應用云計算技術，利用“云端”、計算機系統(tǒng)以及局域網組建其互聯網形式，有效提升硬件開發(fā)方面的質量水平。在應該開發(fā)中，應用三層次服務，云計算技術的SLIQ算法中，實現用戶通過云計算web瀏覽器以及手機等移動設備，提升計算機海量數據處理速度，避免重復開發(fā)。并且，在云計算技術下，對于計算機本地存儲的數據，均會進行加密保護，并且在數據的網絡傳輸上也會加密保護，確保海量數據傳輸安全。在設計中，還需要具備任務調度以及創(chuàng)建新任務的功能；內存管理中，應該可以實時用戶提供強大的虛擬存儲管理機制，在軟件設計中還應該具備中斷管理、時間管理功能，可以在系統(tǒng)的軟件設計中，設計出基于云計算海量數據處理中的時鐘程序；能夠在云計算技術下，針對計算機海量數據處理軟件設計中，設置具備任務擴展功能的結構，提高海量數據處理實際使用效率。

4.3 實現云計算下的SLIQ算法

云計算下SLIQ算法中，根據MDL剪枝原理，對計算機海量數據進行編碼，對于生成的初始樹，發(fā)現最好的描述訓練集S的子樹 T。同時，SLIQ算法還具備一些不足，首先是，云計算技術的SLIQ算法中，在云計算計算機中把類別列表存在內存，中限制處理數據集大小。其次是云計算技術的SLIQ算法中，采用的是預排序技術，由于實際排序算法復雜度，不是和記錄個數成線性關系的，在實際中也不能通過記錄數目增長，而是使數據結構發(fā)生線性可伸縮性。

圖2 數據結構

圖3 直方圖

要實現數據庫內數據的轉換，首先確定數據分析中所具備的參數，定義統(tǒng)計數據以及刪除統(tǒng)計數據，確定統(tǒng)計時間段，以及參與SLIQ計算的字段。首先，對學生成績數據進行預排列，數據結構及樹節(jié)點信息、類型字段直方圖如圖2、圖3所示。

計算樣本集信息熵，計算每個屬性的信息增益；對于屬性age，需要知道age的每個樣本值yes和no的分布。根據訓練樣本集的屬性劃分成子集的熵；生成決策樹的根和分枝。如圖4所示：

圖4 決策樹

基于SLIQ算法中，針對實際計算機海量數據處理中，改進的SLIQ算法，避免因 SLIQ 算法需大量可以計算云計算決策樹中每個節(jié)點的指數，從而可以獲得每個節(jié)點的分裂屬性，減少計算復雜性，提升分類效果，類圖5如下：

圖5 類圖

建立其云計算技術的決策樹，云計算技術的SLIQ算法中，計算最大信息增益值算法代碼如下所示：

云計算技術的SLIQ算法中，計算最佳分割的算法代碼如下所示：

建樹的過程中，應該提高“確定最佳分裂（Best Sp1it）”的可伸縮性，計算開銷不大，確定數值型字段，尋找最佳的子集，遍歷所有子集，時間復雜度為指數級。其次，選擇導致最低錯誤率的子樹；使用獨立的數據集，快速得到簡潔而且準確的決策樹，安全性高，數據準確度高。最后得出決策樹，經過程序對決策樹進行遍歷，得出計算機海量數據處理結果。

4.4 效益分析

針對計算機海量數據處理中，基于云計算技術，應用 SLIQ算法處理海量數據，改變以往計算機海量數據管理模式，把人工手動管理為計算機網絡化管理，使計算機海量數據處理方便快捷，提高了數據的安全性。采用云計算技術，將計算機海量數據信息都存儲為一個服務器群，方便數據安全連接，也可以使各種硬件和軟件資源在互聯網上能夠自由流通，避免計算機數據丟失，可以減輕計算機海量數據處理人員的工作量，加強管理，還有就是縮小開支，提高工作效率與準確率。

5 結論

綜上所述，針對計算機海量數據，應用基于云計算技術SLIQ算法，有效解決計算機海量數據計算問題，加快數據查詢速度，處理海量計算機數據，提升其工作中的安全性；同時，在處理計算機海量數據時，采用云計算SLIQ算法，不僅可以解決計算機海量數據存儲中節(jié)點失效的問題，還可提高計算海量數據的效率，降低數據處理復雜度，快速挖掘海量數據信息，具有實際應用價值。