李澤浩

摘 要：近兩百年來，知識爆炸，科學(xué)技術(shù)飛速發(fā)展，工業(yè)化已極大的改變了人們的生活方式。在這中間，數(shù)據(jù)信息作為伴隨產(chǎn)物也井噴式涌現(xiàn)從而迎來大數(shù)據(jù)時代。大數(shù)據(jù)信息量大種類繁雜，價值巨大但是密度較低。分析處理過程也較為復(fù)雜，大數(shù)據(jù)目前已在商業(yè)領(lǐng)域、科學(xué)領(lǐng)域和網(wǎng)絡(luò)領(lǐng)域等有所應(yīng)用，前景巨大。但它在應(yīng)用過程中也伴隨著一些隱患，如個人隱私泄露問題，企業(yè)國家機密保護(hù)等。如何有效的，健康的運用大數(shù)據(jù)成為我們目前的研究方向。

關(guān)鍵詞：大數(shù)據(jù)技術(shù)；數(shù)據(jù)分析；數(shù)據(jù)挖掘；信息安全

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2017）22-0014-02

1 大數(shù)據(jù)的簡介

1.1 大數(shù)據(jù)概念及其發(fā)展背景

大數(shù)據(jù)，顧名思義就是大的數(shù)據(jù)，這個大指的就是數(shù)據(jù)大而全。它擁有五個顯著特點即5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。[1]理想的大數(shù)據(jù)可以說包含人類活動的所有信息，相對于現(xiàn)有數(shù)據(jù)使用來說，大數(shù)據(jù)是我們無法在一定時間獲悉，捕捉，處理和管理的，它需要新的一套方法，需要更強更全面的洞察力、決策力和處理能力來滿足大數(shù)據(jù)的利用需求。

數(shù)據(jù)是我們從古至今都使用的傳遞信息的媒介，在工業(yè)革命之前，人類知識總量較少，社會全部的數(shù)據(jù)信息也很少，人們對數(shù)據(jù)的使用停留在部分小數(shù)據(jù)，局部數(shù)據(jù)階段。這種情況下，人們生產(chǎn)交流都會產(chǎn)生許多沒有實際效益的無用功。計算機帶來的網(wǎng)絡(luò)化使得數(shù)據(jù)信息急劇增長?，F(xiàn)代社會不僅充斥著大量信息，而且其發(fā)展速度也在飛速增長，隨著經(jīng)濟發(fā)展的網(wǎng)絡(luò)化，數(shù)據(jù)越來越占據(jù)主導(dǎo)地位。從監(jiān)控到科學(xué)教育，從網(wǎng)絡(luò)到工業(yè)，各行各業(yè)都在數(shù)據(jù)中生存。未來將是大數(shù)據(jù)的時代。[4]

1.2 大數(shù)據(jù)技術(shù)的特點

大數(shù)據(jù)技術(shù)包含對數(shù)據(jù)的獲取和捕捉，分析和處理，應(yīng)用和反饋等。它是一套系統(tǒng)的過程，在這個過程中，數(shù)據(jù)的獲取和捕捉相當(dāng)繁瑣和困難，因為大數(shù)據(jù)本身信息量巨大而且種類極其繁多，要獲取和整合這些數(shù)據(jù)需要大量的人力物力財力，必須依靠先進(jìn)的計算機知識，數(shù)學(xué)統(tǒng)計知識，并且要對數(shù)據(jù)整體有足夠把握情況。大數(shù)據(jù)技術(shù)還需要極為強悍的服務(wù)器和分析處理設(shè)備及方法，因為我們需要對繁雜的數(shù)據(jù)進(jìn)行提取，提取到的有用信息才能產(chǎn)生價值。另外安全問題作為大數(shù)據(jù)技術(shù)的衍生問題也需給予足夠重視，它決定了我們是否可以長期的，有效的利用大數(shù)據(jù)進(jìn)行發(fā)展。

1.3 大數(shù)據(jù)的處理分析方法

我們研究大數(shù)據(jù)技術(shù)是為了避免因為信息缺失而做的無用功，使社會運行盡可能高效化。因此從大數(shù)據(jù)中提取有用信息才是我們的關(guān)鍵目的。

從技術(shù)上看，大數(shù)據(jù)與云計算是相輔相成的，它們必須協(xié)同合作。大數(shù)據(jù)必然無法用單臺的計算機進(jìn)行處理，必須采用分布式架構(gòu)。它的特色在于對海量數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘。但它必須依托云計算的分布式處理、分布式數(shù)據(jù)庫和云存儲、虛擬化技術(shù)。[3]大數(shù)據(jù)需要的關(guān)鍵技術(shù)參照表1。

對分布式文件系統(tǒng)而言，我們需求的文件系統(tǒng)不是在本地儲存中，而是儲存在另一個終端，這類似于服務(wù)器的工作原理。分布式文件系統(tǒng)的設(shè)計基于客戶機/服務(wù)器模式。一般來說，可以有多個服務(wù)器存在于一個網(wǎng)絡(luò)平臺上，這樣用戶就可以實現(xiàn)訪問的全面和自由化。分布式文件系統(tǒng)巧妙解決了巨量數(shù)據(jù)的管理和儲存：將原來只能儲存在我們本機的數(shù)據(jù)，擴散到一個大的網(wǎng)絡(luò)平臺上，再分散到多個儲存點，而我們可以通過通信網(wǎng)絡(luò)輕松的訪問這些數(shù)據(jù)，從而實現(xiàn)了數(shù)據(jù)的共同儲存，共同使用，打破了傳統(tǒng)中使用和儲存綁定在一起的模式。我們在使用過程中只需要按照自己的需求進(jìn)行存儲、訪問和管理。如此在現(xiàn)有的硬件模式下，極大地拓寬了數(shù)據(jù)的流量。

對實時處理而言，它要求數(shù)據(jù)的新鮮度，而流處理的方式可以很好的滿足這個要求，應(yīng)用流處理方式，把數(shù)據(jù)分流之后使其分批到達(dá)。而在數(shù)據(jù)分批到達(dá)的過程中，因為其本身帶有大量數(shù)據(jù)，所以內(nèi)存中只需要保存少量數(shù)據(jù)。流處理工作精度通常在秒或毫秒級別。

就數(shù)據(jù)分析技術(shù)而言，我們應(yīng)盡量使數(shù)據(jù)簡單易懂，即表示為人可以理解的語言，這就是自然語言。在人工智能發(fā)展中，越來越需求我們以自然語言與數(shù)據(jù)進(jìn)行交流，而不是用人造語言如C語言之類無法直接理解的語言去溝通。

機器學(xué)習(xí)就是讓機器擁有學(xué)習(xí)的能力，也就是說讓計算機可以自己增長知識量，而計算機本身擁有極強的運算和整合分析能力，據(jù)此計算機將可以規(guī)劃出最優(yōu)的行動決策，這點是我們?nèi)四X難以達(dá)到的，機器學(xué)習(xí)推動人工智能的發(fā)展，未來的機器可以代替人類進(jìn)行某些方面的工作，進(jìn)一步解放人類。

2 大數(shù)據(jù)的相關(guān)應(yīng)用

大數(shù)據(jù)技術(shù)的最終目的是應(yīng)用，我們研究它是為了創(chuàng)造價值，表2列舉了大數(shù)據(jù)技術(shù)現(xiàn)有的應(yīng)用情況，下面將分三個方面介紹。

2.1 商業(yè)領(lǐng)域應(yīng)用

在現(xiàn)代社會之中，任何新興的技術(shù)一般都會首先運用于商業(yè)領(lǐng)域或是軍事領(lǐng)域，就大數(shù)據(jù)技術(shù)而言，它現(xiàn)在已經(jīng)在商業(yè)領(lǐng)域中初試鋒芒，并且取得了很好效果，比如美國梅西百貨的實時定價機制。根據(jù)需求和庫存的情況，該公司基于SAS的系統(tǒng)對多達(dá)7300萬種貨品進(jìn)行實時調(diào)價，以適應(yīng)市場需求。又比如電子商務(wù)中購物網(wǎng)站對人門消費數(shù)據(jù)的把握，如上表所示，電子商務(wù)涉及人口數(shù)量巨大，用戶反應(yīng)時間很快，而且可靠性相當(dāng)高。這點就決定了大數(shù)據(jù)在管理人們消費時具有相當(dāng)?shù)墓π?，這也是大數(shù)據(jù)在商業(yè)領(lǐng)域應(yīng)用的典型方式。信息在商業(yè)領(lǐng)域內(nèi)至關(guān)重要，可以說，誰掌握了有效的信息，誰就可以引領(lǐng)商業(yè)發(fā)展。未來人們的商業(yè)活動將更為一體化，隨著經(jīng)濟全球化，大數(shù)據(jù)必將會在商業(yè)領(lǐng)域大放光彩。

2.2 科學(xué)教育領(lǐng)域應(yīng)用

科學(xué)研究需要實驗，實驗產(chǎn)生數(shù)據(jù)，可以說數(shù)據(jù)決定科學(xué)發(fā)展，現(xiàn)代科學(xué)發(fā)展建立在一個大的網(wǎng)絡(luò)內(nèi)，這些設(shè)備，實驗過程，驗算過程，記錄過程等每年將會產(chǎn)生巨大數(shù)量的數(shù)據(jù)，而整合，分析，處理，運用這些數(shù)據(jù)正是大數(shù)據(jù)技術(shù)的工作職責(zé)。對科學(xué)發(fā)展而言，大數(shù)據(jù)的主要貢獻(xiàn)有：實現(xiàn)高程度的信息共享，實現(xiàn)科學(xué)有效的預(yù)測，在實驗過程中進(jìn)行處理及分析等。大數(shù)據(jù)技術(shù)在教育方面也大有作為，一方面在整體上它可以用來處理教育方面龐大的數(shù)據(jù)量，維持健康高效的教育系統(tǒng)；另一方面，為了實現(xiàn)個體化的細(xì)致教育，我們可以借助大數(shù)據(jù)分析每個孩子的情況，給予相對應(yīng)的引導(dǎo)，如此可以實現(xiàn)信息的高效利用，形成更為人性化的體貼教育，對社會整體發(fā)展做出巨大貢獻(xiàn)。endprint

2.3 網(wǎng)絡(luò)信息領(lǐng)域應(yīng)用

大數(shù)據(jù)在網(wǎng)絡(luò)信息方面的應(yīng)用是顯而易見的，尤其是體現(xiàn)在移動網(wǎng)絡(luò)，社交網(wǎng)絡(luò)上，人的交流所產(chǎn)生的信息大量流動在網(wǎng)絡(luò)上，例如我們的微信，QQ，F(xiàn)acebook等，它們每天都會產(chǎn)生巨大的數(shù)據(jù)流量。大數(shù)據(jù)在網(wǎng)絡(luò)信息方面的應(yīng)用還體現(xiàn)在搜索引擎上，無論是百度還是谷歌都會根據(jù)個人情況作出相應(yīng)推薦，這點會讓個人生活更加便捷。而大數(shù)據(jù)技術(shù)對信息的整體把握能力遠(yuǎn)非我們現(xiàn)在的數(shù)據(jù)平臺所能比擬，它基本上會達(dá)到人類所能利用數(shù)據(jù)的最高水平。

3 大數(shù)據(jù)發(fā)展過程中存在的問題簡介

3.1 隱私泄露問題

隨著人們生活的不斷網(wǎng)絡(luò)化，信息越來越被整合在一個個集中的平臺上，而如今大數(shù)據(jù)時代的來臨，勢必會將信息由各個平臺再一次整合起來，形成一個大的共享環(huán)境。搭建這樣一個平臺可以高效的利用信息，同時也可能“高效”的丟失信息，如今信息詐騙層出不窮，大多是個人隱私泄露引起的事故，如大學(xué)生信息被不法分子竊取，以學(xué)校名義進(jìn)行詐騙。大數(shù)據(jù)相對于現(xiàn)有數(shù)據(jù)體系來說更廣博，但也蘊藏巨大威脅，因此在發(fā)展大數(shù)據(jù)技術(shù)的同時，我們應(yīng)重視隱私的保護(hù)，為避免個人隱私被竊取，我們可以用多種方式并行保護(hù)的方法進(jìn)行數(shù)據(jù)保護(hù)。

3.2 大數(shù)據(jù)基礎(chǔ)設(shè)施安全與惡意攻擊

大數(shù)據(jù)信息需要設(shè)備設(shè)施作為載體，基礎(chǔ)設(shè)施是大數(shù)據(jù)安全使用的保障，其安全相當(dāng)重要，除了自身問題，它有時會受到惡意攻擊，我們有必要做好相關(guān)防護(hù)。保護(hù)大數(shù)據(jù)基礎(chǔ)設(shè)施，首先我們應(yīng)該從硬件上進(jìn)行安全設(shè)計，其次要在軟件上進(jìn)行加密，協(xié)議，擾動等保護(hù)措施。為安全健康的利用大數(shù)據(jù)做好防護(hù)工作。

4 大數(shù)據(jù)發(fā)展前景及展望

大數(shù)據(jù)技術(shù)目前正在一個積累期，數(shù)據(jù)的獲取捕捉和對數(shù)據(jù)的分析處理都在一個探索時期，我們可以看到大數(shù)據(jù)技術(shù)目前應(yīng)用仍然較為稀少，或者規(guī)模遠(yuǎn)遠(yuǎn)達(dá)不到大數(shù)據(jù)的標(biāo)準(zhǔn)。未來的大數(shù)據(jù)發(fā)展將會從搜索引擎到數(shù)據(jù)挖掘，到通過自然語言，機器學(xué)習(xí)等實現(xiàn)它自身蘊藏的巨大價值。在這個過程中數(shù)據(jù)的分析和處理將可能會是最大的技術(shù)難題，機器學(xué)習(xí)和自然語言的發(fā)展將會依賴于人工智能的發(fā)展，而且大數(shù)據(jù)本身將會和人工智能相輔相成。另一方面，大數(shù)據(jù)技術(shù)在發(fā)展過程中帶來的一系列問題，如隱私安全等也需要給予相當(dāng)?shù)闹匾暋４髷?shù)據(jù)的發(fā)展方向?qū)牵焊咝?、健康、安全、和諧。

參考文獻(xiàn)

[1]李學(xué)龍，龔海剛.大數(shù)據(jù)系統(tǒng)綜述[J].中國科學(xué)：信息科學(xué)，2015，45（1）：1-44.

[2]王元卓，靳小龍，程學(xué)旗.網(wǎng)絡(luò)大數(shù)據(jù)：現(xiàn)狀與展望[J].計算機學(xué)報，2013，36（6）：1125-1138.

[3]高明，金澈清，王曉玲，等.數(shù)據(jù)管理技術(shù)研究綜述[J].計算機學(xué)報，2010，（3）：373-389.

[4][英]維克托·邁爾·舍恩伯格.大數(shù)據(jù)時代[M].浙江人民出版社，2012.

[5]劉雅輝，張鐵贏，靳小龍，程學(xué)旗.大數(shù)據(jù)時代的個人隱私保護(hù)[J].北京計算機研究與發(fā)展，2015，52（1）：229-247.

[6]孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計算機研究與發(fā)展，2013， 50（1）：146-169.endprint