前海中泰咨詢

技術(shù)基礎(chǔ)

大數(shù)據(jù)是云計(jì)算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、智慧城市等新技術(shù)、新模式發(fā)展的產(chǎn)物，它具有數(shù)據(jù)量大、類型復(fù)雜、內(nèi)容變化快的特征，蘊(yùn)含廣泛的應(yīng)用價(jià)值和巨大的市場機(jī)會。

1、大數(shù)據(jù)采集與預(yù)處理技術(shù)

數(shù)據(jù)采集技術(shù)指從傳感器和其它待測設(shè)備等模擬和數(shù)字被測單元中自動采集非電量或者電量信號，送到上位機(jī)中進(jìn)行分析、處理的過程。數(shù)據(jù)采集技術(shù)可分為3 大類：①系統(tǒng)日志采集方法。通過智能硬件、傳感器、社交網(wǎng)絡(luò)等數(shù)據(jù)載體的日常運(yùn)維進(jìn)行數(shù)據(jù)資源的采集。②網(wǎng)絡(luò)數(shù)據(jù)采集方法。指通過網(wǎng)絡(luò)爬蟲或網(wǎng)站公開API等方式從網(wǎng)站上獲取數(shù)據(jù)信息。該方法可以將非結(jié)構(gòu)化數(shù)據(jù)從網(wǎng)頁中抽取出來，將其存儲為統(tǒng)一的本地?cái)?shù)據(jù)文件，并以結(jié)構(gòu)化的方式存儲。它支持圖片、音頻、視頻等文件或附件的采集，并支持文件之間的自動關(guān)聯(lián)。③其他數(shù)據(jù)采集方法。其他數(shù)據(jù)包括企業(yè)生產(chǎn)經(jīng)營數(shù)據(jù)或?qū)W科研究數(shù)據(jù)等保密性要求較高的數(shù)據(jù)，可以通過與企業(yè)或研究機(jī)構(gòu)合作，使用特定系統(tǒng)接口等相關(guān)方式采集數(shù)據(jù)。

大數(shù)據(jù)預(yù)處理技術(shù)，主要完成對已接收數(shù)據(jù)的辨析、抽取、清洗等操作。數(shù)據(jù)抽?。阂颢@取的數(shù)據(jù)可能具有多種結(jié)構(gòu)和類型，數(shù)據(jù)抽取過程可以將這些復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為單一的或者便于處理的類型，以達(dá)到快速分析處理的目的。數(shù)據(jù)清洗：對于大數(shù)據(jù)，并不全是有價(jià)值的，對于無價(jià)值的數(shù)據(jù)或干擾數(shù)據(jù)，需要通過過濾“去噪”進(jìn)而提取出有效數(shù)據(jù)。

2、大數(shù)據(jù)存儲管理技術(shù)

數(shù)據(jù)的海量化和快增長特征是大數(shù)據(jù)對存儲技術(shù)提出的首要挑戰(zhàn)。這要求底層硬件架構(gòu)和文件系統(tǒng)在性價(jià)比上要大大高于傳統(tǒng)技術(shù)，并能夠彈性擴(kuò)展存儲容量。但以往網(wǎng)絡(luò)附著存儲系統(tǒng)（NAS）和存儲區(qū)域網(wǎng)絡(luò)（SAN）等體系，存儲和計(jì)算的物理設(shè)備分離，它們之間要通過網(wǎng)絡(luò)接口連接，這導(dǎo)致在進(jìn)行數(shù)據(jù)密集型計(jì)算（Data Intensive Computing）時(shí)I/O 容易成為瓶頸。同時(shí)，傳統(tǒng)的單機(jī)文件系統(tǒng)（如NTFS）和網(wǎng)絡(luò)文件系統(tǒng)（如NFS）要求一個文件系統(tǒng)的數(shù)據(jù)必須存儲在一臺物理機(jī)器上，且不提供數(shù)據(jù)冗余性，可擴(kuò)展性、容錯能力和并發(fā)讀寫能力難以滿足大數(shù)據(jù)需求。

谷歌文件系統(tǒng)（GFS）和Hadoop 的分布式文件系統(tǒng)HDFS奠定了大數(shù)據(jù)存儲技術(shù)的基礎(chǔ)。與傳統(tǒng)系統(tǒng)相比，GFS/HDFS 將計(jì)算和存儲節(jié)點(diǎn)在物理上結(jié)合在一起，從而避免在數(shù)據(jù)密集計(jì)算中易形成的I/O 吞吐量的制約，同時(shí)這類分布式存儲系統(tǒng)的文件系統(tǒng)也采用了分布式架構(gòu)，能達(dá)到較高的并發(fā)訪問能力。

3、大數(shù)據(jù)分析挖掘技術(shù)

在人類全部數(shù)字化數(shù)據(jù)中，僅有非常小的一部分?jǐn)?shù)值型數(shù)據(jù)得到了深入分析和挖掘（如回歸、分類、聚類），大型互聯(lián)網(wǎng)企業(yè)對網(wǎng)頁索引、社交數(shù)據(jù)等半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行了淺層分析（如排序）。占總量近60%的語音、圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)還難以進(jìn)行有效的分析。

大數(shù)據(jù)分析技術(shù)的發(fā)展需要在兩個方面取得突破，一是對體量龐大的結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行高效率的深度分析，挖掘隱性知識，如從自然語言構(gòu)成的文本網(wǎng)頁中理解和識別語義、情感、意圖等；二是對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，將海量復(fù)雜多源的語音、圖像和視頻數(shù)轉(zhuǎn)化為機(jī)器可識別的、具有明確語義的信息，進(jìn)而從中提取有用的知識。

4、大數(shù)據(jù)可視化技術(shù)

數(shù)據(jù)可視化是一個處于不斷演變之中的概念，其邊界在不斷地?cái)U(kuò)大。主要指的是技術(shù)上較為高級的技術(shù)方法，而這些技術(shù)方法允許利用圖形、圖像處理、計(jì)算機(jī)視覺以及用戶界面，通過表達(dá)、建模以及對立體、表面、屬性以及動畫的顯示，對數(shù)據(jù)加以可視化解釋。與立體建模之類的特殊技術(shù)方法相比，數(shù)據(jù)可視化所涵蓋的技術(shù)方法要廣泛得多。

數(shù)據(jù)可視化技術(shù)主要是利用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)，將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像在屏幕上顯示出來，并進(jìn)行交互處理的理論、方法和技術(shù)等。它涉及到計(jì)算機(jī)圖形學(xué)、圖像處理、計(jì)算機(jī)視覺、計(jì)算機(jī)輔助設(shè)計(jì)等多個領(lǐng)域，成為研究數(shù)據(jù)表示、數(shù)據(jù)處理、決策分析等一系列問題的綜合技術(shù)。

5、大數(shù)據(jù)安全技術(shù)

大數(shù)據(jù)安全是個很寬泛的領(lǐng)域，可以包括：大數(shù)據(jù)系統(tǒng)的安全，數(shù)據(jù)本身的安全（加密）以及隱私保護(hù)，大數(shù)據(jù)應(yīng)用帶來的安全和隱私問題，以及大數(shù)據(jù)技術(shù)應(yīng)用于安全領(lǐng)域。

以 Hadoop 為代表的大數(shù)據(jù)系統(tǒng)早期主要處理公開領(lǐng)域的Web 數(shù)據(jù)，因此并沒有在安全上著力，但近年來有了長足的進(jìn)展，逐步加入了用戶和服務(wù)鑒權(quán)（基于Kerberos），加入HDFS文件權(quán)限，對數(shù)據(jù)塊的權(quán)限控制，對任務(wù)的授權(quán)，對網(wǎng)絡(luò)上流動數(shù)據(jù)的加密以及DataNode內(nèi)靜態(tài)數(shù)據(jù)的加密等。Intel 的Project Rhino 做了很多有益的嘗試。

數(shù)據(jù)安全首先是靜態(tài)數(shù)據(jù)的安全，主要是訪問權(quán)限控制；其次是動態(tài)數(shù)據(jù)的安全，主要是加密和動態(tài)審計(jì)能力。目前動態(tài)審計(jì)能力主要還是在企業(yè)內(nèi)，表現(xiàn)為數(shù)據(jù)泄露防護(hù)技術(shù)，對重要數(shù)據(jù)進(jìn)行分級、標(biāo)識，實(shí)現(xiàn)跨平臺（端點(diǎn)、移動設(shè)備、網(wǎng)絡(luò)和存儲系統(tǒng)）的統(tǒng)一管理。

現(xiàn)在的主流大數(shù)據(jù)使用安全技術(shù)包括：基于同態(tài)加密、支持SQL 的加密數(shù)據(jù)庫，基于加密協(xié)議的多方安全計(jì)算，基于可信計(jì)算環(huán)境的多方安全計(jì)算，基于隱私保護(hù)的機(jī)器學(xué)習(xí)算法等。