大数据视域下计算机信息处理系统的优化设计探讨

王 帅

（湖南财经工业职业技术学院 湖南 衡阳 421001）

0 引言

信息技术的发展推动了各个行业的转型升级，为生活生产带来更多便利的同时，也使得每日生成大量数据，必须提高数据处理能力，挖掘潜在数据价值，满足用户需求。大数据时代已经到来，大数据与计算机技术的结合已然成为技术发展的必然趋势。但是在大数据视域下，计算机信息处理系统仍然存在一定的问题，需要以大数据技术为切入点，对计算机信息处理系统进行优化设计，从而为相关工作者提供参考。

1 大数据视域下计算机信息处理系统优化必要性

大数据能够为人们提供更加个性化的服务，提高社会服务水平，因此对大数据的充分利用十分重要。将大数据库与计算机信息处理系统进行良好对接，有助于利用与分析数据，从而深入了解客户的需求等，实现对数据全面分析，既能够提高数据使用者对数据的利用水平，与此同时，又能够提高数据使用者所提供服务的针对性，促使大数据价值能够有所提升[1]。大数据本身是一个海量数据库，其中数据信息包罗万象，而计算机处理系统具有模块化的功能，系统在对数据分析时，也能够对数据进行分类，使不同板块数据能够保持独立性，并且具有较高稳定性。当其处理一些针对性数据时，也能够避免信息量大而导致的系统崩溃现象。当今社会中，人们的生活节奏、工作节奏逐渐加快，因此就会产生对信息获取精准性的需求，这就需要对计算机信息处理系统进行深入的优化，将数据信息的价值充分体现出来，满足信息使用者以及用户日益增加的需求[2]。在大数据视域下，社会中各个行业均可以依赖数据分析了解不同客户群体的偏好，然后为不同客户群体提供不同类型的服务，使客户能够感受到人性化的服务，以此促进企业更好的发展，间接提高社会经济效益，由此可见，计算机信息处理系统与大数据技术的结合具有较高的必要性[3]。

大数据视域下，计算机信息处理系统需结合实际工作流程，以适度超前和高效率结构的理念，构建易用性、稳定性均合格的系统。因此本研究在优化信息处理系统的过程中，能够融合大数据技术，基于B/S 结构，功能需符合规范化管理流程及涉及的标准化文件管理、存储、采集等。图1 为数据流程图。

2 计算机信息处理系统存在的问题

2.1 信息收检索效率较低

从大数据视域的发展方式以及结构角度来看，可以发现，在大数据结构基础上，现代化的数据结构已经逐渐变得庞大，对大数据的利用，改变了多个行业的发展模式，与此同时，也致使多个行业的发展对数据信息有着较高的依赖性，所以应该对计算机信息处理能力进行优化，这也是计算机技术发展的新方向[4]。在大数据技术背景下，各个行业发展的数据信息总量不断提高，可以利用的信息量也越来越大，但是传统的信息处理技术难以满足海量信息的检索需求，制约了计算机信息处理系统的应用与发展[5]。

2.2 信息处理技术不完善

在当今社会中，计算机信息处理系统已经得到了普及，很多企业与单位都能够选择使用计算机信息处理系统对数据信息进行分析与研究，这在一定程度上提高了企业智能化的发展水平，但是从技术角度来看，现有的系统对数量信息处理尚不够精准。如果计算机信息处理算法不能够达到精准高度，那么信息处理结果就会产生偏差[6]。除此之外，在实际应用中，部分信息之间存在内部联系，但是单一地对数据进行分析，难以发掘内部联系，从而不能对两者之间的关系进行深入挖掘，这对企业需求以及用户服务而言，会造成一定损失。

2.3 安全性能有待提高

企业与用户对计算机信息处理系统使用频率逐渐提高，在此背景下，很多用户需要使用系统处理私密的信息文件等，如果企业或者用户的私密信息被窃取，就会对其造成较大损失，这就对安全性提出了较高要求。甚至有黑客等能够通过计算机植入木马病毒，对用户系统进行攻击，或者篡改系统口令，这对企业的发展会造成一定的威胁[7]。因此需要通过优化计算机信息处理系统，提高系统的安全性，从源头遏制网络犯罪的发生。

3 大数据技术在计算机信息系统中的应用

在计算机信息处理系统优化过程中，比较常见的大数据技术主要有信息储存空间技术、计算机信息处理技术、隐私信息安全技术。

（1）信息储存空间技术。计算机的普及推动了大数据时代的发展，使海量信息涌现出来，计算机发展与社会、个人的发展之间存在密切关系，要想从根本解决数据爆炸的问题，就需要完善计算机信息处理系统，对信息储存空间技术进行革新，从而避免由于信息储存空间不足、检索效率等问题导致信息丢失等情况发生[8]。

（2）计算机信息处理技术。当前计算机系统存在的问题，主要来源于信息处理技术，因此先对计算机信息处理技术进行优化，才能够提高系统的应用水平。计算机信息处理系统包含了储存、处理、整合、个性化处理等多个模块，在科技不断进步的背景下，对各个模块细节化的要求逐渐提高，因此需要大数据技术的支持，使计算机信息系统能够充分与大数据技术相结合，才能够促使技术在创新中发展。

（3）隐私信息安全技术。人们对信息安全问题高度重视，所以在计算机信息处理优化过程中，需要应用到隐私信息安全技术，这类技术需要具备真实性、保密性、完整性等特点。为了提高计算机信息处理系统的安全性，可以应用数据安全能力框架，为系统安全提供基础保障。

4 大数据视域下计算机信息处理系统优化设计

4.1 信息收集层面优化设计

在开展信息收集层面优化设计之前，需要先考虑信息收集的需求。计算机系统信息收集工作，能够确保信息采集有效性，由于数据采集系统需处理海量的信息数据，还要筛选符合需求数据，这就要求其必须优化系统功能，方能为后续信息应用、加工奠定基础。除此之外，不仅需过滤无用信息，还要利用先进技术增强筛选数据效率，便于实时采集数据，对数据全面分析，满足大数据视域下处理信息需求。系统硬件无法满足收集、筛选数据需求下，应利用软件算法，科学收集数据。

信息精准收集是数据分析与处理的前提，因此优化计算机信息处理系统时，首先要对信息收集能力进行优化。传统的信息收集，是通过网络链接口实施模拟信号，完成信息收集与整理工作，这一模式中，信息收集效率比较低。要想实现信息收集优化，需要对芯片进行优化设计，将芯片设计为两个区域，其一是系统中央处理区，主要负责对数据进行初次筛选，将口令不明确的信息内容排除；其二是传送筛选区，这一区域植入美国ac 单片机，利用其较高的采集速率对筛选后的信息进行收集，在此过程中，上位机与下位机之间能够相互传导，最终通过预设芯片以及sht10 数据线完成数据收集，精准的数据收集能够为后续数据信息处理奠定基础。

4.2 信息处理层面优化设计

信息处理层面的需求主要是对数据信息进行充分挖掘，信息处理系统处理数据过程中，需要加工收集的大量数据信息，采取二次加工方式，保证传输信息有效性。在实际信息处理过程中，要求系统能够根据用户对数据需求加工处理，将数据以文字、图形等方式展现出来，被用户直接采纳，为用户决策提供信息。系统数据信息存储，为满足分享传输需求，必须加强数据处理，妥善利用、分析数据，引进先进技术，高效处理异化结构数据，满足多样化显示、处理数据需求。

为了进一步优化信息处理能力，可以采用CS 程序服务器，结合Windows 专业软件编写数据系统。在服务器终端，可以设计数据控制显示器，使用M600 模组完成控制，由CPU 利用单片机、芯片发送控制命令至模块，执行显示操作，直观的显示出数据处理全过程，用户可以随时查看数据处理的过程，如果发现处理偏差，可以及时进行调整。与此同时，可以设置数据信息重复分析，在为用户提供目标任务的同时，也能够分析出用户下一步需要的数据，保持计算机信息处理的连续性。

4.3 安全性能层面优化设计

信息处理系统需做好数据安全工作，加强信息存储管理，做好数据存取、访问查询等保护工作，维护用户信息安全。并且在数据利用的过程中，还要确保各类数据实现分类管理，明确数据间密切联系，为挖掘潜在数据提供支持，却也面临着局部系统数据产生问题，会影响整体结构数据的情况，威胁系统运行，需做好存储安全保障工作，保护数据信息，即安全性能层面的优化需求。

当前数据加密以及信息处理中，以密钥管理的方式为主，安全性并不高，因此在计算机信息处理安全性能优化过程中，可以添加一些指令，使具有特殊特征信息的使用范围被限制，再结合密钥的形式保障数据信息的安全。数据加密技术是大数据技术中的一种，其可以最大程度保障数据传输过程的安全性。在信息存储方面，为优化底层技术，保证系统能够负荷海量信息处理，可以采取全C 语言编辑大数据ArionFS 分布式系统，能够利用操作系统直接查询底层资源和函数库，然后通过Lock Free 结构利用数据结构与系统原语设计解决源数据并发访问冲突问题，以免出现锁死系统。ArionFS 不支持多副本流水线技术，因此可以采取锁无关Hash 表，支持对数据条目的删除、查询与插入，元数据多为DENTRY 条目，能够命名存储文件，和具体数据为映射关系。

4.4 计算机信息处理系统优化与实现

在对数据信息收集能力、处理能力以及安全性能进行优化之后，还需要对系统进行整体性优化，才能够保障数据的处理水平得到整体提升。采用fig 消息程序设计，能够提高数据控制水平，然后在此基础上，可以对重要数据信息直接进行内部储存，而对于不重要的数据信息进行网络储存，这一设计能够有效避免信息量大且冗杂的问题，又能够对核心信息进行进一步地保护。在此过程中，需要设置具有特定信息的网络地址与页码，才能够准确地跳入。在数据处理过程中，还要注意用户的类型，然后根据用户的需求，挖掘信息之间的关联性，以此提高数据分析的精准性。

本文基于大数据技术视角，对计算机信息处理系统进行优化，为了验证优化效果，本文在研究过程中，构建了脚本测试代码，主要是体现系统内部程序，根据硬件结构编辑模式汇编软件程序，检验信息处理系统功能，观察功能实现是否满足优化设计标准。Tomcat 能够为检验脚本代码提供服务器载体，确定系统运行及处理信息中是否会受到内外部因素影响，还能对系统常见功能在服务器支持下完成检验，选用Windows10 操作系统为运行载体，检索、处理文件夹信息，检验设计方案可行性，确定重点功能，深入探究系统可能存在的隐患，确定不同文件系统功能差异性，以免传输数据发生彼此干扰的情况。

以文件系统为例，测试集包含大数据应用。

（1）Word Count 用于提取文件内容单词，统计分析出现单词频率。

（2）DFSIO，能够测试文件系统读写性能，不同Map任务按照键值做相应文件写、读操作，结合Value 值明确文件大小，用Reduce 任务收集数据信息。

（3）Kmeans 实现机器自动聚类，采取循环迭代算法，使用10kb 双精度数据集，设定初始聚类参数。

（4）Tera Sort 试验采取TeraGen 生成的1 GB 数据文件，文件每行记录约为百字节，为千万量级，通过数据采样分区，完成排序。

系统测试结果显示，数据处理单元为64 MB，缩短执行时间3.0%，即便数据节点增加，执行时间仍在缩短，有效优化了信息处理系统性能。

5 结语

综上所述，大数据技术发展的背景下，传统计算机信息处理系统难以满足企业与用户的需求，在使用过程中，也存在诸多问题，因此必须优化计算机信息处理系统，以此满足社会各界对数据处理的需求，深入挖掘数据价值，探寻数据之间的规律，为用户的管理决策提供支持，与此同时也能够提高数据信息的价值。计算机信息处理系统与大数据技术深度融合，从内部优化、外部优化出发，探究信息处理系统优化设计方法，做好系统优化工作，为用户提供播放视频、数据统计、数据信息存储、数据分析等功能，不仅能准确处理各项数据，还能将数据完整呈现于用户面前，计算机信息系统处理数据的精准性不断提高，促使高新技术之间不断融合与创新发展。