大数据技术在计算机信息系统中的应用

孙金超

(天津中德应用技术大学，天津 300350)

0 引言

随着当前网络技术的大规模应用，人们在使用网络技术时生成各种类型数据，将这些数据实施实时采集及分析，能够提取一些具有高价值的数据，可为人们的工作生活提供便利。大数据技术的合理使用，能够针对海量数据实施高效处理，已在计算机信息系统中获得有效应用，可提升系统功能性及数据处理能力，提升计算机信息系统服务质量，因此加强大数据技术在计算机信息系统中的应用研究意义重大。

1 大数据技术的应用特点及具体功能内容

1.1 大数据技术的应用特点

1.1.1 处理海量数据

一般来说，大数据技术在应用时，实际储存单位基本在TB级别及以上，而实际计算处理量则以PB级别实施具体计算。特别是基于当前大众网络生活及网络办公的趋势下，各种应用及信息平台被大量使用，导致实际数据产生量及处理量较大。

1.1.2 技术类型多样化

技术类型多样化是大数据应用的主要特征之一。目前,大数据来源较为广泛，诸如数据采集装置、行业信息、网络数据等，其数据表现形式也不相同，具体的技术类型可大体分为结构化数据以及非结构化数据。结构化数据具体利用二维数据表现形式，实际数据形态相对规则，与结构化数据形态比较来说，非结构化数据结构规则性较差，并且相关数据模型随机性加强，例如当前大众生活中查看的各种图片数据、音频数据以及视频数据等，均是非结构化数据，其不可单独利用二维数据表面形式[1]。

1.1.3 数据处理速度快、效率高

基于当前信息时代的主要特征，信息增长速度及信息采集量显著增加，特别是大众应用一些信息软件或者登录信息过程中便会产生及接收大量信息，而大数据技术合理应用，可根据不同要求在较短时间内实现数据信息处理，这样可显著提升信息传输以及交换速率，从而提炼出重要信息，便于相关人员查阅及使用。

1.2 大数据技术的具体功能内容

1.2.1 动态及静态信息数据采集功能

一般来说，计算机信息系统数据采集主要利用服务端系统对于相关动态信息以及静态信息进行深入分析以及处理，然后采用感知技术实现预期效果。但具体操作阶段，基于数据源的差异性，采集过程使用的相关技术体系也不相同，以静态信息为例，其主要利用本地数据库及相关互联网数据源获取数据，然后再利用计算机信息系统中央处理单元对于这些数据进行处理。而动态信息处理则需使用各种传感器摄像头以及GPS等诸多数据采集设备进行实时收集。

1.2.2 大数据分析以及处理功能

信息分析工作意义重大，实时数据作为大数据处理的主要任务之一，其实际价值尤为突出。依据网络数据实时性特征，相关人员应将动态信息数据以及静态信息数据进行具体分析，大多采用不同的分析方法，例如实时分析以及离线分析，这两种方法能够满足不同分析过程的相关需求动态信息处理阶段。为了保证信息价值，在最短时间内对于相关数据进行深入分析，然后及时上传相关分析结果，特别是一些数据会随着时间延长，其采集价值会逐渐降低。因此，这些动态信息数据处理大多采用合适的分析处理方法。例如采用流数据处理方法，工作人员需将相关数据作为流主体通过数据积累形成数据流，当新数据获取时，能够及时处理，并将相关处理结果进行有效反馈。计算机信息系统应用大数据技术能够有效降低数据格式转换成本，提升相关数据处理能力以及处理效率。目前，计算机信息系统静态信息大多采用MapReduce的处理模式与离线分析模式，其中MapReduce模型可将相关静态信息数据实施有效分块，再将其交付相关任务区实施对应处理[2]。

1.2.3 大数据管理功能

对于计算机信息系统来说，通过大数据技术合理应用，能够有效整合相关信息数据，优化完善计算机信息体系，将各种潜在影响因素预先输入计算机信息系统，从而构建以大数据技术为核心的信息集成处理模式，确保计算机信息系统各种功能的充分发挥。同时，大数据技术还可针对计算机信息系统实施智能化管理，其可针对客户需求及时从大数据中筛选有用信息，并在最短时间内进行处理。另外，利用大数据高预测功能，计算机信息系统运行质量显著提升，增加信息采集处理的准确性，从而达到各种信息数据动态化管理的效果。

2 大数据技术在计算机信息系统中的具体应用

2.1 云计算技术

当前计算机信息系统已引入云计算技术。云计算平台已成为今后计算机信息系统常用的数据处理方式之一，其可针对系统内部的各种数据资源进行精准管理。云计算技术利用虚拟运算模式实施计算，不用额外采购相关设备或软件，还可根据相关要求向客户提供云服务，通过软件抓取大量不同类型的数据，并依据数据规律性建立相应的反馈信息处理模型，这样有助于提升数据处理效率。云计算数据处理任务完成后，会将数据处理结果采用流程图的方式具体展开。另外，整个云计算技术框架极为复杂，可针对各种数据开展相应的虚拟实验，这样能保证相关数据在计算机信息系统应用有效性，减少数据处理时间。而计算机信息系统通过云计算技术能实现资源共享，提升数据利用效率，并有效防止发生数据多次处理情况。

2.2 数据备份技术

通常数据备份技术合理应用，能够利用各种数据存储设备实施数据备份处理，防止由于数据丢失影响大众生活工作。特别是在大数据技术大规模应用以及工作效率持续提升的背景下，大众已开始注重信息数据的安全性。例如人们在日常登录网站时，如注册内容需填写个人信息时，假使网站安全性不足，便会导致个人信息被窃或篡改，假使个人重要信息被盗取，如身份证号、家庭住址等，这会威胁个人财产安全性。同时，对于企业来说，如果企业重要数据丢失，会影响企业正常生产、销售，从而产生严重的经济损失。因此为了减少数据丢失或数据损坏产生的不良影响，大数据技术应用过程时已集成数据备份功能。假使数据信息发生丢失或损坏情况时，通过数据备份技术能够实现数据还原，这样可保证相关信息存储的完整性。实际数据备份技术应用时，工作人员需检验该技术与现有数据信息系统的匹配性，仅当两者之间匹配性良好，才可在数据信息系统加装数据备份软件及硬件设备。如发生信息数据丢失或损坏时，数据信息系统及时加载备份数据，确保计算机信息系统正常运行[3]。

数据备份技术不仅具有信息备份处理以及信息回复等功能。立容灾系统可确保数据安全性以及使用价值。当前数据备份可采用数据备份介质进行数据存储，如U盘以及硬盘，也可采用网络平台数据存储方式，利用互联网将各种数据上传至网络平台进行数据备份，假使现有数据发生损坏或丢失时，可通过网络加装平台备份数据，这样确保相关数据存储安全性和数据使用效率。

2.3 网络安全防御技术

2.3.1 安全感知

一般来说，网络安全感知能力作为大数据技术背景下计算机信息系统安全建设的基础条件。安全感知技术具体包括资产感知、脆弱性感知、安全事件感知和异常行为感知等诸多方面。网络安全感知具体利用大数据技术实现快速处理，并根据相关设备日志、网络运行数据，依据应用日志重点分析计算机信息系统用户行为特征等信息，判断其是不是正常访问行为。基于大数据技术的网络安全感知功能，重点确定计算机信息系统是否存在漏洞、病毒或黑客攻击。

2.3.2 安全融合

大数据网络安全融合作为计算机信息系统提供网络安全保障，其具体涉及安全技术融合、安全和业务融合、安全和管理融合。依据现阶段网络安全大数据分析来看，如采取单一的网络安全防护技术，其实际安全防御效果较差。因此，根据当前计算机信息系统网络安全防御需求，基于大数据技术将多种安全技术融合使用，能够有效识别病毒入侵，并及时实施安全隔离。安全防护范围覆盖用户、终端、网络边界直至数据中心，根据实际需求建立主动防御、自动修复以及自动学习的网络安全防御体系，从而提升整体计算机信息系统的网络安全性。

2.3.3 安全服务

通常基于计算机信息系统网络安全建设的需求，大数据网络安全服务能力尤为重要。网络安全服务可细分为安全产品服务、基础安全服务和安全运维服务。其中，安全产品服务主要基于大数据技术为计算机信息系统提供安全服务，可为计算机信息系统用户提供高安全性的加密服务和身份认证机制。同时，计算机信息系统引入大数据技术后，其数据存储量大且类型多，这些数据存储需执行相应的存储安全标准规范，并利用安全传输协议对整个大数据传输过程实施加密处理，这样可有效提升数据流传输及使用质量。安全运维服务则是针对计算机信息系统，利用大数据技术为系统相关网络设备、终端、应用系统及内容信息实施综合风险评估，并且服务内容包括网络安全防护、监控、安全响应恢复和安全审计等。通过相关安全风险评估结果，查找计算机信息系统相关的安全风险、漏洞及缺陷，明确具体风险等级，生成分析评估结果。根据评估结果和我国有关法律法规要求，计算机信息系统可建立健全网络安全系统，提升网络安全检测、网络安全监控及网络安全管理功能效果[4]。

2.4 计算机信息系统中应用Hadoop

计算机信息系统应用Hadoop。因为Hadoop系统本身的性能较强，并且所耗费的成本比较少，所以各个领域普遍应用该技术。Hadoop系统可以在短时间内结合所有数据信息与数据仓库系统，全面的存储且不会出现排斥现象。例如：铁路系统中的运输数据很难对数据信息进行优化整合，但是应用Hadoop系统可以有效解决该问题，充分满足铁路运输过程中的多种数据信息。将Hadoop系统与数据仓库系统结合，可以构建一个以货运数据信息系统为载体的大数据分析平台，进而优化和整合相关数据信息。Hadoop系统能够完整地管理各项复杂的数据，同时该系统中的各项功能都能通过合作满足数据信息处理的要求。现阶段的Hadoop系统正在不断地完善，将系统中各个部件的功能进行明确的划分，从而形成一个健全的大数据信息分析平台引用系统。

3 提升大数据技术在计算机信息系统中应用质量的优化措施

3.1 优化大数据技术应用流程

根据当前我国大数据技术在计算机信息系统中的应用情况，政府及相关行业结构应建立专业性的数据质量监控以及评估管理机构，加强大数据技术应用管理意识，构建科学合理的产品统计及质量管理体系，从而实现数据统计高效精确。同时，实际数据采集过程中存在各种干扰因素，并且数据应具有明显的时效性，这均在一定程度上影响数据质量。针对这种情况，相关企业及行业机构应针对计算机信息系统情况，组建大数据集成管理平台。平台重点对大数据管理数据收集工作实施规范性管理，这样可以减小数据时效性低以及干扰因素的影响。工作人员还应当重点针对数据仓库以及统计数据的集成平台实施有效管理，并采取适当方法提升管理效率，提升各种类型数据存储效率及质量，便于数据集成以及提升数据分析处理效率。另外，依据实际需求，工作人员需对于大数据技术应用流程实施优化，并创新升级相关统计技术及方式，提升数据共享质量，尽量将用户需求作为今后大数据技术在计算机信息系统领域应用的工作基础条件。

3.2 促进大数据相关技术推广应用

在实际的大数据处理过程中，深度学习技术较为关键。深度学习能力有助于数据特征归纳精度以及大数据内容分析的准确性。因此，深度学习功能作为大数据技术应用的重要保障措施。同时，计算机信息系统运行时，基于大数据相关技术，增加知识计算挖掘深度，以便查找大数据中的各种隐藏信息，再利用数据归纳功能总结各种碎片化信息，从而提升数据信息的完整性。

例如：AB公司内部应用信息化时间较长，每年在计算机信息系统投资较多，企业内部已建立局域网以及广域网。未使用大数据技术前，信息孤岛现象较为严重，销售、生产及财务等诸多环节断层情况较为常见，信息共享程度不足，并且数据缺乏标准化，缺少统一化的开发、应用平台及工具。这会导致系统维护及人员培训成本较高。针对这种情况，该公司已引入大数据技术，建立信息化建设的统一标准以及客户关系管理系统，通过客户信息资源库开展销售工作，经营业绩明显上涨。该公司已搭建新的信息技术架构，云计算、数据备份及数据安全性明显增强。制定科学合理的公司信息化发展规划，有助于提升今后企业内部的信息数据化网络建设水平。

4 结语

综上所述，大数据技术在计算机信息系统中合理应用，已成为未来信息技术发展的主要趋势之一，其需要提升相关企业及工作人员对于大数据技术的类型和应用效果了解程度，深入解析大数据技术与计算机信息系统之间的关联性，进而提升大数据计算应用有效性。虽然大数据技术可显著提升计算机信息系统运行效率，但易遭受各种外界信息的安全威胁，因此需要加强大数据安全防护功能，提升计算机信息系统的整体信息安全防御水平。