基于云计算的物联网数据挖掘系统分析

王欢

武汉光谷职业学院 湖北 武汉 430072

引言

在我国，随着现代化社会生产水平的不断提升，大数据技术逐渐映入眼帘，而如何把云计算与物联网技术、大数据技术合理应用在一起，提高工作效率，还需技术人员进行深入研究和探讨。在实际应用阶段，我们还需提高对技术的认识，总结先进技术使用的方法，保证技术应用的有效性，提高整体工作质量[1]。

1 基于云计算与互联网技术的概述分析

物联网代表着下一代的互联网，包含数百万个节点，这些节点从不同设备到Web服务器的对象，都会影响计算机以及通信系统日后发展。物联网可以识别和控制网络对象，为物理世界直接混入计算机系统创造条件。物联网中的数据可以分为地址、唯一标识符、RFID数据流、位置数据描述数据、传感器网络数据、环境数据等[2]。而数据的挖掘则是从不同角度入手分析，并将其压缩成有用信息的过程[3]。任何数据挖掘过程都是在于建立一个模型，这个模型可以有效预测或是描述其最适合的大数据，并且推广一些新数据。当前物联网所产生的数据繁杂，缺乏有效的管理方法，云计算技术的出现能够对这些问题加以解决，所以数据挖掘与云计算技术的集成就变得十分可行。

2 以云计算为基础的物联网特点

随着社会经济的不断发展，科学技术也随之进步。互联网产业在科学技术带动下发展速度比较快。就物联网产业来讲，自身分布广泛，可以实现物与物的连接，有效地监控和调度我们现实中的生活对象、生产对象。因此，在生活阶段，越来越多的应用终端被纳入物联网中。随着一些异构终端设备接入物联网，一些物联网工作依旧采用传统数据挖掘的模式，导致与时代发展需求不适应，甚至是一步步面临落后[4]。在科学技术发展背景下，人们逐渐对时间、资源提出要求，因为传统工作效率低下，以云计算为基础的物联网数据挖掘模式就被逐渐提到了研究日程。以云计算为基础的物联网数据挖掘模式是经过云计算技术构建技术平台，构建一个面向物联网分布式的时空数据库，经过数据库搭建的大数据挖掘模型。物联网数据挖掘所面对的数据量比较大，数据挖掘难度也比较大，基于云计算技术应用，可以有效支持物联网数据挖掘工作的开展，提高问题处理效率。

3 基于云计算的物联网技术数据挖掘

3.1 互联网数据收集

在数据应用阶段，技术人员还需以云计算平台、物联网产生的线上网络数据作为出发点，若想全面提高数据处理效率、质量，可以应用网络分级编码进行数据传输。在数据传输的时候，以网络结构中的宿点作为信息流通基础点，及时处理数据延迟的问题，充分了解数据传输的状态以及参数等，保证网络内部结构中的数据信息更好运行。在网络内部数据自身有着级别区分的特点，网络数据中的节点能够解码数据，在传送到子体系网络结构的时候，网络结构中的有限区域阶、网络大数据产生的参数，极易造成网络数据延迟。随着信息化技术的发展，在进行网络大数据传输的时候，出现了大量的延迟数据信息，我们的工作人员可以把握网络参数，增强数据的传输效率和速度。

3.2 建立完善的数据挖掘模型

以云计算为基础的数据挖掘，可提供动态的资源库、虚拟化高、可用性强的计算平台，应用程序的开发性能高。以云计算数据挖掘系统为例，在设计阶段，还需在软件层面上构建其设计思想，基于云计算技术将数据挖掘系统划分为用户层、任务层、算法层[5]。在整个数据挖掘平台中，软件自身底层是为上层工作提供相关服务，保证各层与各层之间功能的独立，使得整个数据挖掘系统在二次开发时能够降低难度。经过设计，增加多层插页增设的框架结构，保证日后维护工作的开展。

3.3 做好网络数据存储的工作

在网络数据储存的时候，我们可以采用分组模式以最大限度地降低储存空间的浪费情况。技术人员则是按照对网络数据测试点、分组储存数量、内部储存情况的研究，确定出网络数据产生的文件数量，保证其网络储存数据的正确、安全、稳定，减少资源浪费的问题出现。在网络结构中所产生的众多节点，不同类型网络节点其自身采集样品时间、周期也是不一样的，在数据测试点进行大量数据储存的时候，有关属性数据也会随之出现。节点被分配到不同文件位置中，首先明确有关实际距离，把集中的网络测试点作为一个集体，每一个集体作为一组，在确定出网络数据、文件之后，为保证网络数据的储存参数准确性，还需保证其在规定的浮动范围内，以提高数据储存效率。

3.4 加强对数据的整理和分析

在面对冗杂的信息时，经过现代化信息技术能够实现信息整合，以便更好地管理信息，进而对整个信息流程进行优化。大数据技术的出现能够实现对传统数据收集问题的改变和完善，从源头上改进传统网络方式，改变原有的信息缺失情况。采用现代化信息技术，对原有网络技术实施优化，促进大数据网络应用，推动物联网行业发展[6]。在分析数据资料时，大数据技术能够把海量数据进行快速收集、分析、整理。数据分析则有助于提高用户的个人体验感，将其物联网中的用户搜索记录进行整合、存档，实现对数据的集中处理，进一步保证物联网为用户提供个性化、人性化的服务。

4 基于云计算的数据挖掘关键技术

4.1 服务调度和服务管理技术

为实现满足不同业务系统实际的服务需求，在应用云计算平台的时候，还需具备良好的服务调度和管理能力。在应用服务调度功能时，经过分析服务等级、资源匹配，实现优先级的服务调度工作。在这个阶段，不同服务间隔、互斥情况能够被很好地解决，促使提高云服务安全运行空间。在云计算平台服务管理功能中，借助服务注册等功能，给予用户一体化服务管理，提高云计算服务平台服务功能。另外，借助服务调度、服务管理技术应用，可以实现挖掘第三方接入数据，保证充分发挥数据的挖掘功能。

4.2 平台的感知层

平台感知层实际上是物联网内终端形态的体现，包括物联网终端、移动通信的控制终端、感知层接入的网关、终端外设、感知层子网节点和卡识读物等。物联网内还存在着终端中间件、应用部分，终端应用主要是在终端驻留应用时充分发挥出其作用所在。在终端外设方面则是包含GPS、传感器、摄像设备、条码的读写器和控制器等装置[7]。在进行卡识读物方面，包含了条码、RFID的标签等。在感知层接入网关方面，将其感知层的子网接入运营商网络内的一些网关类设备，在感知层子网方面，主要有无线型传感器网络、有线局域网、Wi-Fi类网络等[8]。

4.3 平台传输层

平台传输层是一种高速、无缝等特殊数据的传送网络，有着诸多网络形态，能够快速、灵活地把感知数据向云计算数据中心内进行传输，进而实现全面性、有效性的互联互通，将各监测设备联网进行数据传输，保证物联网内的监测设备对数据高速化传输。

4.4 数据挖掘服务层

数据挖掘服务层是由多系统模块构成，结合不同类型的数据，进行海量数据的挖掘。在数据挖掘引擎模块的基础上，实现海量数据特点的区分、演化，明确各数据之间的关联性，进而实现海量数据偏差、类似性的分析工作[9]。除此之外，在进行挖掘数据的时候，还需积极应用引擎模块中的算法集进行数据价值明确，采用Hadoop平台实现传统数据算法优化、完善，并且还可以实现并行化的算法优化，有着良好的数据处理效果[10]。

5 物联网技术应用的要求分析

物联网技术主要是物与物之间的连接，实现万物互联，在应用物联网技术的时候，技术人员还需注意使用稳定的无线互联网技术，做好物与物之间连接的工作。另外，技术人员要明确物联网技术本质所在，物联网是基于物联网设备控制网络，可以将其理解成物联网技术的发展、扩充[11]。技术人员在设计物联网系统的时候，要注意加强系统安全性建设。因为在用户使用物联网技术的时候，通常会要求上传用户的一些敏感信息，比如说：指纹、面部、声音等信息，而这类信息有着比较强的私密性特点。所以为实现对用户隐私的保护，在应用物联网技术的时候，技术人员还需做好系统的监管工作。除此之外，物联网系统布置还需借助各类传感器，传感器其实更像是一个传感器系统，系统内部的各传感器之间数据有着共享的特点。为对信息共享效率全面提升，设计人员还需正确编写系统层通信协议，进而保障物联网中各硬件设备能够形成安全有效的通信系统。

6 结束语

结合以上分析得知，经过对大数据背景下的数据挖掘模式进行分析，人们对物联网数据挖掘工作逐渐提出更高的要求。所以我们还需与时俱进，对传统和落后的数据挖掘模式进行创新和完善，提高实际工作的效率和质量。在本文论述中，基于云计算对物联网数据挖掘模式进行重新构建，有效地提高了物联网数据挖掘模式的应用效果和应用效率。