面向时序大数据的数据库性能研究

在大数据背景下,物联网技术的广泛应用产生了大量的时序数据。如何合理选择最适合的数据库来存储时序大数据是一个重要的研究内容。然而现有的数据库性能对比研究没有考虑数据的具体应用场景,缺乏特定场景下的性能对比实验。为了在存储时序大数据时能够从不同存储结构的数据库中选择最适合当前场景的数据库,文章对关系型数据库、本地NoSQL数据库以及公有云NoSQL数据库在燃气大数据的应用场景下进行了定量定性的实验与分析。实验结果表明,相比于关系型数据库,NoSQL数据库更加适合存储时序大数据。然后,进一步提出了针对不同应用场景下时序大数据的数据库选型建议。     

大数据挑战下的NoSQL系统研究

NoSQL技术作为大数据应用领域新的解决方案,在海量数据的获取、存储、管理和分析方面展现出令人瞩目的性能.本文首先总结了大数据的特征、影响和应用价值,提出了它对数据管理的要求;然后对NoSQL系统采用的独特技术和带来的显著优势进行了分析;用分类和统一的观点重点研究了各类NoSQL系统,在系统架构、数据模型、查询语言、扩展性及可用性等方面对它们进行了比较,以便根据给定的不同应用场景来选择和设计最合适的系统;最后展望了未来的研究前景.     

大数据时代信息文献资源共建共享的创新与发展

大数据时代下,电子书刊等电子资源的积累、云计算和社交网络等信息技术的发展、高速网络和智能手机的普及,为信息文献资源提供了广泛的数据来源。如何更好地管理、利用大数据成为现今的热点话题。本文首先介绍了大数据的特征、概念和应用情况;然后以我省为例讲述信息文献资源共建共享目前的情况为例;最后,以经典案例为契机,探讨了大数据时代下信息文献资源共建共享的创新模式。     

云计算环境下煤矿应急管理海量数据存储技术

随着物联网、无线传感器网络等技术在煤矿应急管理信息化建设中的广泛应用,煤矿大量监测、控制及自动化等实时系统产生的流式数据会形成相当规模的数据集,对煤矿企业现有信息系统构架的海量数据存储及处理性能提出了更大的挑战。为了研究应对此挑战的海量数据存储技术,通过分析煤矿应急管理海量数据的来源及其特点,设计了云计算环境下基于NoSQL的煤矿应急管理海量数据存储方式,并对煤矿应急云平台进行了Hadoop基准测试,同时利用陕西黄陵矿业集团一号矿井某段周期内的瓦斯数据,对煤矿应急云平台和DBMS系统的处理性能进行对比。实验结果表明,基于Hadoop构建的煤矿应急云平台在海量数据存储与处理时均有良好的性能表现。     

基于NoSQL的电力系统大数据管理

在大数据时代,针对大数据管理的需求,根据大数据的特点和支持大数据管理系统的特定性,电力系统也要在数据存储、数据访问、数据分析等方面进行相适应地管理,针对海量数据,采用NoSQL存储系统支持海量电力信息数据的存储和柔性管理.其中,介绍相关前沿研究和研究挑战,支持电力信息数据的体系结构,基于NoSQL的大数据管理,进而为电力系统未来发展趋势提供分析与预测.     

大数据初探

随着移动互联网、电子商务、物联网以及社交媒体的快速发展,大数据时代已经来临,本文从大数据的基本概念出发,尝试探讨大数据的概念、特点和主要应用.     

基于云计算的社交网络安全隐私数据融合方法

针对现有数据融合方法存在融合精度低、数据完整性差等问题,提出基于云计算的社交网络安全隐私数据融合方法;首先利用敏感信息过滤模型进行社交网络参与者个人隐私数据过滤,然后通过k匿名技术对过滤出的隐私数据进行保护处理,利用k均值聚类算法对个人隐私数据进行聚类,最后使用决策树构建数据融合模型,实现数据融合.仿真测试结果表明:与...     

应用NoSQL数据库解决方案的思考

自2009年起,NoSQL运动如火如荼的展开,吸引了许多数据库领域巨头加入新一轮数据库革命。互联网巨头们纷纷在No SQL产品的研发和应用中投入大量精力,诞生了许多应用NoSQL数据库的成功案例。这也激励更多人积极投入其研究与应用的潮流中。尽管有许多NoSQL的应用教程,但如何将NoSQL数据库与现有应用融合在一起,仍是架构师必需考虑的技术难题。     

大数据时代中职电子商务课程的有效教学探究

大数据时代,福建经济学校电子商务专业通过组建教师团队、研发课程资源、搭建"电子商务课程网络教学平台",探索电子商务课程网络教学的有效途径,旨在提高课堂教学效率,培养学生自主学习和独立思考的能力。     

NoSQL的分析与研究

大数据的存储与管理已经不能够使用传统的关系型数据库,NoSQL应运而生,它针对关系型数据库不能解决的问题,有效地管理大数据,该文对NoSQL进行了详细的介绍,并对它的优点和缺点进行了详尽的分析与阐述.     

基于社交网络大数据线索分析平台研究及应用

针对网络犯罪活动成蔓延的势头,建立犯罪数据模型挖掘社交网络数据具有潜在价值和线索,识别异常特征的可疑人群,实时跟踪分析犯罪嫌疑人活动是公安实战需要,基于此需求设计开发了一个基于社交网络大数据线索分析平台。可以实现线索管理、数据采集、综合查询、数据建模等功能,适用于基层公安机关集中资源对所管辖区域公开社交网络信息进行全面搜查,有效提高了公安机关研究判断打击精准度。实践表明,平台的应用在主动发现犯罪线索,侦查案件收集线索过程中发挥了重要作用。     

Web挖掘技术在社交网络分析的应用研究

社交网络已经成为Web 2.0时代最流行的应用,本文研究围绕如何应用Web挖掘技术去分析在线的社交网络。并介绍了Web挖掘以及社交网络的技术和概念,以及如何把Web挖掘的技术应用在社交网络分析上。讨论了Web挖掘技术分析社交网络的过程,并分析了未来该领域的研究方向和趋势。     

基于面向对象的大数据存储模型研究

随着大数据存储需求的不断扩大,网络存储技术面临如何存储并管理海量数据的问题.通过对现有各种大数据存储模型进行了对比分析,针对现有存储模型存储的局限性和大数据存储的特点,提出了一种基于数据特征的面向对象存储思想.采用虚拟类技术设计并实现了一种基于面向对象的大数据存储模型.在仿真环境中,对该模型的分类关键模块与非结构化数据存储性能进行了测试与分析,实验结果表明该模型分类模块误差较小,读写效率较高,而且随着数据的增大,非结构化存储性能保持稳定.     

NoSQL系统的容错机制:原理与系统示例

NoSQL数据管理系统因其具有良好的可扩展性和容错性,在以Web数据管理和分析处理为代表的新型大数据应用环境中得到了广泛使用.这些系统通过新型一致性模型和数据冗余等技术,实现了集群环境中的容错处理.本文在对集群环境数据管理系统的一致性保持和容错处理基本原理进行介绍的基础上,对Bigtable、HBase、Dynamo、Cassandra,以及PNUTS五个典型的NoSQL系统的容错机制及其实现进行分析与对比,并讨论它们的设计原则和实现技术对于系统的可用性、性能、复杂负载的处理能力等方面的影响.最后,讨论现有NoSQL系统容错机制对于设计和实现支持关键任务的内存数据管理系统的借鉴意义.     

数据挖掘及其在电子商务中的应用

随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,人们面临“数据丰富而知识贫乏”的问题。如何才能不被信息的汪洋大海所淹没。从中及时发现有用的知识,提高信息利用率呢？八十年代末兴起的数据挖掘技术,为解决此问题开辟了一条道路。本文简单阐述了数据挖掘技术、Web数据挖掘及电子商务,分析了Web数据挖掘在电子商务中的应用和展望。     

文物保护单位安全监测信息集成共享模式研究

文物保护单位由于保存文物价值高、游客数量多、社会影响大，安全事件复杂多样。近年来随着信息化、智能化技术发展，互联网传感器、移动设备、社交网络等方式涌现出海量数据，为实时的报警信息提供了异构、多源化的信息源头。目前，文物保护单位虽然建立了多种事件信息监测与分析系统，但受建设技术因素影响，缺乏统一规划，“数据孤岛”问题突出。因此，如何充分利用现有的资源以及数据价值升级和科学高效的应急决策，建立数据输入输出汇集“中枢”，实现信息增值、辅助应急决策是目前亟需解决的关键问题。本研究通过对文物保护单位内安全监测要素分析和现有监测信息类型分类，给出了信息集成共享的4种主要方式，并从子系统管理、平台控制、消息过滤、接口管理、日志管理等方面给出了信息集成共享平台原型的设计，为安全监测信息集成共享体系建设提供了支撑。     

大数据时代下电子商务安全以及发展趋势研究

随着数据量的增加,其安全问题也日趋重要。本文以大数据为切入点,着重分析了大数据时代电子商务平台所面临的安全问题以及大数据对电子商务未来的影响。     

大数据环境下网络信息资源的管理与利用研究

介绍了大数据背景下网络信息资源的特征以及国内网络信息资源管理现状,阐述了大数据背景下国内网络信息资源管理内容及目前存在的问题与挑战,探讨了如何围绕信息的生命周期对大数据时代的网络信息资源加以管理与利用。     

广电大数据商业智能系统的研究与设计

本文讲述利用大数据分析技术,以广电互动电视网络覆盖范围内的数百万级机顶盒、数百个媒体播放服务器、运营系统、地理信息系统、广告系统等多个异构业务系统为数据来源,围绕广电的海量异构数据的获取(含用户行为、网络及内容资源、系统运行等数据)、智能分析、商业应用三方面开展技术研究,设计广电大数据商业智能系统,一方面支持公司自身的决策、运营方案制定、用户消费产品的精准定位,优化现有服务模式,提供利润及竞争力,另一方面数据成果亦可广泛应用于广电用户、运营商、广告客户、电子商务合作伙伴,创新商业模式.     

基于NoSQL数据库的地学大数据高效存储方法

为解决传统的关系型数据库在海量数据的存储和访问效率中存在的瓶颈问题, 提出了一种基于非关系型（NoSQL： Not only SQL）数据库的地学大数据高效存储方法。同时以MongoDB为代表, 通过C#语言编写测试程序, 与SQL Server在地学大数据的存储、 查询等方面进行了性能对比。结果表明, 与传统关系型数据库相比, NoSQL数据库的增、 删和查询耗时明显降低, 尤其是针对海量的非结构化、 半结构化数据, 其性能优势更加明显。