试论基于大数据视域下计算机信息处理系统的优化设计

摘要：信息技术的发展，改变了人们的生产、生活方式，促使数据量迅速增加的同时，也对计算机信息处理系统提出了更高要求。基于此，该文从大数据视域对计算机信息处理问题展开了分析，然后结合问题指明了信息处理系统的优化设计方向，并对设计流程、技术进行了探讨，为关注这一话题的人们提供参考。

关键词：大数据;计算机信息处理技术;系统优化设计

中图分类号：TP393

文献标识码：A

文章编号：1009-3044（2020）05-0012-02

开放科学（资源服务）标识码 （OSID）：

在大数据时代得以到来的背景下，计算机信息处理系统每天都需要面临大量的数据信息，想要保证信息得到及时、准确处理，以便实现信息充分利用，还要实现大数据技术与计算机信息处理技术的深度融合，促使信息处理系统得到优化。因此，还应加强大数据视域下计算机信息处理系统的优化设计研究，以便推动计算机信息处理技术的发展。

1 基于大数据视域下计算机信息处理问题

从大数据视域来看，现代社会信息数据不仅数量庞大，同时结构呈现出多样化、复杂化态势，给信息利用带来了一定难度。而计算机信息处理技术一直用于进行信息收集、整理、分析和处理，以便为数据信息利用提供支持。通过对数据采集、传输、分析等多项技术进行融合，计算机信息处理技术在各行各业得到了应用，成了日常办公重要组成部分，能够通过人与计算机的结合提高办公效率。但在大数据时代，面对井喷式增长的数据信息，采用传统计算机处理技术已经难以从海量数据中完成有效数据的筛选，导致数据处理的准确性受到了影响。针对不同种类的目标数据，采用传统处理技术无法验证统计结果是否符合实际，同时也无法结合用户具体需求进行数据的个性化处理，造成用户依然难以从错综复杂数据信息中获得满意答案。与此同时，信息会通过网络快速传播，导致人们的信息安全容易受到威胁。单纯采用计算机信息处理技术难以应对木马、病毒的攻击，将导致用户个人信息、密码等出现泄漏的可能，带来严重的安全隐患。面对这些问题，想要使计算机信息处理系统保持数据高效、准确处理优势，还要引入先进技术实现系统优化设计，使系统数据处理流程得到优化，能够从海量数据中完成有用数据的快速挖掘，为用户决策提供科学指导，同时为用户数据安全提供保障。

2 基于大数据视域下计算机信息处理系统优化设计探究

2.1 优化设计方向

2.1.1 优化信息收集

在对计算机信息处理系统进行优化时，首先需要对信息收集过程进行优化，保证系统采集的各类数据信息有效。在数据采集过程中，面对庞大数据信息量，还应从中筛选出符合需求的数据，才能为之后信息加工、应用打好基础。在信息收集方面，除了对无用信息进行过滤，还要借助先进技术提高数据筛选效率，以便实现数据信息实时采集，完成数据全面分析，使大数据时代信息处理需求得到满足[1]。在系统硬件运算功能无法满足数据收集、筛选需求的情况下，需要加强软件算法的利用，保证数据得到科学收集。

2.1.2 优化信息加工

从大数据视域来看，计算机信息处理系统在数据处理方面，还要完成收集到的各类数据信息加工，通过二次加工保证信息得到有效传输和利用。具体来讲，就是要结合用户对数据信息不同需求进行加工处理，使数据以图形、文字等不同形式显现出来，能够直接被用户采用，为用户制定决策提供充足信息[2]。针对系统存储的数据信息，为满足下一步传输分享需求，需要加强数据处理，保证数据能够得到妥善分析和利用。而想要实现结构各异数据的高效处理，需要引进先进科学技术，保证数据多样化处理和顯示需求得到满足。

2.1.3优化信息存储

从数据安全角度进行计算机信息处理系统优化，需要加强数据信息存储管理，从数据存取操作、查询访问等方面采取保护措施，保证用户信息安全。从数据利用角度来看，还应保证各类数据信息能够得到分类管理的同时，保持数据间的密切联系，以便为具有潜在价值的数据挖掘提供支持。而在数据信息关联性较强的背景下，一旦系统局部数据出现问题将导致整个数据结构受到影响，给系统数据处理带来较大威胁。因此面对种类复杂的大数据，需要采取措施保证系统数据库安全，继而使全部数据信息得到有效保护。

2.2 优化设计流程

2.2.1 数据输入

结合系统优化设计方向，可以将系统运行管理划分为数据输入、处理和输出三个阶段，分别实现各阶段的优化设计。在输入阶段，结合海量数据信息分析需求，需要从电子商务平台、企业内部平台、社交网络等各个应用领域实现数据广泛收集。面对各种数据信息，为实现有效数据的筛选和存储，还要完成多种数据库管理系统的建立，如ORACLE、MYsoL、MssoL等，使数据在输入阶段得到划分，在不同数据库中存储，为数据高效调用提供支持。利用各种数据库软件对收集到的数据进行初步分类后，通过对用户需求进行初步判断，能够抓住信息处理要点，将无用信息、垃圾信息筛除，仅对有用的信息进行呈现。因此在数据输入阶段，数据库管理优化设计为关键，需要保证系统数据库拥有相对稳定的数据筛选处理能力，可以实现采集信息的大范围筛选和处理，确保有用信息保存在系统信息管理软件中。通过建立一定的关键词，能够对数据信息间的关联性进行确认，保证信息能够为系统使用。

2.2.2 数据处理

在系统数据处理方面，需要结合用户具体需求进行信息二次加工，完成信息过滤、聚合分析、建模分析等操作，实现调性识别、语义处理、数据引用等功能，保证数据能够得到进一步筛分和完成价值挖掘。而大数据数据具有分散性、关联性和复杂性等特性，在处理过程中想要从中摘取关键信息，加工成为决策信息，需要加强各种分析算法的运用，如聚类分析、模糊分析等，实现计算机信息处理平台的优化[3]。对各种基础算法、大数据分析算法进行综合运用，能够提高数据处理效率，完成大数据的整体分类整理，继而使数据得到快速筛分和高效利用。在算法运行过程中，需要保证系统服务器等硬件设备能够实现并行运算，以便为算法迭代分析提供支持，保证系统在短时间内完成大量数据信息处理，得到信息处理效率的改善，继而使用户的系统操作需求得到满足。

2.2.3 数据输出

在数据输出方面，在各种软件支持下，系统能够提供统计指标、分析图表、研究报告等各种形式的数据信息，满足用户多元化需求。运用统计工具、图表软件等各种软件，可以使数据得到可视化展示，确保用户能够根据直观结果制定科学决策。在智能化技术取得发展的背景下，还应加强各类智能化软件的运用，通过对数据发展趋势展开分析完成舆情预测和预警，为用户提供更多数据服务。而实际进行数据输出，还要保证系统数据安全，加强计算机传输协议的使用，保证用户数据操作能够符合规范，并且确保用户访问能够得到限制，避免系统数据遭到他人窃取或损害。此外，还应加强各种软硬件的应用，形成系统安全防护体系，保证系统数据传输、操作、存储等各方面的安全，继而为系统安全运行提供保障。

2.3 优化设计技术

2.3.1 数据感知技术

在系统优化设计过程中，需要加强数据感知技术的运用。现阶段，在对网络深层空间数据信息进行感知方面，深网已经逐步形成，约为互联网40-450倍，在数据结构和数据分析上存在较大差异。在网络访问方面，还应加强搜索引擎开发，以加强深网数据感知，完成高质量数据集成和信息抽取整合。运用网页爬虫等大数据技术，能够实现互联网广度和深度搜索，并围绕数据主题进行信息的全面、快速搜集。运用该技术实现计算机信息处理系统优化，能够从网页中实现结构化信息的抽取，保证数据能够得到合理高效组织，因此能够满足系统数据收集需求。而加强深网感知技术的运用，使半自动化抽取算法与自动化算法协同合作，与用户进行友好性交互，不仅不会留下数据访问痕迹，也难以确定访问路径，能够为系统数据安全提供保障。

2.3.2 云计算技术

在系统数据处理方面，为提高数据算法运行效率，还要加强云计算技术的运用。在大数据时代，云计算与大数据之间存在相辅相成的关系。在计算机信息处理系统中引入云计算，能够实现系统数据的分布式运算，使系统整体存储能力和运算效率得到提高。完成系统云计算机网络的构建，也可以为系统提供更多数据存储空间。在云计算平台上，可以将系统数据处理程序分解为无数小程序，利用多部服务器进行系统分析和处理，然后对并行计算结果进行合并，保证系统在几秒钟内完成数以万计数据处理[4]。根据用户需求，应用云计算能够实现系统各种应用程序和软件的重新部署，使对应数据资源库的资源得到优化配置，继而使系统数据处理能力得到进一步提高。

2.3.3 网络安全技术

在系统数据安全方面，需要加强网络安全技术应用。在系统连接的局域网和公共网之间，首先需要应用防火墙技术完成屏障的设置，避免系统数据遭到外部黑客或病毒的攻击，使系统信息得到有效保护。在系统数据传输方面，需要加强数据加密技术的应用，采取主动安全防御策略进行用户访问权限的设置，降低系统数据安全保护成本。针对需要传输的信息，可以实现二次编码，保证非授权用户无法获得真实信息。针对入侵系统的行为，需要建立检测防御系统，实现网络数据全面感知，提高网络安全防御水平。此外，需要加强系统容灾技术的运用，在云端完成系统数据信息备份，建立数据容灾体系，辅助数据库加强数据安全防御，继而使系统服务的可靠性得到增强。

3 结论

综上所述，面对海量数据信息，计算机信息处理系统需要加快大数据技术的引入，以便实现信息全面采集的同时，完成数据高效、准确处理，满足人们各种各样信息查询需求。在实际对计算机信息处理系统进行优化设计时，需要明确大数据应用流程，加强感知技术、云计算等技术的运用，促使系统数据处理能力得到提高。

参考文献：

[1]张敏，徐菁，谷娜.关于大数据背景下的计算机信息处理技术[Jl，科技风，2019（26）：91.

[2]李正君，计算机信息处理技术在大数据时代中的有效应用[J].科技创新与应用，2019（21）：159-160.

[3]刘志兴，基于大数据技术的中职学校考试系统信息处理与管理研究[J].现代信息科技，2019，3（11）：107-110.

[4]王全文.基于电网大数据的监控信息处理系统研究[J].通讯世界，2019，26（5）：222-223.

【通联编辑：唐一东】

收稿日期：2019 -11-15

作者簡介：刘丽凤（1972-），女，河北石家庄人，大专，河北省科技管理信息中心，研究方向为计算机系统应用、信息处理。