关于大数据的数据挖掘中容错技术探究

摘要：科技的进步带动了互联网行业的发展，信息化、数据化也逐渐走进了人们的视野，数据挖掘的容错技术的重要性得到了关注。本文对大数据的数据挖掘中容错技术进行探究，从数据挖掘的意义展开，提出了其容错技术的具体应用措施，旨在拓展技术研究范围，提升工作效率，从而为关注这一话题的人们提供参考。

关键词：大数据时代;数据挖掘;容错技术

中图分类号：TP311   文献标识码：A     文章编号：1007-9416（2020）06-0000-00

0引言

大数据时代改变了人们的生活方式，丰富了人们的精神生活。数据挖掘技术能够将用户的数据进行统计，整合用户信息，将信息数据转向网络化的方向。其中，数据容错技术可以实现规划系统数据、调整运行方向的目的，进而将数据更好地规划整合。因此，有必要对大数据的数据挖掘中容错技术展开探讨。

1 数据挖掘的意义

大数据是指数据含量大、数量多的数据信息，起初由金融、通讯及生物学等领域广泛传播，随着时间的发展被各领域所广泛地接受运用。大数据的信息数量多，无法被正常的软件工具所处理，因此，需要相关的技术手段对其进行弥补。大数据具有增长快、样式多的特点，有利于数据信息的高效化处理。随着计算机网络的运行发展，计算机的数据量也得到了一定程度上空间的拓宽与增加，进而形成空间大数据，将数据的储存及运算融为一体。

数据挖掘是一种新的技术，最早提出于上个世纪。数据挖掘又叫做数据勘探，能够将繁杂的数据进行整合分析，进而提取出相应有价值的数据信息。一般而言，数据挖掘技术多用于商业领域，通过对商业数据的分析及整合实现商业利益的最大化，进而将数据进行简化处理，提高商业发展的效率。

2 数据挖掘技术特征

2.1流行性高

数据挖掘技术具有较大的流动性，其信息处理的方式较为灵活，能更好地实现数据信息的分析及整合，进而提升数据挖掘的工作效率。在大数据发展的背景下，较大的数据信息量，也为数据挖掘提出了技术上的难题，促进数据挖掘的转型与发展。相对比于传统的数据运行模式，数据挖掘能够实现数据整理手段的现代化，提升数据信息的工作效率。

2.2种类多

数据种类的增加有利于对相关数据信息的整合，人们在使用现代化信息技术时，数据信息的种类随之增加。数据挖掘过程中，互联网信息与智慧设备的联通，也产生了大量的数据，丰富了数据信息，完善了数据整理体系。

2.3处理数据量大，价值度低

随着人们对新媒体技术使用的增加，数据信息也在不断地增长，进而增加数据挖掘的信息，形成其处理数据量大的特点。同时，数据信息总量的提升还增大了数据库的基数和密度，将其信息库的总值扩至最高，这就会导致数据信息中有价值的信息被降低，由此增加数据信息处理的难度，增大数据挖掘的工作量。

3 大数据的数据挖掘中容错技术的应用措施

3.1数据挖掘及处理

数据挖掘容错技术指数据系统运行过程中产生错误时，系统的算法能维护其正常运转，避免系统死机的情况，进而减少系统的内在差错，将其对系统的影响降至最低。容错技术能保障信息系统数据的完好性，对数据信息进行备份，减少相关信息的损失。例如，在航天、医疗、金融等行业领域中，其系统失误会造成不可估量的后果，而容错技术的运用，则会为相关的数据系统提供保障，维护数据信息的完整性[1]。

数据容错多会采用Python技术为根本运行依据，保障信息系统的运行。Python技术具有开源共享、函数式编程等特点，能将数据信息库进行整合及规范化处理。其中，Python包含jieba库、json库及numpy库等15万个第三方数据库，进而对于数据信息进行高效的处理。在进行数据挖掘时，Python技术能将数据进行清洗、探索及将其模型参数化处理，形成一系列数据环节的流程化实施。流程化的项目操作与实施有利于数据信息运行的高效化，多种信息能同时运行，将数据信息规范性整理，进而提升其数据储藏量及数据运算的速度。容错技术中Python技术的运用提高了计算机数据整理运行的效率，实现传统计算机数据管理技术向现代化的方向转变。

使用Python技术进行数据挖掘时，要先将其自身已有的数据进行处理，将其中无效化数据做出预判及分析，处理掉影响数据运算结果的脏数据，保障数据运行的基础效率。只有保障数据信息运行的准确性，才能实现数据系统的正确运算。数据预存中，多包含缺失值处理、异常处理等对于数据丢失预防处理的方法。其中，数据信息的异常处理是其运行的关键。例如，数据运行时，将采集数据由88误录为880，进行数据异常处理时，计算机系统会根据算法及图表进行核算，以此发现异常并进行改进，从而将数据进行修正，保证数据信息的准确性[2]。

3.2异常处理

数据的异常是指计算机程序运行的过程中存在着一些不正常的现象，数据采集及分析带来的失误及问题等，严重的甚至会造成系统数据的崩溃和数据丢失，进而造成无法预计的损失。在此基础上，数据容错技术利用对数据异常处理的手法进行分析，实现异常情况的分级化处理，对相关的损失及误差做出预判并加以解决。

Python系统能将数据异常信息进行规划整合，形成数据信息異常信息库，当数据信息系统出现其信息库中的异常情况时，系统就会做出相应的提示并给出解决信息。Python的运行中要将其运行代码做出合理化预判，通过对于运行代码的试运行寻找相应的问题，进而将数据系统进行规范化处理，降低信息系统数据漏洞带来的危害。Try…expect语句的使用为Python系统的运行提供了根本的保障，是数据异常处理的基本信息结构形式，其运行主要通过try字句中的代码来进行数据信息的分析，同时通过expect信息进行异常的捕捉，二者间相互配合，共同完成数据异常处理的检测。

进行数据容错异常处理时，还需将数据信息系统中出现的数据库进行词频统计，对于数据系统出现的词条进行归档及检索处理。大数据中数据库具有信息量大的特点，因而需将数据信息进行关键词的分类形成词频，来将数据库进行整合。

4结论

综上所述，大数据的数据挖掘中容错技术的使用有利于完善数据信息，进而实现数据信息的综合处理。其中，数据信息容错技术可以通过数据挖掘及处理来进行数据的整合，同时通过对于数据的异常处理实现容错技术的发展。由此保障计算机系统运行的安全性，提升数据系统的可靠性。

参考文献

[1]谢盛嘉.大数据时代背景下数据挖掘技术的应用研究[J].计算机产品与流通，2020（5）：128.

[2]张红军，王豫鑫，杨万里.基于大数据的数据挖掘中容错技术研究[J].电脑知识与技术，2020，16（9）：16-18.

收稿日期：2020-04-16

作者简介：贺颖（1982—），女，四川遂宁人，本科，讲师，研究方向：计算机应用。