大数据时代下计算机电子信息处理技术研究与应用

侯玉林

（安徽亳州新能源学校 安徽 亳州 236700）

0 引言

人们的日常生活工作与电子信息处理技术息息相关，大数据技术已经逐渐成为人们对信息数据进行挖掘的重要手段。 借助于大数据技术，各行各业的发展脚步在不断加快，其对于计算机信息技术的应用水平也越来越高［1］。同时每一天都会产生大量的数据，必须有相应的信息处理技术来提供技术支持，才能够更好地筛选其中的信息，将其中的价值提炼出来。 在当前大数据时代的背景下，必须加强对于计算机信息技术这一方面的研究，从而更好地为各行各业提供帮助，促进各行各业更好地发展。

1 电子信息技术

电子信息技术是一种涉及电路设计、数字信号处理、通信网络、集成电路等领域的综合技术，它的应用已经渗透到现代社会的方方面面。 根据当前阶段计算机信息技术发展的实际情况来看，可以将计算机电子信息技术分为三种类型，分别是信息系统技术、数据库技术以及检索技术。 首先，针对信息系统技术而言，其以计算机作为各种技术的中心，数据库以及通信网络技术是实现信息处理的主要方式。 其次，数据库技术的主要内容是整理各种信息的顺序，其不仅能够集合相关信息，还能够完成对于各种信息以及数据的储存。 最后，检索技术在使用时，人们能够非常方便地查询各种信息［2］。 随着我国科技水平不断提高，电子信息技术也得到了快速发展和大范围的应用，大幅地提升了人们生活质量。 可预见的是在未来的发展中，电子信息科技将向更加智能化、自动化以及集成化方向发展。 同时，电子信息科学技术还能够与互联网进行有效结合，实现对各种资源的共享和利用，并且可以为人们提供更多便利服务。

大数据是指由巨型数据集组成，这些数据集必须借助计算机对数据进行统计、对比和分析才能得出客观结果。目前大数据技术及应用已经渗透进我们生活的各个方面，如自动驾驶、网络购物、直播平台等医疗卫生、商业分析、国家安全、食品安全、金融安全等。 近十年以来，大数据已经作为国家重要的战略资源，其实现了创新发展，在全社会形成了“用数据来说话、用数据来管理、用数据来决策、用数据来创新”的文化氛围与时代特征。

2 电子信息处理技术和大数据处理技术

在当前大数据时代的背景下，各行各业产生的数据量非常庞大，所以需要采集的数据量也在不断变化，在这样的情况下，必须有强大的电子信息处理技术和大数据处理技术提供支撑。

2.1 电子信息数据的处理技术

2.1.1 数据的采集技术

在以往的传统模式当中，只有一些社会中的企业对本行业内的用户采集数据，在近些年来，由于数据共享理念正在不断地发展，所以数据采集的对象也越来越多样化［3］。 虽然从数据本身来说不会造假，但是在实际收集数据的过程中，难免会出现数据错误的情况。 这主要是因为数据的收集工作会涉及非常多的流程，而且在数据采集的过程中还会出现各种细节性的内容，这都会直接影响到最终的数据，甚至会直接影响到数据的收集，这是当前阶段人们在收集数据时所面临的主要问题。

2.1.2 数据的存储技术

当前，很多企业更加倾向于选择“云端”作为数据的存储方式，例如亚马逊、谷歌云、微软以及阿里云都是非常常见的信息储存工具，储存数据的一个重要目的之一就是更好地处理各项数据。 因此，在数据处理的过程中，云计算或者其他类别的计算框架都能够将数据处理与存储相互融合，从而成为一个整体［4］。

2.1.3 计算与处理技术

根据当前阶段的实际情况来看，国内的很多企业都开始采取各种措施来开发自身的云计算体系。 从一定程度上来说。 云计算实际上是计算以及大数据转移存储的协同体，在处理分布式数据库的过程中可以实现分布处理，而且当前其正在朝着并行计算的方向发展。 由此可见，其最大的优势是能够及时地对各种类型大量的数据进行处理，所以要能够准确地看待云计算技术与大数据技术之间紧密的关系［5］。 借助于云计算技术，能够深度挖掘大数据的价值，然后有针对性和目的性地进行系统性判断，从而为广大的用户推送更多准确的信息，最终创造出更大的价值。 在这一过程中，还有不少的企业受限于自身技术方面的限制，缺乏开发云计算的能力，这时他们就需要积极地寻求与高端企业之间进行合作，共同合作和开发云计算系统，更好地利用大数据，处理好大数据技术与云计算技术之间的关系。

2.2 大数据技术

从一定程度上来说，大数据实际上就是在信息获取、存储、管理以及分析的过程中，能够超出传统数据库软件工具能力范围的数据集合，其主要具有四大特征，分别是海量的数据规模、价值密度低、数据流转快以及数据类型多样化。 在当前多元化发展的时代背景下，大数据发挥着不可替代的作用。 大数据技术与应用研究方向是将大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术相结合的“互联网＋”前沿科技。 在这样的背景下，加强对于大数据价值的分析和研究具有十分重要的意义，将会直接对整个社会的发展走向产生影响。

大数据技术通常包含：分布式存储技术、分布式计算技术、数据挖掘和机器学习技术、数据库技术、可视化和报告技术、安全和隐私保护技术等。

2.2.1 大数据建模技术

在应用大数据的过程中，通常采用流处理和批处理两种方法进行数据建模，其中，流处理具有比较快的数据处理速度，能够帮助相应的技术人员实时分析数据。 流处理这种方式在金融业当中被广泛运用，这主要是因为金融业发展的过程中需要大量的实时信息作为支撑，而采用流处理的方式，能够对客户电子转账的业务进行快速处理，从而为用户提供更加高质量的金融服务。 针对批处理技术而言，其主要是整理和加工已经处理过的各种信息，从而促使大量数据的储存和利用率大幅提升，以便于其他各项工作的开展。 由此可见，这两种建模方法都具有自身的优势，能够在最大程度上丰富电子信息处理技术系统。 在实际应用的过程中，要将大批量数据资源应用好，以此为基础制定更多具有目标性的技术解决方案，然后通过建模的方式，对这些数据内部的价值进行分析，最终为企业日后的正常发展创造更多的有利条件。

2.2.2 大数据的安全技术

随着大数据技术的不断应用，大数据的安全问题也逐渐开始受到了人们的广泛关注。 之前广泛使用的等保1.0 体系，在时效性以及适用性等方面还需要不断地进行完善，在这一背景下，等保2.0 体系就出现了。 从大数据的安全性方面来说，其通常覆盖两个方面的内容，首先是用户方面，用户在浏览商品的过程中，喜好被记录，而且在发送信息的过程中自己的位置也很有可能会被暴露。 为了解决这一问题，在利用大数据平台时，就需要谨慎处理其所拥有的各种权限。 其次就是如何在大数据开发方面确保数据的安全性。 例如很多企业的数据在共享以及流通的过程中很容易泄露，还有一部分黑客也会攻击企业的网络来获取各种数据信息。

3 电子信息处理技术分类

3.1 分布式数据存储

在当前大数据的时代背景下，分布式存储技术的应用是计算机处理技术的主要应用领域，这一技术是在谷歌公司全球定位系统的基础上建立的，广泛应用到了很多大型互联网企业当中。 这是队列存储概念的一个典型应用。 其在存储数据的过程中所采用的单位为列，所具有的优势在压缩方面完全体现出来，能够促使信息技术循环的速度加快。 与此同时，在具体应用的过程中，其在高效应用磁盘空间以及加载数据方面也具有无可比拟的优势。

3.2 遗传算法和神经网络

当前，人们更加关注遗传算法。 遗传算法，顾名思义，其主要的原理就是对生物界的进化演化规律进行模仿，最终达到能够随机化搜索的目标。 而且在使用这一方法的过程中，还需要采用概率化的方法实现寻优，从而自动地调整搜索的方向［6］。 在当前阶段，遗传算法已经得到了人们的广泛运用，其中最为典型的应用是机器学习以及信号处理这些领域。 针对模拟神经算法来说，其主要是对动物的运行神经进行模拟，在不断模拟的过程中产生一些具体化的网络行为，其最明显的一个特点就是在处理信息的过程中可以实现分布式处理。

3.3 基于大数据的信息挖掘技术

在当前大数据的背景下，信息数据的挖掘也是电子信息处理技术的一个相当重要的应用领域，其以对网络实施搜索作为基础，然后再分析和关联。 在当前阶段，排序算法是互联网信息搜索领域当中热度非常高的话题，其被很好地运用在了大规模社会媒体信息量的短文特征搜索当中，以便于能够更好地对各种信息进行处理。 结合当前阶段的实际情况来看，主要从三个领域来研究排序学习算法，分别是逐点、逐列和逐对。

3.4 数据高效索引技术

在当前大数据时代的背景下，数据的高效索引技术是热点研究方向。 当前谷歌公司的BIGTABLE 技术比较先进的索引技术，主要集中体现在以下两个方面：第一，聚簇索引方式。 以索引顺序作为指导，存储全部的数据结构；第二，互补式聚簇索引方式。 主要是运用副本作为索引列，创建互为补充的索引表，其在具体使用的过程中，往往会与查询结果相互配合以达到更好的效果。

3.5 数据感知与获取技术

数据感知与获取技术是大数据时代背景下电子信息处理技术中非常重要的一个技术。 信息量非常庞大以及访问形式特殊是这一技术的明显特征。 这一技术最主要的用途就是充分利用数据，高质量集成海量数据是最有价值的内容，实现对于数据的整合和抽取。

4 大数据时代下计算机电子信息处理技术的应用

4.1 计算机辅助控制

为了确保计算机处理技术能够更加符合实际情况，就可以通过模拟的方式来实现计算机辅助控制，从而确保控制效果标准和规范。 与此同时，在运用自动化模拟运行技术的过程中，还需要以计算机作为辅助，通过这种方式确保所设计的效果与预期高度相似，在这一过程中，需要对智能化技术进行合理运用，最终为企业的发展提供全新的动力。 根据当前阶段的实际情况来看，计算机大数据分析工作当中还存在着划分不清的问题，这就需要在确保网络系统运行效率的基础上，深入地优化整合子网，然后结合自身的实际发展状况，使防护网络的覆盖面不断地扩大。在此基础上，还需要将电子电路系统与电子信息工程相互配合，确保信息资源在使用的过程中更加有效和安全。

4.2 构建应用服务供应商专业平台

应用服务供应商（application service provider，ASP）是当前比较成熟的第三方专业管理平台，通过ASP 语言编制的计算机网络服务管理系统，能够以板块设置作为基础，合理划分各种内容。 对于使用者而言，他们在各种论坛之间开展讨论，可以在这一平台上学习技术操作视频等内容。 同时还可以多部门同时获得丰富的项目信息，节省层层上报的时间，确保信息共享的效率得到提升［7］。 与此同时，在全面信息化的过程中，全面信息管理工作也要求更高水平的安全管理，这时可以将安全监管作为初步的安全保障工作，将一些不安全的服务请求以及非法用户的侵入筛选出来，然后根据实际的情况建立相应的安全系统，确保共享数据的安全性有所保障。

4.3 集成智能化处理

当前，电子信息处理技术集成智能化已经逐渐成为不可阻挡的趋势，不同技术之间的相互融合具有无可比拟的优势，不仅能够促使我国科技发展的进程加快，同时还能够将生产技术之间存在的差距缩小，确保整体的设计更加准确。 与此同时，为了确保大数据分析处理工作具有更高的效率，在实际应用的过程中还需要将计算机设备作为辅助设备使用，融合数据的收集、分析、整理以及应用环节，在最大程度上提升数据处理的效率［8］。 例如利用传统的数据处理方式，每小时只能过滤掉1 000 条数据，但是如果使用集成智能化处理方式，数据处理的效率能够提升80%左右。

5 机遇和挑战

重要意义主要在以下几个方面有所体现。 首先，大数据已经不再仅仅是一些数据，更是国家级别的重要战略性资源，所以要想能够提升国家的信息安全竞争力，就必须加强对于大数据的研究。 其次，加强对于大数据方面的研究，能够为人们的日常生活和工作创造更多的便利，对我国未来经济发展及产业升级产生直接的影响。 最后，推动科学思维革命也需要不断地加强对大数据的研究。

大数据技术所拥有的发展机遇主要集中在以下几个方面。 首先其具有非常明显的产业价值，所以加强对于信息基础的挖掘以及应用非常重要。 其次，在当前大数据时代的背景下，对于大数据本身而言面临着非常多的风险，其信息安全的要求也在不断提升。

6 结语

综上所述，随着社会的不断发展，大数据时代对电子信息处理技术既带来了机遇，同时又带来了挑战。 这同时也代表信息处理技术将会涉及更多的领域，对电子信息处理技术提出了更高的要求。 当前电子信息处理技术还存在着较多的不足，在充分明确了大数据所面临的发展机遇之后，必须对其面临的挑战产生正确的认识。 需不断深入地挖掘各种类型的数据，采取各种措施不断地进行完善，提升信息安全等级，实现电子信息处理技术又快又好地发展，为社会中更多的领域提供服务。