计算机数据信息处理中大数据技术的应用研究

摘要：随着当前计算机信息技术的不断发展，计算机领域中的数据信息也呈现出了海量发展趋势。为适应此类数据信息的实际处理需求，大数据技术开始被引入其中，并发挥出了显著的应用优势。基于此，对大数据技术在计算机数据信息处理中的应用进行分析，包括大数据技术基本情况，大数据技术在计算机数据信息处理中的应用分析及其主要优化策略。以期为大数据技术的良好应用与计算机数据信息处理质量的提升提供一定参考。

关键词：大数据技术计算机数据信息处理云计算技术数据备份技术

中图分类号：TP391

ResearchontheApplicationofBigDataTechnologyinComputerDataInformationProcessing

GENGYao

ZhengzhouUniversityofIndustrialTechnology，Zhengzhou，He’nanProvince，451100China

Abstract：Withthecontinuousdevelopmentofcurrentcomputerinformationtechnology，datainformationinthecomputerfieldhasalsoshownatrendofmassivedevelopment.Inordertoadapttothepracticalprocessingneedsofsuchdatainformation，BigDatatechnologyhasbeenintroducedandhasshownsignificantapplicationadvantages.Basedonthis，thisarticleanalyzestheapplicationofBigDatatechnologyincomputerdatainformationprocessing，includingthebasicsituationofBigDatatechnology，theapplicationanalysisandmainoptimizationstrategiesofBigDatatechnologyincomputerdatainformationprocessing.It’shopedtoprovidesomereferenceforthegoodapplicationofBigDatatechnologyandtheimprovementofcomputerdatainformationprocessingquality.

KeyWords：BigDatatechnology;Computer;Datainformationprocessing;CloudComputingtechnology;DataBackuptechnology

在现代的计算机数据信息处理工作中，大数据技术发挥着非常显著的应用优势。为实现此项技术的合理应用，满足计算机数据信息的实际处理需求，研究者与技术人员就需要结合大数据技术的基本情况，对其在计算机数据信息处理中的应用进行分析，包括云计算技术、数据备份技术以及大数据可视化技术等的应用，并进一步研究这些技术的优化策略。通过这样的方式，才可以更好地发挥此项技术优势，促进现代计算机数据处理技术的发展。

1大数据技术基本情况

1.1大数据技术基本概念

所谓大数据技术，指的是对高维度、大规模、复杂化海量数据进行管理、分析和处理的一系列技术与工具的总称。就目前的大数据技术来看，其主要类型包括云计算技术、数据备份技术以及大数据可视化技术等[1]。通过这些技术的合理应用，可使计算机网络中的海量数据信息得到高质高效的分析、储存、处理和展示，从而进一步满足现代计算机用户对于数据信息的实际管理和应用需求。

1.2大数据技术主要特征

就目前来看，大数据技术在计算机数据信息处理中所表现出的主要特征包括数据处理效率高、数据决策能力强、数据处理流程简单、数据安全性高和用户体验效果好等。凭借着这些优势，此项技术在计算机数据信息处理领域中备受关注。

1.3大数据技术应用现状

在当前，大数据技术已经在电商、医疗、教育、交通、金融、制造、汽车、互联网、电信、能源、物流、安全、城市管理以及体育娱乐等各个领域中得到了广泛应用。尤其是在计算机数据信息处理领域中，此项技术更是一种不可或缺的技术类型。

2大数据技术在计算机数据处理中的应用

2.1云计算技术的应用

作为大数据技术中最为基础且关键的一个分支，云计算技术在当前的计算机数据信息处理中十分适用。此项技术的基本原理是利用网络对计算机资源进行集中的管理和集中调度，使用户在不需要底层硬件的情况下便可实现计算机数据信息资源的按需获取[2]。具体应用时，该技术可将庞大的数据计算和处理程序划分为若干小程序，采用多部服务器组成的计算系统对相应的小程序进行分析和处理，以此来快速获得处理结果，并将其反馈给用户。此项技术的应用需借助于云服务平台来实现，该平台主要由数据中心、服务端以及前端用户界面这三部分构成。

在通过云计算技术对计算机数据信息进行处理时，其基本方法如下：（1）数据采集，借助于该平台中的海量数据处理系统对局域网计算机信息数据以及文档信息等进行采集，并对海量的临时性数据信息进行收集与汇总。（2）数据处理，该平台会根据实际情况完成负荷系数、时间系数等的布置，并以此为依据，对虚拟化资源池内的数据信息进行有效处理。（3）虚拟化资源和任务调度，在多个子系统中灵活调度多个目标。（4）数据分析，通过控制器对各个分析模块中的数据信号进行接收，借助于其中的读取模块对相应数据进行高效化的提取和处理，最终对各类硬件占比情况做出量化分析，并以此为依据来完成相应的虚拟化资源配置。在上述方法的支持下，基于云计算技术的计算机数据信息处理效果将十分客观、完整，且具备足够高的可靠性，从而可有效满足当前用户对于海量计算机数据信息的实际储存、处理和调用等需求。

2.2数据备份技术的应用

在基于云计算技术的计算机数据信息处理工作中，数据备份技术也是一种典型的支持技术。通常情况下，我国的计算机数据信息可按照3个重要级别进行分类，包括一般数据、重要数据以及核心数据，因这些数据的重要程度不同，所以其在大数据技术模式下的备份策略也不尽相同[3]。对于一般数据，可结合实际情况每周进行一次有效备份即可；对于重要数据，可每周实施一次全面备份，每天实施增量备份，若条件允许，还需要进行异地备份；对于核心数据，需每天进行全面备份，并根据实际情况做好数据库备份归档以及异地备份工作。

而在大数据技术的支持下，计算机网络中的数据备份工作主要通过虚拟化平台来实现。通过虚拟化技术的合理应用，可使数据信息进入快速发展车道，并进一步确保其完整性和安全性。就目前的虚拟化大数据备份平台来看，i2VP是最为常用的一个大规模虚拟化平台，该平台可为OpenStack（开源云计算管理平台）、Hyper-v（微软虚拟化产品）、VMware（威睿虚拟机下载平台）等各种虚拟化平台的应用提供支持，具备良好的大数据复制、大数据备份、大数据迁移以及大数据恢复等功能，同时也与华为HCS以及新华三CAS等各种虚拟化大数据备份平台具有良好的兼容性。凭借着组网灵活、备份可靠、备份保留效果好、自动演练、智能化备份、完整虚拟机保护、统一界面管理等的诸多优势，该虚拟化大数据备份平台在各种政务云数据以及专有云数据的虚拟化备份中得到了广泛应用。图1为基于i2VP大规模虚拟化平台的生产企业计算机数据信息备份流程示意图。

2.3大数据可视化技术的应用

就目前计算机数据信息处理领域中的大数据技术来看，大数据可视化已经成为了其中最为关键的一种技术类型。通常情况下，技术人员可将ASP.NETMVC（应用程序框架）开发模式作为支持，通过TypeScript编程语言、Bootstrap前端开发开源工具包以及Echarts可视化图表库等相结合的方式来构建大数据可视化系统，并结合不同的计算机大数据信息处理需求，对其可视化方法与交互方式等进行科学设置，以此来构建一个异构形式的计算机数据智能可视化系统[4]。通常情况下，此类数据可视化系统的主要组成部分有5个：（1）表现层，包括专业研究人员、相关单位、企业决策者以及普通用户；（2）应用服务层，包括开放性数据导入、开放性算法导入、可视化显示、数据展示算法编程以及可视化交互；（3）应用支撑层，包括数据转换机制、算法翻译引擎、消息服务支持、表单服务支持以及数据与算法匹配机制；（4）数据资源层，包括关系型数据库以及非结构化数据；（5）基础平台层，包括操作系统、主机、网络、NET平台、数据库管理软件以及服务器。

3 ;计算机数据处理中的大数据技术优化策略

在当前的大数据时代背景下，由于各项先进技术的不断发展与更新，各个领域中的计算机数据信息处理工作也面临着越来越多的挑战。在这样的情况下，通过大数据技术的合理优化，可为其海量数据信息的处理提供有力支持。为达到这一目标，研究者和技术人员需结合大数据技术在其中的实际应用情况及其发展需求等，采取合理的策略对其进行优化。

就目前来看，此项技术的主要优化策略包括以下几种：（1）不断提升计算机硬件和软件水平，将更加先进的硬件设施和软件程序引入计算机系统中，以此来为大数据技术的应用提供支持；（2）对基于大数据的计算机数据信息安全体系加以科学构建，采用更加先进的技术措施对大数据技术应用中的各个环节进行安全监督和控制，以此来及时发现其中存在的安全问题或隐患，使其及时消除，尽最大限度确保计算机数据信息的安全性[5]；（3）将当前先进的智能化技术融合应用到大数据技术中，结合大数据技术及其系统的实际应用情况与应用需求等，将相应的智能化算法或模型等合理引入，以此来为其数据分析和处理系统提供智能化技术支持；（4）将人工智能技术引入大数据技术的实际应用及其系统操作中，逐渐替代传统的人为操作模式，以此来降低运维工作人员的工作强度与压力，并尽最大限度避免人为因素对大数据技术应用效果的不良影响[6]。

通过这样的方式，便可使现代计算机数据信息处理工作中的大数据技术得到进一步优化，以此来更好地发挥其应用优势，促进计算机数据信息处理工作的大数据化与智能化发展。

4结语

综上所述，随着现代计算机信息技术的全面应用和普及，各个领域中的计算机数据信息都呈现出了海量化发展趋势。对于这些数据信息，要想得到良好的储存、处理和应用，就需要将大数据技术用作支持技术。基于此，研究者和技术人员一定要充分意识到大数据技术在其中的应用优势，结合其具体的应用需求，对大数据技术加以合理应用，以此来实现此类数据信息的科学处理。

参考文献

• 康少伟，叶维裕，李毅.基于大数据的计算机信息处理技术应用与实践：评《大数据技术基础》[J].现代雷达，2022（8）：126-126.
• 魏晓艳.基于区块链技术的工业大数据时变通信时延控制系统设计[J].计算机测量与控制，2023（12）：123-129.
• 高丽杰，薛丽香，马照瑞，等.大数据RSA公钥加密安全双向检测仿真[J].计算机仿真，2023，40（2）：410-414.
• 董运昌，王启明，曹杰，等.基于过采样和级联机器学习的电网虚假数据注入攻击识别[J].电力系统自动化，2023，47（8）：179-188.
• 陈小娟，贺红艳，张慧萍.基于数据消冗技术的隐私大数据属性加密仿真[J].计算机仿真，2022，39（11）：422-426.
• 汪钇丞，曾鸿斌，许利杰，等.面向大数据处理框架的JVM优化技术综述[J].软件学报，2023，34（1）：463-488.