隨著計算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用，網(wǎng)絡(luò)信息和數(shù)據(jù)量正在高速增長。傳統(tǒng)的并行計算、分布計算等方式由于各種限制，往往都難以滿足實際的計算要求。基于此，采用基于云計算環(huán)境下的大規(guī)模數(shù)據(jù)處理技術(shù)，能夠有效的打破這些限制，從而實現(xiàn)更加高效、快速的數(shù)據(jù)計算。

　　1云計算環(huán)境下大數(shù)據(jù)處理模式

　　1.1大規(guī)模廉價計算平臺

　　利用虛擬化技術(shù)，能夠?qū)崿F(xiàn)大規(guī)模廉價計算平臺，將存儲、應(yīng)用程序、網(wǎng)絡(luò)、計算等資源作為虛擬化實體。對閑散的計算資源進(jìn)行抽象，使之形成相互之間完全獨(dú)立的虛擬服務(wù)器實例，從而獨(dú)立的完成數(shù)據(jù)處理和計算。通過這種方式，就能夠?qū)崿F(xiàn)底層硬件的虛擬化。構(gòu)建可擴(kuò)展計算節(jié)點資源池，并在其中實現(xiàn)集成管理虛擬計算流程和計算節(jié)點。這樣，大規(guī)模數(shù)據(jù)子處理任務(wù)就能夠完成實時遷移、資源轉(zhuǎn)換、系統(tǒng)監(jiān)控和任務(wù)部署。

　　建設(shè)大規(guī)模計算平臺的過程，也是云計算環(huán)境下大規(guī)模數(shù)據(jù)處理的一個重要步驟。具體來說，首先要對數(shù)據(jù)處理需要的資源進(jìn)行參數(shù)化的配置，根據(jù)相應(yīng)的要求進(jìn)行定制。通過這一過程，用戶能夠獲取自己需要的資源。在不同的操作模式下為用戶提供參數(shù)服務(wù)。在設(shè)置參數(shù)完成定制之后，以此為基礎(chǔ)，在大規(guī)模數(shù)據(jù)處理的時候，部署存儲和計算資源，設(shè)定計算流程和數(shù)據(jù)處理方案。將相關(guān)參數(shù)設(shè)置信息在存儲和計算資源的配置文件當(dāng)中進(jìn)行寫入之后，以此對計算流程進(jìn)行分配，從而在計算節(jié)點中啟動相關(guān)的資源，并且管理和部署計算節(jié)點的定制處理服務(wù)。

　　部署工具通過網(wǎng)絡(luò)連接到目標(biāo)計算節(jié)點和計算流程，然后執(zhí)行大規(guī)模數(shù)據(jù)處理方案。然后根據(jù)相應(yīng)的方案，通過代碼對存儲和計算資源進(jìn)行分配和執(zhí)行。將部署在計算節(jié)點進(jìn)行進(jìn)行啟動，利用網(wǎng)絡(luò)在各個計算節(jié)點發(fā)送數(shù)據(jù)處理命令，從而完成調(diào)度和部署計算流程的工作。

　　1.2Map Reduce技術(shù)的支持

　　采用Map Reduce分布式和并行式編程模型，從而在模型內(nèi)部對任務(wù)容錯處理、計算節(jié)點負(fù)載均衡、空間局部性優(yōu)化、并行任務(wù)調(diào)度等方加以實現(xiàn)。在Map Reduce的開發(fā)過程中，只需對Map、Reduce兩個接口進(jìn)行定義，通過計算機(jī)集群，對用戶編寫程序進(jìn)行運(yùn)行，拆分大規(guī)模數(shù)據(jù)集合，使之形成若干數(shù)據(jù)片段，從而得到一系列鍵值對[4]。然后向一個Map任務(wù)中分配一個數(shù)據(jù)片段，在Map Reduce框架下，向大規(guī)模計算集群中的節(jié)點進(jìn)行子任務(wù)的分配。最后，結(jié)合得到的鍵值對進(jìn)行計算，生成鍵值對集合，向Reduce當(dāng)中進(jìn)行輸出。

　　Reduce當(dāng)中每一個Reduce任務(wù)，都會向二元組集合當(dāng)中進(jìn)行分配，輸入集合片段，運(yùn)行Reduce函數(shù)，輸出二元組鍵值對。如果數(shù)據(jù)處理任務(wù)失敗，也能夠自動重新進(jìn)行計算。在大規(guī)模數(shù)據(jù)處理當(dāng)中，是高度并行操作Map的`，這一步驟對于大規(guī)模數(shù)據(jù)的高效處理來說，具有不可忽視的意義。基于云計算環(huán)境下，對規(guī)模數(shù)據(jù)信息大都能夠達(dá)到TB級別或GB級別。在長時間處理大規(guī)模數(shù)據(jù)的時候，如果發(fā)生數(shù)據(jù)處理任務(wù)失敗的情況，能夠防止發(fā)生計算任務(wù)重新執(zhí)行的情況。由于數(shù)據(jù)塊是被復(fù)制的，因此在容錯性方面，還會關(guān)系到負(fù)載均衡的情況。

　　2云計算環(huán)境下大數(shù)據(jù)處理的框架模型

　　在大規(guī)模數(shù)據(jù)資源和計算資源當(dāng)中，對云計算技術(shù)、計算機(jī)網(wǎng)絡(luò)技術(shù)進(jìn)行引入，建立大規(guī)模數(shù)據(jù)處理框架模型。主要包含了兩級結(jié)構(gòu)，其一是虛擬資源體系、大規(guī)模廉價計算機(jī)集群，其二是大規(guī)模數(shù)據(jù)處理分析的處理監(jiān)測管理體系、數(shù)據(jù)處理服務(wù)請求、以及相應(yīng)的基礎(chǔ)架構(gòu)。利用限制的計算機(jī)資源，對虛擬資源層和物理設(shè)備進(jìn)行構(gòu)建，從而形成最底層的物理資源，形成同構(gòu)的數(shù)據(jù)處理資源池或接近于同構(gòu)的數(shù)據(jù)處理資源池。在第二級結(jié)構(gòu)當(dāng)中，最為重要的就是軟件體系，能夠為大規(guī)模數(shù)據(jù)處理提供服務(wù)。采用Hadoop核心技術(shù)，對數(shù)據(jù)處理接口進(jìn)行編寫。通過這種方式，在不同的學(xué)科和領(lǐng)域當(dāng)中，能夠提供相應(yīng)的大規(guī)模數(shù)據(jù)處理服務(wù)，從而使用戶能夠享有良好的計算平臺軟件支持。

　　在這一框架的設(shè)計與實現(xiàn)當(dāng)中，對Hadoop分布式開源計算機(jī)框架進(jìn)行了應(yīng)用，對其中的HDFS分布式文件系統(tǒng)，以及Map Reduce進(jìn)行應(yīng)用，從而對大規(guī)模數(shù)據(jù)處理業(yè)務(wù)進(jìn)行處理和協(xié)調(diào)。在計算節(jié)點當(dāng)中，對放置在Map Reduce任務(wù)進(jìn)行映射，對大規(guī)模數(shù)據(jù)進(jìn)行劃分，使之形成若干子塊，并對數(shù)據(jù)塊的數(shù)量、規(guī)格等參數(shù)加以掌握。通過HDFS功能，可以在每一個計算節(jié)點當(dāng)中，對數(shù)據(jù)塊副塊進(jìn)行智能的放置，同時針對各個節(jié)點，對具體的角色進(jìn)行設(shè)計。在大規(guī)模數(shù)據(jù)處理的過程當(dāng)中，需要利用Reduce函數(shù)、Map函數(shù)、以及相關(guān)的程序進(jìn)行分布化處理。在Hadoop當(dāng)中，為了對Map Reduce進(jìn)行運(yùn)行，提供了一個API進(jìn)行支持。

　　3結(jié)論

　　在當(dāng)前信息化的時代背景當(dāng)中，計算機(jī)和網(wǎng)絡(luò)的廣泛應(yīng)用，使得各個領(lǐng)域中的數(shù)據(jù)量和信息量與日倶增。而對于這些海量的大規(guī)模數(shù)據(jù)來說，利用傳統(tǒng)的數(shù)據(jù)處理方式，往往難以取得十分理想的處理效果。基于此，可在云計算環(huán)境下，開發(fā)和利用相應(yīng)的大規(guī)模數(shù)據(jù)處理技術(shù)，以此來支持社會各個領(lǐng)域當(dāng)中的大規(guī)模數(shù)據(jù)處理需要，從而數(shù)字化的時代當(dāng)中，始終保持較高的工作效率和良好的工作效果。

【云計算環(huán)境下大規(guī)模數(shù)據(jù)處理技術(shù)研究論文】相關(guān)文章：

1.云計算環(huán)境下的分布存儲技術(shù)研究論文

2.云計算環(huán)境下網(wǎng)絡(luò)技術(shù)研究論文

3.云計算環(huán)境下的網(wǎng)絡(luò)技術(shù)及其發(fā)展論文

4.網(wǎng)絡(luò)云計算技術(shù)研究現(xiàn)狀綜述論文

5.分析論文：云計算環(huán)境下大數(shù)據(jù)

6.云計算環(huán)境下的數(shù)據(jù)挖掘研究論文

7.SAN環(huán)境下數(shù)據(jù)備份和遠(yuǎn)程容災(zāi)技術(shù)研究論文

8.云計算環(huán)境下軟件開發(fā)架構(gòu)應(yīng)用與設(shè)計論文