前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)云計(jì)算數(shù)據(jù)論文文章，供您閱讀參考。期待這些文章能為您帶來(lái)啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

云計(jì)算是下一代的IT架構(gòu)。運(yùn)用云計(jì)算，可以把應(yīng)用軟件和數(shù)據(jù)遷移到很大的數(shù)據(jù)中心。云計(jì)算的這一特點(diǎn)帶來(lái)了很大的安全問(wèn)題。要研究云計(jì)算數(shù)據(jù)的安全特征，就要首先了解云計(jì)算的數(shù)據(jù)安全模型。

1.1云計(jì)算數(shù)據(jù)應(yīng)用系統(tǒng)模型

云計(jì)算的平臺(tái)構(gòu)架主要技術(shù)有并行編程的模式，分布式文件系統(tǒng)，數(shù)據(jù)處理模型。其層次如圖1所示。云計(jì)算的數(shù)據(jù)應(yīng)用共分為三個(gè)層次：應(yīng)用層、索引層和數(shù)據(jù)存儲(chǔ)層。同時(shí)要了解云計(jì)算數(shù)據(jù)應(yīng)用系統(tǒng)的三個(gè)要素：用戶、應(yīng)用服務(wù)器和數(shù)據(jù)中心。這三個(gè)要素各有著不同的功能，用戶的功能是存儲(chǔ)數(shù)據(jù)，在數(shù)據(jù)計(jì)算的基礎(chǔ)上，計(jì)算個(gè)體用戶和組織用戶的數(shù)據(jù)。應(yīng)用服務(wù)器的功能是維護(hù)云計(jì)算的系統(tǒng)。數(shù)據(jù)中心的功能是存貯實(shí)際的數(shù)據(jù)信息。但是，在云計(jì)算數(shù)據(jù)應(yīng)用系統(tǒng)模型中，存在著很大的安全威脅，主要是來(lái)自傳統(tǒng)數(shù)據(jù)的威脅，容易受到影響的對(duì)象有客戶端、主從結(jié)構(gòu)和病毒的傳播，通信的安全性。其中，病毒的傳播主要是通過(guò)互聯(lián)網(wǎng)的數(shù)據(jù)交易服務(wù)，病毒侵入計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)，它的破壞性遠(yuǎn)遠(yuǎn)大于單機(jī)系統(tǒng)，用戶也很難進(jìn)行防范。現(xiàn)在的互聯(lián)網(wǎng)中，病毒一般有隱蔽性，傳播速度也很快。另外，病毒的制造技術(shù)也越來(lái)越高級(jí)，不僅可以破壞用戶的程序，還可以竊取信息，造成系統(tǒng)的交叉感染。這種感傳染性的病毒危害性非常大。對(duì)于通信故障，網(wǎng)絡(luò)中通常分為兩種類型的安全攻擊類型：主動(dòng)攻擊和被動(dòng)攻擊。常見(jiàn)的攻擊手段有偷竊、分析、冒充、篡改。對(duì)于數(shù)據(jù)安全來(lái)說(shuō)，除了上述的數(shù)據(jù)安全，還有新數(shù)據(jù)的安全威脅，主要表現(xiàn)在幾個(gè)方面：保密失效威脅、分布式可用威脅、動(dòng)態(tài)完整性威脅。

1.2云計(jì)算數(shù)據(jù)安全模型

典型云計(jì)算數(shù)據(jù)技術(shù)如圖2所示。該數(shù)據(jù)安全模型主要分三個(gè)層次：第一層的功能是負(fù)責(zé)驗(yàn)證用戶的身份，保證云計(jì)算中數(shù)據(jù)的安全；第二層的功能是負(fù)責(zé)對(duì)用戶的數(shù)據(jù)進(jìn)行保密處理，保護(hù)用戶的隱私；第三層的功能是恢復(fù)用戶誤刪的數(shù)據(jù)，是系統(tǒng)保護(hù)用戶數(shù)據(jù)的最后一道防線。這三層結(jié)構(gòu)是相互聯(lián)系，層層深入。首先要驗(yàn)證用戶的身份，保證用戶的數(shù)據(jù)信息不被篡改。如果非法用戶進(jìn)入的系統(tǒng)，則進(jìn)入系統(tǒng)后還要經(jīng)過(guò)加密保護(hù)和防御系統(tǒng)。最后是文件恢復(fù)的層次，這一層次可以幫助用戶在數(shù)據(jù)受損的情況下修復(fù)數(shù)據(jù)。

2多維免疫的云數(shù)據(jù)安全

2.1多維免疫算法

多維免疫算法的組成主要依靠生物原理、免疫系統(tǒng)的多維模型、多維免疫的基本原則組成。其中，生物原理是把生物學(xué)的理論應(yīng)用在云計(jì)算中。人工免疫系統(tǒng)發(fā)展到現(xiàn)在，在免疫能力的發(fā)揮方面有了很大的發(fā)展。免疫能力的增長(zhǎng)是一個(gè)漫長(zhǎng)的過(guò)程，后天的免疫的生成更是一個(gè)艱難的過(guò)程。在一個(gè)系統(tǒng)生成初期，完全沒(méi)有后天的免疫能力，但是隨著身體的成長(zhǎng)，免疫細(xì)胞逐漸增多，免疫系統(tǒng)也開(kāi)始形成。多維免疫系統(tǒng)的形成也是這樣的。

2.2多維免疫的數(shù)據(jù)安全原理

阻礙多維免疫的數(shù)據(jù)安全的因素主要有不可靠網(wǎng)絡(luò)、節(jié)點(diǎn)故障、超大規(guī)模的用戶訪問(wèn)、數(shù)據(jù)更新引起的數(shù)據(jù)不一致性等。為了提高數(shù)據(jù)管理的安全性，云計(jì)算為用戶提供了一個(gè)一致的入口，只有向用戶提供透明的文件，進(jìn)行文件數(shù)據(jù)的定位數(shù)據(jù)選擇。對(duì)于數(shù)據(jù)管理服務(wù)，應(yīng)該注意，這項(xiàng)服務(wù)是連接用戶和系統(tǒng)的。應(yīng)用服務(wù)器和數(shù)據(jù)中心共同組成了云計(jì)算數(shù)據(jù)應(yīng)用系統(tǒng)。應(yīng)用服務(wù)器主要目的是方便用戶訪問(wèn)歷史和相關(guān)的文件信息。

2.3多維免疫的云數(shù)據(jù)安全策略

主要包括文件分布的策略，HDFS文件冗余度計(jì)算，多維免疫的文件分布，數(shù)據(jù)塊選擇機(jī)制等。對(duì)于云計(jì)算中的用戶文件，需要考慮到數(shù)據(jù)塊的數(shù)量分布、數(shù)據(jù)塊的顆粒度和數(shù)據(jù)庫(kù)的創(chuàng)建時(shí)間。多維免疫的文件分布中，首先要掌握文件分布的原理，多維免疫算法和云計(jì)算中文件的創(chuàng)建和文件塊的分配法是一致的。

3結(jié)束語(yǔ)

第2篇

1.1大數(shù)據(jù)的發(fā)展

通過(guò)對(duì)大數(shù)據(jù)的匯集、智能分析和挖掘技術(shù)，發(fā)現(xiàn)數(shù)據(jù)中的潛在價(jià)值信息，幫助人們做出正確決策，這就是大數(shù)據(jù)產(chǎn)業(yè)的利益。國(guó)外大數(shù)據(jù)的起步比較早，比較成功的大數(shù)據(jù)應(yīng)用案例有：商業(yè)龍頭沃爾瑪公司通過(guò)對(duì)消費(fèi)者的購(gòu)物數(shù)據(jù)進(jìn)行分析，了解顧客的行為喜好，對(duì)超市的商品結(jié)構(gòu)進(jìn)行搭配重置以增加銷售額；亞馬遜公司通過(guò)大數(shù)據(jù)構(gòu)建自己的推薦系統(tǒng)，每年可以靠此多收益20%；奧巴馬通過(guò)大數(shù)據(jù)分析系統(tǒng)進(jìn)行數(shù)據(jù)挖掘，用科學(xué)的手段獲取選票、募集資金，贏得了總統(tǒng)競(jìng)選的勝利。相比于國(guó)外，國(guó)內(nèi)的大數(shù)據(jù)研究和應(yīng)用還處于起步和發(fā)展中的階段，比較成功的案例有：淘寶數(shù)據(jù)魔方平臺(tái)，通過(guò)大數(shù)據(jù)，為買家量身打造完善的購(gòu)物體驗(yàn)產(chǎn)品；新浪微博大數(shù)據(jù)產(chǎn)品，通過(guò)大量的社交數(shù)據(jù)，創(chuàng)造不同的社會(huì)經(jīng)濟(jì)價(jià)值等。

1.2云計(jì)算的發(fā)展

云計(jì)算可以像電力資源一樣提供彈性的按需服務(wù)，事實(shí)上它是集合了一系列的服務(wù)提供給用戶。云計(jì)算的核心可分為三個(gè)層次，分別為基礎(chǔ)設(shè)施層、平臺(tái)層、應(yīng)用層，如圖2所示。云計(jì)算將基礎(chǔ)設(shè)施、軟件運(yùn)行環(huán)境、應(yīng)用程序抽象成服務(wù)，具有可靠性高、可用性強(qiáng)、規(guī)模可伸縮等特點(diǎn)，滿足了不同企業(yè)的發(fā)展需求，各個(gè)云服務(wù)提供商根據(jù)各自服務(wù)對(duì)象的差別分別開(kāi)發(fā)了各具特色的云服務(wù)。（1）基礎(chǔ)設(shè)施即服務(wù)層基礎(chǔ)設(shè)施即服務(wù)（InfrastructureasaService，IaaS）層通過(guò)部署硬件基礎(chǔ)設(shè)施對(duì)外提供服務(wù)，用戶可以根據(jù)各自的需求購(gòu)買虛擬或?qū)嶓w的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等資源。用戶可以在購(gòu)買的空間內(nèi)部署和運(yùn)行軟件，包括操作系統(tǒng)和應(yīng)用程序。消費(fèi)者不能管理或控制任何云計(jì)算基礎(chǔ)設(shè)施，但能控制操作系統(tǒng)的選擇、存儲(chǔ)空間、部署的應(yīng)用，也有可能獲得有限制的網(wǎng)絡(luò)組件（如防火墻、負(fù)載均衡器等）的控制。云服務(wù)提供商為了使硬件資源得到更有效的利用，引入了Xen、KVM、VMware等虛擬化技術(shù)，使得云服務(wù)商可以提供更個(gè)性化的IaaS服務(wù)。亞馬遜彈性云計(jì)算（AmazonElasticComputeCloud，AmazonEC2）是亞馬遜Web服務(wù)產(chǎn)品之一，AmazonEC2利用其全球性的數(shù)據(jù)中心網(wǎng)絡(luò)，為客戶提供虛擬主機(jī)服務(wù)，讓使用者可以租用云服務(wù)運(yùn)行所需應(yīng)用的系統(tǒng)。（2）平臺(tái)即服務(wù)層平臺(tái)即服務(wù)（PlatformasaService，PaaS）層是指云計(jì)算應(yīng)用程序開(kāi)發(fā)和部署的平臺(tái)，包括應(yīng)用設(shè)計(jì)、應(yīng)用開(kāi)發(fā)、應(yīng)用測(cè)試和應(yīng)用托管，都作為一種服務(wù)提供給客戶。開(kāi)發(fā)者只需要上傳代碼和數(shù)據(jù)就可以使用云服務(wù)，而無(wú)需關(guān)注底層的具體實(shí)現(xiàn)方式和管理模式。鑒于PaaS平臺(tái)的重要意義，國(guó)內(nèi)外廠商根據(jù)各自的戰(zhàn)略提出了相應(yīng)的PaaS平臺(tái)，國(guó)外的如GoogleAppEngine（GAE），通過(guò)GAE，即使在重載和數(shù)據(jù)量極大的情況下，也可以輕松構(gòu)建能安全運(yùn)行的應(yīng)用程序。國(guó)內(nèi)也有新浪的SAE（SinaAppEngine）、阿里的ACE（AliyunCloudEnginee）等。（3）軟件即服務(wù)層軟件即服務(wù)（SoftasaService，SaaS）層是為云計(jì)算終端用戶提供基于互聯(lián)網(wǎng)軟件應(yīng)用服務(wù)的平臺(tái)。隨著Web服務(wù)、HTML5、AJAX、Mashup等技術(shù)的成熟與標(biāo)準(zhǔn)化，SaaS應(yīng)用近年來(lái)發(fā)展迅速，典型的SaaS應(yīng)用包括GoogleApps、SalesforceCRM等。國(guó)外云計(jì)算平臺(tái)比較成功的應(yīng)用案例有：亞馬遜電子商務(wù)網(wǎng)站根據(jù)用戶的購(gòu)買行為和搜索技術(shù)搭建Hadoop集群，構(gòu)建推薦系統(tǒng)；Twitter社交網(wǎng)站搭建Hadoop分布式系統(tǒng)用于用戶關(guān)聯(lián)的建立。國(guó)內(nèi)云計(jì)算平臺(tái)的成功案例有：阿里巴巴目前整個(gè)集群達(dá)到1700個(gè)節(jié)點(diǎn)，數(shù)據(jù)容量達(dá)到24.3PB，并且以每天255TB的速率不斷攀升；2013年，華為推出國(guó)內(nèi)首個(gè)運(yùn)營(yíng)云平臺(tái)，目前為止與該平臺(tái)簽訂協(xié)議的ISV有3000多家。

1.3云計(jì)算相關(guān)技術(shù)

（1）分布式文件系統(tǒng)分布式文件系統(tǒng)（GoogleFileSystem，GFS）[3]是Google公司針對(duì)云計(jì)算過(guò)程處理海量數(shù)據(jù)而專門設(shè)計(jì)的。一個(gè)GFS集群由一個(gè)主節(jié)點(diǎn)和多個(gè)從節(jié)點(diǎn)組成，用戶可以通過(guò)客戶端訪問(wèn)文件系統(tǒng)，進(jìn)行正常的文件處理工作。在云計(jì)算中，海量數(shù)據(jù)文件被分割成多個(gè)固定大小的數(shù)據(jù)塊，這些數(shù)據(jù)塊被自動(dòng)分配到不同的從節(jié)點(diǎn)存儲(chǔ)，并會(huì)在多個(gè)節(jié)點(diǎn)進(jìn)行備份存儲(chǔ)，以免數(shù)據(jù)丟失。主服務(wù)器管理文件系統(tǒng)記錄文件的各種屬性，包括文件名、訪問(wèn)控制權(quán)限、文件存儲(chǔ)塊映射、塊物理信息等數(shù)據(jù)。正是通過(guò)這個(gè)表，文件系統(tǒng)可以準(zhǔn)確地找到文件存儲(chǔ)的位置，避免數(shù)據(jù)丟失，保證數(shù)據(jù)安全。圖3是GFS的體系結(jié)構(gòu)示意，每一個(gè)節(jié)點(diǎn)都是普通的Linux服務(wù)器，GFS的工作就是協(xié)調(diào)成百上千的服務(wù)器為各種應(yīng)用提供服務(wù)。（2）分布式并行數(shù)據(jù)庫(kù)BigTableBigTable[4]是一個(gè)為管理大規(guī)模結(jié)構(gòu)化數(shù)據(jù)而設(shè)計(jì)的分布式存儲(chǔ)系統(tǒng)，可以擴(kuò)展到PB級(jí)數(shù)據(jù)和上千臺(tái)服務(wù)器。很多Google的項(xiàng)目使用BigTable存儲(chǔ)數(shù)據(jù)，這些應(yīng)用對(duì)BigTable提出了不同的挑戰(zhàn)，比如對(duì)數(shù)據(jù)規(guī)模的要求、對(duì)時(shí)延的要求。BigTable能滿足這些多變的要求，為這些產(chǎn)品成功地提供了靈活、高性能的存儲(chǔ)解決方案。BigTable采用的鍵是三維的，分別是行鍵（RowKey）、列鍵（ColumnKey）和時(shí)間戳（Timestamp）。行鍵和列鍵都是字節(jié)串，時(shí)間戳是64位整型；值是一個(gè)字節(jié)串，可以用（row:string,column:string,time:int64）string來(lái)表示一條鍵值對(duì)記錄。（3）分布式計(jì)算框架MapReduceMapReduce[5]是Google公司提出的大數(shù)據(jù)技術(shù)計(jì)算框架，被廣泛應(yīng)用于數(shù)據(jù)挖掘、海量數(shù)據(jù)處理以及機(jī)器學(xué)習(xí)等領(lǐng)域，由于其并行化處理數(shù)據(jù)的強(qiáng)大能力，越來(lái)越多的廠商根據(jù)MapReduce思想開(kāi)發(fā)了各自的云計(jì)算平臺(tái)，其中以Apache公司的Hadoop最為典型。MapReduce由Map和Reduce兩個(gè)階段組成。用戶只需要編寫簡(jiǎn)單的map()和reduce()函數(shù)就可以完成復(fù)雜分布式程序設(shè)計(jì)，而不用了解計(jì)算框架的底層實(shí)現(xiàn)。MapReduce的數(shù)據(jù)分析流程如圖4所示。分布在不同服務(wù)器節(jié)點(diǎn)上的海量數(shù)據(jù)首先通過(guò)split()函數(shù)被拆分成Key/Value鍵值對(duì)，map()函數(shù)以該鍵值對(duì)為輸入，將該鍵值對(duì)進(jìn)行函數(shù)處理，產(chǎn)生一系列的中間結(jié)果并存入磁盤。MapReduce的中間過(guò)程shuffle()將所有具有相同Key值的鍵值對(duì)傳遞給Reduce環(huán)節(jié)，Reduce會(huì)收集中間結(jié)果，并將相同的Value值合并，完成所有工作后將結(jié)果輸出給用戶。MapReduce是一個(gè)并行的計(jì)算框架，主要體現(xiàn)在不同的服務(wù)器節(jié)點(diǎn)同時(shí)啟動(dòng)相同的工作，并且在每個(gè)獨(dú)立的服務(wù)器節(jié)點(diǎn)上又可以啟動(dòng)多個(gè)map()、reduce()并行計(jì)算。

2基于云計(jì)算的大數(shù)據(jù)處理

目前大數(shù)據(jù)處理的基本流程如圖5所示，整個(gè)流程經(jīng)過(guò)數(shù)據(jù)源的采集，用不同的方式進(jìn)行處理和加工，形成標(biāo)準(zhǔn)的格式，存儲(chǔ)下來(lái)；然后用合適的數(shù)據(jù)計(jì)算處理方式將數(shù)據(jù)推送到數(shù)據(jù)分析和挖掘平臺(tái)，通過(guò)有效的數(shù)據(jù)分析和挖掘手段，找出大數(shù)據(jù)中有價(jià)值的信息；最后通過(guò)可視化技術(shù)將信息展現(xiàn)給人們。

2.1數(shù)據(jù)采集存儲(chǔ)

大數(shù)據(jù)具有不同結(jié)構(gòu)的數(shù)據(jù)（包括結(jié)構(gòu)、半結(jié)構(gòu)、非結(jié)構(gòu)），針對(duì)不同類型的數(shù)據(jù)，在進(jìn)行云計(jì)算的分布采集時(shí)，需要選擇不同的數(shù)據(jù)采集方式收集數(shù)據(jù)，這也是大數(shù)據(jù)處理中最基礎(chǔ)的一步。采集到的數(shù)據(jù)并不是都適合推送到后面的平臺(tái)，需要對(duì)其進(jìn)一步處理，例如來(lái)源不同的數(shù)據(jù)，需要對(duì)其進(jìn)行加載合并；數(shù)據(jù)存在噪聲或者干擾點(diǎn)的，需要對(duì)其進(jìn)行“清洗”和“去噪”等操作，從而保障數(shù)據(jù)的有效性；數(shù)據(jù)的格式或者量綱不統(tǒng)一的，需要對(duì)其進(jìn)行標(biāo)準(zhǔn)化等轉(zhuǎn)換處理；最后處理生成的數(shù)據(jù)，通過(guò)特定的數(shù)據(jù)庫(kù)，如NoSQL數(shù)據(jù)（Google的BigTable，Amazon的Dynamo）進(jìn)行存儲(chǔ)，方便進(jìn)行下一步的數(shù)據(jù)讀取。由于傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)無(wú)法適應(yīng)大數(shù)據(jù)的存儲(chǔ)要求，目前基于云計(jì)算的數(shù)據(jù)倉(cāng)庫(kù)都是采用列式存儲(chǔ)。列式存儲(chǔ)的數(shù)據(jù)具有相同的數(shù)據(jù)類型，可以大大提高數(shù)據(jù)的壓縮率，例如華為的云存儲(chǔ)服務(wù)MOS（MassiveObjectService）的數(shù)據(jù)持久性高達(dá)99.9%，同時(shí)提供高效率的端到端保障。

2.2數(shù)據(jù)計(jì)算模式

這一環(huán)節(jié)需要根據(jù)處理的數(shù)據(jù)類型和既定目標(biāo)，選擇合適的計(jì)算模型處理數(shù)據(jù)。由于數(shù)據(jù)量的龐大，會(huì)消耗大量的計(jì)算資源，因此，傳統(tǒng)的計(jì)算技術(shù)很難使用大數(shù)據(jù)的環(huán)境條件，取而代之的是分而治之的分布式計(jì)算模式，具有代表性的幾種計(jì)算模式的特點(diǎn)見(jiàn)表1。采用批處理方式計(jì)算的Hadoop平臺(tái)，例如，F(xiàn)acebook擁有全球最大規(guī)模的Hadoop集群，集群機(jī)器目前超過(guò)3000臺(tái)，CPU核心更是超過(guò)30000個(gè)，可以存儲(chǔ)的數(shù)據(jù)量能夠達(dá)到驚人的40PB；采用流處理方式計(jì)算的Storm平臺(tái)分布式計(jì)算的時(shí)延比Hadoop更小；實(shí)時(shí)處理方式計(jì)算的Spark是一種基于內(nèi)存的計(jì)算模式，例如，Yahoo運(yùn)用Spark技術(shù)在廣告營(yíng)銷中實(shí)時(shí)尋找目標(biāo)用戶，目前在Yahoo部署的Spark集群有112臺(tái)節(jié)點(diǎn)和9.2TB內(nèi)存；交互處理方式計(jì)算的Dremel在處理PB級(jí)別的數(shù)據(jù)時(shí)耗時(shí)可以縮短至秒級(jí)，并且無(wú)需大量的并發(fā)。

2.3數(shù)據(jù)分析挖掘

數(shù)據(jù)分析挖掘環(huán)節(jié)是從海量數(shù)據(jù)中發(fā)現(xiàn)隱藏規(guī)律和有價(jià)值信息的過(guò)程，這個(gè)環(huán)節(jié)是大數(shù)據(jù)處理流程最為有價(jià)值和核心的部分，傳統(tǒng)的數(shù)據(jù)分析方法有機(jī)器學(xué)習(xí)、商業(yè)智能等。傳統(tǒng)的數(shù)據(jù)挖掘十大算法[6]（其中有K-Means、Na觙veBayes、SVM、EM、Apriori等）在云計(jì)算環(huán)境下都得到了大幅度的并行優(yōu)化，在大數(shù)據(jù)的背景下，計(jì)算速度得到了很大程度的提升。現(xiàn)在新興的深度學(xué)習(xí)是原始機(jī)器學(xué)習(xí)的一個(gè)新領(lǐng)域，動(dòng)機(jī)是在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，這種新的數(shù)據(jù)分析挖掘技術(shù)已經(jīng)在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域有了成功的應(yīng)用。

2.4數(shù)據(jù)解釋展現(xiàn)

將挖掘出來(lái)的復(fù)雜信息進(jìn)行數(shù)據(jù)解釋和展現(xiàn)是整個(gè)大數(shù)據(jù)處理流程的最后一個(gè)環(huán)節(jié)，數(shù)據(jù)分析的結(jié)果需要向客戶進(jìn)行恰當(dāng)?shù)恼宫F(xiàn)。與傳統(tǒng)的數(shù)據(jù)輸出和文本展示等方式不同，現(xiàn)在絕大部分的企業(yè)都通過(guò)引進(jìn)“數(shù)據(jù)可視化”技術(shù)來(lái)展示大數(shù)據(jù)分析的結(jié)果信息，這種方式以圖像、動(dòng)畫(huà)等方式，形象地向客戶展現(xiàn)數(shù)據(jù)處理分析的結(jié)果，也容易被客戶理解和接受，更為先進(jìn)的是，現(xiàn)在逐步形成的“交互式可視化技術(shù)”，大大地方便了數(shù)據(jù)與人之間的“親密交流”。目前面向大數(shù)據(jù)主流應(yīng)用的可視化技術(shù)見(jiàn)表2。

3大數(shù)據(jù)和云計(jì)算的未來(lái)挑戰(zhàn)

大數(shù)據(jù)需要超大存儲(chǔ)容量的計(jì)算能力，云計(jì)算作為一種新的計(jì)算模式，為大數(shù)據(jù)的應(yīng)用研究提供了技術(shù)支持，大數(shù)據(jù)和云計(jì)算的完美結(jié)合，相得益彰，發(fā)揮了各自的最大優(yōu)勢(shì)，為社會(huì)創(chuàng)造了巨大的價(jià)值。雖然國(guó)內(nèi)大數(shù)據(jù)和云計(jì)算的研究還是處于初步階段，但隨著研究的不斷進(jìn)行，所面臨的問(wèn)題也越來(lái)越多。在大數(shù)據(jù)向前不斷邁進(jìn)的階段里，如何讓我們對(duì)大數(shù)據(jù)的研究朝著有利于全人類的方向發(fā)展成為了重中之重。

3.1重要戰(zhàn)略資源

在這個(gè)信息社會(huì)里，大數(shù)據(jù)將會(huì)成為眾多企業(yè)甚至是國(guó)家層面的重要戰(zhàn)略資源。國(guó)家層面要將大數(shù)據(jù)上升為國(guó)家戰(zhàn)略。奧巴馬在2012年3月將“大數(shù)據(jù)戰(zhàn)略”上升為最高國(guó)策，像陸權(quán)、海權(quán)、空權(quán)一樣，將數(shù)據(jù)的占有和控制作為重要的國(guó)家核心能力。大數(shù)據(jù)資源也會(huì)成為各種機(jī)構(gòu)和企業(yè)的重要資產(chǎn)以及提升企業(yè)社會(huì)競(jìng)爭(zhēng)力的有力武器。在大數(shù)據(jù)市場(chǎng)里，客戶的各種數(shù)據(jù)信息都會(huì)為企業(yè)創(chuàng)造價(jià)值，也會(huì)在促進(jìn)消費(fèi)水平、提高廣告效應(yīng)等方面扮演重要的角色。

3.2數(shù)據(jù)隱私安全

大數(shù)據(jù)如果運(yùn)用得當(dāng)，可以有效地幫助相關(guān)領(lǐng)域做出幫助和決策，但若這些數(shù)據(jù)被泄露和竊取，隨之而來(lái)的將是個(gè)人信息及財(cái)產(chǎn)的安全問(wèn)題得不到保障。2011年索尼公司遭到黑客攻擊，造成一億份客戶資料泄露，經(jīng)濟(jì)虧損約1.71億美元。為了解決大數(shù)據(jù)的數(shù)據(jù)隱私安全問(wèn)題，Roy等在2010年提出了一種隱私保護(hù)系統(tǒng)，將信息流控制和差分隱私保護(hù)技術(shù)融入到云計(jì)算平臺(tái)中，防止MapReduce計(jì)算過(guò)程中的數(shù)據(jù)泄露問(wèn)題。在數(shù)據(jù)更新飛速的情況下，如何維護(hù)數(shù)據(jù)的隱私安全成為大數(shù)據(jù)時(shí)代研究的重點(diǎn)方向。

3.3智慧城市

人口的增長(zhǎng)給城市交通、醫(yī)療、建筑等各方面帶來(lái)了不小的壓力，智慧城市就是依靠大數(shù)據(jù)和云計(jì)算技術(shù)，實(shí)現(xiàn)城市高效的管理、便捷的民生服務(wù)、可持續(xù)的產(chǎn)業(yè)發(fā)展。在剛剛結(jié)束的“兩會(huì)”的政府工作報(bào)告中，總理也特意強(qiáng)調(diào)了智慧城市發(fā)展的重要性，目前國(guó)家智慧城市試點(diǎn)已遍布全國(guó)各地，多達(dá)409個(gè)。智慧安防、智慧交通、智慧醫(yī)療等都是智慧城市應(yīng)用領(lǐng)域。智慧城市的建設(shè)也趨使大數(shù)據(jù)人才的培養(yǎng)。據(jù)預(yù)測(cè)，到2015年，大數(shù)據(jù)將會(huì)出現(xiàn)約100萬(wàn)的人才缺口，全球?qū)⑿略?40萬(wàn)個(gè)與大數(shù)據(jù)相關(guān)的工作崗位來(lái)填補(bǔ)這個(gè)空缺。

3.4能源消耗

第3篇

云計(jì)算是一種根據(jù)使用量確定付費(fèi)的模式，這種模式主要是提供便捷的、可用的網(wǎng)絡(luò)訪問(wèn)，并進(jìn)入計(jì)算資源共享池，這些資源能夠被迅速的提供，只需要投入較少的工作，或者與服務(wù)供應(yīng)商進(jìn)行很少的交流。目前，高能力的計(jì)算發(fā)展和應(yīng)用水平已成為一個(gè)地區(qū)科研實(shí)力甚至一個(gè)國(guó)家綜合實(shí)力的重要體現(xiàn)。云計(jì)算很大程度上提高了資源的服務(wù)水平和利用率，而且避免了跨結(jié)點(diǎn)劃分應(yīng)用程序所帶來(lái)的低效性和復(fù)雜性。

二、大數(shù)據(jù)與云計(jì)算對(duì)會(huì)計(jì)信息化的推進(jìn)

(一)大數(shù)據(jù)拓展了會(huì)計(jì)信息化的資源利用范圍。

隨著數(shù)字化、軟件和處理能力的發(fā)展，對(duì)可利用的數(shù)據(jù)的范圍進(jìn)行了進(jìn)一步的擴(kuò)大，企業(yè)必須敏感地認(rèn)識(shí)到不同類型的信息通過(guò)深加工后能給企業(yè)帶來(lái)怎樣的財(cái)富，更要掌握哪些信息可以通過(guò)信息化技術(shù)和軟件的進(jìn)步來(lái)實(shí)現(xiàn)。大數(shù)據(jù)時(shí)代，會(huì)計(jì)信息化不再只針對(duì)會(huì)計(jì)作業(yè)上產(chǎn)生的數(shù)據(jù)進(jìn)行分析，而且云計(jì)算是世界各大搜索引擎及瀏覽器數(shù)據(jù)收集、處理的核心計(jì)算方式，因此可以通過(guò)云計(jì)算將零散的數(shù)據(jù)整合在一起，提煉其有價(jià)值的信息，再將這些信息與傳統(tǒng)的會(huì)計(jì)信息融合，挖掘被忽視的重要信息，提高會(huì)計(jì)管理決策能力和企業(yè)管理水平，這樣就能從行業(yè)中脫穎而出。

(二)促進(jìn)了會(huì)計(jì)信息化成本降低。

傳統(tǒng)的會(huì)計(jì)信息化需要企業(yè)自身投入大量的基礎(chǔ)設(shè)施建設(shè)，同時(shí)還要考慮硬件與軟件的升級(jí)和維護(hù)，這方面是阻礙會(huì)計(jì)信息化發(fā)展的重要原因，特別是對(duì)中小企業(yè)的發(fā)展。而大數(shù)據(jù)與云計(jì)算融合后，用戶可以根據(jù)自己的利用資源的多少和時(shí)間的長(zhǎng)短付費(fèi)，不再需要前期大量的工作和資金投入。這樣，企業(yè)也能將重點(diǎn)放在自身的發(fā)展上，增強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)。

(三)提高了會(huì)計(jì)信息化的效率。

傳統(tǒng)的會(huì)計(jì)信息化受到時(shí)間和地域等條件的限制，這樣信息交流不及時(shí)，可能錯(cuò)過(guò)稍縱即逝的機(jī)會(huì)，尤其是競(jìng)爭(zhēng)激烈的大環(huán)境下，信息獲取的及時(shí)性更加重要的。在大數(shù)據(jù)時(shí)代的背景下，提供云計(jì)算的會(huì)計(jì)信息化系統(tǒng)只需通過(guò)互聯(lián)網(wǎng)就能隨時(shí)隨地的實(shí)現(xiàn)與客戶的溝通，及時(shí)地掌握所需的信息。同時(shí)，云計(jì)算強(qiáng)大的計(jì)算能力，可以更快地形成所需的各項(xiàng)指標(biāo)，管理者能更快的了解企業(yè)的經(jīng)營(yíng)狀況并識(shí)別潛在的風(fēng)險(xiǎn)。

三、大數(shù)據(jù)和云計(jì)算對(duì)會(huì)計(jì)信息化的挑戰(zhàn)

(一)會(huì)計(jì)信息化共享平臺(tái)發(fā)展滯后。

目前，企業(yè)信息化逐步在向社會(huì)信息化發(fā)展，各企業(yè)在加工處理自己的會(huì)計(jì)信息時(shí)會(huì)形成這個(gè)行業(yè)整體的信息流。通過(guò)會(huì)計(jì)信息化共享平臺(tái)，各企業(yè)可以隨時(shí)知道自己的企業(yè)在整個(gè)行業(yè)或地區(qū)的地區(qū)和影響力，了解自己的強(qiáng)勢(shì)和弱勢(shì)，不斷強(qiáng)化自己的優(yōu)勢(shì)并彌補(bǔ)自己的不足，實(shí)現(xiàn)動(dòng)態(tài)地對(duì)公司的持續(xù)改善管理。這一平臺(tái)需要在云計(jì)算的基礎(chǔ)上發(fā)揮作用，而云計(jì)算供應(yīng)商要求能夠滿足不同用戶、不同地域和不同業(yè)務(wù)規(guī)則的需求，所以對(duì)其適應(yīng)性、擴(kuò)展性以及靈活性要求比較高。我國(guó)在這方面起步比較晚，國(guó)內(nèi)的云計(jì)算平臺(tái)建設(shè)滯后，使云會(huì)計(jì)這種新型會(huì)計(jì)信息化發(fā)展面臨很大的阻礙。

(二)會(huì)計(jì)信息化共享平臺(tái)的數(shù)據(jù)安全性挑戰(zhàn)。