一种大规模数据并行计算方法的改进研究

对大规模数据进行并行计算处理优化是实现数据云计算的关键技术,大规模数据分布空间维数较大,运算的时间成本和空间成本较高。传统方法采用块匹配和网格计算方法进行大数据并行处理,在并行与迭代处理过程中受到特征干扰较大,运算效率不高。基于此,提出一种基于奇异值特征分解的大规模数据并行计算方法。进行大规模数据的结构分析,基于奇异值特征分解对大规模数据信息流进行特征分解,实现数据的降维处理,提高并行计算的效率。仿真结果表明,采用该算法进行大规模数据的并行计算的加速比较高,计算时间减少,提高了数据处理能力。