基于可控聚类边缘计算算法的实时大数据流研究与分析

针对传统聚类算法在处理大数据流时出现的效率低、性能差、响应慢、稳定性不足等问题,提出了一种实时流可控的聚类边缘计算算法(SCCEC)。首先,通过粗糙聚类方法对实时大数据元组进行预处理,确定聚类数量和中心点位置,并形成具有差异的宏聚类集合。其次,对获得的宏聚类集合进行采样处理,并以最大和最小距离进行K均值并行聚类,实现数据的精细聚类。最后,将完全聚类算法和边缘计算算法相结合,并在边缘计算框架下进行仿真实验。实验结果表明,该算法相比传统聚类算法运行效率更高、计算质量更好、稳定性更强,可有效提高大数据聚类性能,并降低实时数据流误分类率。