大数据环境下基于云的分析即服务平台研究

认为在大数据环境下应该把分析即服务(AaaS)的概念体系结构作为一个服务提供平台或平台即服务(PaaS),而不是一个单一的分析软件或系统。在这个认识的基础上,构建了一个基于云的大数据分析服务平台,即基于云的分析即服务平台(CLAaaS),并对该平台的结构和功能作了阐释。

大数据分析研究现状、问题与对策

大数据的快速发展引起了国内外的广泛关注和重视,对大数据进行科学有效地分析处理是大数据领域最核心的问题,通过文献综述从分析即服务、大数据分析方法和大数据驱动科学萌芽三方面对国内外大数据分析研究现状进行总结,提出了大数据分析领域数据存储、弱可用性、数据建模、资源调度和专业分析工具匮乏等五大重要问题,并有针对性地提出部署云存储技术、提升数据可用性、优化数据分析模型、弹性调度资源和研发大数据分析平台五个对策建议。

大数据时代信息分析的关键问题、挑战与对策

数据研究的重要环节是信息分析,随着国家经济信息化的不断进步,我国步入大数据时代,这为了我国的数据分析带来的许多益处,比如资源的保障和对国家技术的支持,并且为我国大数据的分析进行了重大改变。对这一系列的挑战与问题,列出多项对策,宏观上系统地整理信息分析,统领信息分析。

云计算环境下的面向服务决策支持系统研究

探讨了面向服务决策支持系统的技术架构,提出了新的基于云计算的面向服务决策支持系统(service-oriented decision support systems,SODSS),在此基础上分别讨论了数据服务、信息服务和分析服务模块的运作流程。这一系统模型有助于信息服务机构面对用户提供更丰富、更深层次的知识服务。

基于接纳控制和ILP资源调度模型的BDAaaS系统架构

为了使云计算平台为大数据分析提供有效支持,提出一种大数据分析即服务(BDAaaS)的系统架构;首先,当用户向系统提交大数据分析应用(BDAA)时,通过接纳控制器评估任务的执行时间和成本并作出接纳决策;然后,通过服务等级协议(SLA)管理器根据任务的服务质量(QoS)需求制定SLA;最后,利用提出的整数线性规划(ILP)资源调度模型,以最小化执行成本为目标,在满足SLA下合理调度资源来执行任务;仿真结果表明,提出的方案能够有效降低任务执行时间,具有有效性和可行性。

大数据时代信息分析的关键问题、挑战与对策

[目的 /意义]信息分析是情报研究的核心环节,大数据时代为信息分析提供了更多的信息资源保障和技术支持,促使信息分析产生重大的革新。[方法 /过程]通过网络调查与文献资料收集,对国内外信息分析研究现状进行分析,总结当前大数据信息分析领域存在的5个关键问题,提出大数据时代信息分析的4个主要挑战。[结果 /结论]针对大数据环境下信息分析存在的问题和挑战,提出5方面的对策建议,宏观上对大数据时代的信息分析进行系统地梳理,从顶层设计的角度统领大数据时代的信息分析。

BDAaaS模式下面向近似查询的任务调度建模及优化算法

大数据分析即服务(big data analytics-as-a-service,BDAaaS)是基于云平台提供数据分析服务的新型业务模式,很多企业基于其业务特点愿意牺牲精确度换取更快且费用更低的查询结果。因此,BDAaaS可用数据分割等技术提供近似查询服务。用户对近似查询服务的响应速度要求高,导致服务水平协议(service level agreement,SLA)中对服务响应的约束也更严格,BDAaaS面临更大的违约赔付风险。首先,在服务响应速度要求高、计算资源有限、部分子任务具备顺序依赖关系的前提下,对于近似查询服务中的云任务调度问题,构建了面向收益优化的近似查询任务调度模型。其次,为解决模型中不同子任务的顺序依赖难题,提出了一种基于遗传算法与强化学习相融合的优化算法。该算法利用遗传算法求解带依赖关系的组合优化问题,强化学习在求解过程中动态调整遗传算法的关键参数,在SLA赔付风险下保证调度效率与质量。最后,以仿真实验模拟不同场景来验证所提算法的求解效果与性能。结果表明,该算法可在计算资源有限的条件下,获得SLA违约率更低且收益更高的任务调度方案,从而确保用户满意度和BDAaaS运营商的收益水平。