探讨面向云计算的大数据可视化技术的实施策略

数据可视化论文范文第五篇：探讨面向云计算的大数据可视化技术的实施策略　

　　摘要：互联网时代下，强有力的数据运算能力和加密技术是必要条件与有力保障。深入研究了数据可视化技术，从数据可视化理论概述入手，着重探讨基于Web的数据可视化技术和数据可视化的关键技术，在此基础上，探讨了面向云计算的大数据可视化技术的实施，旨在为该技术的更好应用提供参考。

　　关键词：云计算；大数据；数据可视化；

　　作者简介：董汉霞（1976-），女，硕士，中级工程师，研究方向：网络与数据信息采集整编。；

　　1 数据可视化理论

　　1.1 数据可视化的理解

　　数据可视化（Data visualization）指将数据转化成图形或者图像的技术，数据可视化是借助计算机图像处理技术实现数据与图像的交互处理。数据可视化融合了计算机技术、人机交互、计算机图像处理等多种计算机技术。其最终目的是利用图形把握数据计算过程，分析数据特征或信息。

　　1.2 数据可视化的关键技术

　　1.2.1 数据挖掘

　　数据挖掘是数据可视化技术的重中之重。大量数据的潜在规律及练习都是通过数据挖掘得到的。数据挖掘在具体的项目中也是非常重要且无可替代的，它可以应用关联规则、聚类、时间序列等模式挖掘众多数据之间的深层关联，并对这些数据进行分析，甚至可能得到数据之间的内在模式，有数据支持的决策更加科学合理。

　　1.2.2 大数据收集整理

　　平台可以对基础数据、应用数据等进行智能操作、重组、挖掘与深入分析等，形成各具特色的数据组，令人一目了然，比如区域主题信息、时空主题信息等功能性信息组。根据数据的应用特点对其进行分类，整合矢量数据、影像数据等，依托数据可视化平台提供丰富准确的动态数据信息，提升服务质量与用户体验。

　　1.2.3 大数据可视化

　　将繁杂的数据以清晰的图片影像或者图表的形式展现出来，这使得数据更加直观清晰。比如将其应用到农业中：根据农业的数据特色及项目需要，通过数据可视化技术借助各种图表，如统计图、时间序列图、分布热力地图等。将繁杂的农业数据直观地展现出来，并对这些数据进行整合分类甚至智能操作，使得用户直观感受这些数据，并获得相应的联系与规律。

　　1.3 分布式数据存储处理

　　平台采用Hadoop的分布式文件系统HDFS提供的存储方法，不同的数据节点用来存储不同的数据块，可以使得海量数据分层，不同数据存储于不同节点，存储是动态分配的，数据读写的效率及性能得到提高。依赖Hadoop的MapReduce分布式计算模型可以提高响应速度和用户使用体验。

　　2 基于Web的数据可视化技术

　　2.1 系统结构

　　基于Web的数据可视化技术，就是在Web页面上实现动态数据图表，将最新结果显示在Web页面中。其系统结构包括用户接口、数据显示及分析、数据库接口等部分。如图1所示。

　　图1 基于Web的系统结构示意图

　　基于Web的数据可视化系统通过用户接口实现交互，还可以执行命令流。Web页面将离散数据提供给用户输入端，将处理过的图表显示在浏览器上。数据可视化系统结合了回归分析、数据挖掘等技术，保证数据处理与操作更加智能，并显示出图表的Java Applet,使得计算机与用户实现了动态交互。基于Web的数据可视化系统可以连接到用户的数据库中。用户通过客户端的程序包提供数据库类型、数据表等信息，客户端程序将用户选定的数据传递到Web页面，数据的可视化就是这样实现的。

　　2.2 系统设计流程

　　系统设计流程包括4个步骤：（1）选择数据源类型，用户自主选择手动输入数据，或者据数据表格选择所需信息；（2）选择图表类型，用户可以根据系统图表目录等选择自己所需的图表形式，完成选定之后，系统显示用户所选的数据；（3）更新显示方式及显示效果，用户自定义图表标题、刻度间距、背景、标签等内容，与此同时数据的显示情况也会实时更新；（4）退出系统或重新选择，用户可以退出系统，也可以回到第一步重新选择数据来源。

　　2.3 系统功能

　　基于Web的数据可视化系统的功能设计主要分为逻辑设计和非逻辑设计。

　　逻辑功能主要有选择数据源和设置图表显示方式两种。数据源的选择主要是用户选择想要显示的数据，主要有数据库和手工输入两种。一般只有系统开发时或用户测试时会采用手动输入数据的方式。选择数据库或者设置图表的显示方式也十分重要。

　　非逻辑功能主要包括可移植性、可靠性、效用性、可用性、安全性、重用性等。可移植性指在不同的操作环境中，系统的运行情况；可靠性指系统出错的能力，出错越少则系统越可靠；效用性指系统运行时的效率指标是否达标；可用性指系统的可理解程度，也就是人机交互的能力；安全性指系统的安全程度及抵抗攻击的能力，这是非常重要的指标；重用性也就是系统的结构模块化程度。

　　2.4 系统存储机制

　　分析用户需求可以得知，用户重点关心的是数据的多角度查看，及通过图形特征判断数据趋势，从而对引起变化的主要因素进行深入分析。也就是说，用户可以理解的数据库要求表述成专业术语。除此之外，系统的存储维度也是十分重要的。

　　3 面向云技术的计算机数据可视化技术的实施

　　计算机数据的可视化从提出到实际应用还有一段距离，依托物联网、移动互联网、云计算、大数据和3S等技术，数据可视化的实施拥有一定的技术基础。如图2所示的农业大数据可视化平台技术路线图，围绕地理数据、农业资源数据、农业休闲数据等进行分类，凭借大数据中心的数据处理及整合分类，为农业大数据可视化平台的建设提供数据支撑。不仅可以展示监测数据、资源数据等，还可以直观展示成果目标、统计模型等。这奠定了数据可视化平台对数据的智能统计与分析、资源评价等功能的建设的理论及技术支撑。

　　采用GlS技术建立数据可视化平台，对农业资源数据进行智能整合，将全市的农业信息整合统一起来，建立科学、专业、权威的农业资源地图。同时融合数据挖掘、数据分析等数据处理技术，结合农业布局及资源评价等，冲不同维度、不同角度对农业资源数据进行全方位多层次的深入分析，从宏观与微观的角度提供农业信息综合统计与整合，实现对农业数据的深度挖掘及数据可视化。这无疑保障了管理农业生产的科学性与合理性，同时为有关部门掌握现状、预测未来提供了方便，也奠定了农业相关决策制定的理论基础。

　　图2 农业大数据可视化平台技术路线图

　　4 结语

　　在互联网与计算机技术迅猛发展的现在，人们的交流依托网络越来越便捷，而在这个过程中产生的大量数据也需要计算机技术来处理操作。这些数据依托网络可能会传输到世界各地及各行各业，这使得人们的生活与工作更加高效方便。因此深入研究数据分析及数据可视化具有非常重要的现实意义。

　　参考文献

　　[1]刘洋基于计算机的大数据和云计算技术分析[J]无线互联科技，2020,（07）：75-77.

　　[2]陈小燕基于Wcb的数据可视化技术探讨[J].信息与电脑2019,（21）：135-139.

　　[3]崔晓军子航基于GIS与云计算的温州市农业大数据可视化平台研究[J]数据库与信息管理，2020.,04）：113-115.