Page 189 - 电气控制技术与管理

第五章 智能制造技术

数据绩效和风险的全球信息和通信技术报告，相信与不同信息和通信技术相关的
政策在未来几年将更加重要。各国政府正逐渐意识到大数据对于支持经济增长、
改善公共服务、增加人民福祉，甚至确保国家安全的重要性。随着国内外大数据

技术的快速发展，大数据技术研究的需求变得越来越重要。虽然目前学术界对大
数据技术的定义还没有统一，各机构、公司和企业对大数据技术都有自己的理解
和看法，但通过研究分析，通过连贯性、内容性、可操作性，可以对大数据技术
的基本概念达成基本共识和模式，可以研究和确定大数据技术的特点等关键问

题，也有助于大数据技术的进一步发展及其研究。
（二）大数据技术架构
各种大数据应用迫切需要新的工具和技术来存储、管理和实现业务价值。新
的工具、流程和方法支持新的技术体系结构，使企业能够创建、操作和管理这些

大型数据集和存储环境。
企业逐渐意识到，他们需要分析数据所在的位置并提高计算性能，以便对分
析工具做出实时响应。考虑到数据的速度和容量。将数据向前移动以进行处理是
不现实的。相反，计算和分析工具可以靠近数据，这使得云计算模型成为大数据

成功的关键。
在从大数据中提取业务价值时，云模型也驯服了它们。这种交付模式可以
为公司提供灵活的选择，以实现分析所需的效率、可扩展性、数据可移植性和成
本效益。然而，仅仅存储和提供数据是不够的。数据需要以一种新的方式进行合

成、分析和关联，以实现业务价值。一些大型数据方法需要在没有建模数据的情
况下进行数据处理。为了比较不同类型的数据并执行模型匹配，可以使用不相关
的数据源。从新的角度转换传统的业务数据，并带来传统上未分析的数据信息。
基于以上考虑，通常可以创建适合大数据的四层备份体系结构。

1.基础层
第一层是整个大数据技术体系结构的底层和底层。为了实施大规模数据应用
程序，企业需要一个高度自动化和水平可扩展的存储和计算平台，该平台需要从
以前的存储孤岛演变为具有共享功能的高容量存储池。容量、功率和功率必须线

性缩放。
该模型支持数据访问，并通过提供灵活的资源池来解决大规模问题。它解
决了存储大量数据以及如何积累操作数据所需的计算资源的问题。在云中，数

·177·