大数据时代背景下web数据可视化探析.docVIP

大数据时代背景下web数据可视化探析 　　【摘 要】 数据可视化技术可借助人脑的视觉思维能力，帮助人们理解大量的数据信息，发现数据中隐含的规律，从而提高数据的使用效率。面对大数据深奥的面貌，如何才能让大型数据集变得亲切和易于理解，可视化无疑是最有效的途径。对大数据背景下的数据可视化应用展开研究，将有助于我们发展和创新数据可视化技术。 　　【关键词】 大数据 Web 可视化 　　1 大数据时代的机遇与挑战 　　物联网、云计算、移动互联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。随着社交网络的普及，使得人们的行为和情绪的细节化测量成为可能。挖掘用户的行为习惯和喜好，凌乱纷繁的数据背后找到更符合用户兴趣和习惯的产品和服务，并对产品和服务进行针对性地调整和优化，这就是大数据的价值。大数据也日益显现出对各个行业的推进力。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 　　2 数据可视化技术及主要特点 　　数据可视化（Data Visual）技术是指运用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。它能够提供多种同时进行数据分析的图形方法，反映信息模式、数据关联或趋势，帮助决策者直观地观察和分析数据，实现人与数据之间直接的信息传递，从而发现隐含在数据中的规律。数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素来表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。 　　数据可视化技术的主要特点是：（1）交互性，用户可以方便地以交互的方式管理和开发数据；（2）多维性，可以看到表示对象或事件的数据的多个属性或变量，而数据可以按其每一堆的值，将其分类、排序、组合和显示；??3）可视性，数据可以用图像、曲线、二维图形、三维体和动画来显示，并可对其模式和相互关系进行可视化分析。 　　3 基于Web的数据可视化的参考模型 　　基于Web的数据可视化主要有以下四种参考模型：（1）在服务器端生成描述数据的图形，然后在客户端实现图形的显示，客户端用浏览器来显示；（2）服务器端经过可视化映射后，输出VRML（Virtual Reality Modeling Language，简称VRML）成Java3D格式的3D模型，返回给客户，客户端利用支持VRML或Java3D的浏览器来绘制和操纵3D模型，这种方式的交互局限于绘制阶段；（3）客户下载数据，在客户端执行可视化流水线，利用JavaApplet实现可视化计算，客户还可以下载可视化软件。虽然客户端可以完全控制可视化过程，但对客户端的硬件、软件资源要求高，并且对大规模过程的控制；（4）服务器端以HTMLForms或JavaApplet方式提供可视化控制页面，浏览器客户下载控制页面，实现对可视化过程的控制。 　　模型2和模型3需要针对具体的应用编制Java绘图程序，模型4采用了复杂的可视化计算在服务器端处理，避免了客户端较高的资源要求，同时客户端又能完成可视化结果的交互绘制，具有较好的交互性以及计算负荷分摊的优点，但同样编制程序复杂。而模型1使用Tee Chart Pro AetiveX控件，可以直接安装在服务器端，在服务器端动态生成图形文件（JPEG格式），然后将图形传回客户端，在浏览器中显示出来，方法可以适用于任何流行的客户端浏览器。 　　4 大数据的Web数据可视化方法流程 　　4.1 发现问题 　　数据可视化都是为了解决某个问题的。所以，面对海量的数据，首先要思考如何针对领域问题合理抽取对应的数据。为创建信息可视化而提出问题时，我们应该尽可能地关注以数据为中心的问题。那些以“在哪里”、“什么时间”“有多少”或者“有多频繁”开头的问题通常是不错的开始，这些问题使我们专注于在特定的参数集合内查找数据，因此更有可能找到适用于可视化的数据。而对于以“为什么”开头的问题则要格外小心，它意味着你对数据的较为正式的描述开始转入改写数据分析。 　　4.2 收集数据 　　数据的收集和整理则是数据可视化的重中之重。然而准确地找到所需要的数据是一个非常困难的任务。通常，最好从已经可用的数据着手并尽量找到一种方式来描绘它，而不是尝试自己去收集数据。得到原始数据之后.则要着手于数据的解析、组织、分组或者修改，对数据进行再加工。 　　4.3 选择一种可视化方式展现数据 　　在明确想要展现的内容后，就要综合运用视觉元素的造型，色彩的选取，