大数据可视化理论及技术 .pdfVIP

大数据可视化理论及技术

（一）大数据可视分析综述

可视分析是大数据分析的重要方法。大数据可视分析旨

在利用计算机自动化分析能力的同时，充分挖掘人对于可视

化信息的认知能力优势，将人、机的各自强项进行有机融合，

借助人机交互式分析方法和交互技术，辅助人们更为直观和

高效地洞悉大数据背后的信息、知识与智慧。主要从可视分

析领域所强调的认知、可视化、人机交互的综合视角出发，

分析了支持大数据可视分析的基础理论，包括支持分析过程

的认知理论、信息可视化理论、人机交互与用户界面理论。

在此基础上，讨论了面向大数据主流应用的信息可视化技术

——面向文本、网络(图)、时空、多维的可视化技术。同时

探讨了支持可视分析的人机交互技术，包括支持可视分析过

程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技

术、面向Post-WIMP的自然交互技术。最后，指出了大数据

可视分析领域面临的瓶颈问题与技术挑战。

（二）大数据分析工具

大数据是一个含义广泛的术语，是指数据集，如此庞大

而复杂的，他们需要专门设计的硬件和软件工具进行处理。

该数据集通常是万亿或EB的大小。这些数据集收集自各种

各样的来源：传感器，气候信息，公开的信息，如杂志，报

纸，文章。大数据产生的其他例子包括购买交易记录，网络

日志，病历，军事监控，视频和图像档案，及大型电子商务。

在大数据和大数据分析，他们对企业的影响有一个兴趣

高涨。大数据分析是研究大量的数据的过程中寻找模式，相

关性和其他有用的信息，可以帮助企业更好地适应变化，并

做出更明智的决策。大数据分析的常用工具通常有以下介绍

的几种。

4.2.1Hadoop

Hadoop是一个能够对大量数据进行分布式处理的软件框

架。但是Hadoop是以一种可靠、高效、可伸缩的方式进行

处理的。Hadoop是可靠的，因为它假设计算元素和存储会失

败，因此它维护多个工作数据副本，确保能够针对失败的节

点重新分布处理。Hadoop是高效的，因为它以并行的方式工

作，通过并行处理加快处理速度。Hadoop还是可伸缩的，能

够处理PB级数据。此外，Hadoop依赖于社区服务器，因此

它的成本比较低，任何人都可以使用。

Hadoop带有用Java语言编写的框架，因此运行在Linux

生产平台上是非常理想的。

Hadoop上的应用程序也可以使用其他语言编写，比如

C++。

4.2.2HPCC

HPCC，HighPerformanceComputingand

Communications(高性能计算与通信)的缩写。1993年，由美

国科学、工程、技术联邦协调理事会向国会提交了“重大挑

战项目：高性能计算与通信”的报告，也就是被称为HPCC

计划的报告，即美国总统科学战略项目，其目的是通过加强

研究与开发解决一批重要的科学与技术挑战问题。HPCC是美

国实施信息高速公路而上实施的计划，该计划的实施将耗资

百亿美元，其主要目标要达到：开发可扩展的计算系统及相

关软件，以支持太位级网络传输性能，开发千兆比特网络技

术，扩展研究和教育机构及网络连接能力。

该项目主要由五部分组成：

高性能计算机系统(HPCS)，内容包括今后几代计算机系

统的研究、系统设计工具、先进的典型系统及原有系统的评

价等；

先进软件技术与算法(ASTA)，内容有巨大挑战问题的软

件支撑、新算法设计、软件分支与工具、计算计算及高性能

计算研究中心等；

国家科研与教育网格(NREN)，内容有中接站及10亿位级

传输的研究与开发；

基本研究与人类资源(BRHR)，内容有基础研究、培训、

教育及课程教材，被设计通过奖励调查者-开始的，长期的

调查在可升级的高性能计算中来增加创新意识流，通过提高

教育和高性能的计算训练和通信来加大熟练的和训练有素

的人员的联营，和来提供必需的基础架构来支持这些调查和

研究活动；

信息基础结构技术和应用(IITA)，目的在于保证美国在

先进信息技术开发方面的领先地位。

HighPerformanceComputingCluster(HPCC)

BigExtractionTransfoymationLoading