基于云計算的物聯網數據挖掘系統分析

王歡

武漢光谷職業學院 湖北 武漢 430072

引言

在我國，隨著現代化社會生產水平的不斷提升，大數據技術逐漸映入眼簾，而如何把云計算與物聯網技術、大數據技術合理應用在一起，提高工作效率，還需技術人員進行深入研究和探討。在實際應用階段，我們還需提高對技術的認識，總結先進技術使用的方法，保證技術應用的有效性，提高整體工作質量[1]。

1 基于云計算與互聯網技術的概述分析

物聯網代表著下一代的互聯網，包含數百萬個節點，這些節點從不同設備到Web服務器的對象，都會影響計算機以及通信系統日后發展。物聯網可以識別和控制網絡對象，為物理世界直接混入計算機系統創造條件。物聯網中的數據可以分為地址、唯一標識符、RFID數據流、位置數據描述數據、傳感器網絡數據、環境數據等[2]。而數據的挖掘則是從不同角度入手分析，并將其壓縮成有用信息的過程[3]。任何數據挖掘過程都是在于建立一個模型，這個模型可以有效預測或是描述其最適合的大數據，并且推廣一些新數據。當前物聯網所產生的數據繁雜，缺乏有效的管理方法，云計算技術的出現能夠對這些問題加以解決，所以數據挖掘與云計算技術的集成就變得十分可行。

2 以云計算為基礎的物聯網特點

隨著社會經濟的不斷發展，科學技術也隨之進步。互聯網產業在科學技術帶動下發展速度比較快。就物聯網產業來講，自身分布廣泛，可以實現物與物的連接，有效地監控和調度我們現實中的生活對象、生產對象。因此，在生活階段，越來越多的應用終端被納入物聯網中。隨著一些異構終端設備接入物聯網，一些物聯網工作依舊采用傳統數據挖掘的模式，導致與時代發展需求不適應，甚至是一步步面臨落后[4]。在科學技術發展背景下，人們逐漸對時間、資源提出要求，因為傳統工作效率低下，以云計算為基礎的物聯網數據挖掘模式就被逐漸提到了研究日程。以云計算為基礎的物聯網數據挖掘模式是經過云計算技術構建技術平臺，構建一個面向物聯網分布式的時空數據庫，經過數據庫搭建的大數據挖掘模型。物聯網數據挖掘所面對的數據量比較大，數據挖掘難度也比較大，基于云計算技術應用，可以有效支持物聯網數據挖掘工作的開展，提高問題處理效率。

3 基于云計算的物聯網技術數據挖掘

3.1 互聯網數據收集

在數據應用階段，技術人員還需以云計算平臺、物聯網產生的線上網絡數據作為出發點，若想全面提高數據處理效率、質量，可以應用網絡分級編碼進行數據傳輸。在數據傳輸的時候，以網絡結構中的宿點作為信息流通基礎點，及時處理數據延遲的問題，充分了解數據傳輸的狀態以及參數等，保證網絡內部結構中的數據信息更好運行。在網絡內部數據自身有著級別區分的特點，網絡數據中的節點能夠解碼數據，在傳送到子體系網絡結構的時候，網絡結構中的有限區域階、網絡大數據產生的參數，極易造成網絡數據延遲。隨著信息化技術的發展，在進行網絡大數據傳輸的時候，出現了大量的延遲數據信息，我們的工作人員可以把握網絡參數，增強數據的傳輸效率和速度。

3.2 建立完善的數據挖掘模型

以云計算為基礎的數據挖掘，可提供動態的資源庫、虛擬化高、可用性強的計算平臺，應用程序的開發性能高。以云計算數據挖掘系統為例，在設計階段，還需在軟件層面上構建其設計思想，基于云計算技術將數據挖掘系統劃分為用戶層、任務層、算法層[5]。在整個數據挖掘平臺中，軟件自身底層是為上層工作提供相關服務，保證各層與各層之間功能的獨立，使得整個數據挖掘系統在二次開發時能夠降低難度。經過設計，增加多層插頁增設的框架結構，保證日后維護工作的開展。

3.3 做好網絡數據存儲的工作

在網絡數據儲存的時候，我們可以采用分組模式以最大限度地降低儲存空間的浪費情況。技術人員則是按照對網絡數據測試點、分組儲存數量、內部儲存情況的研究，確定出網絡數據產生的文件數量，保證其網絡儲存數據的正確、安全、穩定，減少資源浪費的問題出現。在網絡結構中所產生的眾多節點，不同類型網絡節點其自身采集樣品時間、周期也是不一樣的，在數據測試點進行大量數據儲存的時候，有關屬性數據也會隨之出現。節點被分配到不同文件位置中，首先明確有關實際距離，把集中的網絡測試點作為一個集體，每一個集體作為一組，在確定出網絡數據、文件之后，為保證網絡數據的儲存參數準確性，還需保證其在規定的浮動范圍內，以提高數據儲存效率。

3.4 加強對數據的整理和分析

在面對冗雜的信息時，經過現代化信息技術能夠實現信息整合，以便更好地管理信息，進而對整個信息流程進行優化。大數據技術的出現能夠實現對傳統數據收集問題的改變和完善，從源頭上改進傳統網絡方式，改變原有的信息缺失情況。采用現代化信息技術，對原有網絡技術實施優化，促進大數據網絡應用，推動物聯網行業發展[6]。在分析數據資料時，大數據技術能夠把海量數據進行快速收集、分析、整理。數據分析則有助于提高用戶的個人體驗感，將其物聯網中的用戶搜索記錄進行整合、存檔，實現對數據的集中處理，進一步保證物聯網為用戶提供個性化、人性化的服務。

4 基于云計算的數據挖掘關鍵技術

4.1 服務調度和服務管理技術

為實現滿足不同業務系統實際的服務需求，在應用云計算平臺的時候，還需具備良好的服務調度和管理能力。在應用服務調度功能時，經過分析服務等級、資源匹配，實現優先級的服務調度工作。在這個階段，不同服務間隔、互斥情況能夠被很好地解決，促使提高云服務安全運行空間。在云計算平臺服務管理功能中，借助服務注冊等功能，給予用戶一體化服務管理，提高云計算服務平臺服務功能。另外，借助服務調度、服務管理技術應用，可以實現挖掘第三方接入數據，保證充分發揮數據的挖掘功能。

4.2 平臺的感知層

平臺感知層實際上是物聯網內終端形態的體現，包括物聯網終端、移動通信的控制終端、感知層接入的網關、終端外設、感知層子網節點和卡識讀物等。物聯網內還存在著終端中間件、應用部分，終端應用主要是在終端駐留應用時充分發揮出其作用所在。在終端外設方面則是包含GPS、傳感器、攝像設備、條碼的讀寫器和控制器等裝置[7]。在進行卡識讀物方面，包含了條碼、RFID的標簽等。在感知層接入網關方面，將其感知層的子網接入運營商網絡內的一些網關類設備，在感知層子網方面，主要有無線型傳感器網絡、有線局域網、Wi-Fi類網絡等[8]。

4.3 平臺傳輸層

平臺傳輸層是一種高速、無縫等特殊數據的傳送網絡，有著諸多網絡形態，能夠快速、靈活地把感知數據向云計算數據中心內進行傳輸，進而實現全面性、有效性的互聯互通，將各監測設備聯網進行數據傳輸，保證物聯網內的監測設備對數據高速化傳輸。

4.4 數據挖掘服務層

數據挖掘服務層是由多系統模塊構成，結合不同類型的數據，進行海量數據的挖掘。在數據挖掘引擎模塊的基礎上，實現海量數據特點的區分、演化，明確各數據之間的關聯性，進而實現海量數據偏差、類似性的分析工作[9]。除此之外，在進行挖掘數據的時候，還需積極應用引擎模塊中的算法集進行數據價值明確，采用Hadoop平臺實現傳統數據算法優化、完善，并且還可以實現并行化的算法優化，有著良好的數據處理效果[10]。

5 物聯網技術應用的要求分析

物聯網技術主要是物與物之間的連接，實現萬物互聯，在應用物聯網技術的時候，技術人員還需注意使用穩定的無線互聯網技術，做好物與物之間連接的工作。另外，技術人員要明確物聯網技術本質所在，物聯網是基于物聯網設備控制網絡，可以將其理解成物聯網技術的發展、擴充[11]。技術人員在設計物聯網系統的時候，要注意加強系統安全性建設。因為在用戶使用物聯網技術的時候，通常會要求上傳用戶的一些敏感信息，比如說：指紋、面部、聲音等信息，而這類信息有著比較強的私密性特點。所以為實現對用戶隱私的保護，在應用物聯網技術的時候，技術人員還需做好系統的監管工作。除此之外，物聯網系統布置還需借助各類傳感器，傳感器其實更像是一個傳感器系統，系統內部的各傳感器之間數據有著共享的特點。為對信息共享效率全面提升，設計人員還需正確編寫系統層通信協議，進而保障物聯網中各硬件設備能夠形成安全有效的通信系統。

6 結束語

結合以上分析得知，經過對大數據背景下的數據挖掘模式進行分析，人們對物聯網數據挖掘工作逐漸提出更高的要求。所以我們還需與時俱進，對傳統和落后的數據挖掘模式進行創新和完善，提高實際工作的效率和質量。在本文論述中，基于云計算對物聯網數據挖掘模式進行重新構建，有效地提高了物聯網數據挖掘模式的應用效果和應用效率。