基于知識圖譜的云計算技術研究現狀與分析

潘玉珠 賈文麗 徐方全 曲紹燕

摘 要：為更清晰地了解國內云計算技術研究現狀，以云計算為檢索詞，選取CNKI數據庫中云計算領域近14年（2006-2019年）共5 623篇相關文獻為數據源，采用文獻計量學方法，借助CiteSpace繪制知識圖譜。通過對發表時間、文獻作者、科研機構、關鍵詞等進行可視化分析得出結論：①該領域文獻發表量雖趨于平穩，但仍維持在較高水平;②文獻發表以多人合作形式為主，部分研究機構聯系密切;③研究熱點集中在大數據、虛擬化、物聯網、負載均衡、任務調度等領域;④與人工智能結合是未來研究方向。

關鍵詞：云計算;CiteSpace;可視化分析;知識圖譜

DOI：10. 11907/rjdk. 201434 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP301文獻標識碼：A 文章編號：1672-7800（2020）007-0267-04

An Analysis of the Current Situation of Cloud Computing Technology Based on Knowledge Map

PAN Yu-zhu1，JIA Wen-li2，XU Fang-quan2，QU Shao-yan2

（1. College of Computer Science and Engineering， Shandong University of Science and Technology;

2. Archives of? Shandong University of Science and Technology， Qingdao 266590， China）

Abstract：In order to have a clearer understanding of the domestic research status of cloud computing technology，the article uses“cloudcomputing”as a search term ， and selected a total of 5623 related literature in the field of cloud computing in the CNKI database for the past 14 years （2006-2019） as the data source， knowledge mapping with the help of CiteSpace by the method of bibliometrics.Through visual analysisof publication time， literature authors， scientific research institutions， keywords， etc.， the following conclusions are drawn：（1） Although the number of publications in this field tends to be stable， it still remains at a high level; （2）The publication is mainly in the form of multi-person cooperation， and some research institutions also maintain close contact; （3） Research hotspots mainly focus on big data， virtualization， Internet of Things， load balancing， task scheduling， etc.; （4） The future research directionwill change to the combination with artificial intelligence.

Key Words：cloud computing ;CiteSpace; visual analysis;mapping knowledge domain

0 引言

2019年10月12日，國務院發展研究中心發布《中國云計算產業發展與應用白皮書》（以下簡稱《白皮書》）。據《白皮書》介紹，我國云計算作為支撐企業數字化轉型的核心基礎設施，與新一代信息技術融合效應已經逐漸顯現，“5G+云+AI”組合正逐步成為推動數字經濟發展的重要引擎[1]。

云計算技術作為滿足用戶特定需求的遠程資源池技術[2]，應用場景有云服務器、政務云、金融云等。自2006年8月谷歌公司首席執行官施密特首次提出云計算概念以來[3]，云計算技術以日新月異的速度發展，廣泛應用在互聯網、金融、醫療、運輸、教育等行業，成為專家學者研究熱點[4]。為準確把握云計算技術研究發展歷程與研究動態，本文將中國知網（CNKI）數據庫中的相關文獻作為數據源，運用CiteSpace繪制知識圖譜，力求生動形象地展現該領域文獻發表時間分布、科研單位、文章作者以及重點研究方向，厘清脈絡軌跡，為相關研究人員提供參考。

1 信息檢索與處理

本文相關信息全部取自CNKI文獻庫，運用文獻計量學方法，借助可視化引文分析軟件CiteSpace[5]定量分析云計算技術研究近況。為保證檢索全面，構造檢索式為：篇名=“云計算或關鍵詞=云計算”。云計算概念始于2006年，故檢索時間跨度設置為2006-2019年。選取SCI、EI、中文核心期刊、CSSCI、CSCD，下載并保存相關題錄及引文信息，檢索到相關期刊文獻5 973條，采用去重軟件以及人工查重，逐條剔除無效文本數據，最終選取5 623條文獻，以Refworks格式導入本地，利用CiteSpace將引文信息格式化，然后設置參數并運行程序，構建相應知識圖譜[6]。

2 研究現狀分析

2.1 研究年代分布

以年為單位，對所有檢索文獻進行統計，生成發表量變化折線圖，如圖1所示。

從發文時間可以看出，國內第一篇與云計算技術有關的論文發表于2008年，之后論文發表量維持較快上升速率，其中增長最快的是2012年，較前一年增加270篇。究其原因與2012年工業和信息化部電信研究院首次發布《云計算技術白皮書》[7]有關。2013年迎來文獻發表量巔峰，峰值881篇。之后相關文獻發表量漸趨平穩，較前一年份呈現下降趨勢，但整體上發文數量仍保持較高數量，云計算技術研究依舊處在快速發展進程中。

2.2 研究機構分布與聯系

按照文獻計量學理論，研究機構在某研究方向上的發文數量顯示該機構在這一領域科研實力的強弱[8]。對2006-2019年云計算領域中發文數量較多的科研機構統計，時間為一年，節點采用“TopN”（N=50）標準，啟動CiteSpace繪制圖譜如圖2所示。

在研究機構共現圖譜中，出現頻率較高的單位有南京郵電大學，其下設有省級大數據安全與智能處理重點實驗室、高性能計算與大數據處理研究所及計算機技術研究所等，在云計算情境下的任務調用[9]、QOS[10]、隱私保護[11]、可信計算[12]、對等計算、數據折疊、并行加密[13]等領域進行了系統研究。武漢大學信息管理學院所屬圖書館、情報與檔案管理一級學科是國家一級重點學科，在數字圖書館、學術信息資源共享等方向研究團隊實力強，文獻發表量大。此外，該校計算機學院云計算研究也頗為活躍。清華大學作為我國頂尖科研院校，其計算機科學與技術系在云計算研究領域成果斐然，研究方向包括霧計算[14]、邊緣計算、虛擬化技術[15]和大數據等。此外，校校合作、校企合作、企企合作成果值得關注，如清華大學計算機系與東北大學信息科學與工程學院、北京科技大學計算機與通信工程學院、解放軍信息工程大學、西安科技大學計算機科學與技術學院等院校溝通合作密切;華南理工大學計算機科學與工程學院與中國電信股份有限公司合作，在云計算領域開展一系列研究與創新;中國電信上海研究院與廣東研究院等機構組成研發體系，在云呼叫中心、動態分配、物聯網、云服務提供商等領域進行廣泛深入合作。校企合作既可充分發揮高校理論研究優勢，又可解決企業實際應用中的復雜問題，有效推動云計算技術進步。

2.3 文獻作者分布與聯系

統計2006-2019年每個4年區間有過合作關系的作者，運行CiteSpace構建知識圖譜，結果如圖3所示。從圖中可以看出，云計算技術領域關系網絡中處在中心位置的有陳臣、馬曉婷、鄧仲華、張云勇、馬劍鋒、于炯等權威作者。

圖3中節點大小表示作者出現的頻次，按時間片進行分隔，兩個節點的連線代表兩位作者合作的密切程度。蘭州商學院陳臣和馬曉亭2011-2014年一直保持著高水平文獻產出量，其研究集中在數字圖書館和資源管理等方面。武漢大學信息管理學院鄧仲華在圖書館云服務質量等領域也有深入研究， 2010-2014年他與陸穎雋、李志芳多次合作，完成多篇文獻。西安電子科技大學網絡與信息安全學院馬劍鋒和熊金波，2013-2014年一直致力于研究云計算環境下的安全問題，包括用戶認證、簽名、訪問控制等方向，為安全可靠使用云服務提供保障[16]。新疆大學于炯、楊興耀、廖彬在云環境下任務調度領域做出成績。發文量較多的還有中國聯通研究院張云勇團隊、南京郵電大學徐小龍團隊，以及華北電力大學王德文團隊等。正是這些學者不懈努力，推動我國云計算技術不斷發展。

2.4 重點研究方向分布

關鍵詞是文章主旨的集中體現，在文獻統計中出現頻率較高的關鍵詞往往揭示該領域重點研究方向。隨著時間推移，研究熱點也會不斷變化。本文采用關鍵詞詞頻統計法和關鍵詞共現法發掘云計算領域重點研究方向[17]。選取2006-2019年作為時間區間，針對每年節點采用TopN（N=30）選擇標準，并對圖譜設置自動修剪，采用CiteSpace構建圖譜如圖4所示。

為使圖譜便于觀察，隱藏本文研究的中心節點“云計算”，將頻次最高的前20個關鍵詞整理在表1中。

從表1可以看出，知識圖譜出現頻次較多的兩個節點有大數據和虛擬化，分別是322次和205次，熱點主要集中在以下幾個方面：

（1）大數據。與大數據共現頻次較高的關鍵詞有資源共享、電子政務以及人工智能。中國人民大學信息學院孟小峰[18]在《大數據管理：概念、技術與挑戰》一文中指出，數據從簡單的處理對象開始轉變為一種基礎性資源，如何更好地管理和利用大數據已經成為普遍關注的課題。

（2）虛擬化。虛擬化技術是云計算的基礎，虛擬化技術將應用程序及其運行的上下文環境包裝成一個整體，用戶不必關心應用程序與計算機底層交互，一臺物理機器可能有多個這樣的整體，以便能夠使應用程序的部署、擴展、遷移變得方便可靠[19]。

（3）任務及資源調度。云計算環境下云服務器往往需要進行大量計算，而服務器資源有限，為高效利用這些資源，就要對資源調配方法展開研究。四川大學計算機學院李建鋒[20]提出一種基于改進遺傳算法的任務調度算法，能實現在較短周期內完成任務調度。

（4）分布式計算。分布式計算是將一個任務切分為多個子任務并分配給不同機器進行計算，最后將處理結果進行統一的技術，可解決單臺機器資源不足問題。

為了對未來研究趨勢作出預測，將關鍵詞共現知識圖譜轉換成時間線視圖模式，可以更清晰地觀察隨時間變化的研究熱點情況，如圖5所示。

從圖5可以看出，自2018年以來，云計算與人工智能聯系逐漸密切[21]。人工智能本質是對數據的挖掘、訓練和推理預測。為取得更加準確的預測結果，通常需要經過大量的數據運算，而云計算解決的問題就是如何更好地提供更大數據量計算，這恰巧為人工智能發展奠定了堅實基礎。與此同時，人工智能發展也促進云計算進步，借助人工智能技術，云計算可以更好地實現資源及任務調度，提高資源利用率。

3 結語

本文借助CiteSpace工具，結合統計學相關理論，通過可視化方法分析了我國云計算研究領域年代分布、主要科研機構、文獻作者及主要研究內容分布情況。近10余年我國在云計算方面投入巨大，獲得了令人滿意的成果。

基于本文分析，筆者認為云計算技術未來發展趨勢如下：

（1）校企合作逐步走向深入。目前國內云計算技術研究以單所高校和校校合作為主，難以適應市場對云計算技術發展需求。校企合作可結合高校與企業自身資源優勢，利用知識共享達到雙贏，這種理論與實踐相結合的理念必將成為高校與企業的共識。

（2）云計算與人工智能技術不斷融合。云計算與人工智能技術相輔相成。作為我國新時期重點發展的兩項信息技術，人工智能發展讓云計算變得更加智能，云計算進步又反作用于人工智能，為人工智能提供更加快速可靠的算力。因此，積極促進二者結合，將對我國生產力發展起到極大的推動作用。

參考文獻：

[1] 金融科技時代編輯部. 國務院發展研究中心發布《中國云計算產業發展與應用白皮書》[J]. 金融科技時代，2019，18（11）：94-101.

[2] 黎春蘭，鄧仲華. 云計算環境下的信息資源共享研究[J]. 中國信息界，2011，25（12）：66-70.

[3] 鄒徐熹. 云計算下的（m+1，t+1）門限秘密共享研究[D]. 合肥：合肥工業大學， 2017.

[4] BHAGWAN SINGH，SUMEET DHAWAN，ANISH ARORA，et al. A view of cloud computing[J].? International Journal of Computers & Technology，2013， 4（2b1）：50-58.

[5] 李杰，陳超美. CiteSpace：科技文本挖掘及可視化[M]. 北京：首都經濟貿易大學出版社，2016.

[6] 陳悅. 引文空間分析原理與應用[M]. 北京：科學出版社，2014.

[7] 工業和信息化部電信研究院. 《云計算白皮書》選編[J]. 數據通信，2012，11（4）：124-129.

[8] 邱均平，方國平. 基于知識圖譜的中外自然語言處理研究的對比分析[J]. 現代圖書情報技術， 2014，32（12）：261-268.

[9] BELGACEM A，BEGHDAD BEY K，NACER H. Task scheduling in cloud computing environment： a comprehensive analysis[M]. Advances in Computing Systems and Applications，2019.

[10] FILHO F L D C，ROCHA R L，ABBAS C J B，et al. QoS scheduling algorithm for a Fog IoT gateway[C]. 2019 Workshop on Communication Networks and Power Systems （WCNPS），2019.

[11] HUANG X A. Study of personal information security and privacy protection based on big data[J].? Journal of Modern Information，2018，56（2）：1120-1129.

[12] GOVINDARAJ P，NATARAJAN J. Trusted computing in social cloud[J]. International journal of reasoning-based intelligent systems， 2018， 10（3-4）：212-218.

[13] LIU B，BAAS B M. Parallel AES encryption engines for many-core processor arrays[J]. IEEE Transactions on Computers，2013，62（3）：536-547.

[14] RAZZAQ S，WAHID A，KHAN F，et al. Scheduling algorithms for high-performance computing： an application perspective of Fog computing[M]. Recent Trends and Advances in Wireless and IoT-enabled Networks，2019.

[15] ZHIGE L，CHUNMEI L I，XIAOLIN P I. Research on the security of cloud computing virtualization platform[J]. Modern Information Technology， 2018，66（5）：201-220.

[16] 熊金波，李鳳華，王彥超. 基于密碼學的云數據確定性刪除研究進展[J]. 通信學報，2016，15（8）：167-184.

[17] 于文超. 國內圖書情報領域物聯網研究與應用進展[J].? 圖書館工作與研究， 2018， 17（6）：71-78.

[18] 孟小峰，慈祥. 大數據管理：概念、技術與挑戰[J]. 計算機研究與發展，2013，50（1）：146-169.

[19] 何國民，王代君. 基于虛擬化技術的云服務平臺的構建與管理[J]. 電腦知識與技術，2016，15（23）：156-159.

[20] 李建鋒，彭艦. 云計算環境下基于改進遺傳算法的任務調度算法[J]. 計算機應用， 2011，31（1）：184-186.

[21] 葉舒，嚴威川. 人工智能：改變世界的“原力” [J]. 信息安全與通信保密， 2016，26（12）：94-109.

（責任編輯：杜能鋼）