极课大数据

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇极课大数据范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

极课大数据范文第1篇

一、大数据时代对计算机基础课程教学影响

大数据（BigData）从字面上就可以看出是大的数据集合。它作为一个比较抽象而且新兴的词语，到目前为止还没有一个确切统一的定义。从狭义上来说，就是指人们对于这些数据不能在短时间内进行收集、整理、分析，即大数据的字面意思；从广义上来说，大数据是应对庞大数据集合进行收集、整理、分析的一系列方法、手段、工具的集合。它具有大量性、多样化、高速化、价值高和密度低等特点。大数据时代相对于之前的旧时代来讲，所涉及的信息量和搜索量有很高的提升。然而这一重要改变将会在一定程度上提高社会对于现代化人才的要求，所以现代的学生应该积极利用大数据来对相关数据进行有效处理，将大数据与学习和生活联系在一起。

二、当前学校计算机应用基础课程的教学现状

（一）学生的计算机知识存在差异

由于学生的理论知识及学习主动性方面存在着很大的差异，因而学生各方面的表现都会有很大的差异。对于计算机的认知方面存在着很大的障碍，加上很多学生经常在课堂上迟到、睡觉、玩手机，对于老师上课所教授的计算机应用方面的知识没能熟练掌握，在计算机应用中不能单独实现相关操作。此外，由于当前学校对于计算机的考核方式和考核内容太过于统一，无法根据学生的成绩分析出计算机应用课程的教学质量。

（二）教学内容应用性不强

基本上现在计算机应用的教材都是包括三部分，即计算机的基础知识、office办公软件的应用以及网络方面的基础知识。计算机行业作为一个发展较为迅速的行业，对于技术和设备的更新也是很迅速的。学校没有根据计算机发展的现状对教学内容进行具体化教学，学生们只是掌握了一些基础知识，并没有应用到实践中，学生们自然也感受不到学习带给他们的乐趣。

（三）难以满足社会的需求

现在社会需要的是应用型人才，但是学校还是受到传统教育方式的影响，未重视学生接受实际的应用教育，缺少对计算机基础课程教学的针对性。

三、大数据时代计算机应用基础课程的教学策略

（一）积极转变计算机应用基础课程教学理念

在大数据时代下，学校的教师应积极转变传统的教学观念，不要只是通过课堂来传授学生知识，应该力求与时展相同步。虽说传统的教学模式能够起到一定的教学效果，但是容易受到时间和空间的局限。教师应该充分利用大数据带给人们的优点，并结合学生自身的特点来对学习的场地和时间进行合理的安排，从而避免传统计算机课程教学的弊端，防止学生在上课时出现疲乏的情绪，影响学生学习效率。此外，教师还可以对学生的学习行为进行归纳、总结、分析，找出学生学习的规律，进而有针对性的对某些知识进行讲解。

（二）及时更新计算机应用基础课程教学内容

现在受到互联网大数据的严重影响，如果学校不对所用的教学课本进行更新的话，将会严重影响人才培训的质量。所以学校的相关负责人对计算机课程教材进行采购时，应该先进行严格的审查，保证教学内容紧跟时代的脚步。此外，由于课程教材的编制印刷需要耗费一定时间，而且大数据时代技术变化速度极快，这就让计算机应用基础课程所用教材会存在一定的滞后性。为了改变当前打印技术的落后状况，教师们应该在备课的阶段结合具体的教学内容加入一些与先进技术相关的教学，让学生掌握当前的一些新技术，以提高人才培养的质量。

（三）创新计算机应用基础课程的教学方法与模式

在大数据引导下的创新教学方法和模式不仅仅是只重视学生的操作结果，而更注重的是学生对于知识的学习过程。例如，我们可以有效的利用“慕课”或者是“微课”等一些先进手段运用到教学中。“慕课”是一种新型的教学理念和模式，它可以实现大量优质资源共享的效果，在全国的各个地区正在积极扩广。相对于“慕课”来说，“微课”运用的是精细化管理的教学模式，如果学生在学习过程中出现了任何问题，都可以暂停或者重放，方便学生完成学习的目标。

（四）提高学生教学的实时性和互动性

学校可以运用大数据相关技术来充实计算机基础课程教学平台，将在线学习与面授教学结合起来，让学生在课外时间可以通过“微课”或者是其他一些在线的课件进行预习及复习。这样的化，不仅有效扩宽了师生之间的学习渠道，还加深了师生之间的互动与交流，有效提升了学生的学习效果，让学生们都能做到学有所用。

极课大数据范文第2篇

关键词：大数据；荷载与结构设计方法课程；教学研究；教学现代化

中图分类号：G642.0；TU 文献标志码：A 文章编号：1005-2909（2016）05-0086-04

大数据是21世纪的重要技术革新成果，大数据开发与应用带来更多新技术的出现，各行各业也急需适应大数据发展的人才。2015年8月国务院颁发的促进大数据发展纲要提出了应加快适应大数据发展需求的人才培养，所以培养适应大数据时代需求的创新人才是摆在高等学校面前的重要任务[1-4]。目前，国内高校土木工程专业人才的培养还不能满足大数据产业的需求，基于大数据背景下的教学改革也比较少[5-8]，所以应积极推进基于大数据背景下的土木工程专业课程改革。结合土木工程专业背景和社会实际需求，融合大数据时代的技术和思想开展土木工程专业课程教学改革，除了要培养学生的基本技能，还应注重培养学生对海量数据的采集、存储、管理、挖掘与分析等综合能力。黑龙江科技大学土木工程专业荷载与结构设计方法课程组开展了面向大数据需求的教学改革。该项改革以荷载与结构设计方法课程的基本知识为基础，以项目为载体，以培养学生获取信息的能力、分析能力、工程实践能力和综合应用的能力为主线，从教学内容、教学方法、教学手段等方面进行改革探索，力求实现“信息―知识―能力”一体化课程教学目标。

一、大数据背景下荷载与结构设计方法课程教学现状及存在问题

（一）教学内容离散，系统性差，知识跨越性大

由于该课程涵盖了数学、力学及土木工程所有专业课程的荷载基本计算及原理知识，而且教材各个章节的内容联系不紧密，所以各章节的知识跨越性大、连贯性差，导致学生学习效果不尽人意。此外，与修订后的新规范相配套的教材内容滞后，导致教学内容差异性大，教师只能将新规范内容融入教学中，学生学习起来常常感到很茫然。加上该课程是专业基础课，其教学内容很多是后续专业课的内容，学生由于对专业课内容不了解，也不明白该课程的具体实际用途，因此对课程的重要性认识不够，以致学习效果差。

（二）主导思想滞后，教学方法、教学手段更新慢

教学中尽管教师也不断改进教学方法和手段[9]，如创设启发式、讨论式、案例式、比较式、互动式等教学方法，但是并没有从根本上改变以教师讲授为主导的教学理念。在大数据时代，信息量大，而且传播速度快，很多知识仅靠教师的讲授是无法跟上信息时代步伐的。因此，教师必须要转变教学思维，构建教师与学生合作、协同参与的多元教学模式。

二、大数据时代背景下课程教学改革的总体思路

笔者所在学校荷载与结构设计方法课程教学改革总体思路：遵照国家大数据时代加快创新人才培养的纲要要求，结合土木工程专业人才培养需求，以及荷载与结构设计方法课程内容特点，借鉴国内外先进的教学理念、教学方式、方法和手段，以大数据建设为平台，以荷载与结构设计方法课程建设项目为载体，以培养学生获取信息的能力、分析能力、工程实践能力和综合应用能力为主线，实现“信息―知识―能力”一体化课程教学目标（见图1）。大数据时代背景下，最大程度挖掘学生潜力，使荷载与结构设计方法课程教学模式越来越趋于理性，教学活动更多地开展实践教学和情感教学，充分彰显以学生为本的教学理念，让教师与学生的沟通越来越多，让教学互动性越来越强，进一步完善该课程现代多元化的教学模式。

三、基于大数据需求的课程改革路径

（一） 依托大数据平台建设，构建分层次、分模块的课程内容体系

基于大纲要求，在改革原来课程内容的基础上进一步梳理，分成荷载计算与结构设计方法两个层次，然后将荷载计算分成竖向荷载、水平荷载两个大模块，结构设计方法分为结构可靠度理论、规范设计方法，并注重内容与新规范之间的差别，强调新旧规范的对比，同时更新规范知识，突出以信息化为主导，将各模块的内容与专业课程内容衔接起来，教学中引入各专业课程知识，将荷载课程内容平台与专业课程平台进行合理的衔接。

（二）借鉴国内外先进的教学经验，构建“信息化、开放式、多元化”的教学模式

1.构建“多元混合式”教学模式，实现翻转课堂教学

借鉴“慕课”网络教学平台的教育模式，开发该课程的网络教学平台，构建“多元混合式”教学模式，实现课程教学信息化。该课程教学中将网络在线教学与课堂教学相结合，实现每节荷载课程的课前网络在线导学，特别对课程中涉及的相关专业课程内容提前在导学内容中进行布置，学生可以利用多方资源有针对性地提前对相关内容进行学习。在课堂上教师可组织学生对学习过程中的收获、问题和心得进行交流、解答和分享，并针对学生的学习情况进行有针对性的指导和讲解，对教学内容的主要知识点进行总体梳理和总结，整个教学过程实现信息与知识的融合，加深教师与学生的沟通。可以说这种“多元混合式”教学模式，实现了由传统以教师为主的填鸭式课堂教学模式向以学生为主的翻转课堂教学模式的转变，有助于教学相长，有利于学生的全面发展。

2.采用微课教学的辅助模式，开放、拓展教学和学习空间

在改革传统教学模式的基础上，引入现代化的微课教学模式，发挥微课内容精短、主题鲜明的优势，利用其形象性、精品化、便捷性等特征，将每一章的重点和难点内容制作成微课。例如，水平荷载中的风荷载、地震、土侧压力等的计算是学习的重点，也是学习的难点，将这部分内容制作成微课后学生不仅在课堂上，而且在课堂后也可以对教师所讲的内容进行学习，非常方便。将微课教学与传统教学相结合，拓展了教师教学和学生学习的空间，使教学任务和学习任务得到分解，解决了传统教学中课堂时间紧、任务重的问题。目前微课教学应用越来越广，因此，在荷载课程教学中将微课教学模式与传统教学模式相结合，是大数据时代荷载课程教学模式改革的有效途径之一。

3.加强传统教学模式与新的教学模式的融合

一切事物都具有两面性，优缺点并存，教学模式也不例外，新的教学模式也存在弊端，需要与传统教学模式进行融合，这样才可以达到事半功倍的效果。新的教学模式可以体现学生的自主性，引导学生自觉参与学习。但是针对目前学生的基本功、能力等状况，荷载与结构设计方法课程学习还需要教师的督促和指导。另外，对荷载课程中实际规范的应用及新旧规范的对比，也需要在教师的指导下对具体实际问题进行分析，尤其需要教师与学生的及时沟通。因此，完全依靠学生通过网络等新的教学模式仍然不能很好地解决学习中的实际问题，现代教学与传统教学的融合才是理想的教学方式。

（三） 依托大数据的平台建设，创建荷载课程的教学空间与学习环境

以土木工程专业大数据平台建设为契机，创建荷载与结构设计方法课程教学现代化环境。通过大数据信息平台建设，建设并完善荷载与结构设计优秀课程网络平台，为教师教学、学生学习和师生交流提供网络空间，教师和学生都可以在网络平台上下载该课程的学习资源、作业要求，还可以实现学生和教师在线互动、答疑解惑。此外，平台还提供与该课程内容相关的众多专业课程优秀网络资源的链接地址（例如：土力学、工程结构抗震、高层建筑结构等精品课程资源网址），大家可以在这里获取与课程相关内容的有益资源。在此平台还可获取该课程在后续课程及工程中的实际应用实例、工程事故案例等，帮助学生明确该课程学习的重要性，拓展学生专业视野。另外，可以建立该课程的微信群和QQ群，师生可以随时随地进行沟通交流。教学和学习空间的拓展，能充分发挥学生和教师的主观能动性，开阔学生的视野，增强学生的学习积极性。

（四） 依托荷载优秀课程平台，建立“网上―课上―卷上”一体化、全方位的考核评价体系现代化的信息技术，为荷载课程考核评价提供了众多的评价手段。改革原有荷载与结构设计方法课程评定办法，在继续采取将期末最终评定与平时考核相结合的考核办法的基础上，基于荷载优秀课程网络平台建设增加网上评价的环节，评定内容更加全面，方式更加多样。最终期末成绩（100分）=网上（15分）+课上（15分）+创新（10分）+期末试卷（60分）。具体考核办法网络评价10分：由学生在荷载课程网络学习平台上完成各阶段学习任务及作业情况，系统给出评价；学生互评5分：通过网络平台学生提出并解决问题，学生之间给出客观评价；创新实践能力10分：学生应用荷载课程的知识对实际工程事故案例提出自己的观点和处理办法；课堂作业、出勤率和课堂表现各5分：课堂上学生对该课程的重视程度，对教学内容的掌握和课程参与互动情况；试卷评价60分：通过期末考试考核学生对整体内容的掌握情况。由此建立的“网上―课上―卷上”一体化、多样性、全方位的考核评价体系（如图2所示），打破了传统的一张试卷定成绩的考核办法，是信息时代荷载课程教学改革的又一突破。

四、结语

大数据正在改变当今的社会生活，对高等教育改革也提出了一个全新的课题。本文基于教育大数据平台建设，对荷载与结构设计方法课程教学进行前瞻性研究，从课程的教学内容体系、教学模式、教学环境及考核评价体系进行创新改革探索，立足该课程学科前沿，顺应大数据时代的需求，充分彰显荷载课程教学以学生为本的教学理念，最大程度挖掘学生的潜力，实现教学方法手段的现代化、多元化，以及“信息―知识―能力”一体化的教学目标，使荷载与结构设计方法课程教学符合时代的发展步伐。

参考文献：

[1]许晔.大数据时代中国面临的挑战与对策[J].中国科技论坛，2015（3）：24-30.

[2]万静.大数据：大学变革的机遇[J].国家教育行政学院学报，2015（4）：67-72.

[3]黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛，2014（45）：201-204.

[4]楚文波.大数据背景下的教育教学改革[J].教学与教育信息化， 2015（13）：181-183.

[5]孙锋.面向大数据的信息与计算科学专业实验课程体系研究[J].福建电脑， 2014（2）：57-59.

[6]詹少强.大数据背景下的数据挖掘课程教学新探[J]. 长春教育学院学报，2014（22）：30-33.

[7]曾祥蓉，陈进，谢孝，王薇.土木工程专业网络课程推广应用研究与实践――以混凝土结构设计原理网络课程为例[J].高等建筑教育， 2012，（21）5：142-145.

极课大数据范文第3篇

关键词： 大数据；旅客；分析；位置

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）19-0014-02

Visitor Analysis System Based On Big Data Technology

ZHENG Bang-feng， GAO Fei， ZHENG Yuan-jie

（China Mobile Communication Group Hainan Co.，Ltd，Haikou 570125，China）

Abstract：Visitors analysis system is mainly through the acquisition of cellular signaling data， and the data of data modeling analysis， extract and summarize to the Hainan provincial tourism characteristics will be useful data. According to the real-time location information of the mobile phone effectively analyze the tourists travel behavior， real-time response in Hainan Province tourist hot spot passenger position distribution， source distribution， travel trends， information resides， visitor density， group scattered information， international visitors information etc.

Key words： big data； visitors； analysis； position

随着海南旅游的迅速发展，大量的散客成为了旅游的主导，传统观光游的项目比例日益减少。我国目前旅游行政法规及行业运营模式和管理均是建立在旅行社为主体的传统观光游基础上的。

面对这种团散比变化的现状，在新型旅游业态下， 当前旅游行业迫切需要一套相对准确、能够实时统计旅游信息的系统，为旅游管理部门的分析决策、政策规划提供辅助，为景区景点的客流量监控、疏导，游客驻留分析提供信息化手段，为旅行社、酒店分析游客来源地信息，规划旅游线路提供可靠依据。

海南移动挖掘自身网络数据资源，通过对海南移动Mc口（A接口+Iucs接口）信令数据的采集解析、建模分析、数据挖掘等，建设游客分析系统。

1 系统主要功能模块

“全省游客数据及分布”模块：该模块以旅游目的地为基点，对全省实时和查询时段内游客的总量和在各市县行政区域内的分布状况进行呈现和展示，为旅游管理部门精确掌握游客在各个目的地分布情况及变化趋势提供有效参考。

“客源地分析”模块：对游客的来源地信息进行统计分析，直观分析出各省游客的比例情况，可以细分至地市层级，同时可按各省及重点地市分析，可包括港澳台游客或外国游客。精确掌握客源分布情况，为旅游推广、宣传提供数据支撑。

“游客到达方式”模块：根据游客初次“接入”海南移动网络的具体基站位置，判断游客是从机场、港口还是火车站抵达，进而对游客到达方式作出实时统计。

“游客驻留时长统计”模块：分析统计游客在海南的驻留时间，按照驻留天数1天、2天、3天、4天及以上的时长进行分类统计，通过游客驻留的时间可以反映出各省份游客的旅游习惯，可以为精准营销提供相应支撑。

“旅游线路分析”模块：识别和采集各线路游客移动轨迹信息，挖掘频繁和热门的游览线路，分析出游览的热点线路信息，可以得出不同各类型游客在旅游目的地的游览线路选择结果，并找到热门线路等。

2 系统架构

游客分析系统分为数据采集层、数据挖掘层、应用层3个层级。其中数据采集层为最底层，主要采集海南移动Mc口信令数据。数据挖掘层为中间层，对底层接入上来的数据完成数据清洗、转换、压缩、数据建模、存储等工作。应用层为最上层，实现相关部门的各种应用。

数据采集层：负责系统与外部的一切数据交换业务，包括与各种外部系统的数据交互适配，以及将来可能扩展到的其他数据来源的支持，都在本层做统一的规划与实现。

数据挖掘层：本层实现数据的统一管理、分析、预处理功能，使得数据支持通用的上层行业应用。负责对获取的信令数据进行清洗、入库，形成上层应用所需的各种数据，并且能够根据不同的模块调用，计算出不同的分析成果。

应用层：基于B/S架构，灵活的功能模块部署机制，每个模块都可以基于数据挖掘层所能提供的数据灵活扩展。

3 基于大数据的游客行为计算和建模技术

3.1基于移动信令的协同定位技术

为了解决传统无线定位技术中定位精度不高的问题，利用不同移动台之间的协同通信对目标移动台进行协同定位，并利用非线性最优化理论解决移动台协同定位问题，将该问题转化为线性最小二乘问题，最终利用Gauss-Newton算法估计目标移动台的位置。

3.1.1 移动网络覆盖与覆盖场景匹配技术

为了保证为移动用户提供连续的移动通信服务，移动网络信号需要覆盖到城市空间上每一片区域，减少盲区，而为了以最小的成本为更多用户提供服务，移动通信网络覆盖逻辑上被设计成由若干正六边形的基站小区相互邻接而构成的面状服务区。移动用户总是会定期或不定期地主动或被动地和其中一个基站小区保持联系。

覆盖场景与移动蜂窝网络中基站小区，在空间分布上有规则地对应着。因此，只要建立特定的匹配规则，处理好一对多、多对多、多对一的关系，就能根据移动用户在移动蜂窝网络中的出行情况，推断出移动用户在不同区域间的出行情况。

3.1.2 基于手机数据的出行链分析技术

利用时间序列的手机数据及移动网络覆盖与不同覆盖场景区域的匹配关系，判断移动用户在各个区域的进、出、驻留情况，能够直接分析得到各个移动用户的出行链信息。

3.1.3 手机用户空间分布及密度分析技术

利用对所有手机用户时间序列手机数据的出行链分析成果，判断每位手机用户在各个统计时间段分别所处的空间位置区域，进而统计不同时间段各个空间位置区域内手机用户数量，并逐级扩样至群体，统计当前时间各个空间位置区域内的人员数量，并计算当前时间段内各个空间位置区域内对应的人员密度。

3.1.4 手机用户居住地、工作地识别技术

基于多天手机数据分析得到的手机用户多天出行链信息，结合手机用户作息时间规律，如夜间休息，白天工作，识别各个手机用户的居住地区域及工作地区域。

3.1.5 通勤出行行为分析技术

利用长期历史数据，分析得到手机用户居住地区域和工作地区域，并根据出现频率和出行频率，判断居住地区域单一且工作地区域也单一的手机用户群体是否具有通勤出行行为。

3.2数据挖掘与建模技术

3.2.1 团散客识别模型

模型目的：识别团队游客和散客。

模型算法：团客通常有固定和相同的游览线路。在游客识别和浏览线路识别基础上，结合基于密度的搜索聚类方法DBNS算法和基于样本学习的加权多点重合度算法MSOWL，通过进入和离开每一个景点的时间趋同性、人群规模识别团客和散客。

3.2.2 人群分类模型

模型目的：识别当地住户，过路人群、工作人员以及真正游客。

模型算法：TWO STEP聚类算法结合业务规则的方法，对人群进行分类。

3.2.3 游览线路挖掘模型

模型目的：识别和采集景点游览线路，挖掘频繁和热门的游览线路。

模式算法：采用改进的基于有向图的GSP数据挖掘算法，挖掘频繁游览线路。

3.3 关键算法

基于密度的搜索聚类算法DBNS（Density-based Neighborhood Search Method）和基于样本学习的加权多点重合度算法MSOWL（multiple-spot overlap ratio computing with weighting Based on Sample Learning）为针对智慧旅游所研发的特有算法。算法过程如下：

（1）第一个景点进入时间每分钟是一个间隔，统计每个间隔上的人数。

（2）每5分钟为一个进入时间中心点搜索区间，区间内人数最多的对应的分钟为中心点（必须满足10人以上，如不满足，时间窗口往后平移一分钟）。

（3）对中心点，搜索前后两分钟内进入人群，并标记为已搜索人群和已搜索区间；中心点前超过2分钟如果人数大于10，也标识为未搜索。

（4）对搜索人群观察最后一个景点离开时间每分钟的分布人数，每5分钟为一个中心点搜索区间，从第一个时间点开始，找到人数最多的点（必须满足10人以上，如不满足，时间窗口往后平移一分钟），搜索前后两分钟内的人群，这些人群标识为同一批团客。中心点前超过2分钟如果人数大于10，为离开时间比他们早的另一批团客。

（5）对未搜索离开时间的区间，进行下一个中心点的搜索，按同样的方法找到下一批团客。

（6）未搜索进入区间的下一个区间的搜索，重复2-5的过程；中心点前超过2分钟未搜索区间，不用寻找中心点，直接为一批人群。

（7）直到进入区间全部搜索完毕。

4 结束语

游客分析系统的客户包括海南省旅游委、市县旅游局、景区景点及旅游行业企业，运用系统“客源地分析功能”，准确掌握了国内及国际游客客源地情况，在国内、国际市场展开精准营销。由于有了实时、科学的数据支撑，旅游广告布放、接待网点规划都比以往更加有效。

（1）省旅游委行业监管处运用系统的“团散客”分析功能，实时跟踪旅游团的行程轨迹，对旅行社、导游进行监管，避免黑景点以及黑消费点对游客满意度的影响。

（2）省旅游委行业监管处运用系统的“景区游客数量统计”功能，对黄金周海南主要景区景点游客数量进行实时统计汇总，制定景区人流量控制应急预案，通过“信息”、“LED大屏公告”等手段对游客的游览计划进行合理的引导。

（3）省旅游委旅游资源开发出运用系统的“旅游线路分析”功能，开发新的热点旅游线路。

参考文献：

极课大数据范文第4篇

【关键词】大客户数据专线组网技术

一、引言

按照“二八理论”的大客户是通信运营商业务收入的主要来源，因此大客户做为业务发展的战略目标成为了各运营商竞争的焦点，其中大客户租用数据专线业务是拓展业务增长的一个重要方面。

二、组网需求分析

2.1业务类型

大客户数据专线业务主要分为跨域专线业务和本地网专线业务。跨域专线包括跨境专线、跨省专线及省内专线。本地网专线是指在一个通信本地网内的专线，即在一个地市内。大客户的通信组网一般是以一种专线业务为基础进行组建，然后根据业务发展规模逐步扩展的。

2.2网络结构

目前大客户常用的通信组网结构有单点对单点形式、星形结构、树形结构及混合组网形式。只有一个中心机构的企业客户一般是采用单点对单点形式或星形结构组网。多层级管理的行业客户则较多采用树形结构组网，如县级汇聚各乡镇级机构，市级汇聚各县级机构，省级汇聚各市级机构的组网模式。

2.3接口方式

客户侧组网需求的设备通信接口一般有：（1）V35接口。由ITU-T（国际电信联盟远程通信标准化组织）V.35建议规定的同步数据接口，传输速率一般为N*64Kbps（N=1-32），现最高可达6Mbps。物理接口上如客户端的路由器、网关等常采用DB50标准，与之相连的通信端设备常应用DB34或DB25标准。（2）E1接口。由ITU-T G.703建议规定的标准数字信号接口，传输速率为2.048Mbps，俗称2M接口。有采用BNC连接器的75’Ω非平衡同轴电缆和采用RJ45的120’Ω平衡双绞线两种物理连接方式。其中CE1是把2M分成32个64K时隙，可利用某几个时隙传输数据，但必须接在支持CE1或PRI接口上。（3）FE接口。FE（Fast Ethernet）即快速以太网，由IEEE（电气和电子工程师协会）802.3u协议规定，传输速率为10/100Mbps，物理接口有10Base-T和100Base-TX RJ45电口、100Base-FX光口等。是目前数据传输最常用的接口形式。（4）GE接口。GE（Gigabit Ethernet）即千兆以太网，由IEEE802.3ab/z协议规定，传输速率达到1000Mbps，物理接口有1000Base-TX RJ45电口和1000Base-FX光口。（5）POS接口。POS（Packet over SDH）技术是利用SDH的标准帧结构来封装并传送IP业务，封装协议主要有 PPP/HDLC、LAPS和GFP。传输速率有STM-1（155Mbps）、STM-4（622Mbps）等，物理接口一般采用光接口。其中CPOS（Channelized POS）接口支持通道化，实现E1的复用，使每个通道均独享带宽资源。大客户组网的中心端设备常采用CPOS方式。（6）光接口。光接口用来连接光纤线缆和通信设备。根据传导波长的不同分为单模和多模两种，物理接口形式有FC、SC、LC和ST等。

2.4传输速率

大客户开通数据专线业务常选择的通信带宽有N*64K、2M/4M、155M/622M、10M、100M、1000M等等。随着通信技术的发展，以及大客户业务应用规模扩大带来的数据传输量激增，高带宽、高速率已成为大客户租用数据专线的重要需求。

2.5通信质量

对于数据专线业务通信质量方面，目前大客户一般考虑可靠性，包括端到端的链路保护、核心设备的1+1保护等；可用性，主要是数据传输低丢包率；可管理性，重点是实现网络故障分析、故障快速定位及排除。

三、组网技术探讨

3.1SDH技术

SDH采用映射、同步复用和标准光接口等技术，可接入不同速率数字信号及不同厂家SDH/PDH设备，实现端到端的全透明传输。目前应用SDH组网主要是以2M、4M等小颗粒业务为主，提供标准的G.703、STM-1、STM-4接口，并可通过协议转换器提供V35、以太接口。组网优势是独享带宽、透传数据及环网保护安全性高，劣势是对大颗粒业务承载差、提速只能用2M捆绑方式、如电路中有PDH设备则无法实现全程网管监控。组网应用示例如图1。

3.3MPLS-VPN技术

MPLS即多协议标签交换，它综合了二层交换和三层路由的特点，可在无连接的网络中提供类似虚电路的标签交换技术。MPLS VPN是基于MPLS在宽带互联网上构建的虚拟专用子网。其核心包括连接客户网络和运营商网络PE路由器的CE路由器，存储、交换路由信息和转发VPN数据的标签边缘路由器PE，按照外层标签对VPN数据透明转发的标签交换路由器。应用MPLS VPN组网优势：覆盖范围广的城域网方便就近接入；实现点到多点或多点到多点的网络拓扑；客户的不同业务系统利用划分VPN实现隔离及互访；达到100M及以上的高带宽接入。劣势是由于建立在公网基础上VPN信息易受到攻击，采用VLAN隔离QoS不能保证。对网络安全性要求很高的如银行、证券、公安、机要等客户规定不采用此技术组网。组网应用示例如图3。

3.4PON技术

PON即无源光纤网络，由位于中心进行控制的光线路终端OLT、位于客户端的光网络单元ONU及光配线网ODN组成的点到多点网络。目前有EPON和GPON两种，可以支持以太网、ATM、TDM。下行方向数据由OLT以广播方式通过ODN中的1：N无源光分配器传送到ONU，上行方向数据通过接入协议使来自每个ONU的信息互不干扰地通过ODN中的1：N无源光合路器耦合到同一根光纤传送到OLT。组网优势是减少电磁干扰、传输透明性好、接入带宽很高，劣势是组建专网投资较高，网络缺乏保护能力，可靠性低。组网应用示例如图4。

3.5MSAP技术

MSAP即多业务接入平台，其定位于传输网的接入层，以SDH技术为基础，应用GFP、LCAS及VCAT，融合以太网及ATM交换技术，实现TDM、ATM和以太网等业务的综合传输。组网优势在于PDH、SDH、MSTP及以太网等多种接入模式的统一；提供V35、E1、Ethernet等多种接口；支持N*64K、N*2M、155M/622M和FE/GE多级别的业务处理；全程可网管性强。劣势是组建单个专网投资较高，对于大颗粒业务（如100M）占用传输系统资源较大。组网应用示例如图5。

3.6分组传送技术

分组传送技术是以分组交换为核心，融合数据网和传送网技术，可综合承载以太网及TDM、ATM、IP/MPLS等业务，并秉承光传输的高质量、高可用性、高可靠性和可管理等特点，可提供FE、GE、10GE以及E1、STM-N接口。目前有基于MPLS-TP支持二层和弱三层交换的PTN和基于MPLS路由器增强技术支持三层交换的IP-RAN二种主流技术。其优势是集中了SDH传送网优点；提供TDM、以太网和ATM多业务承载；适合2M-1000M各种粗、细颗粒业务；业务通道具有带宽统计复用；可满足多点对多点组网的IP-RAN技术；全程可网管性强。劣势是设备成本较高；对TDM业务的传送数量有限；行业标准尚未完善，在核心设备互连互通上不同厂商设备之间还存在一些问题。组网应用示例如图6。

四、结束语

在应用其组网时要综合考虑客户对组网的具体技术参数和侧重点、现网的网络资源情况、新增设备和线路投资、客户专线的提速及升级、维护管理等因素，设计一种或多种技术的组网方案，以满足客户的业务通信需求。

参考文献

[1]周中柱，梅仪国，郑玲玲，陈旭钧.中国移动集团客户数据专线建设策略探讨[J].中国新通信，2013，（02）.

[2]曹峥.浅谈MSTP技术在大客户组网中的应用[J].科技视界，2012，（27）.

极课大数据范文第5篇

关键词：大数据 应用 计算机

一、论计算机科学与技术在大数据上的应用

大数据资源分配是大数据应用工作的重要内容，因此如何解决数据资源分配是应用工作的首要任务，解决好数据资源分配问题首先需要对资源进行采集和预处理，对有用的资源进行存储。其次还要对存储的数据资源进行优化，这就必须采用先进的计算机息处理技术，大数据处理关键技术必须注重以下方面：

（一）计算机科学与技术对大数据的应用实现了存储与管理虚拟化技术

利用计算机网络技术对采集的数据资源进行存储与管就是虚拟化技术。把数据资源抽象化通过虚拟形式来展示是数据存储虚拟化的主要方式。存储与管理虚拟化技术有很多优点，如能够把原来物理的存储系统必须与数据驱动的具体工作同步的传统模式进行革新，让物理存储系统与数据驱动工作分开进行。用户户可以根据自己的需要分配存储资源。虚拟化技术还可以通过虚拟的存储资源对采集数据进行集中管理或者按照逻辑方式的不同把其分到多个虚拟机内进行管理。存储和管理虚拟化技术可以使用户对存储资源的分配实现最大的便捷性。存储虚拟化工作主要是通过计算机主机层进行实现，计算机操作系统中的逻辑卷管理器是分配不同用，大数据运用计算机信息处理技术应注意的问题计算机技术时大数据应用发展的主要条件，通过将计算机信息处理技术运用到大数据处理中，给大数据处理工作带来很大的便捷。随着当前大数据的发展进程不断加快，必须不断开发研究新的计算机信息处理技术。

（二）计算机科学与技术对大数据的应用实现了数据转换技术

计算机科学与技术信息数量大、分布范围广是当下大数据的主要特点，因此对计算机信息处理提出了更高的要求。加快大数据处理的效率必须首先实现计算机数据采集上的高效性，信息处理技术必须将海量广泛分布的半结构化和非结构化数据进行及时采集。随着科技的快速发展，当今数据主要产生在以手机为主的智能终端设备上，这就导致数据随时有爆发海量数据的可能性，因此必须首先对数据转换技术进行革新，采用新的数据存储方式进行存储数据。

（三）计算机科学与技术对大数据的应用实现了数据安全

由于大数据包含数据信息众多，因此其中有许多不安全因素，极容易导致不法分子利用网络病毒对其进行攻击，盗取信息。在运用计算机信息处理技术进行大数据处理时，尤其要保证大数据应用技术的安全性，传统数据处理可通过流处理模式进行安全保护，而大数据的特性决定大数据处理面临更大的风险，因此必须注重大数据处理的安全工作，在进行大数据处理工作中可通过使用透明加密软件为大数据进行加密，或者使用存储文档权限管理软件通过对大数据进行逐级加密，保障数据安全。建立云数据与表示数据属性的元数据是相关联的系统，决定数据处理、使用以及销毁方式。这样云数据就可以通过运用元数据进行标记，从而增加使用云数据服务的客户的控制能力，保证大数据处理的安全。

（四）计算机科学与技术对大数据的应用实现了数据管理节能技术

由于大数据的复杂性，对处理硬件要求比较高，因此在信息处理过程中必须注意节约能源。具体可通过调高数据中心温度减少能源消耗，经常检查数据中心设备运行状态，对不合理、利用率低的设备及时进行更换。

二、计算机科学与技术对大数据应用的结语

对大数据处理来说，大数据处理方法串行处理和并行处理是计算机处理数据的两种常见模式，因此，计算机处理对大数据的实际运用中也可以分为两种处理模式，即流处理模式和批处理模式，这两种处理模式采用的处理方式不同，其差别主要体现在是否对处理信心进行存储方面。对信息进行存储以后，再通过计算机进行相关处理的是批处理模式，实时对数据进行处理的就是流处理模式。保证数据处理的准确性是大数据处理工作的重要内容。在大数据处理工作中运用计算机信息处理技术，实现整个数据处理工程的高效便捷是当前经济发展对大数据处理工作的要求。必须在大数据处理工作中大力推进计算机信息处理技术，不断更新信息处理技术，才能真正提高大数据处理的效率保证大数据的处理准确性是大数据工作中的一项非常重要的工作，准确的处理数据，不但是对大数据处理工作的硬性要求，而且和相关企业的经济发展速度和市场竞争力息息相关。当前计算机技术的快速发展，计算机信息处理对处理大数据高准确性和便捷性使其适用非常广泛，在当前社会，必须重视计算机信息处理对处理大数据的重要性。最终实现论计算机科学与技术对大数据的综合应用。参考文献：

[1]赵春雷.“大数据”时代的计算机信息处理技术[[J].世界科学，2012（2）.

[2]耿冬旭.“大数据”时代背景下计算机技术分析[[J].网络妥全技术与应用，2014（1）.