云计算在智能分析中的应用研究
关键词：云计算；智能分析；电信；应用
前言
云计算作为当前主流的商业智能与数据分析方式，主要通过虚拟化技术与云计算平台，来实现商业计算中软硬件资源的整合与利用。用户可以利用网络平台中的软硬件资源，进行云计算网络基础设施的搭建与管理。还可以经由云计算网络平台，提供创新的资源管理与虚拟化服务。云计算技术能够将海量资源进行整合与管理，从而减少相应的数据维护与人力成本。
1、云计算技术的主要内容
1.1虚拟化技术
虚拟化技术通过物理资源的虚拟化设置，来提升应用程序的可用性以及网络硬件的资源使用效率。虚拟化技术可以根据用户需要，进行CPU、内存、I/O接口等计算机硬件虚拟化。同时虚拟化技术属于开放源代码技术，其可以在单个计算机中创建多个替代资源，以完成不同操作系统架构的设计。而且不同虚拟机硬件设备、操作系统之间，存在着相互隔离的运行环境，这使得不同操作系统之间保持着较高独立性。其中I/O接口虚拟化为虚拟化技术的重中之重，通过对虚拟交换接口与网卡的构建，来实现虚拟系统中数据信息的传输与交换。
1.2自动化部署
云计算业务自动化部署主要分为物理层、管理层和虚拟化层，每一层级都承担着相应的资源存储与管理任务。其中物理层主要负责对网络中的数据信息，在数据中心进行分类计算与存储。虚拟层包括了计算资源虚拟化和存储虚拟化，OpenStack云计算管理平台也属于虚拟化层，其主要通过KVM交换机系统、虚拟机监视器和VMs技术等，组成虚拟化资源池。而管理层主要包括用户管理、负载均衡、运营管理和安全管理等，用户可以通过相应的访问控制面板，构建自身需要的虚拟资源与信息请求，并完成的虚拟层资源的分配与利用。云计算业务的自动化部署，可以在短时间内获取自身所需资源，实现虚拟业务与服务的自动化。而通过对计算机物理资源中负载的动态伸缩，能够显著提升网络资源的利用效率。
1.3分布式数据库与文件系统
分布式数据库主要通过计算机网络，来完成多个分散数据存储单元的连接，从而形成一个完整的数据库系统。HBase就是典型的分布式开源数据库，其能够将文本、图片、办公文档、HTML网页等非结构化数据，存储在多个分布式网络节点中，以实现对数据的多维有序存储。分布式数据库能够对海量数据信息进行存储，并可以对大规模并发访问的数据信息进行处理。其中各类信息被存储在数据行中，用户只需要对每个数据行定义相应的数据列，就可以对表中的数据行信息进行随机访问。基于关系型的分布式数据库，不仅将数据信息存储与计算方式改为分布式，还具有与传统数据库相同的数据模型。
云计算环境中的分布式文件系统，主要通过大量的存储服务器，来实现对海量数据资源的存储需求。其中Hadoop分布式文件系统的框架设计，能够提供高吞吐量的应用程序数据访问，并对各类数据资源进行符号化表示，从而保证数据信息读写的安全性与可靠性。而且Hadoop分布式文件系统对硬件配置要求较低，对于超大数据集访问具有较高容错性。开源Hadoop分布式文件系统还具有伸缩性，在单节点故障恢复中的容错率较高。
2、云计算在智能分析中应用场景
2.1用户身份识别
对于不同的虚拟网络需求，需要制定差异化客户身份识别方案，进行客户类型与真实性的分析。例如：在电信网络、广告营销的企业管理中，需要分别识别客户入网、虚假评论等数据信息。云计算平台数据库中的最大完全子图算法，可以完成对单个用户多种身份的识别，并对重复的入网客户进行筛选。同时使用以个体为中心的网络分析算法数据库，可以完成对用户社会关系数据的分析。通过动态分析与云计算平台算法数据库的结合，能够对用户在某一段时间内的网络身份进行识别，判断出用户IP地址中存在的不同ID和虚假评论。其中云计算平台的最大完全子图算法，可以对客户群体中的某一团体进行识别，并发现网络社区中某一用户的不同身份。
2.2客户流失分析
本文主要针对客户流失分析、客户身份识别、信息挖掘和客户流量获取等内容，进行商业云平台智能化业务处理与数据分析。云计算平台主要支持网络分析、数据挖掘等业务，而且传统数据分析业务也能移植到云计算平台，进行数据信息内容的定制化开发。对于电信网络中客户流失的分析，主要通过云计算平台CHAID决策树法进行客户群体的划分，以保证将企业关注点着重于潜在流失客户，提高企业运营资金的使用效率。在CHAID决策树法完成客户数据处理后，可以通过CHAID评估进行客户数据指标的分析。
2.3用户信息挖掘
在传统用户信息分析中，分析算法常常将同一客户作为不同个体，进行有价值数据信息的挖掘。而云计算平台数据算法不会仅仅凭借客户的表面特定，对客户的统计属性与数据价值进行判断。通过使用云计算平台的网页排名算法、超文本敏感标题搜索算法等，来对客户网络属性与位置进行分析，并完成有价值用户的信息挖掘。
3、分布式云计算技术的模型
3.1数据分析中间件
在Hadoop分布式文件系统架构下的数据分析中间件，主要利用MapReduce编程模型进行算法工具的开发。数据分析中间件属于商业智能与数据分析的下层，其主要包括客户群体分析、信息挖掘、深度学习和统计查询等内容。随着云计算技术商业智能与数据分析平台的构建，通过数据分析中间件能够完成云计算的应用，而其本层的网络分析算法数据库也将得到进一步完善。商业智能与数据分析的应用流程为：网络需求定义、数据信息搜集、客户数据分析、CHAID决策、数据监控与深度学习等。其中云计算平台算法库主要负责数据决策、分析等环节。分布式云计算技术的模型如图1所示：
图1 分布式云计算技术的模型3.2云计算技术的分布式并行框架
MapReduce编程模型为主要的云计算分布式模型，其可以将某一任务分割成多个小任务，进行分布式网络节点中的并行计算。MapReduce编程模型能够通过并行调度，完成对云计算平台中海量数据的处理。因此在商业智能与数据分析算法设计中，开发者可以通过互相对应的映射函数，来完成对列表中独立元素的指定操作。原始列表中的每个元素都保持相互独立，通过在算法中创建多个列表的方式，来完成对映射函数的保存操作，这就是MapReduce编程模型中的并行数据处理。MapReduce编程模型和Reduce操作被封装为单个任务，单个任务又封装为作业，来完成在Hadoop分布式网络节点中的任务执行。通常对于单个网络节点只部署单个任务，Hadoop分布式网络集群能够利用相互独立的机器，进行网络节点的任务执行与调度作业。
3.3特定主题的数据模型
Hadoop分布式文件系统属于Apache Hadoop套件的重要组成部分，其主要利用Hadoop集群进行海量数据的网络节点存储，还可以在性能较低的计算机硬件中，进行单节点故障的修复活动。平台上实现可靠的数据存储。Hadoop集群作为局域网外部主机的分级文件系统，其能够对系统中的文件内容进行创建、修改与删除。Hadoop分布式文件系统架构的节点主要包含以下内容：NameNode、DataNode，分别负责提供源数据与存储服务。
4、云计算在智能分析中的应用
4.1资源整合与点应用
云计算数据分析与商业智能平台，主要包含虚拟化技术与资源整合两方面内容，开发者可以结合虚拟化技术、自动化部署、分布式数据库和文件系统等，构建具有海量数据分析能力的虚拟化云计算系统。通过对现有数据分析与商业智能系统的结合，来完成虚拟系统软硬件资源的有效利用，从而实现物理资源与软件资源的动态扩展，实现应用平台与基础平台的扩展。当前可以利用VMs虚拟机监视器、ctrix等虚拟化产品，来完成对物理平台和应用程序的扩展。之后再借助虚拟云计算平台，进行业务自动化部署功能及系统无缝移置，以实现在数据分析与商业智能中的应用。
4.2平台扩展与应用推广
在对计算机软硬件资源整合基础上，进行虚拟云计算平台的扩展。之后需要联合现有BI及其他EDW、ODS平台，对数据分析与商业智能进行开发部署，并在商业智能化信息系统中，进行云计算模式数据分析的应用。
4.3平台开放与自动化
在数据分析与商业智能平台开放过程中，需要向平台的开发接口和运行接口，提供较为完善的开发套件。还要联合其他云计算平台建设伙伴，进行云模式数据分析与商业智能平台的功能扩展。
结语
在传统数据分析模式的转型过程中，需要通过云计算数据分析与商业智能平台，实现对客户资源整合与点应用。数据分析云计算平台可以进行应用程序与功能的扩展，并且能够完成信息处理与管理自动化。因此数据云计算技术可以应用于各个领域，来实现对闲置资源的有效利用。云计算平台的自动检测与数据分析功能，能够保证用户挖掘与数据信息的可靠性。
参考文献
[1]党安荣,许剑,张丹明.遥感大数据促进智慧城市发展[J].建设科技.2016(03)
[2]廖泽宇,蔡延光,黄司辉.基于大数据的平安城市监控与智能分析系统[J].中国公共安全.2016(05)
[3]伍和新.云计算在电信数据与商业智能分析中的应用[J].电子技术与软件工程.2017(06)
[4]马壮.由数据分析带来的行业竞争变革[J].软件和集成电路.2017(01)
作者简介：曾振华，中国人民银行岳阳市中心支行，硕士研究生。