1 引言

大數(shù)據(jù)處理系統(tǒng)始終是分析大數(shù)據(jù)的基礎，因為大數(shù)據(jù)本身具有信息量繁多冗雜、擴展速度極快、信息多樣性且價值密度高等特點，所以要求大數(shù)據(jù)處理系統(tǒng)具有極強的專業(yè)性和高效性，能夠合理并有效的處理大規(guī)模的數(shù)據(jù)并形成可用的數(shù)據(jù)體系[1-3]。目前較為典型的大數(shù)據(jù)處理系統(tǒng)有三種。分別為大數(shù)據(jù)實時流式處理系統(tǒng)、離線批量處理系統(tǒng)、交互式處理系統(tǒng)以及大數(shù)據(jù)可視化處理系統(tǒng)，本文將依次介紹這三種大數(shù)據(jù)處理系統(tǒng)的概念及其特點并分析其應用場景。

2 實時流式處理系統(tǒng)及應用場景

（1）流式大數(shù)據(jù)概念及其特點。流式大數(shù)據(jù)又被稱為實時大數(shù)據(jù)，流式處理系統(tǒng)是以分析實時數(shù)據(jù)為基礎，是基于實時數(shù)據(jù)流的數(shù)據(jù)處理，一般處理時間是在數(shù)百毫秒到數(shù)秒之間。

（2）大數(shù)據(jù)實時處理系統(tǒng)的技術架構。根據(jù)大數(shù)據(jù)實時流式處理的特點可以總結出，這種數(shù)據(jù)處理系統(tǒng)其實就是數(shù)據(jù)的收集、傳輸、處理和展現(xiàn)的過程。其中數(shù)據(jù)的處理中涉及數(shù)據(jù)的聚合，而且整個過程需要能夠在秒級或毫秒級得到相應的響應。目前針對這一系列特點形成了 Flume + kafka + Storm / Spark + Hbase / Redis 的技術框架。

（3）大數(shù)據(jù)實時流式處理系統(tǒng)的應用場景。流式大數(shù)據(jù)實時處理系統(tǒng)主要廣泛應用于金融、公安、電信、交通等領域，在金融行業(yè)，流式大數(shù)據(jù)實時處理系統(tǒng)在金融風控反欺詐方面發(fā)揮著重要作用，能夠搜集融合眾多專家知識以及機器研究結果的數(shù)百條規(guī)則，作為對每筆交易的風險評估依據(jù)，判斷該筆交易是否能夠安全進行。

3 離線處理系統(tǒng)及應用場景

（1）大數(shù)據(jù)離線處理系統(tǒng)概念及其特點。根據(jù)數(shù)據(jù)分析的時效性，我們可以把大數(shù)據(jù)分析處理系統(tǒng)分為實時處理和離線處理兩種類型。

（2）大數(shù)據(jù)離線處理處理系統(tǒng)的常用工具。相對于在線處理系統(tǒng)所呈現(xiàn)的技術架構，大數(shù)據(jù)離線處理系統(tǒng)已經(jīng)相對成熟，大數(shù)據(jù)離線處理的流程通常是利用 Hdfs 存儲數(shù)據(jù)，確保數(shù)據(jù)有效存儲之后，再利用 MapReduce 進行離線數(shù)據(jù)的批量運算，批量計算所得出的數(shù)據(jù)如果需要進入數(shù)據(jù)倉庫進行存儲，可以直接接入 Hive，用過 Hive 進行展示。① Hdfs 是一種分布式的文件系統(tǒng)，可以對數(shù)據(jù)進行多次備份。② MapReduce 是一種批量計算技術框架，同樣是分布式布局，分為兩個階段：Map 階段和 Reduce 階段。③ Hive 中的數(shù)據(jù)存儲于文件系統(tǒng)中，并且大部分數(shù)據(jù)是使用 Hdfs 來存儲的。Hive 為方便訪問數(shù)據(jù)倉庫中的數(shù)據(jù)提供了一種方法，HQL 方法，該方法能夠滿足大數(shù)據(jù)離線處理中需要對批量處理的數(shù)據(jù)結果進行查詢的要求。

（3）大數(shù)據(jù)離線處理系統(tǒng)目前較常見的應用場景是，大數(shù)據(jù)團隊通過統(tǒng)一計算引擎入口，降低用戶接入門檻。充分利用集群本身數(shù)據(jù)，有效促進集群本身的建設，加強對隊列、任務及主機失敗率的監(jiān)控，使用戶能夠自主分析任務性能并進行自主調整。

4 交互可視化處理系統(tǒng)及應用場景

（1）大數(shù)據(jù)交互可視化處理的概念及其特點。大數(shù)據(jù)交互可視化處理是將大數(shù)據(jù)形象化，可視化也就是將數(shù)據(jù)呈現(xiàn)出可視效果。大數(shù)據(jù)交互可視化處理具有兩個特點：首先表現(xiàn)方式多樣化，包括圖形、地圖、故事情節(jié)圖、結構化插圖等。其次是適用范圍廣泛，具有領域創(chuàng)新性，隨著大數(shù)據(jù)的發(fā)展，傳統(tǒng)的數(shù)據(jù)表現(xiàn)形式已經(jīng)不能滿足需要，就要求對數(shù)據(jù)進行可視化處理。

（2）大數(shù)據(jù)交互可視化處理的主要手段。① D3 經(jīng)常出現(xiàn)在表格插件中，是目前最受歡迎的可視化庫之一。D3 可以將數(shù)據(jù)綁定到 DOM 并將其驅動轉移應用到 Document 之中。同時 D3 是繪制交互桑葚圖的一種非常簡單的工具，桑葚圖也就是桑葚能量分流圖，它作為一種類型獨特的流程圖，一般多用于能源、金融等大數(shù)據(jù)的可視化分析。另外，D3 也可以作為對 Sunburst Partition 的可視化工具，主要用來描述用戶群體的路徑點擊狀況。② ECharts 即商業(yè)級數(shù)據(jù)圖表，可以在 PC 端和移動設備上流暢運行的純 Javascript 圖表庫，為我們提供生動形象，可交互，可個性定制的大數(shù)據(jù)可視化圖表，能夠高效增強用戶體驗效果。③ R 語言是目前功能比較強大的大數(shù)據(jù)可視化解決路徑，R 語言基本可以獨立自主地完成數(shù)據(jù)處理、可視化分析、建模以及模型分析等工作，同時可以作為配合完成與其他工具的數(shù)據(jù)交互。

除此之外，R 語言能夠完成頂尖的制圖工作，不僅可以完成lattcie 包、ggplot2 包的復雜數(shù)據(jù)可視化，還可以完成rCharts 包、recharts 包、plotly 包的數(shù)據(jù)交互可視化。

（3）大數(shù)據(jù)交互可視化處理的應用場景。大數(shù)據(jù)作為一個新的研究領域在近幾年受到越來越多的關注，大數(shù)據(jù)可視化也正成為一大熱點。以下將介紹三種大數(shù)據(jù)交互可視化較典型的應用場景。

第一是應用于社會關系的可視化，隨著移動互聯(lián)網(wǎng)的不斷發(fā)展，互聯(lián)網(wǎng)社會網(wǎng)絡數(shù)據(jù)已成為十分重要的數(shù)據(jù)資源，社會網(wǎng)絡分析就是利用這些數(shù)據(jù)資源分析各種網(wǎng)絡現(xiàn)象。另外，用戶社交性設計在最近幾年的移動端網(wǎng)游中也受到越來越多的關注和重視，用戶社交型設計就需要以數(shù)據(jù)交互可視化為基礎，從而建立并美化游戲模式，增強用戶游戲體驗。

第二個應用場景是地理信息的可視化。例如百度遷移圖，就是基于大數(shù)據(jù)可視化的地理信息可視化的典型例子，可以通過分析處理動態(tài)數(shù)據(jù)，將數(shù)據(jù)進行動態(tài)連線處理，從而形成流向圖，一目了然。除此之外也可以利用 Remap 實現(xiàn)天氣預報的功能，也可以實現(xiàn)會議在地圖上的可視化，如中國 2015 年 R 語言會議在各個城市舉行情況的可視化展示。近幾年較為流行的另外一種地理信息可視化方式是城市熱力圖，圖示以不同深淺的顏色來表示各個地區(qū)的實際數(shù)據(jù)。

第三是美國大選的大數(shù)據(jù)可視化，在美國大選期間，美國媒體產出大量選舉相關的數(shù)據(jù)報道，通過對這些大數(shù)據(jù)的可視化，選民可以清晰了解選舉動態(tài)。通過以上幾種大數(shù)據(jù)可視化的典型例子，我們可以看出，大數(shù)據(jù)可視化是一個具有多種可能，且并不難以實現(xiàn)的大數(shù)據(jù)處理系統(tǒng)，而且具有極大的發(fā)展空間。

5 結語

大數(shù)據(jù)處理系統(tǒng)會隨著大數(shù)據(jù)研究的深入以及數(shù)據(jù)處理技術的發(fā)展而更加多元更加完善，也將會在更多行業(yè)或領域中被實際應用。大數(shù)據(jù)已經(jīng)深入到我們生活的方方面面，如何能夠更有效更充分挖掘大數(shù)據(jù)中的價值仍需要不斷地研究和探索。