基于复变函数的混合型大数据多源集成系统设计.docx

PAGE 1 - 基于复变函数的混合型大数据多源集成系统设计 基于复变函数的混合型大数据多源集成系统设计 -endprint--1混合型大数据多源集成系统架构设计 通过对现有系统存在问题的分析，本着解决问题的目标，对混合型大数据多源集成系统架构进行设计[4]。混合型大数据多源集成系统架构如图1所示。 如图1所示，混合型大数据多源集成系统架构设计主要接受前后端分别的形式，软件开发主要接受MVC结构，完成了系统每个层次的封装处理，使数据调用过程互相独立，为系统安全提供了有效的保障[5]。 2混合型大数据多源集成系统硬件设计 混合型大数据多源集成系统硬件设备主要为计算机体系，其主要由处理单元、存储单元与输入输出单元构成[6]。计算机体系硬件结构如图2所示。 2.1处理单元 处理单元是计算机体系的大脑，其核心硬件为处理器，通常接受CPU对其进行表示，CPU实质上是一个集成的运算器与操纵器。其中，运算器主要进行算术与规律运算，分为算术规律单元与运算寄存器组;操纵器主要猎取指令，经过相应的处理向各部件发送操纵信号，分为指令寄存器、指令译码器与程序计数器等[7]。CPU参数设置状况如表1所示。 表1CPU参数设置 [参数名称表示内容参数设置主频CPU内部元部件的工作频率1.7GHz字长CPU处理二进制的位数32位外频CPU进行信息交换的频率200MHz] 2.2存储单元 存储单元主要是实现计算机体系的记忆功能，是程序代码与数据的载体。存储单元的结构如图3所示。 其中，外部低速存储器是目前使用较为广泛的存储器，一般以磁或光的形式对数据进行相应的存储。 2.3输入输出单元 输入输出单元是计算机体系的重要组成部分，主要由输入设备与输出设备组成[8]。输入设备主要是将程序、数据、字符、文字、指令等信息输入到计算机中;输出设备主要是将计算机得到的中间结果或者最终结果以数据、文字或者信号的形式输出[9]。输入输出单元电路如图4所示。 通过上述过程完成了系统硬件的设计，但是其无法实现大数据的多源集成，为此对系统软件进行设计[10]。 3混合型大数据多源集成系统软件设计 系统软件设计主要包括数据库模块、数据查询模块与混合型数据多源集成模块[11]。具体内容如下所示。 3.1数据库模块 为了实现混合型大数据的多源集成，对数据库模块进行设计，其主要由调度子模块与数据治理子模块构成[12]。其中，调度子模块主要是对数据集成进行相应的调度，数据操纵调度表如表2所示。 数据治理子模块主要是对数据库中的数据进行编码治理，其基本信息状况如表3所示。 3.2数据查询模块 要想对混合型大数据进行多源集合，首先要依据用户的需求在数据库中对相关数据进行查询与提取。现有系统数据查询速度较慢、查询结果较差，为此接受蚁群算法对数据进行查询[13]。 蚁群算法实质上是一种查找最优路径的概率型算法，原理图如图5所示。 数据查询过程为： [costx=ixi?α2] 式中[α]表示查询因子。 3.3混合型数据多源集成模块 根据上述数据查询与提取结果为根据，通过复变函数对混合型大数据进行多源集成[14]。 混合型大数据多源集成过程就是将用户需求数据进行整合的过程。复变函数可以对数据进行抽取、转换与装载，即混合型大数据多源集成过程为：数据抽取、数据转换与清洗、数据加载[15]。 混合型大数据多源集成流程图如图6所示。 通过系统硬件与软件的设计，实现了混合型大数据多源集成系统的运行，为用户提供更加精准的数据。 4系统性能测试 上述过程实现了混合型大数据多源集成系统的设计与运行，但是对其是否能够解决现有系统存在的难题还不能确定，为此设计仿真对比试验对设计系统的性能进行相应的测试与分析。试验过程中，主要接受设计系统与CORDS系统、TSIMMIS系统以及基于SSH架构的数据集成系统进行对比试验，通过集成度与耦合度对系统性能进行表达。具体试验结果分析过程如下： 4.1集成度对比分析 通过试验得到集成度对比状况如表4所示。 通过表4可知，设计系统的集成度远远高于现有三种系统，其最大值可以到达97%。 4.2耦合度对比分析 耦合度表示系统软件之间的耦合力，耦合度越高，则表示系统性能越好。通过试验得到耦合度对比状况如图7所示。 由图7可知，设计系统的耦合度远远高于现有三种系统，其最大值可以到达93%。 通过测试结果显示，设计的混合型大数据多源集成系统极大地提升了集成度与耦合度，充分说明设计的混合型大数据多源集成系统具备更好的数据集成效果。 5结语 本文设计的混合型大数据多源集成系统极大地提升了集成度与耦合度，可以为用户提供更加精准的数据。但是试验过程中，由于實验参数的设置，导致试验结果与实际结果有着肯定的偏差，虽然不影响试验结论，但是不够精确，因此需要对设计的混合型大数据多源集成系统进行进一步的