云計算技術的特征范文

前言：我們精心挑選了數篇優質云計算技術的特征文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞云計算；呼叫中心；油田；應用

中圖分類號：TP3 文獻標識碼：A 文章編號：1671-7597（2014）12-0165-01

就當前的信息技術發展狀況而言，可謂一日千里。單純對云技術展開考察，可以發現從2009年到2013年期間，云技術完成了其從理論逐步走向實踐應用的過程，即便是這個滲入的過程，其也仍然為全球帶來了超過8000億美元的新業務收入，并且相關統計表明，在中國經濟環境下，云計算同樣帶來了大約590億美元的新凈業務收入。由此可見其生命力之旺盛不容忽視，而在油田工作環境下的呼叫中心建設方面，云技術同樣發揮著重要的推動作用。

1基于云計算的呼叫中心技術特征

對于云計算（Cloud Computing）的概念界定，在學術界中存在有多種版本，其中美國國家標準與技術研究院（NIST，National Institute of Standards and Technology）將其定義為一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池，這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。這種對于云計算的概念界定只是從經濟和實現的角度對其展開了必要的說明，雖然對于更深一步展開對于云計算的了解有所幫助，并且也成為了當前收到認可最多的云計算概念，但是隨著云本身的發展，這種描述已經不足以支持目前的技術環境認知。

維基百科中收錄的云計算概念為“是一種基于互聯網的計算方式，通過這種方式，共享的軟硬件資源和信息可以按需求提供給計算機和其他設備。”這種表達方式從根本上點明了云計算對于當前社會應用的根本價值，這種價值同樣在呼叫中心應用環境下有著極強的體現。云計算通過互聯網，打造了一個從邏輯層面看更為完善的高聚集程度的工作環境，于此同時允許這個邏輯層面上高聚集的環境中的諸多資源在物理層面實現分散。如果單純從計算能力的角度看，云計算實際上是將分散于不同地理位置和網絡中的多個計算力量聚集在同一個邏輯環境中。而如果將云計算技術放置于呼叫中心這種特殊的應用環境中，則云計算會進一步衍生出更為廣泛的表現形式，即在資源的認識層面更為廣泛，將呼叫所需要的諸多資源都聚集在一個邏輯環境中，甚至在對資源的考量方面，也將人力資源納入到資源的范疇中，實現完全技術云計算的呼叫中心實現。

從技術層面看，基于云技術的呼叫中心本身是基于IP化的，這種基于IP的資源邏輯聚集，使得呼叫中心在資源層面上有著更好的聚合表現。并且以計算機作為基礎的呼叫系統，本身能夠實現更多的功能，包括借由互聯網支持的文字以及語音等多種交互方式，并且隨著通信帶寬的進一步完善以及移動端的功能加強，視頻也必然會出現在呼叫業務中，這些都有賴于云計算技術為相應的呼叫無業調動相應的資源予以支持。

2基于云計算的呼叫中心業務發展特征以及趨勢分析

通過對云計算相關概念以及其技術優勢的深入分析，結合當前呼叫中心的主要應用和服務宗旨，可以發現，云計算技術在該領域中的參與，必然極大地成為了推動呼叫中心技術發展并且實現進一步轉型的重要力量。

依據當前的發展狀態，可以對未來的呼叫中心發展趨勢做出更深一步的理解，而這種對于趨勢的判斷，也必然會在一定程度上進一步成為油田工作環境中重要的推動力量。

2.1 優化資源利用

對于資源的優化利用，是云計算最為基本的職能之一。但是在油田呼叫中心工作環境之下，這種職能又呈現出與眾不同的特征。基于廣義的資源概念，云計算可以實現數據存儲以及處理和人力資源的分布部署，這種狀態對于面向社會的呼叫中心而言意義更為明顯，即可以將數據存儲和處理功能放在相對發達的區域，借數據樞紐的地位實現邏輯上的便利，而同時在二三線城市召集客服人員團隊，實現對于人力資源成本的優化利用。這種優勢雖然對于油田工作環境而言并不明顯，但是這種分布部署的優勢仍然存在，這就給予了呼叫中心更大的部署自由，既能夠將數據中心放置于更為專業的保護環境中，而將人員放置于更便于實現人力資源管理的環境中。云計算完全可以通過這種方式實現對于優化管理工作的支持。與此同時，從資源的利用角度看，無論是數據的優化存儲，還是人工智能分析功能的實現，都會對計算能力產生巨大的需求，這也有賴于云計算技術的參與。更為重要的在于，對于通信系統中通信資源的配給，也同樣能夠通過云計算技術得到優化。這些都能夠極大地提升整個呼叫中心系統的資源利用效率，對于縮短呼叫響應時間、提升呼叫服務質量都有著毋庸置疑的積極意義。

2.2 智能化數據分析以及多媒體通信的實現

云計算技術為呼叫中心賦予了更強的計算能力，因此可以幫助整個服務系統實現更為強勁的數據分析能力，并且在進行數據查詢的時候，也必然可以實現更為及時的數據獲取。從這個角度看，人工智能在呼叫系統中的出現勢在必行。人工智能的出現和數據的更加深入分析和加工，重點在于通過呼叫客服向呼叫發起放提供更全面和及時的服務，在呼叫發起的過程中，首先相關網絡可以通過呼叫發起方的自身特征，諸如接入端特征（固話或者移動端，手機或者電腦）、接入端地理位置（位于某一個工作組）等相關屬性，對于呼叫發起方的身份進行初步的推斷，并且將相關數據第一時間呈現給呼叫服務人員，方便其展開進一步的精準服務。并且隨著接入端本身功能的強大與發展，包括圖片以及視頻等在內的數據格式都會成為將來呼叫的內容，這些多媒體數據在油田工作環境中可以用于包括油田工作環境以及相關設備維護、人力資源管理優化等工作的重要支持力量，必然會在未來的油田環境中發揮著不容忽視的積極作用。

3結論

呼叫中心云平臺的建設，可以為電信運營商節能降耗，大大降低運維成本，提高服務效率，同時為后續應用的快速部署和共享資源池的建設提供了必要條件，對提高用戶感知和服務水平起到積極的作用，進一步促進我國石油產業的繁榮發展。

參考文獻

第2篇

隨著我國計算機科學技術的不斷發展，計算機云備份技術也越來越受到人們的廣泛關注。由于計算機云備份技術具有可擴展性、可用性、效率和可靠性等諸多優點而被逐漸的被采用，但是，我國使用計算機云備份技術還不夠成熟。因此，研究計算機云備份技術的特征具有非常重大的現實意義。本文主要介紹了計算機云備份技術的基本概念，并詳細的闡述了計算機云備份技術的優勢，最后介紹了云備份軟件可用性評估模型的運用。

【關鍵詞】計算機 云備份技術 特征

隨著我國計算機軟件開發技術的逐漸提高，人們對計算機云備份技術的要求也越來越高。計算機云備份技術不僅僅具有強大的功能，在可用性方面的要求也越來越高。現在，計算機云備份技術是存儲備份中的重要應用之一，因而，需要為計算機云備份技術提供良好的性能，提高人民對其的滿意度。但是，由于計算機云備份技術的可用性研究在我國起步比較的晚，因此，了解計算機云備份技術的特征，從而不斷的推進存儲備份行業的發展。通過本文，筆者希望能夠起到一個拋磚引玉的作用。

1 計算機云備份技術的基本概念

計算機云備份技術的概念是由美國的IBM公司在2007年提出的，其具體的定義指的是：所謂計算機云備份技術，顧名思義指的就是將計算機里面所要進行運算的任務都收集起來，然后，再把這些任務分配到那些大型的大規模的計算機數據處理中心或者是大規模計算機聯機群體構成的計算機資源池里面去，這樣就可以使得更重需要運算的程序都能夠根據自己的需求，來從大型數據處理中心獲得相應的計算處理功能、數據存儲功能以及各種相關的軟件信息服務等功能。目前，計算機云備份技術常見的實現方式主要包括云存儲服務和混合云備份。計算機云備份作為場內軟件和次級存儲的一種替代，它運行在遠程的系統中并被集中控制，并通過瀏覽器的界面來訪問計算機云備份。然而，在大多數情況之下，計算機云備份具有多個客戶共享架構，并且需要付費才能夠使用。被保護的系統上運行輕量級的程序，并將數據從主站點傳輸到云端上。

2 計算機云備份技術的優勢

2.1 效率高和可靠性強

在計算機數據庫之中，現在使用的比較先進的存儲技術，主要包括磁盤的備份、壓縮、加密和存儲虛擬化等保護。計算機云備份技術不僅要確保數據的安全性，還應該考慮計算機云備份技術的效率和可靠性。但是，計算機云備份技術的效率和可靠性是由存儲設備的服務機構來提供的。因此，計算機云備份技術的效率高和可靠性強是其重要的優勢之一。

2.2 可擴展性和投資少

計算機云備份技術還可以依靠第三方提供商的無限擴展能力，并且計算機云備份技術的投資比較少。但是，計算機云備份技術可以減少數據備份和實施中的問題，這種數據存儲方式使得企業能夠管理計算機云備份技術的運行費用。

2.3 降低數據量的恢復時間

計算機云備份技術一般是磁帶開始恢復，計算機云備份技術管理人員只需要找到磁帶，然后將其加載，就可以找到數據的位置再恢復數據。但是，從云中恢復數據一般較快，而不需要從磁帶存放點運送磁帶和尋找的恢復時間。同時，恢復的數據也是通過廣域網進行傳輸，從而可以有效地節省時間，并且不需要建設本地磁帶設備。

2.4 可用性較強

為了提高存儲的效率和降低公司的成本，計算機云備份技術更加具有吸引力。因而，計算機云備份技術具有可用性較強的特征。但是，數據副本能通過任何的因特網連接或設備來訪問，以提高數據的安全性。

3 云備份軟件可用性評估模型的運用

3.1 啟發式的可用性評估

云備份軟件可以利用啟發式可用性評估在少量用戶參與的情況下對主流的云備份軟件進行可用性評估，并且需要參與可用性評估的成本較低，從而獲得相關的數據。目前，國內外主要的一些云備份軟件都是選擇一些具有影響力的云備份軟件，主要包括諾頓在線備份、在線備份系統和遠程數據備份等等。因此，啟發式的可用性評估是勻備份軟件評估模型中的主要應用。

3.2 用戶測試法可用性評估

目前，用戶直接參與的可用性評估可以發現很多可用性問題，用戶是重要的研究對象，因此，在真實環境中用戶測試法可用性評估具有不可替代的作用。由于云備份軟件可用性評估對象是云備份軟件，但是，用戶測試法可用性評估存在很多問題。然后，通過收集、組織、存儲和管理備份的數據，提供開放訪問，從而可以促進數據的共享，以制備出一個比較完善的云備份軟件設計方案。在選擇可用性評估各種人員時，應該充分考慮評估人員的專業背景、計算機的操作能力和英語水平等，以保證可用性評估人員的綜合素質。對于企業和政府機構的存儲備份需求，選擇素質較高的可用性評估設計方案更加重要。同時，用戶測試法可用性評估還應該根據用戶的備份目的，使得云備份存儲軟件能夠滿足用戶的要求，主要包括備份軟件的登錄、備份、恢復和刪除等操作。

4 總結

總而言之，計算機云備份技術已經發展成為未來備份行業發展的一種趨勢。隨著我國計算機云備份技術的不斷快速發展，更加需要將各類應用技術和云備份結合起來，從而能夠向企業提供數據備份服務。同時，計算機科技和備份技術的發展也促進計算機云備份技術的進一步發展。由于計算機云備份技術具有可靠性、可擴展性和可用性等優點，因而得到了廣泛的應用。對于實際的數據備份要求，使用計算機云備份技術成為離場磁帶備份的很有吸引力的替代方案。因此，現階段研究計算機云備份技術的特征具有非常重大的現實意義。由于本人的知識水平有限，因此，本文如有不到之處，還望各位不吝指正。

參考文獻

[1]余以勝.數據備份技術[J].福建電腦，2012（08）：163-165.

[2]尤松，常虹.計算機云備份技術的特征及可用性評估模型的建立[J].常州信息職業技術學院學報，2013，11（4）：31-33.

[3]韓德志，謝長生，李懷陽.存儲備份技術探析[J].計算機應用研究，2012（06）：1-4.

第3篇

關鍵詞： 云計算； 數據特定特征； 特征挖掘技術； 提取精度

中圖分類號： TN911?34； G420 文獻標識碼： A 文章編號： 1004?373X（2017）13?0178?03

Abstract： For the imprecise data specific information extraction in the process of traditional cloud computing， a specific characteristic mining method of massive data in cloud computing environment is presented. The matrix node difference model is used to arrange the data orderly， and avoid the imprecise extraction data caused by data confusion of the traditional method. The huge cloud data makes the data positioning imprecise. In order to eliminate the above problem， the multidimensional data positioning calculation is adopted to solve the problem of imprecise positioning effectively， and extract the data information successfully. In order to verify the effectiveness of the massive data specific characteristic mining method in cloud computing environment， the contrast simulation experiment was designed. The experimental results fully prove that the method can improve the accuracy of the data extraction effectively.

Keywords： cloud computing； data specific characteristic； feature mining technology； extraction accuracy

0 引 言

隨著科技的快速發展，數據信息時代逐漸向著云時代變遷，數據的運算存儲已經由傳統的硬盤存儲逐漸發展成為云端計算存儲[1]。通過云端的計算存儲已經在很大程度上摒棄了原有的算法規則，能夠更大程度的進行數據統計和數據運算[2]。在使用云端計算的環境下，存儲在云端的海量數據都是通過數據定位以及數據分析進行計算的，使用適當的調度方法可以在很大程度上進行數據的特征提取。所以，有效的數據調度可以充分提高數據的特征提取能力，但是傳統的云端計算過程由于數據存儲量過于繁雜，并且在進行數據定位的過程中需要進行數據識別。傳統的方法是使用數據的屬性進行標識識別，但是為了數據的存儲方便一般會進行適當的數據壓縮和數據轉換，數據進行調用過程中十分的繁瑣，并且數據的調用過程是一個識別提取的過程，這種方式極大地影響了數據特征提取的速度以及準確性[3?4]。在進行數據特征提取的過程中還存在一些數據節點，這些節點極大程度上限制了提取的精度[4?5]。綜上所述，本文設計了一種云計算環境下的海量數據特定特征挖掘方法，該方法能夠有效解決上述問題[6]。

1 運用矩陣節點差分計算方法進行數據特定特

征挖掘

使用矩陣節點差分計算可以提高數據提取的精準度，在計算之前需要進行數據的方位確定以及數據的預處理[7?8]。

式中：為單位下數據信息量；為數據的信息坐標；為提取條件下的屬性條件；為實際的儺災滌頡

當限制節點傳輸信息至時，傳輸單位需要經過個節點才能進行屬性提取。關系式為：

保證數據的正確性和快速性是通過區域的劃分得到的，劃分前需要預設參數，通過設定能夠對選擇精度進行控制，避免誤差的產生。

式中：為離散參數；為整合參數域；為區域值；表示提取深度；代表數據衡量值。

進行數據的特征提取過程中，使用矩陣節點差分方法，因此需要進行數據的預處理[9]，預處理之后才可以使用，首先是數據編續：

經過序號的排列以后，方便數據在大量數據中進行準確提取，但是排序之后的數據不能直接使用，需要一定的調用計算，方便在提取過程中屬性的搭配：

式中：表示單位時間數據能夠調用的屬性；表示實際區域范圍內數據的識別碼；是實際計算中的屬性參數；表示計算常量。

通過上述計算便可以進行矩陣節點差分方程的計算，建立如下矩陣：

通過化簡的公式可以看出數據與實際調用的關系，把公式進行加權處理就可以得到關系公式，這樣可以更加精確的在海量數據中完成特征提取。

限定好實用的屬性參數及屬性目標，進行加權計算：

本文運用矩陣節點差分計算方法進行數據特定特征挖掘，在計算前進行數據的預處理保證了數據的有效性，提高了結果的精準度，最后用條件進行限定保證在大量的數據中能夠進行精準的計算。

2 實驗驗證

為了驗證本文設計的云計算環境下的海量數據特定特征挖掘方法的有效性，設計了對比仿真實驗。選定某網絡數據公司大型云端數據庫進行數據特征提取，首先使用傳統的方法進行云端數據提取，然后使用本文設計的云算環境下的海量數據特定特征挖掘方法進行數據的特征提取。

2.1 參數設置

為了保證實驗的有效性，同時進行實驗，設置調配參數為65.8；數據坐標分別為150，100；為了保證數據提取的速度，設置為68.5；設置分別為55，60，100。

2.2 數據對比分析

實驗對比結果如圖1，圖2，表1所示。

通過圖1可以看出本文設計的方法能夠在更短的時間內得到結果，同時所用的時間是傳統方法的一半左右。

通過圖2的誤差對比結果可以看出，本文設計的云計算環境下的海量數據特定特征挖掘方法能夠有效地降低誤差，保證在海量數據下的特征提取。

表1的實驗結果能夠充分證明，本文設計的云計算環境下的海量數據特定特征挖掘方法能夠有效地提高數據特征百分比，同時能夠在更短的時間內進行更多的特征提取。

3 結 語

本文設計的云計算環境下的海量數據特定特征挖掘方法能夠有效地解決數據特征提取過程中提取不精確的問題，同時所需要的時間更短，得到的結果不需要進行修正，能夠更好地完成對海量數據的特征提取。本文的研究能夠為云端數據提取提供良好的理論依據。

參考文獻

[1] 廉文武，傅凌玲，黃潮.云計算環境下數據弱關聯挖掘模型的仿真[J].計算機仿真，2015，32（4）：359?362.

[2] 盧小賓，王濤.Google三大云計算技術對海量數據分析流程的技術改進優化研究[J].圖書情報工作，2015，59（3）：6?11.

[3] 何清，莊福振，曾立，等.PDMiner：基于云計算的并行分布式數據挖掘工具平臺[J].中國科學：信息科學，2014，44（7）：871?885.

[4] 劉輝.云計算環境下海量激光點云數據的高密度存儲器邏輯結構設計[J].激光雜志，2016，37（9）：91?95.

[5] 白紅偉，馬志偉，朱永利.基于云計算的絕緣子狀態監測數據的處理[J].電瓷避雷器，2011（4）：19?22.

[6] 錢維揚，王俊義，仇洪冰.基于Hadoop的數據挖掘技術在測光紅移上的研究[J].電子技術應用，2016，42（9）：111?114.

[7] 劉海龍，宿宏毅.利用Hadoop云計算平臺進行海量數據聚類分析[J].艦船科學技術，2016（14）：148?150.