基于云计算和物联网的网络大数据技术研究

文章编号：１６７１—４５９８（２０１７）１１—０１８３—０３　ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－－４７６２／ｔｐ．２０１７．１１．０４６　中图分类号：ＴＰ３１１．１３　文献标识码：Ａ　基于云计算和物联网的网络大数据技术研究　姜迪清，张丽娜　（浙江安防职业技术学院，浙江温州　３２５０００）　摘要：为了使网络大数据应用的范围更广，更大程度地提高网络数据存储与管理精度，减少网络数据处理与控制的时间，需要对网　络大数据进行研究；当前的网络大数据研究方法多是采用Ｈａｄｏｏｐ基础架构对网络大数据进行研究，在数据存储中没有设定具体的安全　存储指标，无法得到数据安全存储指标权重，存在数据存储安全性能低，网络大数据研究精度偏差大等问题ｆ为此，提出一种基于云计　算和物联网的网络大数据研究方法；该方法首先利用分级网络编码对网络数据进行传输，以传输的数据为基础，采用ＣＲＣ算法实现网络　数据的计算，然后依据分组存储的方式将数据进行存储，最后利用分层逆序叠加定位法对网络数据进行高精度查询，由此完成对网络大　数据的研究；实验结果表明，所提方法可以全面具体地对网络大数据进行研究，提高了数据处理精度和网络数据计算速度，增加了网络　数据存储空间容量和查询效率，减少了网络数据运行时的丢失率，扩展了网络数据的运作范围，为后续网络大数据的研究提供了强有力　的依据。　关键词：云计算；物联网；网络大数据；技术研究　Ｎｅｔｗｏｒｋ　Ｂｉｇ　Ｄａｔａ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　Ｂａｓｅｄ　ｏｎ　Ｃｌｏｕｄ　Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ　Ｊｉａｎｇ　Ｄｉｑｉｎｇ，Ｚｈａｎｇ　Ｌｉｎａ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｊｉａｎｇ　Ｓｅｃｕｒｉｔｙ　Ｃａｒｅｅｒ　Ｔｅｃｈｎｉｃａｌ　Ｃｏｌｌｅｇｅ，Ｗｅｎｚｈｏｕ　３２５０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｍａｋｅ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ａｐｐｌｉｃａｔｉｏｎｓ　ｂｒｏａｄｅｒ，ｍｏｒｅ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｏｆ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｓｔｏｒａｇｅ　ａｎｄ　ｍａｎ—　ａｇｅｍｅｎｔ，ｒｅｄｕｃｅ　ｔｈｅ　ｔｉｍｅ　ｏｆ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｃｏｎｔｒｏｌ，ｎｅｅｄ　ｔｏ　ｓｔｕｄｙ　ｏｆ　ｎｅｔｗｏｒｋ　ｄａｔａ．Ｔｈｅ　ｃｕｒｒｅｎｔ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｒｅｓｅａｒｃｈ　ｍｅｔｈｏｄ　ｉｓ　ｔｏ　ａｄｏｐｔ　ｍｏｒｅ　ｍａｊｏｒ　Ｈａｄｏｏｐ　ｉｎｆｒａｓｔｒｕｃｔｕｒｅ　ｏｆ　ｎｅｔｗｏｒｋ　ｄａｔａ，ｔｈｅ　ｄａｔａ　ｉｓ　ｓｔｏｒｅｄ　ｉｎ　ｔｈｅ　ｓａｆｅ　ｓｔｏｒａｇｅ　ｉｎｄｅｘ　ｉｓ　ｓｅｔ，ｄｏ　ｎｏｔ　ｈａｖｅ　ａｃｃｅｓｓ　ｔｏ　ｄａｔａ　ｓｅｃｕｒｉｔｙ　ｓｔｏｒａｇｅ　ｉｎｄｅｘ　ｗｅｉｇｈｔ　ａｎｄ　ｔｈｅ　ｌｏｗ　ｄａｔａ　ｓｔｏｒａｇｅ　ｓｅｃｕｒｉｔｙ　ｐｅｒｆｏｒｍａｎｃｅ，ｎｅｔｗｏｒｋ　ｐｒｏｂｌｅｍｓ　ｓｕｃｈ　ａｓ　ｂｉｇ　ｄａｔａ　ｒｅｓｅａｒｃｈ　ａｃｃｕｒａｃｙ　ｄｅ—　ｖｉａｔｉｏｎ．Ｆｏｒ　ｔｈｉｓ，ｐｕｔ　ｆｏｒｗａｒｄ　ａ　ｋｉｎｄ　ｏｆ　ｂｉｇ　ｄａｔａ　ｂａｓｅｄ　ｏｎ　ｃｌｏｕｄ　ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｉｎｔｅｒｎｅｔ　ｏｆ　ｔｈｉｎｇｓ　ｎｅｔｗｏｒｋ　ｒｅｓｅａｒｃｈ　ｍｅｔｈｏｄｓ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｆｉｒｓｔｌｙ　ｕｓｉｎｇ　ｈｉｅｒａｒｃｈｉｃａｌ　ｎｅｔｗｏｒｋ　ｃｏｄｉｎｇ　ｆｏｒ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｔｒａｎｓｍｉｓｓｉｏｎ，ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｔｒａｎｓｍｉｓｓｉｏｎ　ｏｆ　ｄａｔａ，ｔｈｅ　ｃａｌｃｕｌａｔｉｏｎ　ｏｆ　ＣＲＣ　ａｌｇｏｒｉｔｈｍ　ｗａｓ　ａｄｏｐｔｅｄ　ｔｏ　ｒｅａｌｉｚｅ　ｎｅｔｗｏｒｋ　ｄａｔａ，ａｎｄ　ｔｈｅｎ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｄａｔａ　ｐａｃｋｅｔ　ｓｔｏｒａｇｅ　ｗａｙ　ｆｏｒ　ｓｔｏｒａｇｅ，ｔｈｅ　ｈｉｅｒａｒｃｈｉｃａｌ　ｒｅｖｅｒｓｅ　ｓｕｐｅｒｐｏｓｉｔｉｏｎ　ｍｅｔｈｏｄ　ｉｓ　ｕｓｅｄ　ｔｏ　ａｎａｌｙｓｅ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｐｒｅｃｉｓｉｏｎ　ｑｕｅｒｙ，ｔｈｕｓ　ｃｏｍｐｌｅｔｉｎｇ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｎｅｔｗｏｒｋ　ｄａｔａ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｏ—　ｐｏｓｅｄ　ｍｅｔｈｏｄ　ｃａｎ　ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ　ａｎｄ　ｃｏｎｃｒｅｔｅｌｙ　ｓｔｕｄｙ　ｏｆ　ｎｅｔｗｏｒｋ　ｄａｔａ，ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｏｆ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｃｏｍｐｕ—　ｔｉｎｇ　ｓｐｅｅｄ，ｉｎｃｒｅａｓｅｄ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｓｔｏｒａｇｅ　ｃａｐａｃｉｔｙ　ａｎｄ　ｑｕｅｒｙ　ｅｆｆｉｃｉｅｎｃｙ，ｒｅｄｕｃｅｓ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｄａｔａ　ｐｒｅｓｅｎｔｅｄ．ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｒｕｎｔｉｍｅ，　ｅｘｐａｎｄｅｄ　ｔｈｅ　ｓｃｏｐｅ　ｏｆ　ｔｈｅ　ｏｐｅｒａｔｉｏｎ　ｏｆ　ｎｅｔｗｏｒｋ　ｄａｔａ，ｌａｒｇｅ　ｄａｔａ　ｆｏｒ　ｓｕｂｓｅｑｕｅｎｔ　ｎｅｔｗｏｒｋ　ｒｅｓｅａｒｃｈ　ｐｒｏｖｉｄｅｓ　ａ　ｓｔｒｏｎｇ　ｂａｓｉｓ．　Ｋｅｙｗｏｒｄｓ：ｃｌｏｕｄ　ｃｏｍｐｕｔｉｎｇ；ｉｎｔｅｒｎｅｔ　ｏｆ　ｔｈｉｎｇｓ；ｎｅｔｗｏｒｋ　ｄａｔａ；ｔｅｃｈｎｏｌｏｇｙ　ｒｅｓｅａｒｃｈ　Ｏ　引言　目前，随着经济技术和互联网的不断发展，人们步入了信　络大数据进行研究。大多数的网络大数据研究方法在对网络大　数据进行研究时，无法对其进行高效、全面、安全、具体地研　究，导致网络大数据在使用时，经常出现数据丢失、数据计算　息化时代，计算机网络已经成为人们生活和工作中不可缺少的　一部分。网络大数据在金融、娱乐、医疗、汽车、零售、电　误差大、数据存储空间易满、数据处理不妥当等问题　］。在　此种情况下，如何减少数据丢失率和计算误差，增大数据存储　空间容量和提高数据处理精度成为了必须解决的问题。而基于　云计算和物联网的网络大数据研究方法可以对网络大数据进行　深刻，全面，安全稳定地研究，是解决上述问题的可行途　径　］，受到了该领域专家学者的广泛关注和高度重视，成为了　网络大数据研究者的主要研究课题，同时也得到了很多优秀的　研究方法　。　信、餐饮、政务、能源、体育等领域都有着广泛的应用和深远　地影响　］。由此，网络大数据的发展受到了有关专家的高度重　视Ｅ２］。网络大数据的发展可以提高现代人们生活的质量，加强　互联网技术的建设，满足社会经济飞速发展的要求。。］。由于网　络大数据具有智能性、交互性、可视化等特点，所以需要对网　收稿日期：２０１７—０４—１７；修回日期：２０１７—０５—１５。　文献［８］提出了基于ＭｏｎｇｏＤＢ的网络大数据研究方法。　该方法首先利用负载均衡技术使ＭｏｎｇｏＤＢ在不同的网络数据　节点中都可以分布均匀，保障大数据研究系统的正常运行，然　后采用Ｐ２Ｐ分布式数据存储系统对网络大数据的存储内存空　间进行优化管理，最后依据ＭｏｎｇｏＤＢ的自动分片技术实现网　络大数据的过滤，从而完成基于ＭｏｎｇｏＤＢ的网络大数据研　究。该方法虽然较为具体，但是存在对网络大数据研究时间长　基金项目：浙江省教育厅一般科研项目（Ｙ２０１６３５４１４）；浙江省高教　课改项目（ＫＧ２０１６１０１３）；温州市公益性科技计划项目（２０１６Ｓ０００５）。　作者简介：姜迪清（１９６５一），男，浙江温州人，硕士，主要从事舆情管　理等方向的研究。　通讯作者：张丽娜（１９８０一），女，河南安阳人，硕士，副教授，主要从　事大数据，图形图像等方向的研究。　・１８４・　计算机测量与控制　ｐ一（６ｍ４－５）（口／　＋ｚ）　第２５卷　（３）　的问题。文献［９］提出了一种基于粗糙集的网络大数据研究　方法。该方法首先采用粗糙集理论对网络大数据进行挖掘，然　后利用模糊集理论拓广网络大数据处理的范围，依据粗糙集与　决策表的关系完成对网络数据的处理，最后利用模糊差别矩阵　对数据进行优化存储，由此完成了基于粗糙集的网络大数据研　究。该方法对网络大数据的研究精度较高，但是存在研究过程　繁琐的问题。文献Ｅｌｏ］提出了一种基于朴素贝叶斯的网络大　其中：　代表网络大数据传输延迟估计值，ＩＴｔ代表网络数　据有限域的阶，　代表网络大数据传输参数。对于不具确定性　的网络数据编码，网络大数据传输延迟值估计公式为：　一（６ｍ４－５）［（１／ｚ＋１／ｚ）＋ｚ４－８ｚ　／（６￡）］＋　（２ｍ＋ｍ　）　／（４Ｚ）　（４）　其中：ｚ代表网络数据块长度。实验证明，网络数据传输　延迟值随ｍ的增加而增加，利用数据传输参数ｄ可以有效控　制ｍ的增加，使数据传输更为迅速，其公式可表示为：　数据研究方法。该方法首先利用朴素贝叶斯分类器将网络大数　据进行分类，然后依据数据分类结果对网络数据进行存储，最　后采用本体论实现网络大数据控制系统的优化，完成基于朴素　贝叶斯的网络大数据研究。该方法虽然用时较短，但是存在对　网络大数据进行研究时，研究效率较低的问题。　针对上述产生的问题，提出基于云计算和物联网的网络大　ｄ＝＞：Ｐ＊｛　ｌ，“２，“３…地｝　（５）　根据式（５）的计算，可以减少网络数据节点编码进行数　据传输时的延迟，低阶的数据有限域能减少数据传输对编码节　点的要求。当　＞　，假设网络数据节点Ｐ有比较足够的数据　存储空间，则可以利用数据存储转发的方式进行网络数据传　输，当　＜ｚ　时，在网络数据节点Ｐ处插播附加数据信息，　利用网络宽带容量对网络数据进行传输，从而完成网络数据的　传输。　数据研究方法。该方法首先利用分级网络编码对网络数据进行　传输，采用ＣＲＣ算法实现网络数据的快速计算，然后依据分　组存储的方式将数据存储，最后利用分层逆序叠加定位法对网　络数据进行高精度查询，由此完成对网络大数据的研究。仿真　实验证明，所提方法能够全面、安全、高精度地对网络大数据　进行研究，拓宽了网络统计的范畴，增强了网络数据分析的可　信度，将无线网络与人们的生活进行无缝连接，并且可以更好　在网络大数据研究中，网络数据的计算十分重要，为了使　网络数据计算速度更快，采用按字节计算的ＣＲＣ算法对网络　数据进行计算。网络数据码可表示为：　Ｏ（Ｘ）一Ｏｏ×４“＋　—ｌ×４　‘一　’＋…＋Ｏｌ×４　＋Ｏｂ（６）　地应用于社会各个工作领域中，为社会的经济建设和健康发展　提供了可靠资源。　１基于云计算和物联网的网络大数据研究方法　１．１网络数据传输与计算　其中：Ｏ（Ｘ）代表网络数据编码，０代表一个数据的八位字　节，，ｚ代表八位字节的个数。以上述计算结果为基础，将数据　字节先乘２１６，再除数据计算多项式Ｆ（Ｘ），给出关系式：　基于云计算和物联网的网络大数据研究中，为了提高数据　运行效率，利用分级网络编码对网络数据进行传输，在数据传　Ｑ　Ｆ（Ｘ）　一　Ｆ（　）　…Ｘ×２　＋　　Ｆ（Ｘ）　…×２　　×ｚ＋　＋…＋　。　㈩　输过程中，以网络数据宿点集合为基础，得到网络数据传输延　迟值估计公式，依据估计公式中网络数据有限域的阶的变动得　到数据传输参数，完成多网络数据传输的过程。具体过程　如下。　通过关系式（７）可知，在网络数据计算过程中，关系式　所获值越小，网络数据计算速度越快，则有控制关系式最小的　阈值表达式为：　在实际网络大数据传输过程中，网络数据通常具有分级结　构，假设在网络数据节点Ｐ处，将收到的网络数据进行解码　后，再组播到子网中，而在其他的网络数据节点处，则利用编　码形式进行数据传输，并让所有网络数据宿点在收到数据信息　进行解码后，对分级网络数据编码方法的最大组播率进行假　，一￡　×ｇ　（８）　其中：厂代表控制关系式（７）最小值的阈值，Ｗ代表网络　数据传输的系数，ｇ代表网络数据计算参数，综上所述，通过　阈值对关系式的控制，实现了网络数据的快速计算。　１．２网络数据存储与查询　设，假设最大组播率为“，则网络中所有宿点集合可表示为：　Ｔ＝｛“ｌ，“２，“３…“　）　（１）　其中：Ｔ代表网络中所有数据宿点的集合，ｉ代表分级网络　数据编码方法中组播率总数目。　若，｛　，“　，地…啦）代表主网的网络数据宿点，｛“　，Ｕ一，　采用分组存储的方式对网络数据进行存储，可以节省网络　存储空间。存储过程中利用网络数据测点和分组存储组数的关　系式，得到分组后的网络文件数据总量，以分组后的网络文件　数据量总和为依据，完成对网络数据的存储。　假设共有Ｊ个网络数据测点，每个网络数据测点采样周期　不一定相同，若每个数据测点大批量提交存储，其属性数据有　ｒ个，那么就将这些数据进行分组存储至不同的网络文件中。　根据数据距离的远近，将较为集中的网络数据测点分为一组，　…“一｝代表子网的网络数据宿点，网络数据节点Ｐ代表子网　和主网的连接点，如果采用分级网络数据编码对其进行连接，　就相当于两次单源组播对其进行连接，在连接过程中，如果将　数据源点Ａ组播网络数据到｛“　，“。，“。…娥，Ｐ｝中，那么其网　络数据最大组播率为　，如果将网络数据节点Ｐ的组播数据到　｛“　，“抖。，…“　｝中，那么其网络数据组播率为　利用分级　假设将　个数据测点分为ｅ组，则有数据测点与组数的关　系式：　网络数据编码从网络数据源点组播数据到所有网络数据宿点，　可以得到的最大的网络数据组播率为ｚｚ，则有关系式：　２＝ｒａｉｎ（ｚ，　１）　（２）　∑ｒ　络属性数据，则文件Ｙ　的数据总量为：　Ｄ　一（６＋Ｍ）Ｊ　（９）　利用分组后的网络文件Ｙ　保存第ｅ组数据测点提交的网　（１０）　以上述结果为依据，对于确定性的网络数据编码，网络大　数据传输延迟值估计公式为：　第１１期　姜迪清，等：基于云计算和物联网的网络大数据技术研究　・　１８５　・　其中：Ｄ　代表分组后的网络文件数据总量，Ｍ代表网络数　据存储参数，实验证明，Ｍ取值区间在０．４—０．５时，数据存　储效率最高。　网络大数据研究方法，具有良好的应用价值，是切实可行的。　表２是网络数据存储参数Ｍ的取值对数据存储效率（％）的　影响。　表１不同方法下网络数据传输与计算时间对比　对式（１０）进行迭代计算，最后得到ｅ个分组后的网络文　件数据量总和为：　Ｄ一　Ｄｉ一（６＋Ｍ）　ｊｌ　（１１）　ｆ一１　ｉ一１　其中：Ｄ代表ｅ个分组后的网络文件数据量总和，以分组　后的网络文件数据量总和为依据，完成基于分组存储方式的网　络数据存储。　网络数据的查询与索引利用的是分层逆序叠加定位法，假　设数据查询节点的主查询矩阵Ｑ与辅数据查询矩阵Ｑ一相乘　得到新数据查询矩阵，提取数据最大查询矩阵公因子与该矩阵　相加为：　ｎ　ｎ　Ｑ　１　＝　＋ＱＱ　１　（１２）　Ｅ　１　其中：ｅ　代表ＱＱ　一　所得数据查询矩阵的最大公因子，　Ｑ　一　代表网络数据最大查询矩阵公因子与该矩阵相加的值，　ＱＱ　代表数据查询节点的主查询矩阵Ｑ与辅数据查询矩阵　Ｑ　相乘得到的新矩阵，同理可证，式（１３）和式（１４）中的　类似乘积如式（１２）参数解释所推。　＾　，ｎ　Ｑｌ一２　一　—　＝呈＋Ｑ　１　Ｑ　２　（１３）　Ｅ　一２　其中：　一　代表Ｑ一　Ｑ一　所得数据查询矩阵的最大公因子。　以此类推，直至数据根节点：　ｎ　ｎ，　Ｑ　一　＋Ｑｌ　Ｑ２　（１４）　Ｅ１　其中：ｅ　代表Ｑ　Ｑ２　所得数据查询矩阵的最大公因子。提取　数据查询矩阵Ｑ　最大公因子ｅ，则：　￡一￡１＋１　（１５）　此时得到ｅ值，假设该值代表数据查询节点在整个网络数　据查询系统中的查询参数，实验证明，此参数取值区间为５—　６时，网络数据查询精度最大。那么对ｓ进行迭代计算，并比　较各个数据查询节点的ｅ值，取得最小数据查询节点，则该节　点在整个网络数据查询系统中是数据查询的最优路径点，此时　忽略其他数据查询节点，在数据查询系统中，针对该节点进行　查询，从而完成对网络数据的查询。　２仿真实验结果与分析　为了证明基于云计算和物联网的网络大数据研究方法的整　体性能，需要进行一次仿真实验。在ＦＰＧＡ的环境下搭建网　络大数据研究实验仿真平台。实验数据取自于中国网络大数据　技术研究公司的５Ｏ台计算机，在该实验中，利用基于云计算　和物联网的网络大数据在５Ｏ台计算机中使用，观察本文所提　方法的整体有效性和可实现性。表１为文献Ｅ８］所提方法、　文献Ｅ９］所提方法和文献［１０］所提方法与本文所提方法，　在数据量同为１　０００万时，网络数据传输时间（ｓ）以及网络　数据计算时间（ｓ）的对比。　分析表１可知，在网络数据量同为１　０００万时，本文所提　基于云计算和物联网的网络大数据研究方法，数据传输时间以　及数据计算时间远低于文献所提方法。本文所提方法在数据传　输和数据计算中分别利用了分级网络编码和ＣＲＣ算法，节省　了数据传输和数据计算的时间，证明了基于云计算和物联网的　网络大数据研究方法　数据传输时ｆ＇ｑ￣／ｓ　数据计算时ＩＥ／ｓ　ＭｏｎｇｏＤＢ　２０　１５　粗糙集　１５　１２　朴素贝叶斯　３０　２０　云计算和物联网　８　６　表２数据存储参数对存储效率的影响　存储参数Ｍ取值　数据存储效率（　）　０．２　７８．９　０．３　８０．１　０．４　９７．８　０．５　９８．６　０．６　８５．３　通过表２可知，网络数据存储参数Ｍ的取值对数据存储　效率有很大影响，存储参数取值在０．４～０．５时，网络数据存　储效率最高，这主要是因为在利用本文方法进行网络数据存储　时，采用了分组存储的方式对网络数据进行存储，不仅可以节　省网络存储空间，而且可以加快数据存储速度，存储过程中依　据网络数据测点和分组存储组数的关系式，得到分组后的网络　文件数据总量，在数据总量中存储参数Ｍ值的变化，影响着　数据存储效率。图１是文献［８］所提方法、文献［９］所提方　法和文献Ｅａｏ］所提方法与本文所提方法，网络数据查询时间　（ｓ）的对比。　１０　８　匠　翟　６　窟　｛姐　骧　４　巅　２　０　０　１００　２００　３００　４００　５００　数据查询量／万个　图１不同方法下数据查询时间对比　图１中反映的是，文献［８］、文献Ｅ９］和文献［１０］所　提方法与本文所提方法在数据查询时间上的对比，也是速度的　对比，随着网络数据查询量的不断增加，所用时间也在不断发　生变化，文献［８］所提方法数据存储时间波动虽然较小，但　是处于曲线一直处于较高的趋势，是所有方法中数据存储时间　最长的；文献［９］所提方法虽然数据存储用时相对文献［８］　较少，但是数据查询时间曲线后期波动很大，显然是不可取　的；文献ＥｌＯ］所提方法在数据查询量比较小时，查询时间是　降低趋势的，但是随着数据查询量的增加，数据存储时间呈直　线上升趋势；文本所提方法在前期存储数据所用时间曲线略有　波动，但总体情况良好，进一步证明了本文所提方法的可实践　（下转第１８９页）　第１１期　郭　敏．等：基于ＦＩ　（　Ａ的多通道串ｆ］数据采集＿Ｌｊｆ々输没汁　・　ｌ８【）　・　过列彩路　ｆ　Ｉ数据的¨ｆＩ１『采集、缓冲及于『包的数批流处理思　想，果川Ｆｆ　Ａ（　＋多Ⅲ［『ｌ　ＵＳＢ的硬件框架及多种总线小问　速率的传输算法。贸观Ｊ　多路串口数　的采集　传输　沧丈仪　从原　Ｊ　进行有效的验证．存产品的后期ｌ殳计中，　ｌ『从小型　化、　能化打向出发．选择高集成俊、扣能　芯片．实现采集　传输摸块的即插即拔。　图９　多接　１缓存数据结构　参考文献：　［１］邓鳆杰．多路串【ｊ到以太Ｉ删的数据阀是的没ｉｌ‘与实现　Ｄ］．昆　对象．泼　台具有ＵＳＢ接门、Ｘｉｌｉｎｘ公州的可编程逻辑芯　ＨＪｊ：云南大学．２０１１．　Ｓｐａｒｔａｎ６　ＸＣ６ＳＩ　Ｘｌ５Ｏ、４０针可编程１（）接¨．符台多串【］数　据采集最小系统要求。其中，以６ｐｉｎｓ／６ｐｉｎｓ作为目标申ｕ的　输入／　输出接［］，６ｐｉｎｓ／６ｐｉｎｓ作为源串【】的输入／输　接Ｌｊ，　通过Ｆｔ　（；Ａ内部设定的状态饥实现数　的传输：而上他ｆＪ【以　ｓｌ　ｅ～ＦＩＦ（）传输模式．经ＵＳＢ２．０接Ｌ＿】汝取ＦＰ（　Ａ　ｆ々求数　据．经数据包的识别、解包，最终还原…符个ｆ｝ｊ口的数　，最　终对发送的源数据和接收的日标数据进行比对。　通过１（）Ｏ次模拟实验。缚次实验传输６５５３５个字符数蛾．　通过比较发现源数据与接收数据一致．无ｆｆＩ现误比特的脱象．　［２３贸佩衡．串口　以太嗍关转换器设计及其在通信供电监控系统巾　的应用［ｒ）］．长春：ｆ譬林大学．２（７）１　１．　［３］李志伟．姚汀敏．壤｛：串口通信的控制系统没计［Ｊ］．科技与创　新．２０１　６（１（；）：ｌ【）！一１Ｏ３．　［４］陈标尼．』三保成等．牲ｒ　ＦＩ’（　Ａ和ＦＩＦ（）技术的多串ｒＪ系统设汁　ｊ实现『Ｊ］．汁算机测试　控制．２Ｏ１　３．２１（１ｆ））：２８３５—２８３７．　［５］康春ｆ村．几种常¨ｊ』１：荚防抖电路简介［Ｊ］．电子ＩＩｔ￣界．：（）Ｏ９　（Ｉ１）：　】３—４　４．　Ｉ　６］戴钱坤．　・种新型ｆＪｌ蛾防浪涌电压保护，电路没ｊＩ［Ｊ　．电ｆ技术　应用．２１）ｌ１（¨）：５８—６０．　这结果表叫该方案是有效的．试验满足预期要求．达到多路｝｛ｊ　口同时采集及传输的目的．由此验证ｒ模型的正确性。　［７］ｌｉ兵兵．基于ＥＺ　ＵＳＰ，ＦＸ２和ＦＰ（　Ａ的数据传输系统研究［Ｄ］．　阿　炙：阿安电子利．技大　：．２Ｏ１（）．　４　结论　论文坫于ＦＰＧＡ的多通道串口数据采集　ｊ传输设计．通　９　曲　孙。　’　聃　蚋　９　蚋　＂　ｉ　，　ｉ９　神　时　［８］张　静．叶小芹。接ｒ　Ｆ【）ＧＡ的高速ＵＳＢ协议分析仪的没汁　ｌＪ｝．绥化学院学报．！（１１　６（９）：ｌ　５２—１　｛．　．　ｊ　ｊ　拍　ｊ　ｉ　扣．　ｉ　．　ｉ　（上接第ｌ　８５页）　性。图２是网络数据查询系统中的查询参数ｅ，对数据　询精　丢包牢过火、　络数Ⅲ运行仃延迟、『斓络辱命越来越矩等问　题。提ｆ｛　－种基于云汁　：ｆ１Ｉ物联网的网络夫数据研究厅法．．并　度（　）的影响。　ｌ００　通过实验叫，所捉　’法可以商精度地对『矧络人数槲进行　研究．是具有¨】Ｊ仃　珀０，为该领域的　续研究发展提供＿ｒ有效　依据．足值得借掺的ｆ叫络人数据研究力‘法。　参考文献：　８０　芝　冀６０　露　［１］基于大数据的互联刚化　量经营”项¨组．运营商存　经营丈数　据平台及其关键技术研究ｒ　Ｊ］．电信科学．２ｏ１１．３ｏ　Ｌ　６）：１１８　—耋４０　籁　１　２５．　［２　任　凯．邛　武．俞　琰．基于大数据技术的网络日志分析系统　研究［Ｊ］．现代电　技术．２０１　６，３９（２）：３９—４１．　［３］张科利，王建文．髀　豪．互联网　煤矿开采大数据技术研究与　实践［Ｊ］．煤炭科学技术．２０１　６．　４（７）：１２：；一１　２８．　Ｅ４］周胜利．陈光宣．哭礼发．大数据隐私保护中基于可信邻居选择　分析图２町知，当数据查询参数ｅ为７时，数据查证ＩＪ精度　曲线不稳定，而且查询精度较低．基本在６Ｏ　以内，　数据　的用户网络行为匿名技术研究［¨．计葬机科学．２０ｌ６．４３　（１　２）：１３６—１　３９．　杏询参数ｅ为５～６时．数据台询精度曲线卡ｆ】刈’平缓．　湖精　［５］叶勇蒙．许　燕，朱一杰，等．网民对“人祸”事件的道德情绪　特点　基于微博人数据研究［Ｊ１．心理学报，２０１６。４８（３　：　度较高，并且两度处于同一精度值，说明ｒ本文所提基于云汁　算和物联网的网络大数据研究方法．可以为该领域的研究发展　２　Ｌ）１）一３（）４．　［６］鞠洪艳．大数据网络ＨＲ务器群智能伸缩机制与架构研究ｒＪ］，电　信科学．２０１　５．３１（：　）：８９—９７．　提供强有力的依据。　实验结果表明．所提方法可以高效、安全地对网络人数撕　进行研究，提高＿ｒ网络数据传输与数据计算的准确率干¨稳定　性，减少了网络数据运行的时间，增加ｒ网络的使用寿命以及　兼容性．扩展了网络大数据的应用范围。　［７］崔新会．陈　刚，何　强．大数据环境Ｆ云数据的访川控制技术　研究［Ｊ］．现代电　技术．２０１　６，３９（１５）：６７—６９．　［８］沈　琦．陈　博．毖于大数据处理的　ＴＩ　框架的研究与设汁［Ｊ］．　电子没汁ｌ　程．２（）１　６．２１（２）：２５—２７．　３　结束语　采刖当ｌ｛ｉ『方法对网络大数据进行研究时．无法对网络大数　据进行高精度、安全、稳定可靠地研究．存在网络数据操作时　［９］曾润喜．王琳，ｆｆ：洪涛．基ｆ知识管理视角的大数据研究『矧络　ｊ结构研究［Ｊ］．情报学报．２０１　６，３５（１】）：１１　７３—１１　８４．　［１Ｏ］刘智慧，张泉灵．大数据技术研究综述［Ｊ］．浙江大学学报：工　学敝．２０ｌ１．ｔ８（６）：９５７—９７２．