SCI论文（www.lunwensci.com）:
摘要：本文介绍了云平台技术,阐述了虚拟化技术、分布式存储技术、云平台数据信息管理。重点介绍了物联网技术的应用,包括传感器技术、RFI、嵌入式系统在各个领域中的应用。高职院校智能校园大数据分析的建设与研究,可以提升智能校园的功能,充分发挥智能校园在高职院校教学科研、学生管理、后勤管理、财务管理等方面的功能,能够科学有效地促进高校的发展。
关键词：高职院校；智能校园；云平台；物联网
Construction and Research of Intelligent Campus Big Data Analysis in Higher Vocational Colleges
FAN Xue,DONG Qingjie,CHU Shiqiang
(Harbin Vocational&Technical College,Harbin Heilongjiang 150081)
【Abstract】：This paper introduces cloud platform technology,this paper expounds virtualization technology,distributed storage technology and cloud platform data information management.This paper focuses on the application of Internet of Things technology,including the application of sensor technology,RFI and embedded system in various fields.The construction and research of big data analysis of intelligent campus in higher vocational colleges can improve the function of intelligent campus,give full play to the functions of intelligent campus in teaching and scientific research,student management,logistics management andfinancial management,and promote the development of colleges and universities scientifically and effectively.
【Key words】：higher vocational colleges;intelligent campus;cloud platform;Internet of Things
1云平台技术
云平台技术是高职院校智能院校大数据技术应用的重要组成部分。其中,高职院校智能校园大数据分析的云平台技术应用,主要基于虚拟化技术、分布式存储技术及平台数据管理技术三个方面内容应用加以实现。虚拟化技术通过信息技术手段,完成对数据信息采集、整理及分析。分布式海量数据存储技术,则主要针对数据管理、数据存储及数据安全进行技术优化。数据信息管理技术,则是为数据信息的调用及数据分析提供支持。
1.1虚拟化技术
虚拟化技术主要由软件及硬件两个部分组成。早期阶段受限于硬件技术发展,软件虚拟化技术是其发展的主要方向。Virtual Machine Monitor是虚拟化技术常用的软件套件。该套件系统功能的实现与计算机操作系统具有一定共同性。但改程序仍然依赖于软件编程加以运用,无法独立的进行更高层级的系统开发。加之软件虚拟化技术对服务器设备、虚拟机设备及系统性能具有较高要求,在后大数据时代主要用于对单一逻辑运算下信息管理,对于复杂信息处理能力较为有限[1]。硬件虚拟化技术则是基于CPU指令集加以实现。目前,基于CPU指令集的虚拟化技术应用,主要由Inter与AMD两家公司负责开发及优化。由于两家公司CPU所采用的制程工艺、协议、内部构架及系统逻辑存在差异,在虚拟化技术运用方面,也具有一定技术差别。从虚拟机技术应用角度来看,Inter通过对Host系统的进一步优化,实现计算机系统内部Mainboard、Memory、GPU等多设备系统资源充分整合,提高虚拟化技术应用效率。得益于Inter指令集软件功能优化,其虚拟化技术一定程度解决系统功能性延迟问题,提升虚拟化技术应用有效性。然而,AMD公司的AMD VT虚拟化技术,虽然在虚拟机技术应用方面与Inter相比处于弱势地位。其AMD VT技术却在准虚拟化技术应用方面取得更好成果,使Xen Hypervisor资源调配更为合理,进一步优化Para Virtualizion使用环境。除此之外,操作系统虚拟化技术,也广泛应用于高职院校智能校园大数据分析建设。操作系统虚拟化技术主要面向服务器终端提供虚拟化服务,通过Virtual Private Server可以实现对Virtual Environment应用效能的提升。从而,使单一服务器可以实现多环境运行,极大的节省虚拟化技术资源占用。高职院校智能校园大数据分析体系建设,能基于自身需求合理选择技术应用内容,提高智能校园大数据分析技术应用有效性。
1.2分布式存储技术
(1)元数据管理。现阶段元数据管理技术主要三项内容,包括集中式元数据管理、分布式元数据管理及无元数据管理。其中,集中式元数据管理采用较为传统平台数据技术,通过服务器终端与用户终端衔接,实现对数据存储与管理。该项技术应用成本较低,适用于小范围数据管理。但容易在终端阶段产生技术性故障,外部因素对技术管理影响较大,不利于提高存储安全性。分布式元数据管理则可有效解决集中式元数据管理存在的问题,其技术内容更为复杂,应用成本也远高于集中式元数据管理。无元数据管理,则是基于在线系统运算对元数据管理功能的实现,但该项技术应用效率相对较低,不适用于大范围数据管理[2]。(2)系统弹性拓展技术。该项技术对于提高元数据迁移效率及数据调用安全性具有一定帮助。虽然从技术存储角度来看,现有的Error Correction Code与Low Density Parity Check Code纠错技术,可以降低元数据迁移节点错误率,但对于大数据分析及数据迁移而言,仍然无法满足实际应用需求。采用系统弹性拓展技术,则可有效通过软件层面技术优化,降低数据信息迁移错误率,避免因节点失效对上层数据的使用及存储管理产生影响。(3)存储层级内优化技术。该项技术主要用于优化系统资源应用,降低系统实际应用成本。目前,NAND闪存技术发展仍然相对滞后,数据信息的电信号存储仍然受到一定环境因素干扰。导致系统冷数据处理容易产生迁移速度缓慢、相应延迟较高及数据错误丢失等问题。存储层级内优化技术,则恰恰是根据对数据访问频次及访问强度对数据进行区分,将部分不常用冷数据信息进行转移。从而,提高有效空间利用率,提升数据空间总体应用效率。从现有技术发展来看,磁带存储及机械存储技术可以满足存储层级内优化技术应用需求,SSD硬盘存储技术则不适用于高职院校智能校园大数据分析。(4)负载存储优化技术。该项技术最早应用于移动通信设备终端,通过对部分信息数据压缩及调用优先级的调整,实现对负载状态下存储性能的提升。随着大数据技术发展普及,负载存储优化技术不再单一面向系统存储功能进行性能改进。通过数据信息及应用进行耦合,简化或拓展分布式存储系统工程,成为负载存储优化技术新的发展方向。高职院校智能校园大数据分析,要结合现有技术应用特点做好科学技术应用布局。以此,充分发挥不同技术核心优化,加强高职院校智能校园大数据分析能力。
1.3云平台数据信息管理
云平台数据信息管理技术错综复杂,包括云平台搭建、动态云平台安全、云平台管理工具开发、云平台程序编译、云平台框架设计及私有云平台架设与商用云平台设计等多项内容。本文主要对云平台数据信息管理技术进行概述。从技术逻辑上来说,云平台管理是指通过对信息数据的处理,有效对所需数据内容进行调用,并控制数据信息应用错误率,保证数据存储管理及应用管理的有效性。通常情况下,大数据平台搭建需要依赖于多服务协同运行,不同服务器之间信息交互及数据传统功能的实现,需要基于云平台管理进行有效协同。现代云平台数据管理技术,实现对自动化、智能化技术整合,通过对智能神经元网络概念的引用,使云平台具备自主处理技术故障及数据错误功能,极大的提高云平台的运行可靠性。云平台数据管理需要具备一定泛用性,能更好满足多方面的使用需求。例如,云平台数据信息管理框架的设计主要涵盖数据库管理、系统管理、多租户平台管理、外部接口管理及业务处理等多项内容。其中,外部接口管理、系统管理及多租户平台管理等,又囊括申请管理、用户系统、邮件系统、应用系统、用户认证、权限分配、角色管理、资源隔离、网络隔离、用户授权等多方面内容。云平台管理系统同样囊括配额模块、监控模块、容量模块、产品模块及组织构架模块等多方面内容。因此,云平台信息数据管理系统的技术应用,要充分考虑高职院校智能校园大数据分析的基本需求以及是否造成网络安全隐患,结合技术应用特点及技术优势,有效进行技术筛选,科学构建大数据分析技术应用体系[3]。
2物联网技术
物联网技术虽然具有一定技术应用难度,但高效的数据转化率及较高数据传输速度,促使物联网技术得以充分发挥核心技术,提高核心技术应用影响力。从而,使其广泛应用于大数据分析及云数据计算等各个方面。高职院校智能校园大数据分析建设,应以物联网技术应用为载体,做好充分技术应用整合,有效发挥物联网技术优势。
2.1传感器技术
传感器技术是物联网最为基本的技术构成。传感器主要在物联网系统中负责信号转换、系统监控、数据采集等相关方面内容。由于传感器信号传输效率相对较高,使传感器技术将在物联网平台应用方面,具有数据存储、自我诊断及智能化管理等多项功能,极大提高物联网技术适用范围,使物联网技术能大数据技术实现充分技术衔接。
2.2 RFID
RFID技术是在充分继承无线射频技术和嵌入式技术基础上,实现对数据信息进行交换。不同于传统意义移动互联网技术,RFID技术实现主要由三个部分构成。(1)阅读器为RFID技术应用提供数据信息读取支持。通过对RFID系统信息的有效控制,物联网系统可以根据系统指令集,对RFID数据信息进行修正,并通过网络与服务器终端或计算机终端进行衔接。部分阅读器集成调制电路及微处理器设备,使RFID技术应用范围得以充分提高,强化RFID中阅读器的信号收发能力。(2)电子标签为RFID技术提供数据信息处理支持,通过对电子信号中解调电路载波进行去除,实现对原有数据信号信息内容的还原。而后,在逻辑控制器与存储器设备辅助之下,对阅读器信号内容进行加密或传输。(3)利用射频设备将信号发出。电子标签实际解决RFID内部管理控制效能不足问题,提高RFID技术应用的数据处理能力。最后,数据管理系统为RFID技术数据信息调用提供帮助,使RFID技术的应用,可以对海量数据进行处理,进一步提高RFID技术应用的数据处理能力[4]。
2.3嵌入式系统
物联网技术的嵌入式系统,主要由嵌入式程序及嵌入式操作系统两个部分组成。嵌入式操作系统是指服务器终端计算机设备操作系统,包括Linux、Windows等。嵌入式程序,则是指基于嵌入式操作系统独立运行应用程序。通常情况下,嵌入式系统中各个构建需要进行独立运行。不同系统构件之间需要保持良好应用兼容性。嵌入式程序及嵌入式操作系统,则恰好对系统构件兼容问题的解决提供支持。相比于传统意义上计算机操作系统应用,嵌入式操作系统更多突出功能性优势。例如,存储列阵服务器的嵌入式操作系统,则更多面向提高存储资源调配、存储资源优化及数据读写速度等进行设计。因此,嵌入式系统具有与常规计算机设备不同功能特点,不同的大数据平台搭建与物联网技术应用,所需选择的嵌入式系统也有所区别。高职院校智能校园大数据分析的建设,要围绕技术应用功能性需求做好嵌入式系统优化及设计,切实发挥嵌入式系统的功能优势[5]。
3结语
总之,高职院校智能校园大数据分析的建设与研究是符合现代高职院校发展的需要,大数据分析对学校各个环节进行充分了解,对学校高层领导的决策起到重要作用。新技术在高职智能校园建设中的应用,对智能校园的完善起到技术支持作用。高职院校智能校园的建设是高职院校发展需要,也是社会发展对高职院校发展提出了新要求。智能校园大数据分析是符合现代高职院校发展的需要,对高职院校的发展起到促进作用。
参考文献
[1]周爽.大数据时代高校数据中心的建设构想[J].时代农机,2018(7):162.
[2]张建娇.探究高校数据中心大数据的应用与拓展[J].商业故事,2018(4):162.
[3]刘立栋,丁康健.大数据技术在智慧校园中的建设[J].电子技术与软件工程,2020(13):138-139.
[4]丁康健,刘立栋,董国芃,等.智能校园建设网络安全防护体系研究[J].软件,2020(12):233-235.
[5]袁敬实,陈琰,王蓓蓓.分布式存储:大数据中心建设解决策略研究[J].中国新通信,2021(11):67-68.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/39732.html
