人工智能大数据平台及应用分析
来源:用户上传
作者:员青泽
摘要：人工智能与大数据平台是业内研究的主要课题之一，如果能够将二者进行有机融合，则可使大数据平台变得更加智能化，对于其应用领域的拓宽具有重要的现实意义。基于此点，文章从关键技术、平台搭建和应用三个方面，对人工智能大数据平台及应用展开论述。
关键词：人工智能;大数据;平台
中图分类号：TP3 文献标识码：A
文章编号：1009-3044（2020）26-0171-02
人工智能作为一项先进的技术，它能够辅助大数据平台对海量的数据进行深入挖掘和分析，从而进一步提升大数据的利用效率，使数据发挥出应有的价值。不仅如此，人工智能可以对文本、图像以及视频等类型的数据进行处理，由此使得数据的发现能力得到大幅度提高，并且可以将结果输出到显示器上，实现了数据可视化。作为计算机领域的核心技术，人工智能日渐成熟，它与大数据平台的融合，可以使平台的处理速度和自动化水平达到一个新的高度。借此，本文就人工智能大数据平台及应用展开分析探讨。
1人工智能大数据平台的关键技术
1.1 Hadoop架构
Hadoop是分布式系统的基础架构，它可以对大量数据进行分布式处理，该框架的可靠性非常之高，这是因为其在构建过程中，假设计算和数据存储全部都会失败，所以需要对多个数据副本进行维护，确保能够对失败的节点进行重新地分布处理。由于该架构采用的是并行处理方式，因此使其具备了较快的处理速度，处理过程更加高效。Hadoop具有可伸缩的特性，可以对PB级的数据进行处理，它是开源的，任何人都可以使用，成本相对较低。在大数据处理中，Hadoop架构得到越来越广泛的应用，这与其在ETL（数据提取、转换、加载）方面的优势有着密不可分的关联，通过分布式系统能够使大数据处理引擎靠近存储，从而使处理结果可以被直接存储。
1.2 HDFS
HDFS是分布式文件系统的简称，是Hadoop架构的底部基础，它的上一层是MapReduce引擎。HDFS最初的开发目的是为了对超大的文件进行处理，其特点主要体现在如下几个方面：吞吐率高、可靠性高、容错率高、易于扩展等，能够对海量数据进行无障碍存储。HDFS以通用的硬件作为基础，现已成为大规模数据存储的标准之一。HDFS为M/S（主从）架构，其集群中包含两类节点，一类是NameNode（管理者），另外一类是DateNode（工作者），前者能够对文件内数据节点的信息、集群配置信息以及文件命名空间等进行管理，而后者则是存储文件的主要单元。
1.3 Hive
Hive是以Hadoop为依托构建起来的数据仓库平台，只要熟悉SQL编程方法，便可轻松实现向Hadoop转移的目标，这是Hive最初设计的主要目的。早期的Hive是Face book（脸书）的组成部分之一，现在的Hive则是Apache的独立子项目。Hive作为Hadoop的数据仓库，其能够提供如下管理功能：对大型的数据集进行查询和分析，并对相关的数据进行存储管理，支持用户进行SQL操作，并支持MapReduce框架。Hive的体系架构由以下几个部分构成：用户接口、Thrift服务器、元数据存储以及解析器等。
1.4 Python
Python是一种能够跨平台应用的计算机编程语言，是一个高层次的脚本语言，具备解释性、编译性、互动性等特点，可用于自动化脚本的编写。Python应用领域较为广泛，主要涉及如下几个方面：人工智能、大数据、云计算、Web开发、系统运维等。Python具有开源的特性，由此使其可被移植到多个平台上使用，基于Python编写出來的程序，在无须修改的情况下，能够在大量的系统平台上直接运行。
2人工智能大数据平台的搭建
人工智能大数据平台的搭建是一项较为复杂且系统的工作，为简化搭建流程，可将人工智能与大数据进行有机融合，构建起一个大数据智能平台。具体而言，就是为大数据平台赋予人工智能的相关能力，在这一目标的实现中，要使Hadoop与开源的人工智能架构进行融合。
2.1融合要求
在人工智能与大数据平台融合的过程中，应当满足如下要求。
2.1.1隔离机制
融合之后形成的大数据智能平台应当能够支持Docker（应用容器引擎）等Isolation mechanism（隔离机制），并且能够适应更新速度比较快的人工智能开关框架和Python标准库。同时，不会对平台的运行稳定性造成影响，可以对人工智能训练进行隔离，彼此之间不会发生相互干扰的情况。
2.1.2代码无缝对接
丰富的源码共享是开源人工智能框架所具备的基本特点之一，在进行融合的过程中，应当使大数据平台支持人工智能的原生代码，并使这些代码能够与平台无缝对接，这样可以减轻平台的研发量。想要实现这一目标，要求Hadoop架构与人工智能框架可以互相兼容。
2.1.3 HDFS衔接
为了使大数据平台具备人工智能的能力，需要对海量的数据资源进行充分利用。故此，应当确保人工智能框架能够直接对HDFS文件数据进行直接访问和使用，否则将会对平台的应用效果造成影响。
2.2 融合框架
人工智能与大数据平台有机融合之后，形成大数据智能平台，该平台分为以下三个层次：数据处理层、赋能层和应用层。为实现数据处理与人工智能赋能之间的衔接，引入数据融合引擎，对数据处理层与赋能层进行深度黏合。
2.2.1数据处理层
该层以Hadoop集群作为支撑，对相关的数据开源架构进行融合，包括Hive、Spark等，具备如下功能：数据采集、数据抽取、数据转换、数据加载、数据分析、数据治理、数据共享以及可视化展示等。 2.2.2数据融合引擎
在大数据智能平台中，数据融合引擎的加入能够实现人工智能框架、算法模型与大数据平台三者之间的无缝衔接，它能够实现隔离机制，保证人工智能代码的对接和HDFS文件数据的衔接。
2.2.3赋能层
该层由两个部分组成，一部分是深度学习，其中全部为人工智能的开源框架，如PyTorch、Caffe等。另一部分是机械学习算法，包括聚类算法、分类算法以及回归算法等。
2.2.4应用层
该层以海量的大数据作为依托，以成熟度比较高的人工智能算法为基础，以预测的方法，对人工智能模型进行训练，进而提供各种智能应用。
3人工智能大数据平台的应用
本文所搭建的平台是将人工智能与大数据平台进行有机融合，从而使平台本身具备了智能性，由于整个平台采用的是开源架构，所以该平台具有良好的通用性，能够在诸多领域中进行应用，具体包括电力、医疗、物流等。
3.1在电力领域的应用
电厂是电力系统中不可或缺的重要组成部分之一，主要负责电能的生产，可在电厂部署本文搭建的大数据智能平台，借助该平台对电厂运行中产生的数据进行处理，以此来提高数据处理效率，确保数据处理结果的准确性。电厂在对该平台进行应用以后，解决了以下问题：通过该平台对集散控制系统（DCS）的相关数据进行分析，得出设备重要的参数，据此构建监测模型，对数据进行持续监控，发现异常后DCS会自动发出报警，提示工作人员进行处理。当出现异常运行后，可利用该平台对故障点产生的数据进行智能分析，从而找出导致故障的原因，帮助现场操作人员解决故障问题，恢复正常运行。该平台能够对数据进行可视化展示，它在电厂的应用改变了被动的管理方式，通过智能标签的绑定，能够对人员的位置进行实时显示。不仅如此，该平台还能对电厂的小指标进行智能化管理，对相关数据进行自动统计分析，从而及时发现超标的情况，进而降低员工的实际工作量。
3.2在医疗领域的应用
本文搭建的大数据智能平台在医疗领域的应用，除了能够提高医疗机构的管理水平之外，还能为医疗科研项目的开展提供一定的帮助。该平台借助数据搜索引擎，可对某个区域内医疗机构的诊疗数据进行汇集，通过这些数据可以掌握区域的整体医疗状况，从而为有关部门制定政策提供强有力的数据支撑。而医院则可依托平台提供的数据进行可视化分析，以此来对现有的医疗服务进行改进和完善，从而提高医疗水平和服务质量。该平台可以对病案等信息进行收集，建立数据集市，医院的管理人员可以利用数据集市对各个科室进行绩效考评。同时，各个科室也可借助数据集市对本科室的医护人员进行绩效考核。在医疗科研方面，该平台能够对相关数据进行全局展示，并根据科研项目的实际情况对数据进行筛选，将不符合要求的数据剔除，提高了数据处理速度。
3.3在物流领域的应用
物流业是极具发展潜力的一个行业，它的发展有利于促进社会经济的发展。物流涉及的环节比较多，如运输、仓储、装卸、流通加工等，每个环节都会产生大量的数据信息，对这些数据进行深入挖掘，能夠提高物流配送效率，降低物流成本，满足不同客户的服务需求。本文搭建的平台可在物流领域进行应用，能够解决运输路线的优化、库存预测以及供应链协同管理等方面的问题，对于促进物流业的持续发展意义重大。比如，在车辆运输路线优化中，通过本文搭建的大数据智能平台，可以对送货路线进行优化，平台能够找出多条路线，并从中选取出最佳路径，缩短运输路程和时间。
4结论
综上所述，本文基于Hadoop架构，利用HFDS、Hive、Python等技术，对人工智能与大数据平台进行融合，形成了大数据智能平台，并对该平台在电力、医疗、物流等领域中的应用进行分析。结果表明，本文构建的平台具有良好的通用性，可以解决不同领域的实际问题，具有一定的推广使用价值。
参考文献：
[1] 王智阳，谢中朋，郭婷.构建应急大数据平台解决应急管理面临问题的探讨[J].职业卫生与应急救援，2019（12）：165-168.
[2] 曾云华，曾睿，袁武彬.智慧新余时空大数据平台实景三维数据应用与展望[J].江西测绘，2019（12）：154-156.
[3] 赵少东，王程斯.基于异构计算与实时可视化技术的综合能源大数据平台研究与应用[J].微型电脑应用，2019（11）：127-129.
[4] 谢英杰.中医院医疗大数据平台智能搜索子系统设计与实现[D].山东大学，2019.
[5] 王永锐.调度指挥中心大数据平台在企业信息化管理中的应用[J].机电信息，2020（3）：54-57.
[6] 杨夏薇.基于Hadoop大数据平台的人力资源决策技术研究[J].现代电子技术，2020（2）：32-35.
【通联编辑：张薇】
转载注明来源:https://www.xzbu.com/8/view-15339863.htm
