淺談數(shù)據(jù)密集型數(shù)據(jù)資源云平臺的構(gòu)建論文
美國《福布斯》雜志稱“如今，在瀏覽新聞網(wǎng)站或者是參加行業(yè)會議時，想看不見或聽不到‘大數(shù)據(jù)’這個詞幾乎是不可能的”，大數(shù)據(jù)已經(jīng)成為產(chǎn)業(yè)界、科學(xué)界和政府部門等各界的關(guān)注熱點。近幾年來， 《Nature》、《Science》等國際頂級學(xué)術(shù)期刊相繼出版�？瘉硗苿哟髷�(shù)據(jù)的研究，中國、美國等多國政府也展開了對大數(shù)據(jù)的研究部署工作。產(chǎn)業(yè)界已經(jīng)率先認識到大數(shù)據(jù)所蘊含的海量價值及其戰(zhàn)略意義，Amazon、Google、IBM 等IT 巨頭紛紛探索應(yīng)對大數(shù)據(jù)的解決方案，云計算逐漸成為他們共同的探索方向�？茖W(xué)界也逐步意識到大數(shù)據(jù)的影響，認為隨著大數(shù)據(jù)時代的到來，科學(xué)研究已經(jīng)進入數(shù)據(jù)密集型科學(xué)研究( Data-Intensive Science Research) 階段，中國科學(xué)范式的轉(zhuǎn)變成為科學(xué)界的研究重點。本文探討了數(shù)據(jù)密集型科學(xué)研究的內(nèi)涵和特征，以及科學(xué)界面臨的挑戰(zhàn)，并構(gòu)建了數(shù)據(jù)資源云平臺以幫助科研人員應(yīng)對數(shù)據(jù)密集型科學(xué)研究中的問題。
1 數(shù)據(jù)密集型科學(xué)研究的內(nèi)涵及其特征
數(shù)據(jù)密集型科學(xué)研究是直接從海量數(shù)據(jù)中發(fā)現(xiàn)科學(xué)規(guī)律的一種研究范式，是在大數(shù)據(jù)環(huán)境下對實驗科學(xué)、理論科學(xué)和模擬科學(xué)的繼承與發(fā)展。它由三個基本活動組成: 科學(xué)數(shù)據(jù)的采集、管理和分析，其數(shù)據(jù)來源主要有大型國際實驗，跨實驗室、單一實驗室或個人觀察實驗，個人生活等。在這一新的科學(xué)研究范式中，先利用科學(xué)儀器或者模擬方法采集數(shù)據(jù)，然后通過計算機軟硬件設(shè)備進行數(shù)據(jù)的管理和分析，將處理分析后的數(shù)據(jù)、信息和知識存儲在計算機中。信息科學(xué)貫穿科學(xué)活動的始終，而科研人員對數(shù)據(jù)的審視是在整個科學(xué)活動中比較靠后的步驟才開始的。數(shù)據(jù)密集型科學(xué)研究作為科學(xué)大數(shù)據(jù)環(huán)境下科學(xué)研究的新發(fā)展，具有以下三個特征:
( 1) 數(shù)據(jù)驅(qū)動，而不是假設(shè)驅(qū)動。傳統(tǒng)階段，實驗科學(xué)、理論科學(xué)和模擬科學(xué)能夠獲得和使用的數(shù)據(jù)相對匱乏，只能采取假設(shè)驅(qū)動型研究方法，首先根據(jù)前人研究成果和自身知識進行假設(shè)，然后通過設(shè)計實驗、理論推導(dǎo)或者是計算機模擬等定義好的方法獲取相關(guān)數(shù)據(jù)，對假設(shè)進行檢驗。而現(xiàn)在科學(xué)研究已經(jīng)從數(shù)據(jù)缺乏時代過渡到數(shù)據(jù)泛濫時代，數(shù)據(jù)密集型科學(xué)研究不需要模型和假設(shè)，科研人員的關(guān)注重點也從“我要怎么驗證這個假設(shè)”轉(zhuǎn)變?yōu)椤拔夷軓倪@些數(shù)據(jù)中發(fā)現(xiàn)什么關(guān)聯(lián)”，數(shù)據(jù)成為科研活動的起點和驅(qū)動力。
( 2) 強調(diào)可重復(fù)性�？茖W(xué)研究是人類認識世界、改造世界的重要手段，保證科研結(jié)果的可靠性和真實性是科學(xué)研究的前提，而可重復(fù)性是檢驗科學(xué)研究結(jié)果可靠性和真實性最有效的手段。在數(shù)據(jù)密集型科學(xué)研究中，技術(shù)的進步使數(shù)據(jù)傳播速度更快、范圍更廣，產(chǎn)生的影響也更大，所以為了更好地保障科學(xué)研究的可信賴性，必須更加重視科研活動的可重復(fù)性，從而盡快識別出錯誤的或者弄虛作假的科研結(jié)果，將負面影響降至最低。中國
( 3) 相關(guān)關(guān)系，而不是因果關(guān)系。數(shù)據(jù)密集型科學(xué)研究通過對科學(xué)數(shù)據(jù)的分析和挖掘，直接從科學(xué)數(shù)據(jù)中發(fā)現(xiàn)科學(xué)規(guī)律，認識事物的相關(guān)關(guān)系，其精髓在于客觀，但不能像實驗科學(xué)、理論科學(xué)和模擬科學(xué)那樣檢驗邏輯上的因果關(guān)系。然而科學(xué)研究是人類認識世界的手段，其目的不僅是發(fā)現(xiàn)科學(xué)規(guī)律，還要探索規(guī)律運行的本質(zhì)原因，得到相關(guān)性之后還需要結(jié)合前三種科學(xué)方法解釋因果性。
數(shù)據(jù)密集型科學(xué)研究是對前三種科學(xué)的繼承與發(fā)展，將其作為一個新的、科學(xué)探索的第四種范式，具有重大的價值和意義，當然也面臨一些新的挑戰(zhàn)。
2 數(shù)據(jù)密集型科學(xué)研究面臨的挑戰(zhàn)
2. 1 科學(xué)數(shù)據(jù)層面的挑戰(zhàn)
科學(xué)數(shù)據(jù)面臨來自諸多方面的挑戰(zhàn)，但從研究的角度來說，根本挑戰(zhàn)在于其規(guī)模性、復(fù)雜性和特異性。
( 1) 規(guī)模性是科研大數(shù)據(jù)最明顯的特征，也是科研人員所面臨的首要問題，主要表現(xiàn)在原始數(shù)據(jù)的規(guī)模性和數(shù)據(jù)增速的規(guī)模性: ①原始數(shù)據(jù)的規(guī)模性�？茖W(xué)研究是持續(xù)性的活動，傳統(tǒng)科學(xué)已經(jīng)產(chǎn)生海量數(shù)據(jù)積累，如澳大利亞的平方公里陣列射電望遠鏡項目自開展以來，每天都能產(chǎn)生好幾個千萬億字節(jié)( PB) 的數(shù)據(jù); ②數(shù)據(jù)增速的規(guī)模性。隨著科研人員的研究方法和研究儀器越來越先進，科學(xué)研究能夠生成和獲取的數(shù)據(jù)量越來越多，數(shù)據(jù)量的增長速度已經(jīng)超過了數(shù)據(jù)存儲能力的增長速度，導(dǎo)致數(shù)據(jù)存儲和處理能力與日益增長的數(shù)據(jù)量之間的矛盾愈加尖銳。
( 2) 復(fù)雜性是科研大數(shù)據(jù)的重要特征，給科學(xué)數(shù)據(jù)共享造成巨大困難，主要表現(xiàn)在數(shù)據(jù)類型的復(fù)雜性和數(shù)據(jù)結(jié)構(gòu)的復(fù)雜化: ①數(shù)據(jù)類型的復(fù)雜性。美國國家科學(xué)委員從科研研究類型角度將科學(xué)數(shù)據(jù)分為4 個基本類別: 預(yù)測型、計算型、實驗型和記錄型，這種劃分方式模糊了具體學(xué)術(shù)活動下所收集到的數(shù)據(jù)類型的復(fù)雜性。計算機技術(shù)和科學(xué)方法的進步使科研人員能夠獲得的數(shù)據(jù)類型愈加復(fù)雜化，如核磁共振成像、基因序列、電子顯微鏡數(shù)據(jù)等形式; ②數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性。傳統(tǒng)科學(xué)數(shù)據(jù)主要以結(jié)構(gòu)化的方式存儲在關(guān)系型數(shù)據(jù)庫中，但是隨著科研人員獲取數(shù)據(jù)的渠道和方式的多樣化，非結(jié)構(gòu)化數(shù)據(jù)成為科學(xué)數(shù)據(jù)的主流形式。與結(jié)構(gòu)化數(shù)據(jù)相比，非結(jié)構(gòu)化數(shù)據(jù)的組織更加凌亂、復(fù)雜，給數(shù)據(jù)處理和共享帶來挑戰(zhàn)。
( 3) 特異性是科學(xué)數(shù)據(jù)區(qū)別于其他數(shù)據(jù)的關(guān)鍵特征，對科學(xué)數(shù)據(jù)共享和學(xué)術(shù)信息交流提出挑戰(zhàn)，主要表現(xiàn)在認識的特異性和價值的特異性: ①認識的特異性。由于科學(xué)數(shù)據(jù)與客觀世界相分離，對科學(xué)數(shù)據(jù)的認識必然帶有主觀性，數(shù)據(jù)采集者認為是數(shù)據(jù)的'采集物，接受者可能不這樣認為，觀測數(shù)據(jù)或者模擬數(shù)據(jù)可能是、或者頂多是“供述的證據(jù)”; ②價值的特異性。科學(xué)數(shù)據(jù)作為一種可重復(fù)利用的非消耗性資源，其價值增值需經(jīng)過科研人員的利用來實現(xiàn)。影響科學(xué)數(shù)據(jù)增值程度的因素有兩個，一是科學(xué)數(shù)據(jù)本身的價值，決定理論上的最大增值程度;二是數(shù)據(jù)使用者的能力，決定實際增值程度，而科學(xué)數(shù)據(jù)的交流和共享能夠?qū)崿F(xiàn)數(shù)據(jù)的多方利用，促使科學(xué)數(shù)據(jù)價值產(chǎn)生指數(shù)增長，所以如何實現(xiàn)科學(xué)數(shù)據(jù)共享成為科學(xué)界亟需解決的問題。
2. 2 科學(xué)研究層面的挑戰(zhàn)
首先，科研人員缺乏將數(shù)據(jù)轉(zhuǎn)化為知識的意識和方法。中國一方面，科研人員沒有意識到科學(xué)數(shù)據(jù)的價值特異性，絕大部分科學(xué)數(shù)據(jù)會隨著科研人員的退休、項目的結(jié)束等原因被遺棄，無法被其他人員使用。另一方面，數(shù)據(jù)密集型科學(xué)研究具有無參考性，科學(xué)研究方法需要從傳統(tǒng)的假設(shè)驅(qū)動變?yōu)閿?shù)據(jù)驅(qū)動，科研人員必須培養(yǎng)數(shù)據(jù)敏感性，以數(shù)據(jù)為本，轉(zhuǎn)變自己的研究方法以實現(xiàn)數(shù)據(jù)價值最大化。
其次，科研人員缺乏設(shè)備和技術(shù)支持。目前科研項目呈現(xiàn)金字塔型分布，第一層項目能夠得到國際財團機構(gòu)或國家科學(xué)基金會的資助，獲得超級計算和存儲資源，而占大多數(shù)的第二層和第三層項目所獲得的資助相對有限，數(shù)據(jù)密集型科學(xué)研究的資源需求難以得到滿足�？蒲腥藛T無法平等地獲取保證項目所需的資源支撐，延緩了知識創(chuàng)新進程，不利于科學(xué)的持續(xù)發(fā)展。
最后，數(shù)據(jù)共享方面存在阻礙。一方面，不同地域、不同學(xué)科之間缺乏統(tǒng)一的交流平臺，雖然科學(xué)研究的地理分布性和跨學(xué)科性不斷加劇，但仍有接近87. 5%的數(shù)據(jù)未能形成數(shù)據(jù)源以供科研人員利用。另一方面，數(shù)據(jù)共享在具體實施層面，會涉及到各方面的利益，政策、制度等因素導(dǎo)致原始數(shù)據(jù)、研究方法等無法實現(xiàn)真正共享，跨國項目在此方面的問題尤為突出，因此，科學(xué)交流體系的完善值得引起科學(xué)界和國際方面的關(guān)注。
3 云計算在數(shù)據(jù)密集型科學(xué)研究中應(yīng)用的必要性分析
云計算是一種利用互聯(lián)網(wǎng)實現(xiàn)隨時隨地、按需、便捷地訪問共享資源池( 如計算設(shè)施、存儲設(shè)備、應(yīng)用程序等) 的計算模式,Gartner 公布的2014 年的技術(shù)成熟度曲線，Cloud Computing 正處于泡沫化的谷底期，已經(jīng)度過了最危險的期望膨脹期，人們對云計算的認識逐漸趨于理性和成熟，業(yè)界也不再熱衷于炒作云計算概念，而是將實現(xiàn)云計算的成熟和規(guī)模應(yīng)用作為努力的方向。Gartner 的2014 年十大技術(shù)和趨勢評選中的個人云時代、規(guī)模IT 都屬于云計算的應(yīng)用，云計算真正與實際應(yīng)用和環(huán)境融合，實現(xiàn)從探索向應(yīng)用轉(zhuǎn)變，成為大數(shù)據(jù)時代個人和企業(yè)進行數(shù)據(jù)管理的必然選擇。
在對數(shù)據(jù)管理的使用和認識上，很多科學(xué)領(lǐng)域都落后商業(yè)領(lǐng)域至少10 年，云計算在商業(yè)領(lǐng)域的廣泛應(yīng)用對于科學(xué)領(lǐng)域具有借鑒意義，將云計算應(yīng)用于數(shù)據(jù)密集型科學(xué)研究中具有可行性和必要性。
第一，幫助科研人員應(yīng)對科學(xué)大數(shù)據(jù)規(guī)模性帶來的存儲挑戰(zhàn)。超大規(guī)模是云計算最基本的特點，其底層由數(shù)十萬臺乃至數(shù)百萬臺的服務(wù)器集群組成，如Google 云計算中心已經(jīng)具有幾百萬臺服務(wù)器，云計算中心通過運維管理、資源管理等機制整合和管理這些龐大的計算機集群，具備了海量數(shù)據(jù)存儲能力，能夠有效地應(yīng)對科學(xué)大數(shù)據(jù)的規(guī)模性。此外，云計算采取橫向擴張方式，即增加更多的邏輯單元資源，與傳統(tǒng)通過增加單個邏輯單元資源性能的縱向擴展方式相比，中國橫向擴展方式具有成本低、部署周期短、靈活性強等優(yōu)勢，能夠更好地應(yīng)對科學(xué)大數(shù)據(jù)增速的規(guī)模性。
第二，為科研人員提供面向非結(jié)構(gòu)化數(shù)據(jù)的彈性計算能力，以應(yīng)對科學(xué)大數(shù)據(jù)的復(fù)雜性。MapReduce 作為云計算系統(tǒng)中的關(guān)鍵數(shù)據(jù)處理組件，具有兩個核心理念: 一是將問題分而治之，分布式處理是面對海量數(shù)據(jù)時的首要選擇; 二是移動計算而非移動數(shù)據(jù)，避免數(shù)據(jù)傳輸過程中產(chǎn)生的大量通信開銷。MapReduce 的設(shè)計初衷就是面向海量非結(jié)構(gòu)化數(shù)據(jù)的處理，部署在海量基礎(chǔ)設(shè)施之上，使云計算具有能夠應(yīng)對科學(xué)大數(shù)據(jù)規(guī)模性和復(fù)雜性的強大計算能力。結(jié)合虛擬化技術(shù)在云計算中的成功應(yīng)用，云計算可以根據(jù)用戶實際使用情況對資源進行動態(tài)分配，及時滿足用戶對計算資源需求的變化，幫助科研人員應(yīng)對突發(fā)情況。
第三，實現(xiàn)數(shù)據(jù)的長期保存和可獲得性，為科學(xué)數(shù)據(jù)共享提供保障�？茖W(xué)數(shù)據(jù)按照科研活動過程來劃分可以分為原始數(shù)據(jù)、推導(dǎo)和組合數(shù)據(jù)、文獻，這些數(shù)據(jù)是數(shù)據(jù)密集型科學(xué)研究的核心要素，因此必須保證科學(xué)數(shù)據(jù)的完整性、安全性和可獲得性。云計算中心具有完善的保障措施，在硬件方面采用了計算節(jié)點同構(gòu)可互換、網(wǎng)絡(luò)和能源方面的冗余設(shè)計等措施，軟件方面采用了多副本容錯、心跳檢測等技術(shù)來保證數(shù)據(jù)的可獲得性和安全性。而且科學(xué)數(shù)據(jù)由云計算提供方統(tǒng)一管理，打破了原有數(shù)字資源分散的局面，有利于資源的有效流通、利用和共享，實現(xiàn)科學(xué)數(shù)據(jù)的價值特異性。
第四，為科研活動建立統(tǒng)一平臺，使所有科研人員可以平等享有各種服務(wù)。服務(wù)是云計算的核心理念，也是云計算與傳統(tǒng)的并行計算、分布式計算、網(wǎng)格計算的一個關(guān)鍵區(qū)別。云計算是為了讓用戶能夠平等、透明地使用云計算資源，就像使用水電這樣的生活基礎(chǔ)設(shè)施一樣便捷。云計算通過向用戶提供統(tǒng)一的一體化平臺，將傳統(tǒng)的應(yīng)用集成概念延伸為服務(wù)集成，從而將數(shù)據(jù)采集服務(wù)、數(shù)據(jù)存儲服務(wù)、數(shù)據(jù)管理服務(wù)、數(shù)據(jù)處理服務(wù)、數(shù)據(jù)參考咨詢服務(wù)等資源和服務(wù)能力集成到云計算系統(tǒng)中。
4 數(shù)據(jù)資源云平臺的構(gòu)建
然而云計算技術(shù)并不能提供完整和通用的解決方案，為了滿足可重復(fù)性、數(shù)據(jù)共享等需求，需要運用信息資源管理領(lǐng)域相關(guān)技術(shù)，才能在更大程度上幫助科研人員應(yīng)對科學(xué)大數(shù)據(jù)的挑戰(zhàn)。因此，數(shù)據(jù)資源云是以云計算為基礎(chǔ)，以數(shù)據(jù)密集型科學(xué)研究為主體，以信息資源管理相關(guān)技術(shù)為補充，以數(shù)據(jù)為核心，以科學(xué)活動過程為導(dǎo)向，以數(shù)據(jù)服務(wù)為目標的服務(wù)平臺。
4. 1 云基礎(chǔ)服務(wù)平臺
云計算基礎(chǔ)服務(wù)平臺是整個數(shù)據(jù)資源云的基礎(chǔ)，將物理基礎(chǔ)設(shè)施按照云計算平臺標準構(gòu)建而成，為上層服務(wù)提供硬件支持和環(huán)境保障，科研人員可以充分利用平臺提供的軟硬件設(shè)施便捷地構(gòu)建出大規(guī)模應(yīng)用。其中虛擬化技術(shù)是實現(xiàn)科研人員在使用數(shù)據(jù)資源云時如同使用本地資源一樣的關(guān)鍵技術(shù)，它能夠?qū)τ嬎阗Y源、存儲資源、網(wǎng)絡(luò)資源、科研設(shè)備等進行分配封裝，向用戶提供接口，以虛擬的形式提供給科研人員使用。科研人員可以將他們保存在本地磁盤的數(shù)據(jù)轉(zhuǎn)移到數(shù)據(jù)資源云中，交給專業(yè)人員進行集中管理，實現(xiàn)數(shù)據(jù)的長期保存，還可以通過接口訪問和使用各種大型儀器設(shè)備，平等獲取項目所需資源。
4. 2 科學(xué)數(shù)據(jù)處理與服務(wù)層
4. 2. 1 科學(xué)數(shù)據(jù)處理
鑒于數(shù)據(jù)密集型科學(xué)研究的特征，數(shù)據(jù)資源云并非按照傳統(tǒng)的思路進行構(gòu)建，而是遵循數(shù)據(jù)驅(qū)動的理念，以數(shù)據(jù)為起點，經(jīng)過科學(xué)數(shù)據(jù)資源科學(xué)數(shù)據(jù)處理步驟之后才是科研人員審視，因此在科學(xué)數(shù)據(jù)處理方面，數(shù)據(jù)資源云采取的流程、技術(shù)都有別于傳統(tǒng)的假設(shè)驅(qū)動型平臺。
首先，需要對實驗數(shù)據(jù)、模擬數(shù)據(jù)、科研人員信息等原始數(shù)據(jù)進行資源化。資源化的數(shù)據(jù)才能在后續(xù)的操作中產(chǎn)生更大的價值，通過數(shù)據(jù)集成消除數(shù)據(jù)之間的異構(gòu)性，刪除重復(fù)數(shù)據(jù)，對關(guān)聯(lián)數(shù)據(jù)進行邏輯上的封裝，減少后期處理中的資源開銷。為了滿足數(shù)據(jù)密集型科學(xué)研究可重復(fù)性的需求，數(shù)據(jù)世系管理成為科學(xué)數(shù)據(jù)處理過程中必不可少的環(huán)節(jié)。數(shù)據(jù)世系一般出現(xiàn)在包含多數(shù)據(jù)集的應(yīng)用中，用于描述數(shù)據(jù)的產(chǎn)生并隨著時間推移而演化的整個過程。對于項目實施者來說，數(shù)據(jù)世系配合分布式文件系統(tǒng)的容災(zāi)備份機制，可以在出現(xiàn)故障時，正確、快速地恢復(fù)數(shù)據(jù)。對于數(shù)據(jù)使用者來說，可以充分了解數(shù)據(jù)的演化過程，加深對實驗結(jié)果的理解，幫助實現(xiàn)科研成果的再現(xiàn)，保證科研活動的可信賴性和可重復(fù)性。
其次，科學(xué)數(shù)據(jù)分析是科研活動中的關(guān)鍵環(huán)節(jié)，主要包括海量語義分析、科研人員需求分析和海量數(shù)據(jù)挖掘。語義技術(shù)可以對概念、術(shù)語等進行明確的機器編碼定義，并且能夠?qū)λ鼈冎g的相互關(guān)系進行陳述性和條件性的定義，使跨區(qū)域、跨學(xué)科的數(shù)據(jù)能夠被科研人員、學(xué)生甚至是普通大眾所理解和使用，是促進數(shù)據(jù)共享的關(guān)鍵。在海量數(shù)據(jù)中挖掘規(guī)律是數(shù)據(jù)密集型科學(xué)研究的重要手段，數(shù)據(jù)資源云能為科研人員提供彈性計算能力，MapReduce 在海量數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)處理方面的能力已經(jīng)得到了各界的認可。而云科學(xué)工作流在重復(fù)性和流程性工作方面的表現(xiàn)更加優(yōu)異，可以為科研人員提供可視化建模工具，使科研人員即使不具有程序設(shè)計知識也可以根據(jù)實際需要設(shè)計云科學(xué)工作流模型，表示科學(xué)工作流的任務(wù)及任務(wù)之間的關(guān)系。所以，MapReduce 和云科學(xué)工作流的結(jié)合可以幫助科研人員應(yīng)對科學(xué)數(shù)據(jù)的規(guī)模性和復(fù)雜性。中國此外，為了提高后續(xù)服務(wù)質(zhì)量，需要根據(jù)科研人員的問題和所處問題環(huán)境，利用數(shù)據(jù)挖掘的方法和工具對他們的學(xué)習層次、科研經(jīng)歷、研究方向等方面加以分析，挖掘他們的興趣點和知識需求點，形成隱性需求分析文檔，從而為后續(xù)的推送服務(wù)提供依據(jù)。
最后，科研人員對處理結(jié)果的價值進行判斷和審視。在數(shù)據(jù)密集型科學(xué)中，科研人員不再直接參與科學(xué)數(shù)據(jù)的處理和分析，該任務(wù)由數(shù)據(jù)資源云來完成，他們的任務(wù)是在整個科學(xué)活動的后期審視和篩選處理分析的結(jié)果，將符合條件或者有價值的結(jié)果加工處理為知識，發(fā)布到數(shù)據(jù)資源云。如果結(jié)果不具有實際價值或者未達到預(yù)期效果，科研人員則向之前的環(huán)節(jié)反饋，數(shù)據(jù)資源云按照科研人員的反饋信息通過重新選擇數(shù)據(jù)、調(diào)整云科學(xué)工作流模型等方式來重新進行數(shù)據(jù)處理，以獲得滿意結(jié)果。
4. 2. 2 數(shù)據(jù)服務(wù)
鑒于數(shù)據(jù)密集型科學(xué)研究具有數(shù)據(jù)驅(qū)動、可重復(fù)性等特征，僅僅向科研人員提供知識已經(jīng)無法滿足其資源需求，原始數(shù)據(jù)、推導(dǎo)和重組數(shù)據(jù)成為數(shù)據(jù)密集型科學(xué)研究中同等重要甚至更加重要的研究資源。數(shù)據(jù)資源云將數(shù)據(jù)服務(wù)作為特色服務(wù)，在保留傳統(tǒng)云服務(wù)平臺向用戶提供知識服務(wù)項目的同時，又創(chuàng)造性地將原始數(shù)據(jù)、推導(dǎo)和重組數(shù)據(jù)添加到服務(wù)內(nèi)容中，力求向用戶提供更為全面的數(shù)據(jù)服務(wù)，滿足科研人員在數(shù)據(jù)密集型科學(xué)研究中的需求。
知識層面的服務(wù)主要包括知識發(fā)布、知識推送和知識交流等環(huán)節(jié)。數(shù)據(jù)資源云能夠自動地將不同科研人員在不同時間、不同地點生產(chǎn)出來的科技知識進行發(fā)布，實現(xiàn)知識的即時公開，縮短知識發(fā)現(xiàn)到知識應(yīng)用之間的時間。知識發(fā)布是知識服務(wù)的第一個環(huán)節(jié)，為了實現(xiàn)知識服務(wù)效率的最大化，結(jié)合前期的科研人員需求分析結(jié)果，將最新知識推送給相關(guān)科研人員，加速知識流動速率，提高科研人員的科學(xué)生產(chǎn)力。數(shù)據(jù)資源云還為不同學(xué)科的科研人員提供交流平臺，打破不同學(xué)科之間的壁壘。同時，為從事具體學(xué)科研究的科研人員與信息科研人員提供了一種科研場景，實現(xiàn)特定領(lǐng)域科研需求與信息技術(shù)之間的大量交互，有助于相應(yīng)領(lǐng)域語義語言、工具和應(yīng)用系統(tǒng)的改進和完善。然而，在數(shù)據(jù)密集型科學(xué)研究中，知識與科研過程中產(chǎn)生的推導(dǎo)和重組數(shù)據(jù)與原始數(shù)據(jù)相比只是冰山一角，數(shù)據(jù)是科學(xué)研究的基礎(chǔ)，向用戶提供數(shù)據(jù)服務(wù)，可以提高其工作效率，加速知識創(chuàng)新，主要包括數(shù)據(jù)共享、數(shù)據(jù)溯源和數(shù)據(jù)可視化。首先，數(shù)據(jù)的長期保存和可獲取性保證了數(shù)據(jù)共享的可行性，語義分析、數(shù)據(jù)世系等技術(shù)保證了數(shù)據(jù)共享的價值性。數(shù)據(jù)資源云是一個開放合作的平臺，科研人員可以按需搜索、理解以及利用自己需要的數(shù)據(jù)資源，實現(xiàn)更大規(guī)模的數(shù)據(jù)流動，實現(xiàn)科學(xué)數(shù)據(jù)價值增值。其次，數(shù)據(jù)資源云可以向用戶提供數(shù)據(jù)溯源服務(wù)。數(shù)據(jù)資源云不僅可以發(fā)布研究成果等知識，還可以發(fā)布產(chǎn)生知識整個過程的源流信息和數(shù)據(jù)，即在提供知識的同時，還可以提供該知識涉及到的支撐數(shù)據(jù)以及中間過程產(chǎn)生的整合信息、推導(dǎo)和重組數(shù)據(jù)，以服務(wù)流的形式出現(xiàn)，加深對數(shù)據(jù)的理解和認識。此外，數(shù)據(jù)可視化將海量數(shù)據(jù)通過平面或者立體圖形的方式呈獻給科研人員，根據(jù)前期的數(shù)據(jù)資源化和分析處理結(jié)果，對可視化圖形界面進行優(yōu)化，既可以向用戶提供數(shù)據(jù)的二維、三維的可視化效果，還可以添加時間維，向用戶提供四維的數(shù)據(jù)可視化界面，即數(shù)據(jù)隨著時間的變化而變化，產(chǎn)生動態(tài)感，實現(xiàn)過程可視化。此外，數(shù)據(jù)資源云在實現(xiàn)知識和數(shù)據(jù)同時在線的基礎(chǔ)上，通過數(shù)據(jù)的生命周期管理，可將數(shù)據(jù)和知識同時聯(lián)系在一起且可以交互操作。這樣用戶在查看某個研究成果時可以直接查看其原始數(shù)據(jù)，甚至是重做其分析，同樣也可以從數(shù)據(jù)追溯到使用該數(shù)據(jù)的科研項目及其研究結(jié)果，提高科研活動的效率。
5 結(jié)束語
數(shù)據(jù)密集型科學(xué)研究是在科學(xué)大數(shù)據(jù)背景下產(chǎn)生的，傳統(tǒng)的數(shù)據(jù)管理技術(shù)無法有效地應(yīng)對科學(xué)大數(shù)據(jù)，云計算技術(shù)成為滿足現(xiàn)代科研人員科研需求的必然選擇。本文構(gòu)建的數(shù)據(jù)資源云以云計算為主要框架，并結(jié)合了信息資源管理的相關(guān)技術(shù)，中國是面向數(shù)據(jù)密集型科學(xué)研究的數(shù)據(jù)管理和服務(wù)平臺，能夠幫助科研人員解決數(shù)據(jù)密集型科學(xué)研究中的科學(xué)大數(shù)據(jù)問題，有利于促進數(shù)據(jù)共享和知識創(chuàng)新。但是數(shù)據(jù)資源云中仍然存在一些不足之處，比如如何高效集成不同類型的數(shù)據(jù)源、更好地保護數(shù)據(jù)安全等問題，并且本文沒有對數(shù)據(jù)共享、隱私保護等方面的政策制定問題進行探討，這些都有待在后續(xù)的研究中繼續(xù)完善。
【淺談數(shù)據(jù)密集型數(shù)據(jù)資源云平臺的構(gòu)建論文】相關(guān)文章：
高職狀態(tài)數(shù)據(jù)采集與管理平臺的構(gòu)建的論文02-18
跨平臺的數(shù)據(jù)交流論文12-08
淺談網(wǎng)絡(luò)教學(xué)平臺下的數(shù)據(jù)挖掘技術(shù)論文10-27
基于大數(shù)據(jù)技術(shù)的班級管理平臺構(gòu)建論文范文04-27
淺談利用數(shù)據(jù)倉庫技術(shù)構(gòu)建環(huán)境數(shù)據(jù)中心07-30
淺談用地紅線數(shù)據(jù)庫的構(gòu)建方法07-19
淺談用地紅線數(shù)據(jù)庫的構(gòu)建方法07-19
面向IoT的數(shù)據(jù)傳輸和數(shù)據(jù)處理平臺論文12-08
淺談數(shù)據(jù)挖掘07-27