基于Spark计算的大数据终端潜在异常识别仿真  

Simulation of Potential Anomaly Identification for Big Data Terminals Based on Spark Computing

作　　者：吴彩旭 张晶[1] WU Caixu;ZHANG Jing(University of Sanya,Sanya Hainan 572022)

机构地区：[1]三亚学院,海南三亚572022

出　　处：《软件》2024年第6期31-33,共3页Software

基　　金：海南省教育厅科学研究项目“基于深度学习的投资组合与风险控制研究”(Hnky2022-46)。

摘　　要：本文主要针对大数据终端在实时处理过程中潜在的异常情况进行识别和仿真研究。基于Spark计算框架,提出了一种新的方法监测和识别大数据终端中可能存在的异常行为。通过使用实时数据流分析和机器学习技术,及时发现并处理潜在的异常情况,提高数据处理效率和质量,并最终提升系统的可靠性和稳定性。This article mainly focuses on identifying and simulating potential abnormal situations in real-time processing of big data terminals.A new method is proposed based on the Spark computing framework to monitor and identify possible abnormal behavior in big data terminals.By using real-time data flow analysis and machine learning techniques,potential abnormal situations can be detected and processed in a timely manner,improving data processing efficiency and quality,and ultimately enhancing system reliability and stability.

关 键 词：大数据终端 异常识别 Spark计算 实时数据流分析 机器学习 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]