CN102523246A - 一种云计算处理***及方法 - Google Patents

Abstract

本发明揭示了一种云计算处理***及方法，所述***包括：客户端，用以向数据分析平台发出请求；数据库，用以存储数据；逻辑云服务器，用以设置若干逻辑，按照不同的情形将特定逻辑提供给数据分析平台；数据分析平台，与所述客户端、数据库、逻辑云服务器连接，用以接收客户端发出的请求，按照所述请求的参数获取逻辑云服务器的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。本发明提出的云计算处理***及方法，在有效保护企业数据安全性的同时，提供云计算服务，解决了SaaS在中国面临的困境。同时也解决了传统数据挖掘公司面对的结构化的数据或信息化不彻底、不规范，导致数据挖掘技术上的障碍。

Description

一种云计算处理***及方法

技术领域

本发明属于网络及计算机技术领域，涉及一种云计算处理***，尤其涉及一种具有新型云构架的云计算处理***；同时，本发明还涉及一种具有新型云构架的云计算处理方法。

背景技术

数据挖掘(data mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。随着信息技术的高速发展，人们积累的数据量急剧增长，如何从海量的互联网数据中提取有用的知识成为当务之急。数据挖掘是知识发现(knowledgediscovery in database)的关键步骤。一般情况下可以分为三个阶段：数据的准备、数据的挖掘、挖掘结果的解释和表达。详细过程如下：

(1)数据选择。从现有的数据中，确定哪些数据是与本次数据分析相关的。

(2)数据预处理。对于选择出的数据，进行数据清洗工作，将数据转变成“干净”的数据。

(3)数据转换。将“干净”的数据转换成数据算法所需的格式。

(4)数据挖掘。使用合适的数据挖掘算法完成数据分析。

(5)解释和表达。以适当的可视化技术和知识表示技术将模式以合适的形式提供给用户，让用户能够对模型结果做出解释，同时能够评估模型的有效性。

目前互联网的数据以tb或pb级字节来计算，而且增长速度很快，如果将这个庞大的数据库用一般的统计分析来处理的话，显然是有心无力的，对于互联网数据的分析和挖掘，使的数据挖掘被赋予了新的内涵和外延。从第一代针对某个特定应用的数据挖掘***，到第二代同数据库及数据仓库集成的***，再到同语言***集成的第三代***和多算法同移动数据各种计算设备的数据联合，数据挖掘***从体系结构上虽然有了巨大改变，但人们对于数据挖掘在像互联网数据这样的一些特殊数据源的应用仍然寄予了厚望，并且期望更多、更进一步的研究和开发的相应技术产生。

云计算(cloud computing)是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需提供给计算机和其他设备。整个运行方式很像电网。

云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。用户不再需要了解“云”中基础设施的细节，不必具有相应的专业知识，也无需直接进行控制。云计算描述了一种基于互联网的新的IT服务增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展而且经常是虚拟化的资源。云其实是网络、互联网的一种比喻说法。因为过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。典型的云计算提供商往往提供通用的网络业务应用，可以通过浏览器等软件或者其他Web服务来访问，而软件和数据都存储在服务器上。云计算关键的要素，还包括个性化的用户体验。

云计算可以认为包括以下几个层次的服务：基础设施即服务(IaaS)，平台即服务(PaaS)和软件即服务(SaaS)。云计算服务通常提供通用的通过浏览器访问的在线商业应用，软件和数据可存储在数据中心。

现有的云计算模式下，云计算服务器设置在远端，各种运算处理均在远端的云计算服务器下进行；同时，云计算服务的提供方通常需要云计算服务需求方的基础数据源，然而，服务需求方(企业)一般不愿意自己的内部资料、数据交给服务提供方，因此，SaaS在中国面临困境，导致数据挖掘在人文环境上出现障碍。此外，传统数据挖掘公司面对的结构化的数据或信息化不彻底、不规范，导致数据挖掘技术上的障碍。

发明内容

本发明所要解决的技术问题是：提供一种具有新型云构架的云计算处理***，在有效保护企业数据安全性的同时，提供云计算服务，解决了SaaS在中国面临的困境。

此外，本发明还提供一种具有新型云构架的云计算处理方法，在有效保护企业数据安全性的同时，提供云计算服务，解决了SaaS在中国面临的困境。

为解决上述技术问题，本发明采用如下技术方案：

一种云计算处理***，所述***包括：

客户端，用以向数据分析平台发出请求；

数据库，用以存储数据；

逻辑云服务器，用以设置若干逻辑，按照不同的情形将特定逻辑提供给数据分析平台；

数据分析平台，与所述客户端、数据库、逻辑云服务器连接，用以接收客户端发出的请求，按照所述请求的参数获取逻辑云服务器的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。

作为本发明的一种优选方案，所述逻辑云服务器与数据分析平台构成整个云服务平台，逻辑云服务器与数据分析平台之间相互独立运行；所述逻辑云服务器为公有云，通过第一管理模块管理；所述数据分析平台为私有云，通过第二管理模块管理。

作为本发明的一种优选方案，所述逻辑云服务器、数据分析平台、数据库既相互分离、相互独立、又存在逻辑上的耦合构建关系；所述逻辑云服务器负责方法与逻辑的建立、知识和经验的学***台负责分布式算法，计算可以分解成完全独立的部分，或者很简单地就能改造出并行处理集群；数据库所存储的数据是拥有者最大的财富，它们不会出现在逻辑云服务器上；所述***通过数据分析平台作为私有云，通过并行计算的统筹与控制，可将所有计算机耦合在一起，真正最大化的利用世界的计算资源，形成世界范围的计算云；而同时又使知识的学习、发现、发布与数据的安全、不外泄与保护并存。

作为本发明的一种优选方案，所述数据分析平台包括逻辑云控制器、数据仓库模块、数据挖掘模块；所述逻辑云服务器包括知识解释模块；所述逻辑云控制器用以接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；所述逻辑云服务器用以根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块用以根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；所述逻辑云服务器进一步用以根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块用以根据获取的挖掘算法产生发现；所述知识解释模块用以将所述发现解释成知识，直接发送至客户端；或者，将解释的知识发送至所述数据分析平台，由数据分析平台发送至客户端。

作为本发明的一种优选方案，所述逻辑云服务器包括知识评估模块，用以根据参数设定对每次发现进行评估；若发现不满足评估标准，则逻辑云服务器重新向数据仓库模块传递数据转换规则，重新向数据挖掘模块传递挖掘算法，进而产生出新的发现；直至发现满足设定的标准。

作为本发明的一种优选方案，所述知识解释模块将所述发现解释成知识，并发送至所述数据分析平台；

所述数据分析平台进一步包括第二知识解释模块，将数据分析任务的发现解释成知识，并发送至所述客户端。

作为本发明的一种优选方案，所述逻辑云服务器为拥有自学习能力的人工神经元网络逻辑云服务器。

一种云计算处理方法，所述方法包括如下步骤：

客户端向数据分析平台发出请求；

数据分析平台接收客户端发出的请求，并将请求处理后发送特定信息至逻辑云服务器；

逻辑云服务器根据接收的信息将特定逻辑提供给数据分析平台；

数据分析平台获取逻辑云服务器发送过来的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。

作为本发明的一种优选方案，所述处理方法具体包括如下步骤：

步骤S1、客户端向数据分析平台的逻辑云控制器发送请求；

步骤S2、逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

步骤S3、逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

步骤S4、逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块根据获取的挖掘算法产生发现；

步骤S5、知识解释模块将所述发现解释成知识，直接发送至客户端；或者，将解释的知识发送至所述数据分析平台，由数据分析平台发送至客户端。

作为本发明的一种优选方案，所述处理方法具体包括如下步骤：

步骤1、客户端向数据分析平台的逻辑云控制器发送请求；

步骤2、逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

步骤3、逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

步骤4、逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块根据获取的挖掘算法产生发现；

步骤5、逻辑云服务器根据参数设定，向数据分析平台传递本次数据分析任务的评估知识，并对发现进行评估；如果发现不满足评估标准，则转至步骤3，否则转至步骤6；

步骤6、逻辑云服务器的知识解释模块根据设定，向数据分析平台传递本次数据分析任务的解释知识；

步骤7、数据分析平台的第二知识解释模块将本次数据分析任务的发现解释成知识；

步骤8、数据分析平台向客户端传递本次数据分析的知识，结束本次任务。

本发明的有益效果在于：本发明提出的云计算处理***及方法，在有效保护企业数据安全性的同时，提供云计算服务，解决了SaaS在中国面临的困境。同时也解决了传统数据挖掘公司面对的结构化的数据或信息化不彻底、不规范，导致数据挖掘技术上的障碍。终端用户不必再需要掌握数据分析的技能，更不用刻意掌握商业分析和BI(Business Intelligence)的高深技术，这些直接交给拥有自学习能力的人工神经元网络逻辑云处理即可。

本发明可与私有云、软件平台、电子商务、特别是基于第三方平台的电子商务有效集成，最后克服了各种挖掘算法层出不穷，而***对不同算法的可扩展性及可维护性较差的问题，使用价格低。本发明从理论上突破云计算、SaaS服务应用的难题。

本发明创新地突破了现有云计算、云存储的理论与方法——数据存储在云端，从结构上保证了数据拥有者的数据地安全性、隐私性、不外泄性，又可以应用云端的知识、经验与算法。

附图说明

图1为本发明云计算处理***的处理示意图。

图2为本发明云计算处理方法的流程图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例一

请参阅图1，本发明揭示了一种云计算处理***，所述***包括：客户端40、数据库30、数据分析平台20、逻辑云服务器10。本实施例中，所述逻辑云服务器为拥有自学习能力的人工神经元网络逻辑云服务器。

客户端40用以向数据分析平台发出请求；客户端40可以是普通pc、平板电脑、3G设备等。

数据库30用以存储数据，如企业的内部资料。数据库30可以设置在企业的服务器中，无需与逻辑云服务器10连接。

逻辑云服务器10用以设置若干逻辑，按照不同的情形将特定逻辑提供给数据分析平台。

数据分析平台20与所述客户端40、数据库30、逻辑云服务器10连接，用以接收客户端40发出的请求，按照所述请求的参数获取逻辑云服务器10的逻辑，并以此逻辑结合数据库30中的数据进行运算处理，将处理结果返回至客户端40。数据分析平台20可以设置在用户本地的服务器中，云计算服务提供方可以将云服务终端软件安装在企业的计算机中，该终端软件即为所述数据分析平台20。

所述逻辑云服务器10与数据分析平台20构成整个云服务平台，逻辑云服务器10与数据分析平台20之间相互独立运行；所述逻辑云服务器10为公有云，通过第一管理模块管理；所述数据分析平台20为私有云，通过第二管理模块管理。

所述逻辑云服务器10、数据分析平台20、数据库30既相互分离、相互独立、又存在逻辑上的耦合构建关系；使全世界范围内的计算机的计算资源最大化利用成为了可能。逻辑云服务器10负责方法与逻辑的建立、知识和经验的学***台20负责分布式算法，计算可以分解成完全独立的部分，或者很简单地就能改造出并行处理集群。数据库30所存储的数据是拥有者最大的财富，它们不会出现在共有云(逻辑云服务器10)上，创新地突破了现有云计算、云存储的理论与方法——数据存储在云端，从结构上保证了数据拥有者的数据地安全性、隐私性、不外泄性，又可以应用云端的知识、经验与算法。本架构不仅存在与共有云(逻辑云服务器10)上，还利用了私有云(数据分析平台20)，通过并行计算的统筹与控制，理论上可以将全世界的计算机耦合在一起，真正最大化的利用世界的计算资源，形成世界范围的计算云。而同时又使知识的学习、发现、发布与数据的安全、不外泄与保护并存。

具体地，所述数据分析平台20包括逻辑云控制器21、数据仓库模块22、数据挖掘模块23；所述逻辑云服务器10包括知识解释模块。所述逻辑云控制器21用以接收客户端40发出的请求，并根据所述请求对逻辑云服务器10即将执行的逻辑进行初始化任务。所述逻辑云服务器10用以根据参数设定向数据仓库模块22传递数据转换规则；数据仓库模块22用以根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块22与所述数据库30连接，数据库30为数据仓库模块22提供所需数据，所述数据库30为本地的数据库。所述逻辑云服务器10进一步用以根据参数设定向数据分析平台20的数据挖掘模块23传递本次数据分析任务的挖掘算法，数据挖掘模块23用以根据获取的挖掘算法产生发现。

本实施例中，所述逻辑云服务器10包括知识评估模块，用以根据参数设定对每次发现进行评估；若发现不满足评估标准，则逻辑云服务器10重新向数据仓库模块22传递数据转换规则，重新向数据挖掘模块23传递挖掘算法，进而产生出新的发现；直至发现满足设定的标准。

所述知识解释模块用以将所述发现解释成知识，直接发送至客户端40；或者，将解释的知识发送至所述数据分析平台20，由数据分析平台20发送至客户端40。本实施例中，所述知识解释模块将所述发现解释成知识，并发送至所述数据分析平台；所述数据分析平台进一步包括第二知识解释模块，将数据分析任务的发现解释成知识，并发送至所述客户端。

以上介绍了本发明云计算处理***，本发明在揭示上述***的同时，还揭示一种云计算处理方法；所述方法包括如下步骤：客户端向数据分析平台发出请求；数据分析平台接收客户端发出的请求，并将请求处理后发送特定信息至逻辑云服务器；逻辑云服务器根据接收的信息将特定逻辑提供给数据分析平台；数据分析平台获取逻辑云服务器发送过来的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。

所述云计算处理方法可包括如下步骤：

【步骤S1】客户端向数据分析平台的逻辑云控制器发送请求；

【步骤S2】逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

【步骤S3】逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

【步骤S4】逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块用以根据获取的挖掘算法产生发现；

【步骤S5】知识解释模块用以将所述发现解释成知识，直接发送至客户端；或者，将解释的知识发送至所述数据分析平台，由数据分析平台发送至客户端。

请参阅图2，本实施例中，所述云计算处理方法具体包括如下步骤：

【步骤1】客户端向数据分析平台的逻辑云控制器发送请求；

【步骤2】逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

【步骤3】逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

【步骤4】逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块用以根据获取的挖掘算法产生发现；

【步骤5】逻辑云服务器根据参数设定，向数据分析平台传递本次数据分析任务的评估知识，并对发现进行评估；如果发现不满足评估标准，则转至步骤3，否则转至步骤6；

【步骤6】逻辑云服务器的知识解释模块根据设定，向数据分析平台传递本次数据分析任务的解释知识；

【步骤7】数据分析平台的第二知识解释模块将本次数据分析任务的发现解释成知识；

【步骤8】数据分析平台向客户端传递本次数据分析的知识，结束本次任务。

本发明将云计算处理分为设置在远端的逻辑云服务器(公有云)、可设置在用户本地的数据分析平台(私有云)，企业可以在不需要提供自身数据的同时享受云计算服务。

实施例二

本实施例介绍本发明***一个实施方式中的***功能及***设计。

1.1、***功能分析

根据上述数据分析、挖掘的云计算架构模型设计及执行机理的描述，得出本项目需要完成的功能主要包括：挖掘任务的定义，逻辑初始化，挖掘数据的抽取，挖掘数据预处理，分析与挖掘，发现的评估、应用与表示。此外，作为一个应用于数据挖掘平台的新型云计算结构，还必须具备***融合的各种接口。

1.1.1、挖掘任务的定义与逻辑初始化功能为***运行的起点，客户首先描述自己的要求或提出要求解的问题，***智能对挖掘任务进行挖掘功能、挖掘算法等初始化，然后***根据设定对预处理后的数据进行挖掘，挖掘结果进行存储并进行可视化处理(四)。挖掘定义设置是一组用于构造或应用数据挖掘模型的输入参数集合，在我们的平台中包括了数据设置、功能设置和算法设置等几大类。数据设置确定挖掘任务的输人数据源、数值数据的离散化方法、丢失值及离群数据的处理方式等。功能设置指定了挖掘任务的功能类型以及相对应的属性被挖掘算法使用的方式。挖掘功能与挖掘算法的分离使得用户在指定挖掘结果类型的时候不必关心特定的算法。

1.1.2、数据抽取功能主要用于完成挖掘任务所需数据的数据提取、数据分析、数据关系提取、数据属性提取等功能，其数据源为存于原始数据的数据库中，数据格式包括SHP、Person Geodatabase、SDEGeodatabase、栅格图、文本等。***智能设置过滤条件，进行记录过滤，数据抽取结果形成临时数据仓库，并根据挖掘任务的要求进行抽取结果的存取。

1.1.3、数据预处理功能原始空间数据中存在噪音数据或空缺值，需要对其进行一定处理，否则可能对挖掘结果产生重要负面影响，甚至可能造成算法失效。接着对数据进行离散化或抽象化处理，连续属性离散化在数据挖掘中是一个很重要的问题。该功能主要完成数据抽取模块所得数据的预处理，包括空缺值处理、数据离散化、属性约简、数据概化。

1.1.4、数据分析与挖掘功能，该功能为***的核心功能。作为具有较高扩展性的***，***自学习能力必须在以下方面提供扩展性、挖掘功能、挖掘算法、挖掘模型。

1.1.5、发现的评估、应用与表示，该模块完成的功能是数据挖掘结果模型的应用评价功能。应该说，该功能是一个相对独立的功能模块。要求该模块不仅能够评估、应用、查询通过我们的挖掘***得到的结果模型，同时也以够使用其它挖掘工具得到的结果。如上所述，PMML是目前被广泛支持的结果模型表示规范，这就要求模型应用查询功能模块能够处理PMML格式表示的模型。因此，该模块的主要功能包括PMML模型的读取、PMML模型可视化、PMML模型的应用(如分类与预测)。

1.1.6、接口功能分析

1)、***融合接口。平台的目标之一是实现数据挖掘与行业应用、第三方平台软件的集成，这就要求平台必须提供必要的二次开发接口。要求如下：平台无关性，对JAVA、C#、Delphi等各种开发语言全面支持；封装性，接口只提供输人与输出，处理过程进行封装；可扩展性，二次开发接口可根据需要在***无需重新编译的情况下即可完成接口的扩充。为满足以上要求，Web Service将是最佳选择。

1.2、***设计

1.2.1***总体设计

***体系结构设计。***总体上采用了webservice架构下(私有)云计算模式，同时，整个***采用N层体系结构，分为“表示层”、“业务外观层”、“逻辑层”、“数据访问层”及“数据层”。“业务外观层”、“逻辑层”、“数据访问层”及“数据层”构成的平台的服务器端，“表示层”为客户端，客户端通过SOAP调用服务器端功能，在平台服务器端的支撑下用户可定制客户端或将平台集成于第三方平台或行业应用软件中。

1.2.2挖掘功能及挖掘算法类

1)、MingFuctionMingFuction为所有挖掘功能的父类，它包含如下子类以实现不同的挖掘功能：AssiociationFun：关联规则；ClassifcationFun：分类；ClusteringFun：聚类；TrendDetectionFun：趋势分析。

2)、MiningAlgorithms MiningAlgorithms为所有算法的父类，包含如下算法：SpatialApriori：逐步求精的关联规则算法；DicisionTree：决策树算法；GDBSCAN：基于密度的聚类算法。

3)、概念层次树Taxonomy类的设计。在空间关联等算法中用到了概念层次树，Taxonomy在PMML规范中有明确定义，概念层次树的存储形式采用了PMML规范的XML文件。在SpatialMiner中通过Taxonomy类与TaxonomyObject表示概念层次树，并完成对概念层次树的读写。axonomyObject对象代表了层次树中的节点对象，定义如下：

1.2.3、构件设计根据我们的设计思想，云端的核心对象将按照最CBD设计方法进一步封装为构件(componet)。面向构件的设计要求设计构件的接口，将接口作为调用构件功能的途径，因此，在前面设计的类图基础上需进一步对公共或预暴露给客户的方法、属性进行接口抽象。

1.2.4Web Service(Web Service Faqade层)在***设计中，究竟要将哪些方法提供给客户端调用，即***提供哪些Web Service，是设计中的一个关键问题。在***架构设计中我们增加了一个WebService Facade层作为WebService接口，里面封装了所有的Web Service定义，并根据这些定义生成WSDL文件。

1)、Web Service设计。根据前面的设计，我们为客户端提供以下的WebService，Web ServiceProvider是通过服务端的构件实现的，每个Service内包含了若干相关方法。

①、空间数据集服务：GeoDatasetSvc，主要方法有：数据抽取ExtractData，获取数据集属性数GetAtt曲utesCount，获取数据实例数GetInstancesCount，存储数据集PersistPhisical-Dataset，此服务通过PhisicalDataset类相关方法实现。

②、数据过滤器服务：DataFilterSvc，完成数据预处理，主要方法有：空缺值处理ReplaceMissingValuesFilter，离散scretetizefiher，属性约简AttributeFiher，数据概化DataGeneralizeFiher。

③、挖掘任务设定服务：DataMiningsettingSvc，主要方法有：设定挖掘功能MiningFunctionsetting，设定算法MiningAlgorthmSetting，概念层次树设定TaxonomySetting。

④、数据挖掘服务：DataMiningSvc，主要方法有：挖掘任务执行MiningTaskExcute，挖掘任务取消MiningTaskCancel

⑤、挖掘模型服务：MiningMod-elSvc类，主要方法有：创建指定类型的挖掘模型CreateModel(如AssociationModel等)，在PMML库中增加模型InsertToPMML，从PMML库中读取模型selectFromPMML，更新PMMI。库中的大概Update ToPMML，删除PMML库中的模型DeleteFromPMML。

2)、Web Service定义。以下示例是.NET平台下WebService Faqade层中的“挖掘任务设定服务”(DataMiningSettingSer、rice)定义。[WebMethod]publicvoid MiningFunctionSetting(string settingstring)

综上所述，本发明提出的云计算处理***及方法，在有效保护企业数据安全性的同时，提供云计算服务，解决了SaaS在中国面临的困境。

依据在挖掘过程中使用的数据类别，互联网数据挖掘的任务可以被划分为三种主要类型：Web结构挖掘、Web内容挖掘和Web使用挖掘。本项目着重研究与电子商务、网络营销应用最直接最紧密的Web用法挖掘。并以b2c、b2b、c2b等电商企业和SNS、微博等社区企业为主要目标客户，从营销应用的角度出发、提出“互联网数据挖掘的营销应用”的研发思路和开发系列的方法、模型和产品。

首先，从电商运营管理的一些特征指标来分析。各行各业都有适合本行业特性要求的特征指标(KPI)，通过这些KPI的分析、跟踪，就可以从宏观上迅速的比较准确的判断出企业的运营的效率。重点指标、特征包括：流量注册比、购物车比例、订单转化率、page views，订单平均浏览时间、客单价、重复购买率，等等。

其次，从网站月度、季度、年度的综合的汇总数据比较，从宏观的角度分析网站运营连续时间段里的运营效益、客户变化、赢利趋势、产品趋势、消费变化等等(产品的、利润的、客户的各个纬度展开分析)。重点指标、特征包括：阶段性的发展趋势，出现的问题，锁定核心价值客户的群体规模和门槛指标(比如：2080原理在本企业的具体定义，客户注册之后具体的促销刺激产生消费的时间段的明确界定，客户流失的大致规律和时间期，进出网站的路径分析，等等)。

最后，在上述两步简单分析的基础上，针对更加深入的营销问题和客户关系管理的问题，可以考虑从互联网数据挖掘应用的角度开展分析应用。目前这类数据挖掘应用中最常见的方法是聚类分析、关联分析、以及在此基础上的各种深入的预测模型应用(比如逻辑回归，比如决策树应用等等)。

这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (10)

1.一种云计算处理***，其特征在于，所述***包括：

客户端，用以向数据分析平台发出请求；

数据库，用以存储数据；

逻辑云服务器，用以设置若干逻辑，按照不同的情形将特定逻辑提供给数据分析平台；

数据分析平台，与所述客户端、数据库、逻辑云服务器连接，用以接收客户端发出的请求，按照所述请求的参数获取逻辑云服务器的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。

2.根据权利要求1所述的云计算处理***，其特征在于：

所述逻辑云服务器与数据分析平台构成整个云服务平台，逻辑云服务器与数据分析平台之间相互独立运行；

所述逻辑云服务器为公有云，通过第一管理模块管理；所述数据分析平台为私有云，通过第二管理模块管理。

3.根据权利要求1所述的云计算处理***，其特征在于：

所述逻辑云服务器、数据分析平台、数据库既相互分离、相互独立、又存在逻辑上的耦合构建关系；

所述逻辑云服务器负责方法与逻辑的建立、知识和经验的学***台负责分布式算法，计算可以分解成完全独立的部分，或者很简单地就能改造出并行处理集群；数据库所存储的数据是拥有者最大的财富，它们不会出现在逻辑云服务器上；

所述***通过数据分析平台作为私有云，通过并行计算的统筹与控制，可将所有计算机耦合在一起，真正最大化的利用世界的计算资源，形成世界范围的计算云；而同时又使知识的学习、发现、发布与数据的安全、不外泄与保护并存。

4.根据权利要求1所述的云计算处理***，其特征在于：

所述数据分析平台包括逻辑云控制器、数据仓库模块、数据挖掘模块；所述逻辑云服务器包括知识解释模块；

所述逻辑云控制器用以接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

所述逻辑云服务器用以根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块用以根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

所述逻辑云服务器进一步用以根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块用以根据获取的挖掘算法产生发现；

所述知识解释模块用以将所述发现解释成知识，直接发送至客户端；或者，将解释的知识发送至所述数据分析平台，由数据分析平台发送至客户端。

5.根据权利要求4所述的云计算处理***，其特征在于：

所述逻辑云服务器包括知识评估模块，用以根据参数设定对每次发现进行评估；若发现不满足评估标准，则逻辑云服务器重新向数据仓库模块传递数据转换规则，重新向数据挖掘模块传递挖掘算法，进而产生出新的发现；直至发现满足设定的标准。

6.根据权利要求4所述的云计算处理***，其特征在于：

所述知识解释模块将所述发现解释成知识，并发送至所述数据分析平台；

所述数据分析平台进一步包括第二知识解释模块，将数据分析任务的发现解释成知识，并发送至所述客户端。

7.根据权利要求1所述的云计算处理***，其特征在于：

所述逻辑云服务器为拥有自学习能力的人工神经元网络逻辑云服务器。

8.一种云计算处理方法，其特征在于，所述方法包括如下步骤：

客户端向数据分析平台发出请求；

数据分析平台接收客户端发出的请求，并将请求处理后发送特定信息至逻辑云服务器；

逻辑云服务器根据接收的信息将特定逻辑提供给数据分析平台；

数据分析平台获取逻辑云服务器发送过来的逻辑，并以此逻辑结合数据库中的数据进行运算处理，将处理结果返回至客户端。

9.根据权利要求8所述的云计算处理方法，其特征在于，所述处理方法具体包括如下步骤：

步骤S1、客户端向数据分析平台的逻辑云控制器发送请求；

步骤S2、逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

步骤S3、逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

步骤S4、逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块根据获取的挖掘算法产生发现；

步骤S5、知识解释模块将所述发现解释成知识，直接发送至客户端；或者，将解释的知识发送至所述数据分析平台，由数据分析平台发送至客户端。

10.根据权利要求8所述的云计算处理方法，其特征在于，所述处理方法具体包括如下步骤：

步骤1、客户端向数据分析平台的逻辑云控制器发送请求；

步骤2、逻辑云控制器接收客户端发出的请求，并根据所述请求对逻辑云服务器即将执行的逻辑进行初始化任务；

步骤3、逻辑云服务器根据参数设定向数据仓库模块传递数据转换规则；数据仓库模块根据按本次数据分析任务数据转换规则，清洗原始数据，做好数据分析的准备；所述数据仓库模块与所述数据库连接，数据库为数据仓库模块提供所需数据，所述数据库为本地的数据库；

步骤4、逻辑云服务器根据参数设定向数据分析平台的数据挖掘模块传递本次数据分析任务的挖掘算法，数据挖掘模块根据获取的挖掘算法产生发现；

步骤5、逻辑云服务器根据参数设定，向数据分析平台传递本次数据分析任务的评估知识，并对发现进行评估；如果发现不满足评估标准，则转至步骤3，否则转至步骤6；

步骤6、逻辑云服务器的知识解释模块根据设定，向数据分析平台传递本次数据分析任务的解释知识；

步骤7、数据分析平台的第二知识解释模块将本次数据分析任务的发现解释成知识；

步骤8、数据分析平台向客户端传递本次数据分析的知识，结束本次任务。

Images