[发明专利]一种实时判断选定数据以标准方差为单位偏离平均值的相对距离的方法

说明书

本发明公开了通过减量计算给定规模的计算子集的Z值的两个以上组件来实时地减量地计算大数据或流数据上选定数据元素的Z值从而可以实时地判断大数据或流数据上选定数据元素以标准方差为单位偏离平均值的相对距离的的方法,系统,和计算系统程序产品。本发明的实施方案包括基于调整前计算子集的Z值的两个以上组件减量计算调整后计算子集的Z值的两个以上组件,然后根据需要基于减量计算的一个以上组件生成调整后计算子集的选定数据元素的Z值。减量计算Z值可以避免访问调整后计算子集中的所有数据元素和执行重复计算从而提高计算效率，节省计算资源和降低计算系统能耗。

技术领域

大数据或流数据分析。

背景技术

互联网,移动通讯,导航,网游,感应技术和大规模计算基础设施每天产生海量数据。大数据就是由于其巨大规模,快速变化及增长速度而超出了传统数据库系统的处理能力及传统分析方法的分析能力的数据。

流数据是不断被发送器发送和接收器接收的数据。流数据可以是感应器采集并且不断给计算设备或电子设备传送的实时数据。通常包括陆续接收有时间间隔，具有相似格式的数据元素。流数据也可以是从存储器不停被读出的数据，例如存在多个计算设备存储器的大数据集。

如何高效实时并节省资源地处理和分析大数据或流数据是一个挑战。

计算Z值是一种判断大数据或流数据选定数据以标准方差为单位偏离平均值的相对距离的方法。Z值是原始数据标准化后得到的一个与原始数据的具体测量单位无关的标准值中的一种。对于原始值低于平均值的数据，其Z值为负。对于原始值高于平均值的数据，其Z值为正。Z值通过用原始值减去平均值除以标准方差来计算，因此Z值反映了原始值以标准方差为单位偏离平均值的相对距离。因此计算Z值后判断大数据或流数据中选定数据以标准方差为单位偏离平均值的相对距离显而易见，而困难和挑战在于如何实时并节省资源地在大数据或流数据上计算Z值。

处理大数据或流数据可包括在多个数据元素上做计算。所以，一个接收流数据元素的计算设备通常含有一个缓冲区来存储一些数据元素。处理流数据元素可包括访问保存在缓冲区的数据元素。当做流数据元素的统计计算时，缓冲区可以很大。例如，当计算Z值时，一些(可能很多)数据元素需要被访问。

此外，流数据处理算法可以延伸到大数据处理上，因为大数据集随着时间积累并且可以被认为是具有不规律时间间隔的数据流。

对于大数据集或流数据处理，有些统计计算会重新被计算当大数据集有变化或新的流数据元素被接收。因此，一些(可能很多)数据元素会被重复访问。例如，有可能Z值在有一个数据元素从规模为n的计算子集去除后被计算。当一个存在的数据元素被接收时，把那个数据元素从计算子集里去除。然后访问所有计算子集里的n-1个数据元素去重新计算Z值。

当在所有n-1个数据元素上重新计算Z值时，计算子集里所有的n-1个数据元素会被访问和使用，计算Z值的时间复杂度通常是O(n)。这样，每当计算子集有变化时，计算子集里的每个数据元素都会为计算Z值被访问。根据需要，计算子集规模n可能非常大，因此数据元素可以分配到含有成百上千个计算设备的云上。数据有改变后，在大数据或流数据上重新计算Z值耗时并浪费资源。

发明内容

本发明拓展到方法，系统和计算设备程序产品以减量方式计算Z值从而可以在调整计算子集规模后实时地判断大数据或流数据中选定数据元素的以标准方差为单位偏离平均值的相对距离。为一个调整后计算子集的一个数据元素减量计算Z值包括减量计算大数据或流数据的Z值的两个以上组件，然后根据需要基于一个或多个减量计算的组件计算Z值。减量计算Z值只需要接收访问和使用被去除的数据元素，这不仅避免在计算子集中访问所有数据而且也避免像传统方法那样保留整个计算子集，因此时间复杂度以及空间复杂度都被降低从而使得实时判断大数据或流数据中选定数据元素的Z值能够高效低耗地完成。

初始化一个计算子集规模计数器以及Z值的两个以上组件。