[发明专利]一种实时判断大数据或流数据分布不对称性的方法

说明书

偏态可用于判断大数据或流数据分布不对称性的程度。本发明公开了一种通过增量计算计算子集的偏态从而可以实时地判断大数据或流数据分布不对称性程度的方法，系统和计算设备程序产品。本发明的实施方案包括基于调整前计算子集的偏态的二个以上组件增量计算调整后计算子集的偏态的二个以上组件,然后根据需要基于增量计算的二个以上组件生成调整后计算子集的偏态。增量计算偏态可以基于最新数据实时更新计算结果并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，使得实时判断大数据或流数据分布不对称性程度高效低耗及一些实时判断大数据或流数据分布不对称性程度从不可能变为可能。

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。

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，如何在数据更新后高效实时并节省资源地更新分析和判断结果,如判断数据分布不对称性的程度,是一个挑战,因为可能很多数据元素会被重复访问。

偏态反映了数据分布不对称性的程度。因此计算偏态后判断大数据或流数据分布不对称性的程度显而易见，困难和挑战在于如何实时地在大数据或流数据上计算偏态。

例如，有可能偏态在有一个数据元素加入到包含n个数据元素的计算子集中后被计算。当一个新的数据元素被接收时，把该数据元素加到计算子集里。然后访问所有计算子集里的n+1个数据元素去重新计算偏态。

当在所有n+1个数据元素上重新计算偏态时，计算子集里所有的n+1个数据元素会被访问和使用，计算偏态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偏态被访问。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偏态耗时并浪费资源。

发明内容

偏态可用于判断数据分布不对称性。本发明拓展到方法，系统和计算系统程序产品以增量方式计算偏态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分布不对称性。为一个调整后计算子集增量计算偏态包括增量计算大数据或流数据的偏态的一个以上组件，然后根据需要基于一个或多个增量计算的组件计算偏态。增量计算偏态只需要接收/访问和使用新增加的数据元素，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分布不对称性能够高效低耗地完成及一些场景下实时判断大数据或流数据分布不对称性从不可能变为可能。

初始化一个计算子集规模计数器以及偏态的一个以上组件。

计算系统可根据需要基于初始化的组件来生成调整前计算子集的偏态。

计算系统访问一个新的大数据元素或接收一个新的流数据元素。

计算系统根据需要把接收的数据元素存储到一个可选数据缓冲区里。

计算系统通过把访问或接收的新数据元素加入到调整前计算子集里并且把计算子集规模计数器的值加1来调整调整前计算子集。