移动可视化架构与关键技术综述

《移动可视化架构与关键技术综述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、移动可视化架构与关键技术综述　　摘要：互联网应用终端正从PC端转向移动端，移动优先成为互联网产品设计与开发的准则。现有可视化系统应用终端多依赖于计算机操作系统以及插件，难以实现大数据跨平台、跨终端的移动可视化应用。分析了大数据处理、可视化算法及库、浏览器、触摸交互和响应式设计5大移动可视化关键技术及挑战，基于大数据处理技术和HTML5标准提出了移动可视化系统架构，实现了大数据挖掘和交互式可视化应用，可为可视化、数据分析、数据挖掘、数字媒体生产提供借鉴参考。　　关键词：数据可视化；大数据；移动终端；HTML5　　DOIDOI：10.11907/rjdk.162602　　中图分类号：TP3

2、19　　文献标识码：A文章编号：1672-7800（2016）012-0172-03　　0引言9　　第37次《中国互联网络发展状况统计报告》指出，电脑端向手机端迁移趋势明显，手机已经成为主要上网终端[1]。随着移动互联网生态系统的不断完善，移动智能终端硬件、操作系统、浏览器及移动网络发展提速，移动终端具备了一定的数据生成与存储、数据挖掘与分析、数据应用客户端等功能，使整合Web技术创建跨平台、跨终端的移动可视化成为可能。另一方面，由物联网、Web数据、社交网络、信息化系统源源不断生成的大数据，其数据挖掘结果和数据分析依赖于可视化技术来实现辅助数据分析和知识提取。可视化将输入数据映射为一

3、定的视觉表达形式，用户通过视觉通道从可视化结果中发现和提取符合需求的特征和模式，以生成针对问题的假设，帮助用户理解数据、发现数据特征，进而辅助推理决策并进行趋势预测[2]，可视化已经成为大数据应用的关键技术。IBM和牛津大学在大数据研究报告中指出，数据挖掘、数据可视化、预测、建模与数据优化组织是组织的5大数据能力[3]。　　目前，主流数据可视化平台大致可分为基于客户端和基于浏览器及插件两类，两者都依赖于操作系统及其客户端运行环境或浏览器插件，因而其实现跨平台和移动访问需要的软件移植成本过于庞大[4]，以往采用VRML、Flash、Silverlight、JavaApplet、Activ

4、eX、X3D等技术的可视化应用也面临同样问题。移动可视化已成为计算机图形和可视化领域新的机遇和挑战，并面临着处理能力、并行可视化算法、实时处理、异构数据（如文本、视频、传感器数据）和人机交互等技术挑战。本文基于大数据处理技术和HTML5标准构建了面向移动终端的可视化系统，利用大数据处理技术的查询与数据挖掘功能生成可视化数据集，利用HTML5Canvas实现2D/3D图形的实时绘制，利用触控交互实现用户对数据的操控，利用响应式设计实现移动终端的适配，从而构建适应大数据、开放、跨平台、硬件加速、触控交互的移动可视化应用，进而推动大数据、数据可视化的实践应用。　　1移动可视化系统架构9　　移

5、动可视化处理流程可概述为：执行大数据检索或数据挖掘，将处理结果按照数据模型输入到可视化模块，通过映射与变换、绘制与渲染生成可视化界面。移动可视化系统架构如图1所示[5-6]。　　系统基于大数据处理技术和HTML5规范并参照传统的B/S模式进行设计，主要划分为3个子系统：大数据处理子系统、Web服务子系统和移动端子系统。大数据处理子系统运行在云端环境，由分布式文件系统、分布式计算框架和数据库构成，可实现大数据的采集、存储、预处理、数据挖掘和挖掘结果处理等功能；Web服务子系统主要提供Web服务，选用HTTP协议进行通信，使用Ajax异步操作和WebWorker技术最大限度地降低用户延迟，

6、提高响应时间和绘制效果，Web服务器软件可选用Apache、Nginx和MicrosoftIIS技术搭建Web服务器；移动端子系统由移动终端及符合HTML5规范的浏览器构成，浏览器获得Web服务器响应的数据后，渲染引擎调用HTML5CanvasAPI在线绘制2D/3D影像，再利用HTML5、CSS3、JavaScript分别实现Web页面的结构、外观及交互控制功能。　　2关键技术　　移动可视化生态系统由可视化用户、可视化应用开发者、Web设计开发者、浏览器厂商、第三方可视化库及工具提供者共同构成。移动可视化综合运用了云计算与大数据、数据分析、Web技术、计算机图形学、图像处理、人机交互

7、、通信等技术，其关键技术有大数据处理、可视化算法及库、浏览器、触控交互与响应式设计。　　2.1大数据处理　　大数据具有体量大（Volume）、速度快（Velocity）、模态多（Variety）、真实性（Veracity）和价值大（Value）95大特征。体量大可通过扩展计算机系统来缓解，而快速及时响应、数据类型多样和数据的不确定性是大数据处理的真正难题，直接制约着大数据查询及挖掘的实用性和实效性。互联网巨头推出了各种不同类型的大数据处理系统：