- 相關(guān)推薦
數(shù)據(jù)處理工作總結(jié)
總結(jié)是對(duì)某一階段的工作、學(xué)習(xí)或思想中的經(jīng)驗(yàn)或情況進(jìn)行分析研究的書面材料，通過它可以全面地、系統(tǒng)地了解以往的學(xué)習(xí)和工作情況，讓我們一起來學(xué)習(xí)寫總結(jié)吧。你想知道總結(jié)怎么寫嗎？以下是小編收集整理的數(shù)據(jù)處理工作總結(jié)，希望能夠幫助到大家。
數(shù)據(jù)處理工作總結(jié)1
一、數(shù)據(jù)量過大，數(shù)據(jù)中什么情況都可能存在。
如果說有10條數(shù)據(jù)，那么大不了每條去逐一檢查，人為處理，如果有上百條數(shù)據(jù)，也可以考慮，如果數(shù)據(jù)上到千萬級(jí)別，甚至過億，那不是手工能解決的了，必須通過工具或者程序進(jìn)行處理，尤其海量的數(shù)據(jù)中，什么情況都可能存在，例如，數(shù)據(jù)中某處格式出了問題，尤其在程序處理時(shí)，前面還能正常處理，突然到了某個(gè)地方問題出現(xiàn)了，程序終止了。
二、軟硬件要求高，系統(tǒng)資源占用率高。
對(duì)海量的數(shù)據(jù)進(jìn)行處理，除了好的方法，最重要的就是合理使用工具，合理分配系統(tǒng)資源。一般情況，如果處理的數(shù)據(jù)過TB級(jí)，小型機(jī)是要考慮的，普通的機(jī)子如果有好的方法可以考慮，不過也必須加大CPU和內(nèi)存，就象面對(duì)著千軍萬馬，光有勇氣沒有一兵一卒是很難取勝的。
三、要求很高的處理方法和技巧。
這也是本文的寫作目的所在，好的處理方法是一位工程師長(zhǎng)期工作經(jīng)驗(yàn)的積累，也是個(gè)人的經(jīng)驗(yàn)的總結(jié)。沒有通用的處理方法，但有通用的原理和規(guī)則。
下面我們來詳細(xì)介紹一下處理海量數(shù)據(jù)的經(jīng)驗(yàn)和技巧：
1、選用優(yōu)秀的數(shù)據(jù)庫(kù)工具
現(xiàn)在的數(shù)據(jù)庫(kù)工具廠家比較多，對(duì)海量數(shù)據(jù)的處理對(duì)所使用的數(shù)據(jù)庫(kù)工具要求比較高，一般使用Oracle或者DB2，微軟公司最近發(fā)布的SQL Server 20xx性能也不錯(cuò)。另外在BI領(lǐng)域：數(shù)據(jù)庫(kù)，數(shù)據(jù)倉(cāng)庫(kù)，多維數(shù)據(jù)庫(kù)，數(shù)據(jù)挖掘等相關(guān)工具也要進(jìn)行選擇，象好的ETL工具和好的OLAP工具都十分必要，例如Informatic，Eassbase等。筆者在實(shí)際數(shù)據(jù)分析項(xiàng)目中，對(duì)每天6000萬條的日志數(shù)據(jù)進(jìn)行處理，使用SQL Server 20xx需要花費(fèi)6小時(shí)，而使用SQL Server 20xx則只需要花費(fèi)3小時(shí)。
2、編寫優(yōu)良的程序代碼
處理數(shù)據(jù)離不開優(yōu)秀的程序代碼，尤其在進(jìn)行復(fù)雜數(shù)據(jù)處理時(shí)，必須使用程序。好的程序代碼對(duì)數(shù)據(jù)的處理至關(guān)重要，這不僅僅是數(shù)據(jù)處理準(zhǔn)確度的問題，更是數(shù)據(jù)處理效率的問題。良好的程序代碼應(yīng)該包含好的算法，包含好的處理流程，包含好的效率，包含好的異常處理機(jī)制等。
3、對(duì)海量數(shù)據(jù)進(jìn)行分區(qū)操作
對(duì)海量數(shù)據(jù)進(jìn)行分區(qū)操作十分必要，例如針對(duì)按年份存取的數(shù)據(jù)，我們可以按年進(jìn)行分區(qū)，不同的數(shù)據(jù)庫(kù)有不同的分區(qū)方式，不過處理機(jī)制大體相同。例如SQL Server的數(shù)據(jù)庫(kù)分區(qū)是將不同的數(shù)據(jù)存于不同的文件組下，而不同的文件組存于不同的磁盤分區(qū)下，這樣將數(shù)據(jù)分散開，減小磁盤I/O，減小了系統(tǒng)負(fù)荷，而且還可以將日志，索引等放于不同的分區(qū)下。
4、建立廣泛的索引
對(duì)海量的數(shù)據(jù)處理，對(duì)大表建立索引是必行的，建立索引要考慮到具體情況，例如針對(duì)大表的分組、排序等字段，都要建立相應(yīng)索引，一般還可以建立復(fù)合索引，對(duì)經(jīng)常插入的表則建立索引時(shí)要小心，筆者在處理數(shù)據(jù)時(shí)，曾經(jīng)在一個(gè)ETL流程中，當(dāng)插入表時(shí)，首先刪除索引，然后插入完畢，建立索引，并實(shí)施聚合操作，聚合完成后，再次插入前還是刪除索引，所以索引要用到好的時(shí)機(jī)，索引的填充因子和聚集、非聚集索引都要考慮。
5、建立緩存機(jī)制
當(dāng)數(shù)據(jù)量增加時(shí)，一般的處理工具都要考慮到緩存問題。緩存大小設(shè)置的好差也關(guān)系到數(shù)據(jù)處理的成敗，例如，筆者在處理2億條數(shù)據(jù)聚合操作時(shí)，緩存設(shè)置為100000條/Buffer，這對(duì)于這個(gè)級(jí)別的數(shù)據(jù)量是可行的。
6、加大虛擬內(nèi)存
如果系統(tǒng)資源有限，內(nèi)存提示不足，則可以靠增加虛擬內(nèi)存來解決。筆者在實(shí)際項(xiàng)目中曾經(jīng)遇到針對(duì)18億條的數(shù)據(jù)進(jìn)行處理，內(nèi)存為1GB，1個(gè)P4 2.4G的CPU，對(duì)這么大的數(shù)據(jù)量進(jìn)行聚合操作是有問題的，提示內(nèi)存不足，那么采用了加大虛擬內(nèi)存的方法來解決，在6塊磁盤分區(qū)上分別建立了6個(gè)4096M的磁盤分區(qū)，用于虛擬內(nèi)存，這樣虛擬的內(nèi)存則增加為4096x6 + 1024 = 25600 M，解決了數(shù)據(jù)處理中的內(nèi)存不足問題。
7、分批處理
海量數(shù)據(jù)處理難因?yàn)閿?shù)據(jù)量大，那么解決海量數(shù)據(jù)處理難的問題其中一個(gè)技巧是減少數(shù)據(jù)量。可以對(duì)海量數(shù)據(jù)分批處理，然后處理后的數(shù)據(jù)再進(jìn)行合并操作，這樣逐個(gè)擊破，有利于小數(shù)據(jù)量的處理，不至于面對(duì)大數(shù)據(jù)量帶來的問題，不過這種方法也要因時(shí)因勢(shì)進(jìn)行，如果不允許拆分?jǐn)?shù)據(jù)，還需要另想辦法。不過一般的數(shù)據(jù)按天、按月、按年等存儲(chǔ)的，都可以采用先分后合的方法，對(duì)數(shù)據(jù)進(jìn)行分開處理。
8、使用臨時(shí)表和中間表
數(shù)據(jù)量增加時(shí)，處理中要考慮提前匯總。這樣做的目的是化整為零，大表變小表，分塊處理完成后，再利用一定的規(guī)則進(jìn)行合并，處理過程中的臨時(shí)表的使用和中間結(jié)果的保存都非常重要，如果對(duì)于超海量的數(shù)據(jù)，大表處理不了，只能拆分為多個(gè)小表。如果處理過程中需要多步匯總操作，可按匯總步驟一步步來，不要一條語句完成，一口氣吃掉一個(gè)胖子。
9、優(yōu)化查詢SQL語句
在對(duì)海量數(shù)據(jù)進(jìn)行查詢處理過程中，查詢的SQL語句的性能對(duì)查詢效率的影響是非常大的，編寫高效優(yōu)良的SQL腳本和存儲(chǔ)過程是數(shù)據(jù)庫(kù)工作人員的職責(zé)，也是檢驗(yàn)數(shù)據(jù)庫(kù)工作人員水平的一個(gè)標(biāo)準(zhǔn)，在對(duì)SQL語句的編寫過程中，例如減少關(guān)聯(lián)，少用或不用游標(biāo)，設(shè)計(jì)好高效的數(shù)據(jù)庫(kù)表結(jié)構(gòu)等都十分必要。筆者在工作中試著對(duì)1億行的數(shù)據(jù)使用游標(biāo)，運(yùn)行3個(gè)小時(shí)沒有出結(jié)果，這是一定要改用程序處理了。
10、使用文本格式進(jìn)行處理
對(duì)一般的數(shù)據(jù)處理可以使用數(shù)據(jù)庫(kù)，如果對(duì)復(fù)雜的數(shù)據(jù)處理，必須借助程序，那么在程序操作數(shù)據(jù)庫(kù)和程序操作文本之間選擇，是一定要選擇程序操作文本的，原因?yàn)椋撼绦虿僮魑谋舅俣瓤欤粚?duì)文本進(jìn)行處理不容易出錯(cuò)；文本的存儲(chǔ)不受限制等。例如一般的海量的網(wǎng)絡(luò)日志都是文本格式或者csv格式（文本格式），對(duì)它進(jìn)行處理牽扯到數(shù)據(jù)清洗，是要利用程序進(jìn)行處理的，而不建議導(dǎo)入數(shù)據(jù)庫(kù)再做清洗。
11、定制強(qiáng)大的'清洗規(guī)則和出錯(cuò)處理機(jī)制
海量數(shù)據(jù)中存在著不一致性，極有可能出現(xiàn)某處的瑕疵。例如，同樣的數(shù)據(jù)中的時(shí)間字段，有的可能為非標(biāo)準(zhǔn)的時(shí)間，出現(xiàn)的原因可能為應(yīng)用程序的錯(cuò)誤，系統(tǒng)的錯(cuò)誤等，這是在進(jìn)行數(shù)據(jù)處理時(shí)，必須制定強(qiáng)大的數(shù)據(jù)清洗規(guī)則和出錯(cuò)處理機(jī)制。
12、建立視圖或者物化視圖
視圖中的數(shù)據(jù)來源于基表，對(duì)海量數(shù)據(jù)的處理，可以將數(shù)據(jù)按一定的規(guī)則分散到各個(gè)基表中，查詢或處理過程中可以基于視圖進(jìn)行，這樣分散了磁盤I/O，正如10根繩子吊著一根柱子和一根吊著一根柱子的區(qū)別。
13、避免使用32位機(jī)子（極端情況）
目前的計(jì)算機(jī)很多都是32位的，那么編寫的程序?qū)?nèi)存的需要便受限制，而很多的海量數(shù)據(jù)處理是必須大量消耗內(nèi)存的，這便要求更好性能的機(jī)子，其中對(duì)位數(shù)的限制也十分重要。
14、考慮操作系統(tǒng)問題
海量數(shù)據(jù)處理過程中，除了對(duì)數(shù)據(jù)庫(kù)，處理程序等要求比較高以外，對(duì)操作系統(tǒng)的要求也放到了重要的位置，一般是必須使用服務(wù)器的，而且對(duì)系統(tǒng)的安全性和穩(wěn)定性等要求也比較高。尤其對(duì)操作系統(tǒng)自身的緩存機(jī)制，臨時(shí)空間的處理等問題都需要綜合考慮。
15、使用數(shù)據(jù)倉(cāng)庫(kù)和多維數(shù)據(jù)庫(kù)存儲(chǔ)
數(shù)據(jù)量加大是一定要考慮OLAP的，傳統(tǒng)的報(bào)表可能5、6個(gè)小時(shí)出來結(jié)果，而基于Cube的查詢可能只需要幾分鐘，因此處理海量數(shù)據(jù)的利器是OLAP多維分析，即建立數(shù)據(jù)倉(cāng)庫(kù)，建立多維數(shù)據(jù)集，基于多維數(shù)據(jù)集進(jìn)行報(bào)表展現(xiàn)和數(shù)據(jù)挖掘等。
16、使用采樣數(shù)據(jù)，進(jìn)行數(shù)據(jù)挖掘
基于海量數(shù)據(jù)的數(shù)據(jù)挖掘正在逐步興起，面對(duì)著超海量的數(shù)據(jù)，一般的挖掘軟件或算法往往采用數(shù)據(jù)抽樣的方式進(jìn)行處理，這樣的誤差不會(huì)很高，大大提高了處理效率和處理的成功率。一般采樣時(shí)要注意數(shù)據(jù)的完整性和，防止過大的偏差。筆者曾經(jīng)對(duì)1億2千萬行的表數(shù)據(jù)進(jìn)行采樣，抽取出400萬行，經(jīng)測(cè)試軟件測(cè)試處理的誤差為千分之五，客戶可以接受。
還有一些方法，需要在不同的情況和場(chǎng)合下運(yùn)用，例如使用代理鍵等操作，這樣的好處是加快了聚合時(shí)間，因?yàn)閷?duì)數(shù)值型的聚合比對(duì)字符型的聚合快得多。類似的情況需要針對(duì)不同的需求進(jìn)行處理。
海量數(shù)據(jù)是發(fā)展趨勢(shì)，對(duì)數(shù)據(jù)分析和挖掘也越來越重要，從海量數(shù)據(jù)中提取有用信息重要而緊迫，這便要求處理要準(zhǔn)確，精度要高，而且處理時(shí)間要短，得到有價(jià)值信息要快，所以，對(duì)海量數(shù)據(jù)的研究很有前途，也很值得進(jìn)行廣泛深入的研究。
數(shù)據(jù)處理工作總結(jié)2
20xx年xxx水利普查空間數(shù)據(jù)工作，嚴(yán)格按照《第一次全國(guó)水利普查空間數(shù)據(jù)采集與處理實(shí)施方案》要求，以質(zhì)量為中心，精心組織、周密安排，經(jīng)過全區(qū)普查工作人員的辛苦努力在對(duì)數(shù)據(jù)錄入、外業(yè)采集及內(nèi)業(yè)標(biāo)繪等各項(xiàng)工作，達(dá)到了上級(jí)規(guī)定的具體要求，水利普查清查階段的空間數(shù)據(jù)處理工作，現(xiàn)將xxx水利普查清查階段的空間數(shù)據(jù)處理工作總結(jié)報(bào)告如下
一、數(shù)據(jù)處理情況
1、清查數(shù)據(jù)錄入情況普查辦數(shù)據(jù)處理工作完成如下：
一是完成清查數(shù)據(jù)錄入，水利工程128處、經(jīng)濟(jì)社會(huì)用水調(diào)查對(duì)象39個(gè)、河湖治理清查對(duì)象22個(gè)、行業(yè)能力單位41個(gè)、灌區(qū)13個(gè)；
二是完成鄉(xiāng)鎮(zhèn)典型居民生活用水戶調(diào)查對(duì)象100戶、地下水取水井清查對(duì)象xxx眼、規(guī)模以上地下水水源地xx處；
2、普查靜態(tài)數(shù)據(jù)采集、錄入情況
通過清查登記、審核對(duì)比、查缺補(bǔ)漏、數(shù)據(jù)處理、普查靜態(tài)數(shù)據(jù)獲取等工作流程，獲取普查靜態(tài)數(shù)據(jù)表xxx張，錄入普查靜態(tài)數(shù)據(jù)表xxxx張、靜態(tài)指標(biāo)xxxx個(gè)。按照全國(guó)水利普查空間數(shù)據(jù)采集與處理相關(guān)技術(shù)規(guī)定要求，空間數(shù)據(jù)采集是采用“內(nèi)業(yè)為主、外業(yè)為輔”的方法，但為了提高空間數(shù)據(jù)的精度，最大限度地減小空間標(biāo)繪的.誤差，采集小組對(duì)所有需要標(biāo)繪對(duì)象的空間數(shù)據(jù)都進(jìn)行了外業(yè)采集，并按要求規(guī)范填寫《水利普查空間數(shù)據(jù)外業(yè)采集成果一覽表》，對(duì)采集的坐標(biāo)位置進(jìn)行整理、匯總，采集數(shù)據(jù)完成GPS空間外業(yè)數(shù)據(jù)采集點(diǎn)xxx處，萬畝灌區(qū)主干渠系完成普查靜態(tài)數(shù)據(jù)采集100%、數(shù)據(jù)錄入100%。
二、空間數(shù)據(jù)標(biāo)繪情況
1、內(nèi)業(yè)標(biāo)繪情況對(duì)可以在電子工作底圖上直接辨識(shí)的清查對(duì)象，參照《第一次全國(guó)水利普查空間數(shù)據(jù)采集與處理技術(shù)規(guī)定》，通過選取工作底圖中的相應(yīng)分類要素，完成該對(duì)象在電子工作底圖上的位置、形態(tài)特征，若分類要素未表達(dá)該對(duì)象或表達(dá)的位置、形態(tài)與遙感影像存在較大差異，則結(jié)合已掌握的實(shí)際信息，以遙感影像為參考，做必要的調(diào)整。完成空間數(shù)據(jù)采集100%、標(biāo)繪100%。
2、對(duì)象關(guān)系建立xxx水利普查數(shù)據(jù)處理組，依據(jù)清查登記成果，結(jié)合基礎(chǔ)資料等相關(guān)信息，利用配發(fā)的電子工作底圖，借助水利普查空間數(shù)據(jù)采集處理軟件，完成對(duì)象空間關(guān)系的建立。
三、涉密數(shù)據(jù)管理
xxx水利普查數(shù)據(jù)組為切實(shí)規(guī)范第一次全國(guó)水利普查涉密數(shù)據(jù)的使用管理，保障涉密數(shù)據(jù)使用安全防止國(guó)家秘密、商業(yè)秘密和個(gè)人隱私等泄露，根據(jù)《中華人民共和國(guó)保守國(guó)家秘密法》、《中華人民共和國(guó)保守國(guó)家秘密法實(shí)施辦法》、《中華人民共和國(guó)統(tǒng)計(jì)法》和《水利部保密工作管理規(guī)定》等有關(guān)法規(guī)，結(jié)合我區(qū)水利普查工作實(shí)際制定《普查涉密數(shù)據(jù)日常安全管理細(xì)則》、《xxx普查涉密信息保密管理制度》并嚴(yán)格執(zhí)行。對(duì)普查相關(guān)人員進(jìn)出保密機(jī)房實(shí)行在冊(cè)登記。四、下一步工作打算
普查辦數(shù)據(jù)組下一步打算，一是要嚴(yán)格按照普查時(shí)間節(jié)點(diǎn)要求，做好普查表數(shù)據(jù)審核、平衡處理、內(nèi)業(yè)標(biāo)繪工作。二是對(duì)今年工作經(jīng)驗(yàn)教訓(xùn)進(jìn)行系統(tǒng)總結(jié)，重點(diǎn)是完善各專項(xiàng)普查對(duì)象的空間關(guān)系建立。三是對(duì)空間數(shù)據(jù)，做到科學(xué)分析、認(rèn)真標(biāo)繪。今后我們將在市普查辦數(shù)據(jù)專項(xiàng)組的領(lǐng)導(dǎo)下，按照水利普查方案，嚴(yán)把時(shí)間節(jié)點(diǎn)，順利完成xxx第一次全國(guó)水利普查工作空間數(shù)據(jù)處理工作。
【數(shù)據(jù)處理工作總結(jié)】相關(guān)文章：
數(shù)據(jù)處理實(shí)習(xí)日記06-25
數(shù)據(jù)處理求職簡(jiǎn)歷模板10-05
數(shù)據(jù)處理與分析相關(guān)空白表格09-28
數(shù)據(jù)處理與分析相關(guān)空白表格07-01