ACCORDANT: A Domain Specific Model and DevOpsApproach for Big Data Analytics Architectures

大数据分析架构设计

Big data analytics architecture design

Objective.我们提出了一种方法来推理目标，障碍，并选择合适的大数据解决方案架构，满足质量目标的偏好和利益相关者在决策结果的不确定性的存在下的约束。该方法将突出可能阻碍实现目标的情况。将对它们进行评估和解决，以生成架构解决方案的完整需求。法该方法采用面向目标的建模，以确定质量目标失败的障碍和相应的解决策略。它结合了模糊逻辑来探索解决方案架构中的不确定性，并为制造系统的大数据启用过程找到一组最佳的架构决策。结果.该方法为制造系统中采用大数据分析平台的最新技术带来了两项创新。首先，一个系统的面向目标的建模，用于探索在需求层面将制造系统与数据分析平台集成的目标和障碍，其次，在不确定性下结合利益相关者的偏好对架构决策进行系统分析。该方法的有效性说明了一个超连接的制造协作系统，以一个新的大数据架构的重新设计方案。关键词大数据，大数据分析平台，制造系统，目标导向建模，模糊逻辑

虚拟参与者图（GOVA）：一种面向IoT的大数据分析架构

Graph of Virtual Actors (GOVA): a Big Data Analytics Architecture for IoT

随着云计算和传感器技术的出现，物联网（IoT）的大数据分析已成为解决我们社会问题的许多创新解决方案背后的主要力量。本文提供了实际的解释的问题“为什么是成功的，并对我们的日常生活产生影响的大数据应用程序的数量如此有限，与文献中提出和测试的所有解决方案相比？”，并以智能电网为例。我们认为，“非不变式”是物联网应用中最具挑战性的问题，如果我们使用术语“不变式”来取代任何物联网研究大数据中更常见的术语，如“信息”，“知识”或“洞察力”，则可以很容易地揭示这一点。根据我们开发智能电网应用的经验，我们列出了一个“非不变式”列表，我们认为这是实验室大数据与物联网应用实践之间存在差距的主要原因。本文还提出了虚拟角色图（GOVA）作为物联网应用的大数据分析架构，它不仅可以解决不变量问题，而且可以在计算，数据存储，缓存需求和系统可编程性方面快速横向扩展。

Towards a Conceptual Approach of Analytical Engineering for Big Data

Analytics corresponds to a relevant and challenging phase of Big Data. The generation of knowledge from extensive data sets (petabyte era) of varying types, occurring at a speed able to serve decision makers, is practiced using multiple areas of knowledge, such as computing, statistics, data mining, among others. In the Big Data domain, Analytics is also considered as a process capable of adding value to the organizations. Besides the demonstration of value, Analytics should also consider operational tools and models to support decision making. To adding value, Analytics is also presented as p…

智能围手术期系统：迈向手术风险评估的实时的大数据分析

Intelligent Perioperative System: Towards Real-time Big Data Analytics in Surgery Risk Assessment

手术风险评估是医生管理患者治疗的有效工具，但目前的大多数研究项目都没有提供一个全面的平台来评估患者在不同并发症方面的手术风险。大数据分析技术的最新发展使得开发一个实时的【形】平台来动态分析大规模患者信息中的手术风险成为可能。在本文中，我们提出了智能围手术期系统（IPS），一个实时的【形】系统，评估术后并发症（PC）的风险，并与医生动态互动，以提高预测结果。为了实时的【形】处理大量的患者数据，我们设计了一个系统，通过集成多个大数据计算和存储框架与高吞吐量输出的流数据处理组件。最后，我们也实作了一个系统原型，并以可视化的结果来显示系统设计的可行性。

通过概率模型检验进行QoS预测的大数据分析

Big Data Analytics for QoS Prediction Through Probabilistic Model Checking

随着竞争力的增强，能够提高所交付服务的QoS是业务成功的关键。因此，持续监控提供服务的工作流并及时识别商定的QoS级别中的违规的能力是至关重要的。理想的条件是有可能预见到违约行为，从而预测违约行为，并采取行动避免违约行为，或至少减轻其影响。在本文中，我们提出了一个模型检验为基础的方法来预测QoS的正式描述的过程。连续模型检验通过使用被监控系统的参数化模型来实现，其中通过大数据工具来连续评估和更新参数的实际值。本文还描述了一个原型实现的方法，并显示其使用的案例研究。

大数据网络安全分析系统架构策略研究综述

Architectural Tactics for Big Data Cybersecurity Analytic Systems: A Review

内容：大数据网络安全分析旨在通过使用大数据工具和技术分析安全事件数据来保护网络，计算机和数据免受未经授权的访问。虽然文献中已经报道了大量的大数据网络安全分析系统，但缺乏从架构角度对文献进行系统和全面的审查。目的：本文报告了一项系统性综述，旨在确定大数据网络安全分析系统最常报告的质量属性和架构策略。方法：采用系统性文献综述（SLR）方法，对74篇按照明确标准筛选的原始文献进行综述。结果如下：我们的发现有两个方面：（i）确定12个最常报告的质量属性，并说明其对大数据网络安全分析系统的重要性;（ii）确定和编纂17个架构策略，以解决通常与大数据网络安全分析系统相关的质量属性。确定的策略包括六个性能策略，四个准确性策略，两个可扩展性策略，三个可靠性策略，以及一个安全性和可用性策略。结论：我们的研究结果表明，（a）尽管互操作性、可修改性、适应性、通用性、隐蔽性和隐私保证很重要，这些质量属性在文献中缺乏明确的架构支持（b）需要进行实证调查，以评估编纂的架构策略的影响（c）应投入大量的研究工作来探索该行业-（d）学术界和工业界之间普遍缺乏有效的合作，以支持大数据网络安全分析系统领域。