《大数据》2020年第3期目次摘要
点击上方蓝字关注我们
《大数据》
第6卷第3期 2020年5月
大数据2020年第3期
（点击原文链接在官网阅读完整文章）
目次
01 专题导读：数据资产化探索
朱扬勇,陈贵海
02 数据资产化框架初探
叶雅珍，刘国华，朱扬勇
03 基于利润最大化的数据资产价值评估模型
董祥千，郭 兵，沈 艳，段旭良，申云成，张 洪
04 基于区块链的数据市场
汪靖伟，郑臻哲，吴 帆，陈贵海
05 数据资产标准研究进展与建议
戴炳荣，闭珊珊，杨 琳，纪婷婷，陈 美
06 面向价值实现的数据资产管理体系构建
李雨霏，刘海燕，闫 树
07 专题导读：面向大数据处理的数据流计算技术
周傲英, 于戈
08 面向大数据处理的数据流编程模型和工具综述
邹骁锋，阳王东，容学成，李肯立，李克勤
09 数据流计算模型及其在大数据处理中的应用
毕倪飞，丁光耀，陈启航，徐 辰，周傲英
10 数据流计算环境下的集群资源管理技术
汤小春，符 莹，丁 朝，毛安琪，李战怀
11 分布式数据流计算系统的数据缓存技术综述
袁旭初，付 国，毕继泽，张岩峰，聂铁铮，谷 峪，鲍玉斌，于 戈
12 数据流技术在 GPU和大数据处理中的应用
苏华友，梅松竹，李荣春，窦 勇
摘要
专题：数据资产化探索
导读
作者：朱扬勇,陈贵海
理查德•彼得斯于1974年就提出数据资产名词了，但至今数据资产仍然无法计入会计报表，说明数据资产化的难度非常大。这也妨害了数据的流通和再生产。随着大数据的兴起，数据是数字经济的关键要素这一观点已被广泛认识。十九届四中全会特别提出，健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定招酬的机制。这一重要创新论述对数据资产化提出了紧迫的要求。数据资产化涉及法律、会计、技术、方法等多方面因素，本身就是一个大数据问题，需要从多种视角开展研究和实践。本期专题以数据计量、定价模型等技术手段为切入点，着重探索数据资产化方法，包括数据资产化框架、评估模型、定价模型、标准等。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00001.shtml
数据资产化框架初探
作者：叶雅珍，刘国华，朱扬勇
摘要：随着数字经济的发展，将作为数字经济关键要素的数据看作一类新型资产已经获得共识。但是，并不是所有数据都可以作为资产。因此，哪些数据可以作为数据资产、作为数据资产的数据应该具备什么条件、如何将一个数据集转化为数据资产是当前数据产业、数字经济亟须解决的问题。研究了数据资产的特点和需具备的条件，提出了一个数据资产化基本框架，包括数据资源确权、数据价值确认与质量管控、数据装盒入库、货币计价与评估、数据资产折旧和增值的管理5个步骤，为数据资源的资产化提供了一条可行的路径。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00003.shtml
基于利润最大化的数据资产价值评估模型
作者：董祥千，郭 兵，沈 艳，段旭良，申云成，张 洪
摘要：“数据是有价值的，并将成为一种经济商品”的理念已成为共识，然而数据的非竞争性使数据价值有别于有形资产的价值。正确理解数据资产价值是实现数据共享与交换、发展数字经济的前提与保障。首先分析数据价值评价方法及数据资产的商品属性，然后讨论数据资产交易的市场模型，最后在综合数据资产属性及市场模型的基础上提出参与者利润建模方法。提出模型化数据市场参与者利润的相关特性，为参与者进入市场提供理论参考依据。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00013.shtml
基于区块链的数据市场
作者：汪靖伟，郑臻哲，吴 帆，陈贵海
摘要：在互联网时代，每天都产生着不可估量的数据，在数据共享过程中，涌现出了数据隐私性和所有权归属等复杂问题。区块链是一种去中心化的分布式数据存储技术，引入区块链能消除集中式数据市场的弊端，但同时分布式数据市场又产生了安全与隐私问题。综述了国内外大数据交易市场的产业现状和研究进展，提炼了基于区块链的大数据共享流通平台应满足的性质。根据这些性质提出了一个基于区块链的数据市场框架，分析和讨论了这个框架中的安全性和隐私性问题及对应的解决方案。基于这个框架，实现了一个数据市场测试系统，并证实了该框架的可行性和安全性。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00021.shtml
数据资产标准研究进展与建议
作者：戴炳荣，闭珊珊，杨 琳，纪婷婷，陈 美
摘要：数据被认为是各类组织的宝贵资产，数据资产的标准化研究受到各个国家、行业和组织的重视。从标准视角介绍了国内外相关组织的数据资产方向的理论研究、实践以及与数据资产相关的标准化研究进展，并提出了数据资产的标准化思路以及数据资产管理的通用过程框架，为数据资产的管理和应用提供参考。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00036.shtml
面向价值实现的数据资产管理体系构建
作者：李雨霏，刘海燕，闫 树
摘要：数据被认为是各类组织的宝贵资产，数据资产的标准化研究受到各个国家、行业和组织的重视。从标准视角介绍了国内外相关组织的数据资产方向的理论研究、实践以及与数据资产相关的标准化研究进展，并提出了数据资产的标准化思路以及数据资产管理的通用过程框架，为数据资产的管理和应用提供参考。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00045.shtml
专题：面向大数据处理的数据流计算技术
导读
作者：周傲英, 于戈
数据流（data flow）是麻省理工学院（MIT）的Jack B.Dennis教授在20世纪70年代提出的一种计算机体系架构，这在当时是很大胆的想法。此前，冯•诺依曼在1946年提出的以存储程序和顺序执行为主要特征的体系结构是人们唯一的选择。相对于数据流，传统的体系结构被归为控制流（control flow）一类。与控制流相比，数据流计算有天然的并行性，这使得它在早期超级计算机的发展历史上产生了重要的影响。虽然数据流计算机至今没有成为主流，但是在大数据时代，计算机有史以来的“以计算为中心”真正转变成“以数据为中心”，数据流由于其自身的特点将重新焕发迷人的魅力。在我们承担的国家重点研发计划项目“面向异构体系结构的高性能分布式数据处理技术与系统”中，数据流是最重要的一个关键词，从面向用户的编程模型和工具到大数据处理的计算模型，再到GPU能力的充分发挥；从计算机集群资源管理到分布式缓存等数据管理，数据流计算的思想和技术是贯穿其中的一条主线。通过两年来的深入研究和比较，尤其是在系统开发和应用实践的过程中，项目组对于数据流在大数据处理中的应用有了较为深刻的认识，我们把涉及数据流计算关键技术的5篇文章汇集成“面向大数据处理的数据流计算技术”专题，以飨读者，恳请批评指正。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00057.shtml
面向大数据处理的数据流编程模型和工具综述
作者：邹骁锋，阳王东，容学成，李肯立，李克勤
摘要：利用大数据计算平台对大量的静态数据进行数据挖掘和智能分析助推了大数据和人工智能应用的落地。在面临互联网、物联网产生的日益庞大的实时动态数据的处理需求时，数据流计算被逐步引入目前的一些大数据处理平台中。针对数据流的编程模型，比较了传统软件工程的面向数据流的分析和设计方法与目前针对大数据处理平台的数据流编程模型提供的结构定义和模型参考，分析了两者的差异和不足，总结了数据流编程模型的主要特征和关键要素。分析了目前数据流编程的主要方式以及与主流编程工具的结合，针对大数据处理的数据流计算业务需求，给出了可视化数据流编程工具的基本框架和编程模式。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00059.shtml
数据流计算模型及其在大数据处理中的应用
作者：毕倪飞，丁光耀，陈启航，徐 辰，周傲英
摘要：如今无界、乱序的大规模数据集越来越普遍，并且消费者对这些数据集的处理需求日益复杂，如时间语义、窗口以及处理时延等。针对在无界、乱序的大规模数据集上演进的数据处理需求，探讨了大数据处理中的数据流计算模型。一方面，从执行引擎层面分析了大数据处理中的数据流计算模型所体现的数据流图；另一方面，从统一编程层面分析了大数据处理中的数据流计算模型所体现的数据流编程模型。在此基础上，进一步结合Spark批处理引擎和Flink流计算引擎等多个执行引擎，对比分析了数据流图和数据流编程模型在2类执行引擎中的具体实现。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00073.shtml
数据流计算环境下的集群资源管理技术
作者：汤小春，符 莹，丁 朝，毛安琪，李战怀
摘要：以集群为基础的高性能计算的发展经历了3个阶段的演化，即计算子系统与存储子系统的分离、计算子系统与存储子系统的融合以及以数据并行为基础的dataflow编程模型。随着Spark、Flink等数据流编程模型在大数据计算领域的广泛使用，计算作业类型千变万化，如何保证各种数据流计算作业对集群资源的共享使用是集群资源管理的核心，也是降低基础设施成本的主要手段。分析集群资源管理的历史变化，从数据流编程模型的角度出发，对HoD、集中式、双层调度、分布式以及混合式管理展开了深入的探索，介绍了其各自的优缺点以及应用现状，为数据流计算环境下的集群资源管理和调度的使用或者研发提供一定的参考和借鉴。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00087.shtml
分布式数据流计算系统的数据缓存技术综述
作者：袁旭初，付 国，毕继泽，张岩峰，聂铁铮，谷 峪，鲍玉斌，于 戈
摘要：数据流编程模型以其高度并行计算、支持流水线处理、支持函数式编程等优点被许多主流的计算系统采用。在分布式数据流系统和异构数据流系统中，算子之间数据生产和数据消化的速度不一致可能会导致数据堆积或者算子闲置等问题。为支持高效的数据流系统，需要设计缓存系统，以保证数据流的高效缓存和移动。选取了几个典型的分布式数据流系统与分布式消息队列系统进行系统分析，并总结了目前消息队列系统对数据流缓存系统的支持程度。最后对数据缓存技术进行了阐述，并分析了未来的数据流缓存系统的需求和研究方向。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00101.shtml
数据流技术在 GPU和大数据处理中的应用
作者：苏华友，梅松竹，李荣春，窦 勇
摘要：数据流模型是一种高效的计算模型，由于其在并行性方面具有天然的优势，数据流技术在软硬件领域得到了广泛的应用。在硬件体系结构方面，数据流模型引领计算机体系结构在传统冯·诺伊曼架构下向支持更高并发的方向发展。基于超长向量处理单元的流处理和SIMT的现代GPU就广泛使用了数据流技术的思想。在编程模型方面，数据流思想在大数据编程模型领域得到了广泛应用，例如MapReduce和Spark等。从数据流模型的角度多层次分析了英伟达GPU的体系结构以及CUDA编程模型，阐述了数据流模型在GPU软硬件系统中的应用。分析了数据流思想和GPU大规模并行处理体系结构在大数据处理中的应用和发展趋势。
原文链接：http://www.infocomm-journal.com/bdr/article/2020/2096-0271/2096-0271-6-3-00117.shtml
联系我们:
Tel:010-81055448
010-81055490
010-81055534
E-mail:bdr@bjxintong.com.cn
http://www.infocomm-journal.com/bdr
http://www.j-bigdataresearch.com.cn/
大数据期刊
《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的期刊，已成功入选中文科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊，并被评为2018年国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。
关注《大数据》期刊微信公众号，获取更多内容
总结
以上是生活随笔为你收集整理的《大数据》2020年第3期目次摘要的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 作者：王雨华（1970-），男，中国科学
- 下一篇： 【CyberSecurityLearni