大数据可视化技术挑战和措施

　　数据可视化在大数据场景中面临许多新的挑战，包括数据规模、数据融合、图表绘制效率、图表表达能力、系统可扩展性、快速构建能力、数据分析和数据交互等。

 

　　数据规模

 

　　大数据规模大、价值密度降低，受限于屏幕空间，所能显示的数据量有限。因此为了有效显示使用者所关注的数据和特征，需要采用有效的数据压缩方法。目前已有的方法针对数据本身进行采样或聚合，未考虑数据可视化的显示特性。近期一些学者提出了针对特定可视化场景的数据压缩方法。但是目前依然缺少通用的面向可视化的数据压缩方法，也缺少实际应用的产品。

 

　　数据融合

 

　　大数据的另一个表现是数据类型多样，常常分布于不同的数据库。如何融合不同来源、不同类型的数据，为使用者提供统一的可视化视角，支持可视化的关联探索与关系挖掘，是一个重要的问题。其中涉及数据关联的自动发现、多类型数据可视化、知识图谱构建等多个技术问题。

 

　　图表绘制效率

 

　　随着数据规模的增加，图表可视化的效率问题越来越凸显。目前，有些可视化产品开始采用WebGL借助GPU实现平行绘制。越来越多的数据可视化产品采用B/S架构，其性能一定程度上优先于浏览器；另外，由于跨终端需求越来越普遍，也对图表绘制提出了更多挑战。

 

　　图表表达能力

 

　　随着产生数据的来源增加，数据类型不断增加，数据使用者对于数据的交互需求越来越多，已有的数据可视化产品完全无法满足使用者的可视化需求，时常出现需要的可视化形式产品不支持或支持不够等问题。这就对于系统的图表表达能力提出了更高的要求，同时对于系统支持使用者的个性化定制提出了新的要求。

 

　　系统可扩展性