1.基于大数据技术的计算机资源分配方法，其特征在于，所述方法包括以下步骤：

步骤S100：获取本地计算机的历史运行记录，提取本地计算机运行过程中各参数项的历史记录，计算本地计算机的运行状态参数，汇集本地计算机的运行状态参数得到本地计算机运行状态数据集；

步骤S200：设置运行负荷阈值，提取本地计算机超负荷运行特征，获取本地计算机超负荷运行的规律模型，将规律模型中，引起本地计算机超负荷运行的状态目标规律，对满足目标规律的进程进行拦截；

步骤S300：对本地计算机中当前运行进程与被拦截进程的本地数据库依赖指数和活跃度指数进行计算，计算进程留存指数，对当前运行进程与被拦截进程的进程留存指数进行排序，从序列中选择备选进程；

步骤S400：从备选进程中选取从本地卸载进入云计算机运行的进程，将本地卸载进入云计算机运行的进程设置为目标进程，将目标进程载入云计对传入和传出目标进程的指令进行管理，本地管理模块对传入目标进程的指令进行标记，通过本地管理模块将指令转发至目标进程的云进程，并对从目标进程对应的云进程返回的指令进行管理算机；

步骤S500：对传入和传出目标进程的指令进行管理，本地管理模块对传入目标进程的指令进行标记，通过本地管理模块将指令转发至目标进程的云进程，并对从目标进程对应的云进程返回的指令进行管理。

2.根据权利要求1所述的基于大数据技术的计算机资源分配方法，其特征在于，步骤S100包括：

步骤S101：获取本地计算机的历史运行记录，提取本地计算机运行过程中各参数项的历史记录；

步骤S102：计算本地计算机第i时刻的运行状态参数Fi，其中，Fi＝ti×

(n1+n2+n3+…+nm)，其中ti表示本地计算机第i时刻的响应时延，其中n1、n2、n3、…、nm分别表示本地计算机的第1，第2，第3，……，第m个运行参数项的运行负载率，每个状态参数的计算结果对应一个或多个进程的组合。

3.根据权利要求2所述的基于大数据技术的计算机资源分配方法，其特征在于，步骤S200包括：

步骤S201：设置运行负荷阈值，从本地计算机运行状态数据集中提取本地计算机超负荷进程记录，当本地计算机运行W进程时，本地计算机的运行状态参数从低于运行负荷阈值，当本地计算机运行W进程的基础上运行H进程时，本地计算机的运行状态参数高于运行负荷阈值，其中某一条超负荷进程记录为k(h，β)，其中h为某一种超负荷运行特征，h{W，H}，其中W为一个或多个进程的组合，β为所述超负荷进程记录中本地计算机的运行状态参数值超过运行负荷阈值的数值；

步骤S202：设置某一个目标进程组合X，其中X＝W+H，设获取到j条目标进程组合X的历史记录，计算所有目标进程组合X的超额期望βX，βX为j条超负荷进程记录中β值的数学期望；

步骤S203：设置目标规律判定阈值，目标进程组合的超额期望高于目标规律判定阈值时，将目标进程组合设置为一条目标规律；

步骤S204：根据目标规律对申请启动的进程进行拦截，设当前本地计算机运行的进程为Bj，此时Be进程申请启动，B为某一目标规律对应的目标进程组合，B＝Bj+Be，此时对Be进程进行拦截，其中Bj为一个或多个进程的组合。

4.根据权利要求3所述的基于大数据技术的计算机资源分配方法，其特征在于，步骤S300包括：

步骤S301：计算本地计算机中当前进程的本地数据库依赖指数，其中，本地计算机中正在运行的进程A的本地数据库依赖指数为σA， RlA表示A进程在当前运行的过程中，单位时间里从本地计算机读取的数据量，RtA表示A进程单位时间里读取的总数据量，其中本地数据库为存储在本地计算机中的数据信息；

步骤S302：计算本地计算机中当前进程的活跃度指数，其中，本地计算机中正在运行的进程A的活跃度指数为ηA， SlA表示A进程在当前运行的过程中的操作时长，StA表示A进程在当前运行的过程中开启的总时长；

步骤S303：总本地计算机的历史运行日志中提取被拦截进程的历史运行记录，仿照步骤S301和S302中的方法，计算被拦截进程的本地数据库依赖指数和活跃度指数，其中被拦截进程C的本地数据库依赖指数为σC，被拦截进程C的活跃度指数为ηC, 表示进程C单位时间里从本地计算机读取的数据量的历史平均值， 表示进程C单位时间里读取总数据量的历史平均值， 表示C进程在运行的历史运行过程中的操作时长，表示C进程的历史运行总时长；

步骤S304：计算本地计算机中当前运行进程与被拦截进程的进程留存指数，其中本地计算机中正在运行的进程A的进程留存指数pA＝σA×ηA，被拦截进程C的进程留存指数pC＝σC×ηC，对各个进程的进程留存指数从大到小排序，选择进程留存指数排序序列中，进程留存指数最后两位进程留存指数对应的进程作为备选进程。

5.根据权利要求4所述的基于大数据技术的计算机资源分配方法，其特征在于，步骤S400包括：

步骤S401：获取备选进程与非备选进程的指令通信记录，计算进程通信密度，获取本地计算机中备选进程的资源负载记录，非备选进程表示本地计算机中当前运行进程与被拦截进程的进程中没有被选择成为备选进程的进程；

步骤S402：计算备选进程的进程负载指数，其中备选进程中的某一进程为进程D，进程D的进程负载指数μD＝λ1(1‑q1D)+λ2q2D，其中q1D表示进程D的进程通信密度， gd表示单位时间中进程D与非备选进程间通信的指令数，Gd表示单位时间中进程D处理的总指令数，q2D表示D进程的负载系数，其中q2D＝u1+u2+u3+…+um，其中u1、u2、u3、…、um分别表示D进程运行过程中，本地计算机的第1，第2，第3，……，第m个运行参数项的运行负载率，λ1和λ2分别表示q1D和q2D的系数；

步骤S403：比较备选进程中两个进程的进程负载指数，选取进程负载指数较大的进程作为从本地卸载进入云计算机运行的进程，将本地卸载进入云计算机运行的进程设置为目标进程，将目标进程载入云计算机，创建目标进程对应的云进程。

6.根据权利要求5所述的基于大数据技术的计算机资源分配方法，其特征在于，步骤S500包括：

步骤S501：在本地计算机中保留目标进程的指令传入接口和指令传出接口，将目标进程在本地计算机中指令传入接口设置为本地传入接口，目标进程在本地计算机中指令传出接口设置为本地传出接口，将云进程在云计算机中指令传入接口设置为云传入接口，目标进程在云计算机中指令传出接口设置为云传出接口；

步骤S502：在本地传入接口处检测到指令传入时，将该指令设置为开始指令，对开始指令进行标记并对标记后的指令进行加密；

步骤S503：将加密后的开始指令转发至云进程对应的云传入接口，对开始指令进行解密，传入云进程，经过云进程运算后，反馈出的指令设置为结果指令；

步骤S504：对从云传出接口传出的结果指令进行加密，转发至目标进程的本地出接口，对结果指令进行解密，根据标记的时间顺序将结果指令从目标进程的本地出接口发出。

7.一种应用于权利要求1‑6中任意一项所述的基于大数据技术的计算机资源分配方法的计算机资源分配系统，其特征在于，系统包括：本地计算机运行状态数据库管理模块、进程进行拦截模块、备选进程选择模块和目标进程管理模块，本地计算机运行状态数据库管理模块用于管理本地计算机运行状态数据库，进程进行拦截模块用于拦截进程，备选进程选择模块用于从本地计算机中当前运行进程与被拦截进程选取备选进程，目标进程管理模块用于选取目标进程并管理目标进程的指令。

8.根据权利要求7所述的计算机资源分配系统，其特征在于，本地计算机运行状态数据库管理模块包括：响应时延监测单元、运行负载监测单元、运行状态参数计算单元和运行状态数据管理单元，响应时延监测单元用于检测本地计算的相应时延，运行负载监测单元用于监测本地计算机各运行参数项的运行负载率，运行状态参数计算单元用于计算运行状态参数，运行状态数据管理单元用于管理运行状态数据。

9.根据权利要求8所述的计算机资源分配系统，其特征在于，备选进程选择模块包括：

本地数据库依赖指数计算单元、活跃度指数计算单元、进程留存指数计算单元和备选进程选择单元，本地数据库依赖指数计算单元用于计算本地数据库依赖指数，活跃度指数计算单元用于计算活跃度指数，进程留存指数计算单元用于计算进程留存指数，备选进程选择单元用于选择备选进程。

10.根据权利要求9所述的计算机资源分配系统，其特征在于，目标进程管理模块包括：

进程负载指数计算单元、进程负载指数比较单元、目标进程指令传入接口管理单元、指令标记单元、目标进程指令传出接口管理单元、云进程指令传入接口管理单元和云进程指令传出接口管理单元，进程负载指数计算单元用于计算进程负载指数，进程负载指数比较单元用于比较进程负载指数，目标进程指令传入接口管理单元用于管理传入目标进程的指令，目标进程指令传出接口管理单元用于管理传出目标进程的指令，云进程指令传入接口管理单元用于管理传入云进程的指令，云进程指令传出接口管理单元用于管理传出云进程的指令。