针对大数据环境下信息处理面临的高并发、异构数据兼容性差及实时响应能力不足等问题，本研究提出了基于动态资源调度、混合压缩模型及流式增量学习的优化技术。通过自适应资源分配算法(ARAA)优化任务调度，提高计算资源利用率；采用分层压缩策略降低数据存储占用并提升查询性能；基于事件时间窗口的增量学习框架，体现出模型的高效更新与实时决策能力。结果表明：该优化方案有效提升了数据处理系统的稳定性与计算性能，为高负载数据环境提供了高效、可靠的技术支持。