地理信息方面在职毕业论文开题报告,与基于G/S模式的应急管理海量异构数据调度应用相关论文的格式

此文是一篇地理信息论文范文,地理信息方面论文范文参考文献,与基于G/S模式的应急管理海量异构数据调度应用相关在职毕业论文开题报告。适合不知如何写地理信息及算法及数据方面的论文格式专业大学硕士和本科毕业论文以及地理信息类开题报告范文和职称论文的作为写作参考文献资料下载。

【摘 要 】针对目前应急管理的海量异构数据调度存在的问题,提出一种基于G/S（Geo-information Browser/Service Cloud）模式的海量异构数据调度的算法,并根据算法进行数据调度的应用研究.首先研究G/S模式对数据调度的需求；然后,通过相关数据调度算法分析,在S端选择动态作业分配平衡算法,改进并在服务器上实现算法；最后,通过性能测试和结果分析,验证其正确性和有效性.

【关 键 词 】G/S模式；应急管理；动态作业分配平衡算法；数据调度

1.引言

随着经济、科技的发展,人类对自然的破坏越来越严重,各类突发事件频繁发生,突发事件由于其突然性和快速性给人们造成了一幕幕惨剧,使得各国认真考虑问题的严重性,想方设法减少其对人类生命财产造成的伤害,我国也不例外.

应急管理[1]是对公共危机的监测、预防和处理的整个动态过程.目前,我国应急管理仍处于落后状态,还有许多薄弱之处,虽有一套预案但没有有效的管理系统,管理软件和平台建设发展不是很快,很难完成“个人统一指挥,群体快速响应”的理想状态,迫切需要构建直观且操作性强的系统,这就需要探求高效的应急管理机制,解决应急管理平台应用中各种问题.应急管理中最重要的是数据,数据如何调度,影响着云端的工作效率,影响着客户端之间协同和实时响应.

为了解决问题,在空间信息网络服务模式研究的基础上,针对应急管理对数据的需求,本论文采用G/S（地理信息浏览器/服务云,Geo-information Browser/Service Cloud）模式[3]进行空间信息网络服务,提出G/S模式下海量异构数据调度的需求,并在此基础上研究调度算法并实现应用.

2.G/S模式及相关理论

2.1 G/S模式应急管理云服务体系架构

针对C/S和B/S模式在空间信息网络服务中的缺点,通过研究空间信息服务的数据和信息特点和结构,应对应急管理服务的几个瓶颈问题,将云计算中的“聚合”理念与空间信息网络服务模式相结合,提出一种空间信息网络服务模式：地理信息浏览器/服务云（G/S）模式[2].

G/S模式的实质就是“数据分散,信息汇聚,服务聚合”,采用应急管理标记语言EMML（Emergency Management Markup Language）对分布在网络上各种海量异构数据进行统一描述和可视化表达,以地理信息浏览器作为客户端,以带有分布式文件系统的服务器作为服务云端,通过“请求-聚合-服务”的客户端动态聚合服务机制[3,4],实现空间信息网络服务和应急管理.

图1是应急管理服务云体系架构图,G是地理信息浏览器,有交互操作、地理信息数据可视化与虚拟现实、查询分析与工具应用等；S为应急管理服务云,包括物理采集云、网络采集云、应急管理存储云部分,这些云通过应急管理标记语言EMML实现对数据和资源的组织和管理,实现统一调度

2.2 G/S模式对应急管理数据调度的需求

G/S模式中服务云通过分布式文件系统来存储、组织和处理数据,选择合适的调度算法来进行数据调度,保证富客户端的实时性.空间信息服务由于其复杂性、多态性、异构性以及用户需求的多样性,使得空间信息网络服务模式应具备一定的特性,如负载均衡、冗余存储等；要实现客户端的动态聚合和高并发访问数据,必须具有多个云端,并且提供实时性、高可靠性的高效调度；为了保证系统架构的可扩展性,服务云端应还具备自适应功能.

3.数据调度算法研究与实现

在分布式文件系统中有几种常用的数据调度算法,如轮询调度算法,权重轮询调度算法,目标地址散列调度算法,动态文件分配平衡算法[5]等.经过综合对比,本文采用动态作业分配平衡数据调度算法,并改进以实现应急管理海量异构数据的调度.

3.1 动态作业分配平衡数据调度算法

G端选择一个作业进行连接请求,发送作业系统确认消息到平衡控制器,若平衡控制器响应正常,则向请求响应一个消息告知G端可以进行该作业系统的正常访问.地理信息浏览器中输入某种属性条件查询作业系统,G端将消息请求发送到平衡控制器,平衡控制器进行作业查找,将检索查询到的满足属性要求的作业按照被请求的次序响应给G端.

3.3 数据调度算法实现

在选取改进的动态作业分配平衡数据调度算法后,搭建所需的Hadoop应用平台,对环境变量进行配置,修改源代码,通过EMML实现数据格式的一致以及数据标准的统一；修改动态作业分配平衡数据调度算法,使其在应用平台下更高效地完成数据调度.

4.性能测试与结果分析

测试上载到云端作业系统中5000个各种格式的作业文件,通过Iozone中的Read完成系统读取作业的性能测试,算法改进前后读取作业性能测试如图3、4所示.

图3和图4中x轴和y轴分别表示文件大小和记录大小,z轴表示传输值,可以看出改进前算法读取文件随着文件的增大而不稳定,而改进后调度算法则随着文件的增大而越趋于稳定.

从测试结果比较中可以得出,相比于改进前,使用了改进后的动态作业分配平衡算法的云端作业系统,在响应时间、网络吞吐量方面都有很大的差距；在算法改进后,文件的分布几乎是平均分配的,并且随着请求数的增大,效果越来越明显.改进后的动态作业分配调度算法能很好地实现数据的存储调度,还能有效提高数据调度存储、处理总量和反应速度,尤其对于海量数据时这种算法优化效果更加明显.由此验证了改进的动态文件分配平衡算法的正确性与有效性.

5.结束语

为了解决应急管理中海量异构数据的调度问题,很好的符合应急管理的需求,本文采用G/S模式作为应急管理云服务体系架构,分析G/S模式下对海量异构数据的需求,并在此基础上研究数据调度算法及其应用.G/S模式的应急管理云服务体系架构运用松散耦合、多层设计、集成融合、分布式等设计理念,运用应急管理标记语言EMML,采用改进的动态文件分配平衡算法进行数据调度,通过“请求-聚合-服务”机制对整个应急管理数据进行组织、和管理,做到“数据分散,信息汇聚,服务聚合”.

根据G/S模式对应急管理海量异构数据的需求,分析分布式文件系统中的各种算法,选择合适的动态作业分配平衡算法,并改进它,使其更好的满足G/S模式下数据的需求,最后进行性能测试和结果验证算法的正确性和高效性.

参考文献

[1]王宏伟.突发事件应急管理:预防、处置与恢复重建著[M&