数据通信网加速（共7篇）
数据通信网加速 篇1
摘要：目前,CDN网络已经成为数据通信网加速和改善网络体验的必要手段之一。国家电网公司信息系统应用不断深化,用户数急剧增多,业务发展呈现复杂性、波动性、模糊性和不确定性,云计算、大数据、电力物联网等新业务都对网络提出了新的挑战。文章对电力信息业务的加速需求进行了深入剖析,结合电力数据通信网架构,提出了电力CDN的网络架构、部署原则以及网络带宽需求设计,同时进行了电力CDN管理平台功能架构整体设计。在北京、上海、天津三地的电力数据通信网部署了电力CDN网络,开展了Web、流媒体、文件下载等业务加速,并对加速性能进行了分析。电力CDN网络在页面加载、流媒体点播、文件下载三大业务上,实现了加速2倍以上,源站访问流量节约99%以上,极大地增强了用户网络体验,缓解了骨干网及源站访问流量压力。
关键词：内容分发网络,网络架构,CDN管理平台,数据通信网加速
0 引言
能源互联网时代下电力大数据、云计算、物联网和移动通信等信息通信新业务,以及配电自动化、可再生能源发电、需求响应、智能电表、电动车、电力市场建设等业务对信息传递的高速可靠性要求愈来愈高,业务发展呈现复杂性、波动性、模糊性和不确定性。云计算、大数据、电力物联网等新技术对电力数据网提出了新的挑战。国家电网电力数据网覆盖27 家省(市)公司和21 家直属单位,网络地域跨度广,网络时延差距大,网络体验差[1,2]。
当前电力数据通信网基于网络拓扑位置,采用路由转发、IP地址寻址、TCP/IP协议为核心技术,通过数据包交换方式实现主机之间端到端的数据传输。电力数据通信网在可靠性、灵活性、移动性、拥塞控制和路由效率等方面无法满足业务云化、移动化、虚拟化的要求。以网络渐进为技术改进路线的内容分发网络(Content Delivery Network,CDN)技术,承载了主要的IP业务流量,已经成为数据业务质量保证的主要网络技术,是电力数据通信网应对IP流量快速增长的最有效方法。
电力CDN是指在电力数据通信网上增加一层新的网络架构,通过使用智能DNS技术、负载均衡技术、内容分发/ 管理等技术构建电力CDN网络,有效控制数据网络流量终结于CDN边缘节点,解决骨干网络流量拥塞状况,实现业务加速及热点内容智能更新分发[3],提高电力数据通信网络的稳定性和服务质量。
本文以国网商城页面为例,分析电力网站业务的组成特性和响应时间,结合电力数据通信网架构,提出电力CDN网络架构、部署原则、网络带宽需求,详细介绍电力CDN管理平台功能架构和技术实现,并对CDN技术的发展方向进行了展望。
1 电力CDN业务需求分析
能源互联网的发展需要实现海量数据信息共享和实时交互。国家电网公司信息系统向大范围的统一集中、两级互联、数据共享的技术架构发展,越来越多的业务系统采用了一级部署模式。当用户规模急剧增长时,集中部署系统呈现使用频繁、业务处理量及系统最大并发数大等特点。此外,电力数据业务呈现宽带化、多媒体大数据的发展态势。业务发展不确定性增强,瞬间爆发的高并发访问量、动态内容、大流量的流媒体数据等业务给电力数据网带来了巨大挑战[3,4]。
电力数据业务访问存在以下问题:突发访问时网络发生拥塞,网站动态、三维图片特效多,图片展示文件较大,网页打开缓慢,文件下载速度缓慢或有下载失败的情况,视频播放卡顿,源站存在被攻击和单点故障失效的风险。大流量数据业务的快速增长对内容服务器、数据中心和骨干网络带宽提出了巨大挑战。因此,电力数据通信网络需要高扩展性和高性价比的网络数据传输解决方案。
以国网商城(http://www.esgcc.com.cn/)为例,经测试国网商城首页大小为3 668 k B,当前网页对象基本以静态对象html、text、jpeg等为主,页面平均打开时间为5.260 s,页面对象数为146 个,69%的网页对象为图片,平均图片大小是27.45 k,首页包含25 个sql查询。为保证网站的访问速度,国网商城网站几乎未采用flash动画等新的网页对象。国网商城页面组成和打开时间等分析如表1 所列。
国网商城首页可加速元素类型包括:Pngjpegcssgifhtml,大小为3 339 k B,占比为91%,可加速的对象个数为108 个,占比为74%。10%~20% 的最终用户响应时间花在了下载HTML文档上,其余80%~90% 的时间花在了下载页面中的所有组件上。
2 电力CDN网络总体设计
2.1 电力数据通信网
电力数据通信网采用网络扁平化结构,涵盖国家电网公司总(分)部、省(自治区、直辖市)电力公司及所属各级单位、数据(灾备)中心,用于承载管理信息大区数据业务。电力数据通信网由骨干网、省网及地市县的城域网络组成,各单位通过CE对接方式实现与总部骨干网络的互通(见图1)。
电力数据通信网骨干网网络架构分为核心层、骨干层、接入层,分别采用多协议标签交换(MultiPropocol Label Switching,MPLS)– 虚拟专用网(Virtual Private Network,VPN)、开放式最短路径优先(Open Shortest Path First,OSPF)等主流路由协议进行组网。骨干层节点双归上联至2 个或2 个以上核心节点,接入层节点双链路上联至骨干层节点。电力数据通信网骨干网为省级数据通信骨干网提供高速数据出口,实现跨省跨域的数据高速转发。
省级电力数据通信网络出口资源一般为10 Gbps,地市公司网络出口资源为2.5 Gbps。 省级数据通信网核心层通过核心路由器口字型方式与一级骨干网2 个边缘路由器连接,对汇聚层流量进行汇聚和高速转发。核心设备间通过2×GE链路互联。省级电力数据通信网采用OSPF路由协议,支持MPLS-VPN业务。
2.2 电力CDN网络带宽需求
北京灾备中心节点和各缓存节点之间的数据流量不算太大,数据交互主要是数据上报、告警及报表信息,各缓存节点到北京中心节点之间每分钟约需上报上万条数据,约3 k左右,加上告警和报表信息,每次交互的数据流量总流量约60 M左右。随着应用系统的增加,访问日志会增加,但日志后台会做切割,每天的上报数据避开访问的高峰期,集中在夜间上传,对带宽需求不大。
网络带宽需求集中在各缓存服务器出口带宽,主要是缓存服务器和用户之间交互数据,初期可按照200 M来设置,随着应用系统及用户访问量的增加,带宽再逐步增加。
2.3 电力CDN网络架构设计
电力CDN网络根据网络流量、各节点的负载状况、数据的热度、与用户的网络距离和响应时间等系统参数,实时智能地将用户的请求进行调度并指定到离用户最近的服务节点上,使内容快速、稳定、高效传输[5,6,7]。电力CDN网络由中心节点和边缘缓存节点构成。综合电力CDN网络业务加速效果、建网成本、网络资源3 个因素,根据电力数据通信网网络架构,提出二级电力CDN网络架构(见图2)。
电力CDN网络中心节点部署于北京灾备中心,各省公司或主要地市公司部署边缘缓存节点,为相关区域最终用户提供加速服务。中心节点智能域名系统(Domain Name System,DNS)和电力CDN管理平台采用双机热备的方式部署。电力CDN网络利用电力通信专网丰富的同步数字体系(Synchronous Digital Hierarchy,SDH)、光传送网(Optical Transport Network,OTN)大带宽网络资源,满足CDN网络对骨干网络链路带宽及流量要求。
电力CDN网络中心节点作为CDN运作的中枢,负责全局负载均衡(Global Server Load Balance,GSLB)/ 智能解析、集群管理、流量管理、对电力CDN系统的网元管理,将网站内容快速分发到所有的边缘节点,以及缓存节点内容的推送更新[8,9],实现网络及网元节点监控、远程配置和故障上报及恢复。
各省公司或地市公司作为电力CDN网络边缘缓存节点,面对大量用户直接提供服务,部署原则如下:
1)边缘缓存节点部署在城域网网络流量汇聚节点处,越接近用户效果越好;
2)缓存节点覆盖的用户数越多,网络部署的经济效益越高;
3)边缘缓存节点通常部署于互联网数据中心机房中,根据国家电网公司信息通信机房资源,可以部署在三地灾备中心和省、地市公司信息通信机房;
4)网络负载带宽原则上高于60% 或延迟大于200 ms,视为网络瓶颈,部署CDN缓存节点,可以降低网络负载,提升用户访问效果。
3 电力CDN管理平台架构
电力CDN管理平台主要由内容分发层、运营管理层、传输服务层和调度控制层4 个大功能模块构成,电力CDN管理平台功能模块如图3 所示。电力CDN管理平台遵循J2EE技术路线,应用面向服务架构(SOA),按照数据存储层、数据处理层、业务建模层和业务展示层实现多层技术体系架构,通过Web服务接口实现与CDN后台数据的对接。CDN后台的开发遵循C99 标准,按照数据存储层、数据处理层、数据传输层架构进行设计,同时数据传输层通过接口方式对接相应的前台系统。
1)数据层采用关系数据库存储CDN网元信息数据、CDN缓存节点设备性能数据、CDN缓存节点业务数据;采用内存数据库Eh Cache存储当前采集数据。
2)服务层采用Tomcat作为Web应用容器,包括平台基础服务层和平台应用服务层。平台基础服务层用于对CDN管理平台的数据访问、数据缓存、事务以及平台发生的异常进行处理,采用Structs2+flex、Spring、Mybatis搭建;平台应用服务层是电力CDN管理平台的功能实现层,实现了系统管理中的身份认证、权限控制、安全控制、展现层与服务层的消息通信、管理平台的网元管理、性能管理、告警管理和报表功能。平台应用服务层的运行数据通过Nativefunction与展现层Java Script接口对接,采用Blaze DS使得平台应用服务层所实现的Java应用程序和运行在浏览器上的Flex应用程序能够相互通信。
3)展现层采用JSP和FLEX技术,以Web的形式给CDN管理人员提供可视化的管理界面,能够在Web界面上实现网元管理、性能管理、告警管理、报表管理和系统管理。展现层和平台应用服务层之间的消息传递遵循HTTP机制[10]。
4 电力CDN实验床实现及性能测试
电力CDN网络在北京、上海、天津三地电力数据通信网进行部署,采用核心层和接入层2 层结构,设置1 个中心节点、6 个边缘节点。边缘节点支持单节点并发用户数大于500 个,流量峰值大于10 Gbit/s。电力CDN网络开展了仿真节点大于1 000 个的网络加速测试。在加速对比测试中,将源站部署于北京,使用位于上海的客户端发起测试。加速前,上海用户访问源站需要路由至北京节点,延时为34 ms;加速后,上海用户直接从部署于上海的边缘节点获取资源,延时仅为1 ms。
经测试,加速后在页面加载、流媒体点播、文件下载三大业务上,速度都有很明显的提升(见图4)。
用户对大小为4.2 MB的网页进行完全加载所用的平均时间,加速前为31.433 s,加速后为13.397 s,速度提升比为234.63%。流媒体客户端对大小为4.3 MB的流媒体缓冲完毕所用的平均时间,加速前为49.159 s,加速后为19.780 s,速度提升比为248.53%。用户对大小为4.29 MB的文件进行下载所用时间,加速前为44.4 s,加速后为18.3 s,速度提升比为242.62%。网站业务加速后,测试站点上几乎所有静态资源文件都成功同步到CDN边缘缓存节点中。源站访问流量从5.45 G下降至0.02 G,节约流量99.67%。
测试结果表明,电力CDN网络实现了Web页面加速2 倍以上,单节点支持500 用户同时加速,保证了大流量数据业务的远距离传送,同时极大缓解了骨干网及源站访问的流量压力。
5 结语
随着网络技术的快速发展,电力CDN网络将进一步推广建设,扩大其业务覆盖范围,有效降低电力数据通信骨干网流量,优化网络架构,保障端到端IP业务通信质量。随着全球能源互联网的急速发展,“云大物移智”5 个要素相互作用,共同构筑电力信息通信业务新形态,CDN关键技术也将朝着更加智能化演进,电力数据业务与用户访问需求之间进一步实现智能适配和网络重构。电力CDN网络在推广建设中将进一步加强标准化建设,包括CDN加速业务接口规范、CDN与数据通信承载网的接口标准、CDN业务质量评价等。同时,电力CDN网络将与国家电网电力云架构和大数据架构之间融合发展。
参考文献
[1]余弦,施健,唐云善,等.智能电网通信管理系统建设研究[J].电力系统通信,2011,32(5):101-105.YU Xian,SHI Jian,TANG Yun-shan,et al.Study on the construction of communication management system of smart grid[J].Telecommunications for Electric Power System,2011,32(5):101-105.
[2]田黇,沈浮,王扬,等.ERP系统集中部署测试体系研究[J].电力信息与通信技术,2015,13(2):11-15.TIAN Tian,SHEN Fu,WANG Yang,et al.Research on testing system for ERP centralized deployment[J].Electric Power Information and Communication Technology,2015,13(2):11-15.
[3]CLARK D,LEHR B.Overlay networks and the future of the internet[J].Communication&Strategies,2006,6(3):109-129.
[4]王建新,彭娜.广域网加速技术研究综述[J].电信快报,2009(5):11-14,31.
[5]唐红喜,宋茂强,赵方.CDN网络中的内容分发策略研究及仿真分析[J].中国科技论文在线,2008(6):1-4.TANG Hong-xi,SONG Mao-qiang,ZHAO Fang.Content delivery tactics research and simulation analysis of CDN[J].http://www.paper.edu.cn,2008(6):1-4.
[6]邓伟,王红凯,邹颖,等.基于网络测量的P4P CDN自动构建策略研究[J].电力信息与通信技术,2015,13(6):20-25.DENG Wei,WANG Hong-kai,ZOU Ying,et al.Research on P4P CDN automatic construction strategy based on network measurement[J].Electric Power Information and Communication Technology,2015,13(6):20-25.
[7]黄韬,刘江,霍如,等.未来网络体系架构研究综述[J].通信学报,2014,35(8):184-197.HUANG Tao,LIU Jiang,HUO Ru,et al.Survey of research on future network architectures[J].Journal on Communications,2014,35(8):184-197.
[8]YANG H Y,CHEN X H.Opportunities and challenges of HTTP adaptive streaming[J].International Journal of Future Generation Communication and Networking,2014,7(6):165-180.
[9]GUPTA M,KUMAR D.State-of-the-art of content delivery network[J].International Journal of Computer Science and Information Technologies,2014,5(4):5441-5446.
[10]KAMIYA Y,SHIMOKAWA T.Scalable contents delivery system with dynamic server deployment[J].International Journal of Computer Science Issues,2010,7(6):81-85.
数据通信网加速 篇2
煤矿井下人员位置监测系统是煤矿井下安全避险六大系统之一,是矿井安全生产的重要保障和应急救援必要手段。随着技术的发展,各种井下无线通信设备已广泛应用于煤矿,将这些设备接入煤矿井下人员位置监测系统是发展的必然趋势[1,2]。由于煤矿井下不能使用GPS定位,所以常用的定位方法是基于接收信号强度指示(RSSI)的基站定位法。井下为长距离且狭窄的空间环境,一般基站沿巷道线状安装分布,与地面蜂窝覆盖方式不同,所以如要在井下使用基站定位法,需对定位算法进行改进。基于RSSI技术的人员定位系统易受包括天线方向、遮挡物等外界影响,虽然定位精度高于RFID系统,但仍有较大的定位误差。因此,本文提出利用智能手机内置的三轴加速度传感器采集井下工作人员活动振动信号,通过处理3个方向的振动信号,得到工作人员的行走步数,将步数转换为行走距离,以基站为参考点实现精确定位。
1 手机定位APP程序设计
手机定位APP结构如图1所示。
1.1 采集计步程序
采集计步程序负责三轴加速度传感器信号的采集处理。 安卓系统智能手机编程时使用SensorEventListener的onSensorChanged事件,将返回SensorEvent对象,包含各传感器的最新数据,通过event.values获得长度为3的三轴加速度传感器数组float[],其中的3个值分别代表X,Y和Z方向的数值。
根据人行走步态的特点定义了如图2(a)所示的3 个方向轴,图2(b)为三轴加速度输出数据曲线。分析图2可以看出,垂直方向的轴波形有明显的周期变化,为上向轴,其他轴波形变化幅度和周期性没有上向轴明显,所以以上向轴作为计步依据。由于使用人员可将手机随意放置携带,X,Y和Z轴都可能是上向轴,所以在进行计步判断处理前应先进行轴向判断,先采集一段时间的加速度数据,将3个轴上的所有加速度数据绝对值求和,绝对值最大的轴即为上向轴。根据统计,人行走时左右脚各走一步的频率为0.5~5 Hz[3],可以此为依据滤除高频噪声。计步处理流程如图3所示。
图4(a)为没有明确上向轴的情况,各轴均有符合行走规律的数据特征,所以在此情况下运用以上的计步方法,也可实现计步。井下工作人员移动方式除步行外还可以乘坐交通工具,图4(b)为乘坐地铁的三轴加速度数据曲线,可以看出,在垂直轴上的加速度有一定的周期变化,而其他2个轴上的数据曲线没有太大波动。所以计步判断时除了对垂直方向的数据进行处理外,还要判断其他轴的数据规律,防止计步误差。
1.2 通信程序
通信程序负责移动通信装置与井上定位服务器之间的通信。Android系统与服务器主要采用Http和Socket通信方式。http连接采用“请求-响应方式”,即在请求时建立连接通道,当客户端向服务器发送请求后,服务器端才能向客户端返回数据。该方式用于BS模式的服务中。本文采用Socket通信方式和CS程序模式,终端设备与井上服务器采用不基于连接的UDP对等方式通信,定时向系统服务器的固定IP地址及端口发送设备ID及自身位置信息;也可从服务器获得井下其他人员的位置信息。地理信息和位置信息都由设备本身处理得到,不需向服务器获取。采用这种方案的优势在于当设备与服务器通信出现故障时,仍可正常显示地理信息。
1.3 显示程序
显示程序负责读取手机内置矿井地理信息并在屏幕上显示,同时根据定位程序获得的自身位置信息,在地图上相应位置显示。井下地图显示界面如图5所示。
Android系统提供了较为完善的地图相关控件,如用来显示地图的Mapview,控制地图移动、伸缩的MapController等,其他公司也提供了支持离线显示的地图引擎,如Osmdroid,GMapCatcher等。本系统使用UCMap开发组件,用Mapgis将矿用CAD工程图转换为shp格式的GIS地图文件,再使用UCMap地图配置程序将shp格式的地图配置成UCMap特定的地图格式;将生成的文件拷贝到单独的文件夹下,再将此文件夹拷贝至SD卡根目录,即可使用UCMap调取显示地图。在定位程序获取的自身位置坐标在屏幕显示的坐标区域内,则使用绘图函数DrawPolygon在相应位置绘制特定符号,在函数使用时涉及到地图坐标和屏幕坐标的转换。同理,可在地图的相应位置绘制并显示井下其他人员的位置。
1.4 定位程序
定位程序负责采集周边无线通信基站的信号场强,并根据信号场强、基站位置信息,结合佩戴人员的步长步数进行运算,得到定位装置的位置,通过通信程序上传至系统定位服务器。定位流程如图6所示。
定位步骤如下:
(1)定位终端实时检测三轴加速度传感器数据,并进行计步判断。
(2)定时检测基站信号场强,并对数据进行滤波处理。
(3)信号场强达到设定值时,认为定位终端已到达基站所在位置,对计步数清零。
(4)判断是否到达定位间隔时间,如果间隔时间已到,计算定位终端与基站的距离。设使用者的身高为T,其平均步长为N,则N =1.85(T -1.32)[4];设步数为M,定位装置与计步参考基站的距离为L,则L=MN。
(5)计算终端设备与基站之间的距离z:
式中:W为基站信号的发射功率;wz为基站信号功率密度;Lz巷道电磁波的总衰减率。
对z进行合理性判断,如果z大于两基站间距离s,则z不参与定位运算。
(6)设基站位置如图7所示,判断基站B的计步距离d的合理性,如果d不在设定范围内,则d不参与定位运算;若z和d的值都合理,则根据z和d对定位终端到基站B的距离l进行算术平均运算。若定位终端在图7中的位置2,定位终端的接入基站为基站B,则l的计算公式为式(2),基站位置示意如图8(a)所示。若定位终端在图7中的位置3,定位终端的接入基站为基站C,则l的计算公式变为式(3),基站位置示意如图8(b)所示。若z值不合理,则l=d;若d值不合理,则l=z。
(7)将基站B、基站C的坐标(x1,y1),(x2,y2)和l代入由点到直线的距离公式、两点式直线方程和线段约束条件组成的方程组,可得到终端设备的当前坐标(x,y):
2 误差分析与实验测试
基于计步的测距方法在短距离测距时较为准确,但用于长距离测距时由于计步误差的累加,会使误差逐渐增大。将RSSI测距的已知位置点作为计步测距的参考点,计步测距只需测量小于两参考点间的距离,有效避免了计步累积误差,从而实现了准确测距。表1为计步算法测试数据,可见运用在较短距离内时,不同的手机放置方向和位置均可得到较为准确的计步值。
图9为RSSI测距定位与RSSI结合计步测距定位误差比较。从图9可以看出,由于20m后信号衰减变化幅度不大,而计步测距在此距离内基本准确,在综合计算设备到基站距离时,可将误差减少一半,所以结合计步测距可有效减少RSSI的定位误差。
图9RSSI测距定位与RSSI结合计步测距定位误差比较
3 结语
基于三向加速度数据的井下移动通信设备定位方法解决了智能手机在煤矿井下无法实现GPS定位,而通过基站RSSI定位误差较大的问题;修正了天线方向、由于人体和其他物体遮挡而引起的定位坐标不稳定和跳变,稳定了坐标数据并提高了定位精度。所设计的设备程序不仅可定位并上报人员位置,还可为井下工作人员提供井下地图显示服务,同时可获取井下其他工作人员的位置信息。
参考文献
[1]孙继平.煤矿井下紧急避险与应急救援技术[J].工矿自动化,2014,40(1):1-4.
[2]孙继平.煤矿井下安全避险“六大系统”的作用和配置方案[J].工矿自动化,2010,36(11):1-4.
[3]苏丽娜,董金明,赵琦.基于加速度传感器的计步器系统[J].测控技术,2007,26(增刊1):163-165.
[4]姚力,高以群,王辉.利用步长分析身高的实验研究[J].刑事技术,1999(1):17-19.
数据通信网加速 篇3
一、行业信息化的重要意义
信息化在目前社会发展中越来越被重视, 信息化具有极强的创新性、广泛的渗透性和有力的带动性, 并且具有绿色和可持续发展的特性, 能够产生较高的社会效益、经济效益和环境效益。加快行业信息化发展, 不仅对相应行业自身的发展具有强大的推动作用, 对我国经济社会的发展也具有重要的意义。
1.1加快行业信息化, 是行业自身发展的内在要求
近年来, 随着对信息化发展的重视, 越来越多的大公司、上市企业信息化建设的基础设施、核心业务应用系统以及综合信息管理系统等达到了国内先进水平或接近世界先进水平, 基本上在企业内部实现了信息化管理, 并不断朝着整个行业信息化发展, 并逐步向共享、协同转变, 逐步建成统一的信息系统。在银行、证券等行业已经实现了高度的信息化, 信息化的实现也提高了这些行业的办事效率。在其他行业, 如会计师事务所的信息化程度还较低, 这与处在信息化大环境下执行审计业务的现状越来越不相适应, 因此加快行业信息化发展, 不断完善通信信息技术保障, 是提高行业重复监管、提高行业创新性、提高行业办事效率等的有效途径。
1.2加快行业信息化, 是行业跨越式发展的重要推动力
目前, 我国正处在产业优化升级的关键阶段, 加快行业信息化发展将能促进传统产业产生跨越式发展。信息化把传统业务零散的部分进行整合、提升、再造, 从而促进行业的跨越式发展。在竞争越发激烈的信息时代, 必须树立信息化武装行业整体的意识, 充分集中行业的意志、资源, 高点、统一规划、统筹推进, 形成信息化对行业进行管理和服务的观念, 以行业信息化来带动、推进行业实现跨越式发展, 为行业走向国际提供巨大的推动力量。
二、抓好行业信息化整体发展规划和顶层设计
2.1明确行业信息化的目标
加快行业信息化发展, 必须明确行业信息化的目标。以“提高相应行业竞争力、实现行业跨越式发展、行业服务实现零距离、走在世界行业第一梯队”为目标。实现这一目标, 需做好以下两个方面。一、对行业内部进行集成, 实现内部信息互联互通, 资源共享, 建成统一集成的信息系统, 从而有效支撑行业跨越式发展;二、推动信息化基础建设, 将行业的核心业务纳入行业信息化工作的重点, 促使核心业务、综合管理等方面达到国际国内行业先进水平。
2.2坚持两项原则
加速行业信息化发展, 要坚持以下两个原则。一、保证信息化在实际应用中的实用性, 同时也要对行业发展具有前瞻性和超前性, 能够对行业信息化发展进行战略性设计。二、坚持信息化建设的系统性和规范性。提升相关系统的兼容性、实现信息共享, 同时促进各地行业信息化发展的平衡, 将行业信息化建设贯穿到理论研究、人才培养, 以及系统设计、开发、应用、制度和机制建设之中。
三、做好通信信息技术保障
通信信息技术保障要依托安全应急工程中心, 在行业信息化的过程中, 对行业安全应急信息产品和装备的研究开发和技术创新要加大力度, 建立相应的技术保障体系。同时进一步建立健全中心的安全应急管理和响应机制, 探索安全应急常态化的运维体系, 强化安全应急保障能力的建设。
四、结语
加快行业信息化发展, 是行业贯彻落实科学发展观的集中体现, 同时也是增强行业核心竞争力, 营造良好的行业环境, 促进行业实现跨越式发展, 进入行业国际前列的重要途径和迫切需要。我们需要树立行业信息化意识, 以信息化的建设带动行业持续、健康和跨越发展, 更好服务经济社会发展需要, 为经济社会又好又快发展做出行业更大的贡献。
参考文献
[1]王军.给力行业信息化促进行业跨越式发展[J].行业建设与发展, 2011, (4) :3-6.
数据通信网加速 篇4
MathWorks公司产品市场经理赵志宏先生介绍到：“Phased Array System Toolbox的极化、阵列扰动和宽带阵列等新功能可帮助用户对端到端相控阵列系统进行建模或处理采集到的雷达数据。SimRF推出一个新型电路包络分析解算器，可加速系统仿真和缩短模型加载时间;SimRF还扩展了用于系统级RF前端仿真的组件库。这些增强功能可帮助雷达和通信系统设计人员以更好的精度和性能对日益复杂的场景进行建模。”
Phased Array System Toolbox的重要更新：
·单基地和多基地雷达系统建模 (包括点目标、自由空间传播、表面杂波和阻塞干扰机) ，用于预估雷达系统的最大作用距离、峰值功率和信噪比 (SNR) ;
·支持任意几何形状的传感器阵列和子阵列的建模，以对线性、平面和共形传感器阵列进行波束方向图分析;
·阵列和目标的极化与平台运动规格;
·用于加速杂波建模的GPU支持。
对SimRF的主要增强：
·加快了多个任意架构载波频率模型的电路包络仿真。与用于单载波串级系统离散时间仿真的同等基带技术结合，可在系统级实现快速RF建模与仿真;
·减少了仿真启动时间;
·通过增强的配置模块(包括不限数量的仿真频率和基音自动选择)，方便设置电路包络仿真;
数据中心建设加速云计算产业受益 篇5
据工信部网站显示, 工信部、发改委、国土资源部、电监会、能源局五部委近日联合发布《数据中心建设布局指导意见》, 加速我国数据中心, 特别是大型数据中心的合理布局和健康发展。
《指导意见》要求, 数据中心建设和布局要遵照市场需求导向、资源环境优先、区域统筹协调、多方要素兼顾和发展与安全并重等原则;新建超大型、大型数据中心, 要重点考虑气候环境、能源供给等要素;新建中小型数据中心, 要重点考虑市场需求、能源供给等要素;已建数据中心, 鼓励企业利用云计算、绿色节能等先进技术进行整合、改造和升级。
【本文献信息】 杨晓宇, 陈鸿昶, 克兢, 等.编码辅助信噪比估计算法的性能分析[J].电视技术, 2013, 37 (3) .
数据通信网加速 篇6
北京2013年11月29日电/美通社/--在一年一度的“加速创新峰会 (AIS) ”上, LSI公司 (NASDAQ:LSI) 宣布, 向领先的OEM客户提供Axxia�4500系列通信处理器产品。Axxia 4500是LSI基于ARM技术的首个通信处理器系列, 为不断发展的应用识别网络等富有挑战性的企业和数据中心网络应用而设计。
LSI Axxia 4500系列处理器采用了全新的Stream Sight�新一代深度包检测 (DPI) 引擎, 在软件定义网络 (SDN) 中改进了控制器流量检测、提高了网络管理效率、Qo S、安全性并增强了其他网络功能。Stream Sight高效检查数据流, 从数据中抽取关键信息, 从而使应用层能够有效决策。
最新Axxia 4500系列处理器整合了LSI以太网交换器、网络加速器、虚拟流水线 (Virtual Pipeline�) 技术和高能效ARM内核, 专门为应对新一代网络面临的性能挑战而设计。采用Axxia 4500的客户能够解决SDN的控制平面可扩展性难题, 而且无需加重服务器处理器的负担, 就可抽取实现网络功能虚拟化 (NFV) 所必需的信息。
LSI公司高级副总裁兼网络解决方案部总经理Jim Anderson表示:“云中有如此之多的数据和应用, 因此我们需要更高效、更安全地管理网络流量, 这种能力越来越重要了。Axxia4500系列通信处理器既提供智能又具备加速能力, 提供了高效SDN所必需的高性能。”
Axxia 4500系列处理器采用了LSI成熟的加速引擎, 该引擎凝聚了LSI几十年来提供通信解决方案所积累的丰富专长。新处理器包括最多四个ARM Cortex-A15内核, 具有CoreLink CCN-504一致性及Qo S感知的内核连接, 采用28nm工艺制程。由于采用了LSI虚拟流水线技术, 所以设备开发商能够重新配置这些处理器, 在逐包检测的基础上实现最佳性能。Axxia 4500处理器还提供高达100Gb/s的L2交换功能, 以减小电路板尺寸, 降低材料成本。
数据通信网加速 篇7
关键词：数据清洗,趋势比较,异常数据
1 引 言
信息技术极大地提高了人们的工作效率, 给人们的生活带来了诸多便利, 然而也存在一些问题。在信息化建设初期, 由于缺乏有效、合理的规划, 出现了 “信息孤岛”现象。随着应用的发展, 迫切需要将之前的各个信息化系统进行集成。 在系统集成过程中, 由于数据源中存在大量的异常记录, 这些异常记录会影响数据的集成质量, 进一步影响数据的利用, 因此必须对数据进行清洗。
数据清洗的目的是检测数据中存在的错误和不一致, 剔除或者改正它们, 以提高数据的质量[1]。在数据清洗领域, 许多文献针对算法和应用都做了大量的研究, 将数据清洗主要总结成四个方面内容:数据清理、数据集成、数据变换、数据规约。本文研究的加速度趋势比较清洗方法, 主要是数据清理和数据集成过程中的数据清洗。即针对数据清理和数据集成过程中存在的异常数据, 提出了异常数据的加速度趋势比较清洗方法。该方法通过比较清洗过程中某些字段的发展趋势来发现数据的异常。经过该方法的清洗, 不仅提高了数据集成的异常记录检测, 而且也提高了数据集成过程中的数据质量。
2 数据清洗方法
异常数据检测已经越来越受到人们的重视, 异常数据检测大体上可以分为以下几类:基于距离的方法、基于密度的方法和基于聚类的方法。基于距离的方法[2,3,4]:该方法把记录看作高维空间中的点, 异常数据被定义为数据集中与大多数点之间的距离都大于某个阈值的点, 通常被描述为DB (pct, dmin) , 数据集T中一个记录O称为异常数据, 当且仅当数据集T中至少有pct部分的数据与O的距离大于dmin。该方法认为一个对象是异常数据, 它必远离大部分对象。这种方法使用的是全局阈值, 它不能处理具有不同密度的数据集。此外, 算法需要事先确定参数pct和dmin, 这是比较困难的, 特别是对不同聚类密度数据集而言, 其参数dmin会有很大差异, 并且一般无规律可循。因此, 对于给定的不同参数dmin, 孤立点检测结果通常具有很大的不稳定性。基于密度的方法[5]:方法中的密度通常用邻近度定义, 如定义密度为到k个最近邻的平均距离的倒数。如果该距离小, 则得分高。该方法认为:孤立点是在低密度区域中的对象。基于密度的方法, 给出了对象是孤立点程度的定量度量, 并且即使数据具有不同密度的区域也能很好地处理。但这些方法必然具有O (n2) 的时间复杂度, 其参数选择也是困难的。基于聚类的方法[6]:首先聚类所有对象, 然后评估各对象属于簇的程度, 或把远离其他族的小簇视为孤立点。此方法中, 有些聚类的时空复杂度是线性或近于线性的, 因而它们可能是高效的。但所产生的孤立点集也会非常依赖于所用的簇的个数k和数据中孤立点的存在性。聚类算法产生的簇的质量对该算法产生孤立点的质量影响很大。
3 趋势比较清洗
对异常数据的处理, 本文采用加速度趋势比较清洗方法来检测数据源中的异常字段。即需要清理的数据字段根据字段的历史发展趋势来排查当前的值是否符合该趋势, 来分析需要清洗的字段的当前值是否合理, 并在发现异常数据时及时提示数据清理人员。例如:设定按月统计企业退税情况, 按月进行分析, 很容易过滤出一些企业退税异常的情况。一旦发现有企业退税异常, 数据清理人员可以让系统直接定位到可能有问题的基层单位和具体的企业。
本文提出的趋势比较清洗以政府集成企业数据为例, 其趋势清洗流程图如图1所示。
首先在清洗中选择需要清理的数据字段, 然后进行趋势比较清洗, 对清理后是正常的企业, 对该企业进行标识, 表明该企业数据已经清理;对清理出为异常的企业, 对该企业标识为异常企业。
对企业某字段的趋势比较清洗, 即判定企业某字段的变化幅度是否符合趋势比较清洗的规律要求。首先选择需要清洗的加速度趋势清洗字段, 然后计算选择字段之间的加速度趋势变化, 对计算出的加速度趋势变化进行如下操作:判断其加速度趋势变化是否在一个合理软边界内, 如果是, 则说明需要清洗的字段之间符合趋势比较规律, 否则不符合趋势比较规律。关于趋势比较计算, 本文采用某字段在第i条记录值的变化率的变化率a″i来计算, 然后判断a″i是否落在要求的范围内来确定某字段在第i条记录的值是否符合要求。
其中ai、aj、ak (i、j、k=1, 2, …N) 为第i、j、k条记录的值, N为某字段记录总数。
4 算法描述
4.1 算法描述
趋势比较清洗:对需要清理的字段, 利用趋势比较清洗, 判断是否在合理的范围内。
Function SequenceCheck (趋势比较清洗)
功能描述:根据用户选择的需要清理的数据字段, 计算出选定字段的某个记录值的变化率的变化率, 然后对该数据进行分析, 比对是否在一个合理范围内, 然后输出结果。
Input: 需要清洗的数据, 需进行趋势比较清洗的字段, 该字段的某个记录值是否合理, 参数 (相关系数软边界) 。
Output:趋势比较清洗后正常数据列表, 趋势比较清洗后不正常数据列表, 该字段所有记录的趋势图。
BEGIN
For 每一个企业
For 每一个选择趋势比较清洗的字段
(假设该字段记录值为{ai|i=1, 2, …, N}={a1, a2, …, aN})
For 每一个数据ai
计算
EndFor
IF |a″i|<软边界, 则正常
ELSE 不正常,
Endfor
IF (正常)
将选择的数据写入正常数据表;
根据关键属性修改原始表的状态为“已相关性清洗”;
ELSE /*不正常*/
将关键属性和选择的列数据写入不正常数据表;
Endif
Endfor
END
4.2 界 面
进行具体加速度趋势比较清洗之前需要选定清洗的字段。为了设置趋势比较清洗软边界及实际数据清理需要, 可以选择滑动条来设置软边界的具体数值。趋势比较清洗设定界面如图2所示。
趋势比较清洗完成之后, 显示的界面如图3所示。
· 趋势图 对计算出的a″i, 根据相应的记录个数画出a″i。
· 正常数据列表 显示符合设置条件的相关性清洗结果。
· 异常数据列表 显示不符合设置条件的相关性清洗结果。
5 结 论
针对系统集成过程中, 需要对数据进行数据清洗的方法, 本文提出了基于加速度趋势比较清洗的方法。首先对数据需要清洗的字段进行设置和设置一定的软边界, 然后计算清洗字段的某条记录值的变化率的变化率, 通过与软边界的比较, 得出符合设置条件的已清理数据和异常数据。该方法具有很强的通用性。
参考文献
[1]Rahm E, Do H H.Data Cleaning:Problems and Current Approaches[J].IEEE Data Engineering Bulletin, 2000, 23 (4) :3-13.
[2]Han J W, Kamber M.Data Mining Concepts and Technique[M].Bei-jing:China Machine Press, 2001.
[3]Sarawagi S, Agrawal R, Megiddo N.Discoverydriven exploration of OLAPdata cubes[C]//Proc Int Conf Extending Database Tech (EDBT’98) .Valencia, Spain, 1998:168-182.
[4]赵泽茂, 何坤金, 胡友进.基于距离的异常数据挖掘算法及其应用[J].计算机应用与软件, 2005, 22 (9) :105-107.
[5]Agyemang M, Ezeife C I.LSC-Mine:Algorithm for Mining Local Outli-ers[C]//Proc.of the 15th Information Resources Management Associ-ation International Conference, New Orleans, Louisiana, 2004:5-8.