一种知识模型服务化与流程定制系统的制作方法

本发明涉及数据处理技术领域，尤其是一种知识模型服务化与流程定制系统。

背景技术

知识服务系统把分散于个人的经验、技能集中起来，实现知识共享，把行业知识组织起来，让计算机能够像专家一样，辅助决策，成为综合知识集合，提升企业原有或新建的系统，使之智能化。

目前，对知识服务化与流程定制通常使用如下技术：

可视化空间建模技术：当前，已有的空间建模工具和模型生成器(例如：erdasimagine空间建模工具(spatialmodeler)和esriarcgis的模型生成器(modelbuilder))提供了可视化的面向目标的模型语言环境，用户可以通过运用直观的图形语言在面板上绘制流程图，生成空间模型，并执行该模型，返回可视化结果。

数据抽取、转换、加载技术(etl：extract-transform-load)：etl是用户从数据源抽取出所需的数据，经过数据清洗,最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。在etl架构中，提供图形化的界面来设计业务规则，数据的整个加工过程都在目标和源的数据库之间流动，elt协调相关的数据库系统来执行相关的应用，数据加工过程既可以在源数据库端执行，也可以在目标数据库端执行。例如，pentahokettle可以帮助用户管理来自不同数据库的数据，通过提供一个图形化的用户环境spoon用来设计数据转换过程。在spoon中，用户可以使用预设的组件来在面板中设计转换流程，并在logview面板中查看运行结果。

gis服务链与工作流技术：靖常峰在论文《gis服务链模型研究及基于工作流技术的实现》中，以gis服务链为研究对象，研究gis服务链的应用集成模型、可视化建模方法，并以城市规划管理系统为应用实例，探索基于工作流技术的gis服务链系统实现。然而该研究只是gis服务链研究的一部分，其在各个行业的通用性应用方面还有待验证。

使用现有技术进行知识模型服务化和流程定制，存在如下问题：

(1)当前的gis数据建模系统或工具大多不符合工作流产品规范，都有自己的软件体系结构和api调用接口，空间模型也都不一致，它们之间不支持互操作；

(2)当前的gis数据建模系统或工具大多是基于某一个具体的gis软件，系统灵活性不够，可扩展能力差。由于依赖某个具体的gis软件，限制了应用范围；

(3)当前的gis数据建模系统或工具往往是面向专业的单机用户，不具备在线分析挖掘能力。

技术实现要素：

本发明实施例所要解决的问题在于，提供一种知识模型服务化与流程定制系统，能够在实现时空知识模型服务化的基础上，建立知识服务在线可视化定制的框架，能扩展多种知识模型，通过将原子粒度的知识模型按需组装，帮助用户完成在线大数据分析，满足多种应用场景下的时空大数据的分析应用需求。

为解决上述问题，本发明的一个实施例提供了一种知识模型服务化与流程定制系统，包括：

知识模型，用于根据用户设定的数值统计任务，选择数据集并在指定字段，按照不同数值统计指标进行统计分析，以完成任务配置，以及用于根据用户设定的空间分析任务，对参与空间分析的数据集进行空间分析，确定最优空间分析结果；

知识服务池，包括知识服务容器和知识服务组件，用于注入若干所述知识模型，并通过所述知识服务组件对外提供服务；其中，所述知识服务容器用于承担web站点、服务发布的引擎、知识模型插件的容器，以及注册中心的客户端；

知识引擎，基于所述知识服务容器，用于利用流程引擎将不同业务场景组合不同的所述知识模型形成知识链，并对所述知识链进行运算得到所述运算结果；

可视化层，用于根据用户的请求指令，从知识引擎中获取相应的运算结果进行展示。

进一步地，所述知识模型，包括统计分析模型库和空间分析模型库；

所述统计分析模型库，用于对工作空间中的数据集指定分类字段和统计字段后执行统计分析，具体的，所述统计分析模型库包括时间统计单元、数值统计单元和异常情况统计单元；其中，所述时间统计单元用于提供小时、天、周、月、季和年的时间统计分析，所述数值统计单元用于提供最小值、最大值、平均值、标准差、方差、偏度、峰度、总和、中位数、记录数、缺失和频数的数值统计分析；

所述空间分析模型库，用于对工作空间中参与空间分析的数据集进行网络分析、插值分析、连接分析、格网分析、邻近分析或聚合分析中的至少一种空间分析。

进一步地，所述知识引擎包括流程设计器、流程引擎和注册中心；其中，

所述流程设计器，用于将可视化的流程图形解译为所述流程引擎能够理解的元素，具体的，通过前端的可视化定制方式形成标准的bpmn流程文件，并映射为所述知识引擎的内置对象；所述元素包括流程、节点、事件、任务、流程结构控制点、监听器、流程线和流程结构；

所述流程引擎，支持bpmn标准，用于协同所述知识模型按照设定的规则传递数据，并对该数据进行各种不同处理方式的组装，完成定制流程模型，形成知识链；

所述注册中心，用于利用zookeeper技术来管理所述知识服务容器的服务注册与服务发现。

进一步地，所述注册中心，包括zookeeper集群，与服务提供中心和服务消费中心连接；

所述注册中心的zookeeper集群，通过watcher机制实现push模型，用于接收若干知识服务容器启动时向zookeeper注册的节点信息，并将所述节点信息的变更及时通知所述服务消费中心；具体的，

所述服务提供中心的识服务容器作为服务的提供者，在启动时，向所述注册中心请求连接，并在连接成功后以节点注册的方式添加当前知识服务容器的节点信息；进一步地，当所述知识服务容器停止或因服务器宕机造成所述知识服务容器与所述注册中心的连接中断时，所述注册中心会在服务列表里清除所述知识服务容器的节点信息，并通知所述服务消费中心。

进一步地，所述服务消费中心，作为服务的消费者，用于向所述注册中心获取服务元数据信息，通过web服务形式向所述流程定制器提供所述服务元数据信息。

进一步地，所述定制流程模型包括单行流程模型和并行流程模型。

进一步地，所述运算结果包括统计报表、热力图、专题图和可视化数据。

进一步地，所述知识服务组件包括模型封装单元、服务元数据单元和服务调用单元。

实施本发明实施例，具有如下效果：

本发明实施例将gis和web服务相结合，在实现时空知识模型服务化的基础上，建立知识服务在线可视化定制的框架，能扩展多种知识模型；同时通过将原子粒度的知识模型按需组装，帮助用户完成在线大数据分析，满足多种应用场景下的时空大数据的分析应用需求。

附图说明

图1为本发明一个实施例提供的一种知识模型服务化与流程定制系统的架构示意图；

图2为本发明一个实施例提供的一种知识模型服务化与流程定制系统的另一架构示意图；

图3为本发明一个实施例提供的数值统计流程图；

图4为本发明一个实施例提供的网络分析流程图；

图5为本发明一个实施例提供的知识引擎逻辑结构图；

图6为本发明一个实施例提供的注册中心逻辑结构图；

图7为本发明一个实施例提供的单行流程模型流程图与并行流程模型流程图；

图8为本发明一个实施例提供的知识容器逻辑架构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的一个实施例。

请参阅图1-8。

参阅图1，本发明实施例提供的一种知识模型101服务化与流程定制系统，包括：

知识模型101，用于根据用户设定的数值统计任务，选择数据集并在指定字段，按照不同数值统计指标进行统计分析，以完成任务配置，以及用于根据用户设定的空间分析任务，对参与空间分析的数据集进行空间分析，确定最优空间分析结果。

知识服务池102，包括知识服务容器和知识服务组件，用于注入若干所述知识模型101，并通过所述知识服务组件对外提供服务；其中，所述知识服务容器用于承担web站点、服务发布的引擎、知识模型101插件的容器，以及注册中心的客户端；参见图8，为本发明一个实施例提供的知识容器逻辑架构图。每个知识服务容器可以注入多个知识模型101，通过容器对外提供服务；每个节点可以部署一个或多个知识服务容器，多个节点形成分布式部署；利用注册中心机制进行分部署节点的注册管理。

知识引擎103，基于所述知识服务容器，用于利用流程引擎将不同业务场景组合不同的所述知识模型101形成知识链，并对所述知识链进行运算得到所述运算结果。

可视化层104，用于根据用户的请求指令，从知识引擎103中获取相应的运算结果进行展示。

参见图2，在本实施例中，所述知识模型101，包括统计分析模型库和空间分析模型库；述统计分析模型库，用于对工作空间中的数据集指定分类字段和统计字段后执行统计分析，具体的，所述统计分析模型库包括时间统计单元、数值统计单元和异常情况统计单元；其中，所述时间统计单元用于提供小时、天、周、月、季和年的时间统计分析，所述数值统计单元用于提供最小值、最大值、平均值、标准差、方差、偏度、峰度、总和、中位数、记录数、缺失和频数的数值统计分析；参见图3，为本发明一个实施例提供的数值统计流程图，用户可以根据工作空间中的数值统计任务选择数据集，根据不同的统计条件对数据集进行统计分析，当用户提交的数据集或参数不符合数值统计的要求时，系统提示验证不通过，并返回任务新建环节，当用户提交的数据集或参数符合数值统计的要求时，系统提示验证通过，任务配置完成。不同的统计条件包括：最大值统计、最小值统计、平均值统计、标准差统计、方差统计、偏度统计、峰度统计、总和统计、中位数统计、记录数统计、缺失统计和频数统计。

所述空间分析模型库，用于对工作空间中参与空间分析的数据集进行网络分析、插值分析、连接分析、格网分析、邻近分析或聚合分析中的至少一种空间分析。参见图4，为本发明一个实施例提供的网络分析流程图。用户对工作空间中的空间分析任务输入网络数据集，输入起始点、起始时间、终点和阻抗属性，对其在距离上进行分析，得到最短路径；对其在时间或其他进行分析，得到时间或其他。最短路径和最优路径是网络分析的两种基本形式。求解路径分析表示根据要求解的阻抗查找最快、最短甚至是最优的路径。如果阻抗是时间，则最佳路线即为最快路线。如果阻抗是具有实时或历史流量的时间属性，则最佳路径是对指定日期和时间来说最快的路径。因此，可将最佳路径定义为阻抗最低或成本最低的路径，其中，阻抗由用户来选择。确定最佳路径时，所有成本属性均可用作阻抗。

参见图2，在本实施例中，所述知识引擎103包括流程设计器、流程引擎和注册中心；其中，所述流程设计器，用于将可视化的流程图形解译为所述流程引擎能够理解的元素，具体的，通过前端的可视化定制方式形成标准的bpmn流程文件，并映射为所述知识引擎103的内置对象；所述元素包括流程、节点、事件、任务、流程结构控制点、监听器、流程线和流程结构。所述流程设计器的设计分为三个过程：

1、流程设计前的可视化模型节点生成和显示。

2、流程的配置过程，对节点元素进行显示，拖动，绘制和属性配置，形成可视化的流程。

3、对配置的流程进行解译和转换，形成标准的bpmn格式，并持久化。

所述流程引擎，支持bpmn标准，用于协同所述知识模型101按照设定的规则传递数据，并对该数据进行各种不同处理方式的组装，完成定制流程模型，形成知识链。

所述注册中心，用于利用zookeeper技术来管理所述知识服务容器的服务注册与服务发现。

参见图5，为本发明一个实施例提供的知识引擎103逻辑结构图。通过知识模型101容器对流程设计器进行配置，并将流程定制生成bpmn.xml中间文件，对中间文件进行解析，通过流程引擎将解析结果生成对应的知识链。

参见图6，在本实施例中，所述注册中心，包括zookeeper集群，与服务提供中心和服务消费中心连接。

所述注册中心的zookeeper集群，通过watcher机制实现push模型，用于接收若干知识服务容器启动时向zookeeper注册的节点信息，并将所述节点信息的变更及时通知所述服务消费中心；具体的，所述服务提供中心的识服务容器作为服务的提供者，在启动时，向所述注册中心请求连接，并在连接成功后以节点注册的方式添加当前知识服务容器的节点信息；进一步地，当所述知识服务容器停止或因服务器宕机造成所述知识服务容器与所述注册中心的连接中断时，所述注册中心会在服务列表里清除所述知识服务容器的节点信息，并通知所述服务消费中心。所述注册中心通过zookeeper技术来管理容器节点注册与发现，；来解决容器服务发现的问题。

在本实施例中，所述服务消费中心，作为服务的消费者，用于向所述注册中心获取服务元数据信息，通过web服务形式向所述流程定制器提供所述服务元数据信息。

参见图7，在本实施例中，所述定制流程模型包括单行流程模型和并行流程模型。所述单行流程模型的制作是指模型定制过程中不需要计算任务并行处理，过程为在知识流模型定制模块中拖拽“增加开始事件”、“添加任务”、“增加结束事件”、“执行模型”和“查看结果”控件组织成一个完整的知识流模型，其中可以拖入多个“任务”控件来完成连续的运算。所述并行流程模型的制作是指当制作知识流模型时加入“并行运行方式”控件，通过选择模型执行方式来同时执行两个计算任务，并可将两个计算任务的结果作为数据源来和其他任务进行运算，如叠加分析。

参见图2，在本实施例中，所述运算结果包括统计报表、热力图、专题图和可视化数据。

参见图2，在本实施例中，所述知识服务组件包括模型封装单元、服务元数据单元和服务调用单元。

本发明公开了一种知识模型101服务化与流程定制系统，包括：知识模型101，用于按照不同数值统计指标进行统计分析以及用于对参与空间分析的数据集进行空间分析，确定最优空间分析结果；知识服务池102，包括知识服务容器和知识服务组件，用于通过知识服务组件对外提供服务；知识引擎103，用于利用流程引擎将不同业务场景组合不同的知识模型101形成知识链，并对知识链进行运算得到运算结果；可视化层104，用于将运算结果进行展示。本发明实施例在实现时空知识模型101服务化的基础上，建立知识服务在线可视化定制的框架，能扩展多种知识模型101，通过将原子粒度的知识模型101按需组装，帮助用户完成在线大数据分析，满足多种应用场景下的时空大数据的分析应用需求。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。