本发明属于云计算技术领域,尤其涉及一种基于云计算的云端信息管理控制系统及控制方法。
背景技术:
计算机的应用在中国越来越普遍,改革开放以后,中国计算机用户的数量不断攀升,应用水平不断提高,特别是互联网、通信、多媒体等领域的应用取得了不错的成绩。云计算是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。因此,云计算甚至可以让你体验每秒10万亿次的运算能力,拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心,按自己的需求进行运算。然而,现在云计算不够成熟,信息管理不完整,功能不完善。
综上所述,现在的技术存在的问题是:现在云计算不够成熟,计算方式单一,网络通道少,信息管理不完整,功能不完善。
技术实现要素:
针对现有技术存在的问题,本发明提供了基于云计算的云端信息管理控制系统及控制方法。
本发明是这样实现的,一种基于云计算的云端信息管理控制系统,所述基于云计算的云端信息管理控制系统包括:
数据库及存储模块,用于支持acid和sql标准,支持缓存、文档、列式存储类等数据库;存储提供高可靠、弹性、高性能、多共享的文件存储服务;
所述数据库及存储模块的数据融合应用的方法包括:
步骤一,对抽取得到的事件及其元素进行关联分析,采用的方法为基于改进的层级主题模型聚类;具体包括:
将时间信息引入主题模型中进行联合建模,得到聚类结果,每一个聚类对应一个专题;
建模时间信息时选择某时间上的函数或某随机过程来刻画主题的强度变化;beta分布相对于其他分布具有不对称性,用来建模时间信息;
beta分布的概率密度函数:
利用层级模型ncrp建模不同层级的专题;
采样层级按照以下条件概率设定:
p(zd,n|z-(d,n),c,w,m,π,η)∝p(zd,n|zd,-n,m,π)p(wd,n|z,c,w-(d,n),η);
zd,n代表当前词的主题分配情况,zd,-n代表排除了所要采样的主题之后的其余观测数据的当前主题分配情况,k为主题索引,c,w,m,π,η为超参数;
步骤二,利用话题演化模型ddcrp刻画话题任意形式的变化,展现话题的全局发展过程,并对话题的发展规律进行归纳和总结;ddcrp的概率密度函数:
采样路径按照以下条件分布选取:
p(cd|w,c-d,z,η,α,f,d1:l-1)∝p(cd|c-d,α,f,d1:l-1)p(wd|c,w-d,z,η);
其中,cd代表文档d的路径,c-d代表其余路径,f为衰减函数,w,z分别代表词项与主题,d1:l-1为文档之间的距离,其余为模型超参数;
步骤三,将关联分析结果在时间轴上动态展示,刻画每一个热点专题随时间的变化状况;
弹性计算模块,用于实现高性能计算,弹性伸缩,负载均衡,批量计算,函数计算;
网络通信模块,包括专有网络,高速通道,cdn,短信服务,流量服务;
所述网络通信模块能效与时延折衷方法包括以下步骤:
步骤一,对于基于蜂窝网络覆盖的干扰受限的终端直通的通信系统,引入组的概念,假设系统存在r个正交的频段,将工作在同一个正交频段的所有用户定义为一个组,即系统存在r个组,因此用户间的干扰只存在于组内,组与组之间不存在干扰;
步骤二,给出了组r内工作在蜂窝模式的用户在基站的接收信干噪比
其中,
工作在终端直通模式的用户在终端直通接收端的接收信干噪比
其中,
通过香农公式给出组r内工作在蜂窝模式的用户的传输速率
组r内工作在蜂窝模式的用户的传输速率
其中,
组r内工作在终端直通模式的用户的传输速率
其中,
步骤三,给出系统工作在蜂窝模式的用户的传输速率rm(t)、工作在终端直通模式的用户的传输速率rn(t)和所有工作的用户的总传输速率rtot(t)的定义公式;
给出系统工作在蜂窝模式的用户的传输速率rm(t)的定义公式:
其中,
工作在终端直通模式的用户的传输速率rn(t)的定义公式:
其中,
所有工作的用户的总传输速率rtot(t)的定义公式:
其中,
步骤四,给出了单用户的瞬时功耗pk(t)、长期的平均功耗
其中,ξk为功率放大器的功效系数,
其中,pk(t)为单用户的瞬时功耗,t为时隙数;
其中,ξk为功率放大器的功效系数,
步骤五,为了定量的刻画能效与时延之间的折衷关系,给出了实际数据队列qk(t)更新公式和能效ηee的定义公式;
具体实现如下:
qk(t+1)=max[qk(t)-rk(t),0]+ak(t)
其中,max[qk(t)-rk(t),0]为qk(t)-rk(t)与0的最大值,rk(t)为时隙t的业务离开速率,ak(t)为时隙t的业务到达速率;
网络能效ηee定义为长期的网络总功耗与相应的总的传输数据量的比值,单位为joule/bit/hz,该定义能够描述时变信道条件和随机业务到达对时延性能的影响,定义公式如下:
其中,
步骤六,建立随机最优化模型来揭示基于蜂窝网络覆盖的干扰受限的终端直通的通信系统的能效与时延折衷关系:
c2:排队队列qk(t)平均速率稳定,
c3:
c4:
c5:
其中,
c1用于保证移动设备的生存期;c2是队列稳定性约束,用于保证所有到达的数据在有限的时间内离开网络;c3限制组内所有工作在终端直通模式的用户对工作在蜂窝模式的用户的干扰;c4限制组内所有工作在蜂窝模式的用户对工作在终端直通模式的用户的干扰;c5是一个非负传输功率约束;
步骤七,为了处理随机最优化模型的限制条件c1,引入并给出虚拟功率队列vk(t)的概念和定义公式,其中vk(0)=0;如果功率分配算法使所有的虚拟功率队列稳定,则满足平均功率限制c1:
vk(t+1)=max[vk(t)+yk(t),0]
其中,max[vk(t)+yk(t),0]为vk(t)+yk(t)与0的最大值,pk(t)为单用户的瞬时功耗,
步骤八,利用非线性分数规划,转化步骤六的随机、非凸最优化模型,即将步骤六的最优化问题转化成为如下最优化问题:
s.t.c1,c2,c3,c4,c5;
其中,
其中,
安全管理模块,用于防御大流量ddos攻击,运维操作记录,态势感知,解决移动应用漏洞、仿冒、篡改;
所述安全管理模块的数据聚合方法的步骤如下:
步骤一,在面积为s=ll的部署区域内,随机分布n个同构的无线传感器节点,sink节点位于部署区域之外,节点处理整个无线传感器网络内收集到的数据;
步骤二,非均匀成簇
sink节点位于部署区域的上方;首先部署区域x轴划分为s个泳道,所有泳道有相同的宽度w,并且每个泳道的长度与部署区域的长度相等;用从1到s作为泳道的id,最左端的泳道的id为1,然后每个泳道沿着y轴划分为多个矩形网格,每个泳道中的每个网格都被定义一个水平,最下端的网格的水平为1,每个网格和每个泳道有相同的宽度w;每个泳道中网格的个数、长度与泳道到sink的距离有关;通过设置网格的长度来调整网格的大小;针对不同的泳道,距离sink越远的泳道含有的网格数目越小;针对同一泳道,距离sink越远的网格的长度越大;a中含有s个元素,第k个元素表示在第k个泳道中网格的数目;每个网格用一个数组(i,j)作为id,表示第i个泳道有水平j;定义s个数组表示网格的长度,第v个数组hv表示第v个泳道中网格的长度,并且hv的第w个元素hvw表示网格(v,w)的长度;网格(i,j)的边界为:
o_x+(i-1)×w<x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段;算法分为很多轮进行,在每轮中选取每个网格中剩余能量最大的节点作为簇首节点,其余节点根据就近原则加入簇,然后再进行数据聚合;
步骤三,格拉布斯预处理
传感器节点需要对收集的数据进行预处理,然后再向簇首节点传输数据;采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有个传感器节点,传感器节点收集到的数据为x1,x2,…,xn,服从正态分布,并设:
根据顺序统计原理,计算格拉布斯统计量:
给定显著性水平(α=0.05)之后,测量值满足gi≤g0(n,α),则认为测量值有效,测量值参与到下一层次的数据聚合;反之,则认为测量值无效,因此需要剔除,即不参与到下一层次的数据聚合;
步骤四,自适应聚合算法
通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据;
某个簇中有个传感器节点,用维列向量d=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小,其中li的计算公式为:
根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小权值越大;
其中
应用服务模块,用于进行性能测试,结构化数据搜索托管服务,api托管服务,云端企业wifi和商业wifi服务。
本发明的另一目的在于提供一种基于云计算的云端信息管理控制系统及控制方法,所述基于云计算的云端信息管理控制方法包括以下步骤:
步骤一:用户申请云服务器。
步骤二:执行弹性计算,并通过云服务器实时监测性能、存储。
步骤三:提供专用高速通道。
步骤四:提供应用服务。
步骤五:对用户移动应用进行安全保护管理。
进一步,所述弹性计算模块减少了小规模软件开发人员对于集群系统的维护,并且收费方式相对简单明了,用户使用多少资源,只需要为这一部分资源付费即可。这种付费方式与传统的主机托管模式不同。
进一步,所述网络通信模块可以提供专有高速网络需求及信息推送功能。
进一步,所述对用户移动应用进行安全保护管理可以保护用户数据安全,防止用户数据泄露和篡改。
本发明的优点及积极效果为:云计算集合了并行处理、网络计算、虚拟化、分布式处理和网络存储等;云计算利用远程服务器对大量分布式计算机的控制能力和高速网络来为用户提供足够的计算支持,按照互联网的运作模式将资源切换到需要的应用上。同时利用各种虚拟化的计算资源池(各种用于构造应用程序的基础设施和在这些基础设施上的具体云计算应用)来访问计算机和存储系统的网络资源共享利用模式。云计算的低成本、高安全性、以用户为中心以及超强的计算能力;在网络资源共享方面就有明显的优势。
附图说明
图1是本发明实施提供的基于云计算的云端信息管理控制控制方法流程图。
图2是本发明实施提供的基于云计算的云端信息管理控制系统结构示意图。
图3是本发明实施提供的基于云计算的云端信息管理控制系统弹性计算模块流程图。
图4是本发明实施提供的基于云计算的云端信息管理控制系统网络通信模块流程图。
图5是本发明实施提供的基于云计算的云端信息管理控制系统安全管理模块流程图。
图6是本发明实施提供的基于云计算的云端信息管理控制系统应用服务模块流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图2所示,本发明实施例提供的基于云计算的云端信息管理控制系统包括:弹性计算模块,数据库及存储模块,网络通信模块,安全管理模块,应用服务模块。
所述数据库及存储模块支持acid和sql标准,支持缓存、文档、列式存储类等数据库;存储提供高可靠、弹性、高性能、多共享的文件存储服务。
所述弹性计算模块包括高性能计算,弹性伸缩,负载均衡,批量计算,函数计算。
所述网络通信模块包括专有网络,高速通道,cdn,短信服务,流量服务。
所述安全管理模块防御大流量ddos攻击,运维操作记录,态势感知,解决移动应用漏洞、仿冒、篡改等安全风险。
所述应用服务模块可以进行性能测试,结构化数据搜索托管服务,api托管服务,云端企业wifi和商业wifi服务。
所述数据库及存储模块的数据融合应用的方法包括:
步骤一,对抽取得到的事件及其元素进行关联分析,采用的方法为基于改进的层级主题模型聚类;具体包括:
将时间信息引入主题模型中进行联合建模,得到聚类结果,每一个聚类对应一个专题;
建模时间信息时选择某时间上的函数或某随机过程来刻画主题的强度变化;beta分布相对于其他分布具有不对称性,用来建模时间信息;
beta分布的概率密度函数:
利用层级模型ncrp建模不同层级的专题;
采样层级按照以下条件概率设定:
p(zd,n|z-(d,n),c,w,m,π,η)∝p(zd,n|zd,-n,m,π)p(wd,n|z,c,w-(d,n),η);
zd,n代表当前词的主题分配情况,zd,-n代表排除了所要采样的主题之后的其余观测数据的当前主题分配情况,k为主题索引,c,w,m,π,η为超参数;
步骤二,利用话题演化模型ddcrp刻画话题任意形式的变化,展现话题的全局发展过程,并对话题的发展规律进行归纳和总结;ddcrp的概率密度函数:
采样路径按照以下条件分布选取:
p(cd|w,c-d,z,η,α,f,d1:l-1)∝p(cd|c-d,α,f,d1:l-1)p(wd|c,w-d,z,η);
其中,cd代表文档d的路径,c-d代表其余路径,f为衰减函数,w,z分别代表词项与主题,d1:l-1为文档之间的距离,其余为模型超参数;
步骤三,将关联分析结果在时间轴上动态展示,刻画每一个热点专题随时间的变化状况。
所述网络通信模块能效与时延折衷方法包括以下步骤:
步骤一,对于基于蜂窝网络覆盖的干扰受限的终端直通的通信系统,引入组的概念,假设系统存在r个正交的频段,将工作在同一个正交频段的所有用户定义为一个组,即系统存在r个组,因此用户间的干扰只存在于组内,组与组之间不存在干扰;
步骤二,给出了组r内工作在蜂窝模式的用户在基站的接收信干噪比
其中,
工作在终端直通模式的用户在终端直通接收端的接收信干噪比
其中,
通过香农公式给出组r内工作在蜂窝模式的用户的传输速率
组r内工作在蜂窝模式的用户的传输速率
其中,
组r内工作在终端直通模式的用户的传输速率
其中,
步骤三,给出系统工作在蜂窝模式的用户的传输速率rm(t)、工作在终端直通模式的用户的传输速率rn(t)和所有工作的用户的总传输速率rtot(t)的定义公式;
给出系统工作在蜂窝模式的用户的传输速率rm(t)的定义公式:
其中,
工作在终端直通模式的用户的传输速率rn(t)的定义公式:
其中,
所有工作的用户的总传输速率rtot(t)的定义公式:
其中,
步骤四,给出了单用户的瞬时功耗pk(t)、长期的平均功耗
其中,ξk为功率放大器的功效系数,
其中,pk(t)为单用户的瞬时功耗,t为时隙数;
其中,ξk为功率放大器的功效系数,
步骤五,为了定量的刻画能效与时延之间的折衷关系,给出了实际数据队列qk(t)更新公式和能效ηee的定义公式;
具体实现如下:
qk(t+1)=max[qk(t)-rk(t),0]+ak(t)
其中,max[qk(t)-rk(t),0]为qk(t)-rk(t)与0的最大值,rk(t)为时隙t的业务离开速率,ak(t)为时隙t的业务到达速率;
网络能效ηee定义为长期的网络总功耗与相应的总的传输数据量的比值,单位为joule/bit/hz,该定义能够描述时变信道条件和随机业务到达对时延性能的影响,定义公式如下:
其中,
步骤六,建立随机最优化模型来揭示基于蜂窝网络覆盖的干扰受限的终端直通的通信系统的能效与时延折衷关系:
c2:排队队列qk(t)平均速率稳定,
c3:
c4:
c5:
其中,
c1用于保证移动设备的生存期;c2是队列稳定性约束,用于保证所有到达的数据在有限的时间内离开网络;c3限制组内所有工作在终端直通模式的用户对工作在蜂窝模式的用户的干扰;c4限制组内所有工作在蜂窝模式的用户对工作在终端直通模式的用户的干扰;c5是一个非负传输功率约束;
步骤七,为了处理随机最优化模型的限制条件c1,引入并给出虚拟功率队列vk(t)的概念和定义公式,其中vk(0)=0;如果功率分配算法使所有的虚拟功率队列稳定,则满足平均功率限制c1:
vk(t+1)=max[vk(t)+yk(t),0]
其中,max[vk(t)+yk(t),0]为vk(t)+yk(t)与0的最大值,pk(t)为单用户的瞬时功耗,
步骤八,利用非线性分数规划,转化步骤六的随机、非凸最优化模型,即将步骤六的最优化问题转化成为如下最优化问题:
s.t.c1,c2,c3,c4,c5;
其中,
其中,
所述安全管理模块的数据聚合方法的步骤如下:
步骤一,在面积为s=ll的部署区域内,随机分布n个同构的无线传感器节点,sink节点位于部署区域之外,节点处理整个无线传感器网络内收集到的数据;
步骤二,非均匀成簇
sink节点位于部署区域的上方;首先部署区域x轴划分为s个泳道,所有泳道有相同的宽度w,并且每个泳道的长度与部署区域的长度相等;用从1到s作为泳道的id,最左端的泳道的id为1,然后每个泳道沿着y轴划分为多个矩形网格,每个泳道中的每个网格都被定义一个水平,最下端的网格的水平为1,每个网格和每个泳道有相同的宽度w;每个泳道中网格的个数、长度与泳道到sink的距离有关;通过设置网格的长度来调整网格的大小;针对不同的泳道,距离sink越远的泳道含有的网格数目越小;针对同一泳道,距离sink越远的网格的长度越大;a中含有s个元素,第k个元素表示在第k个泳道中网格的数目;每个网格用一个数组(i,j)作为id,表示第i个泳道有水平j;定义s个数组表示网格的长度,第v个数组hv表示第v个泳道中网格的长度,并且hv的第w个元素hvw表示网格(v,w)的长度;网格(i,j)的边界为:
o_x+(i-1)×w<x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段;算法分为很多轮进行,在每轮中选取每个网格中剩余能量最大的节点作为簇首节点,其余节点根据就近原则加入簇,然后再进行数据聚合;
步骤三,格拉布斯预处理
传感器节点需要对收集的数据进行预处理,然后再向簇首节点传输数据;采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有个传感器节点,传感器节点收集到的数据为x1,x2,…,xn,服从正态分布,并设:
根据顺序统计原理,计算格拉布斯统计量:
给定显著性水平(α=0.05)之后,测量值满足gi≤g0(n,α),则认为测量值有效,测量值参与到下一层次的数据聚合;反之,则认为测量值无效,因此需要剔除,即不参与到下一层次的数据聚合;
步骤四,自适应聚合算法
通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据;
某个簇中有个传感器节点,用维列向量d=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小,其中li的计算公式为:
根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小权值越大;
其中
进一步,所述弹性计算模块减少了小规模软件开发人员对于集群系统的维护,并且收费方式相对简单明了,用户使用多少资源,只需要为这一部分资源付费即可。这种付费方式与传统的主机托管模式不同。
进一步,所述网络通信模块可以提供专有高速网络需求及信息推送功能。
如图1、图3-图6所示,本发明实施例提供的基于云计算的云端信息管理控制方法包括以下步骤:
步骤一:用户申请云服务器。
步骤二:执行弹性计算,并通过云服务器实时监测性能、存储。
步骤三:提供专用高速通道。
步骤四:提供应用服务。
步骤五:对用户移动应用进行安全保护管理。
进一步,所述弹性计算模块减少了小规模软件开发人员对于集群系统的维护,并且收费方式相对简单明了,用户使用多少资源,只需要为这一部分资源付费即可。这种付费方式与传统的主机托管模式不同。
进一步,所述网络通信模块可以提供专有高速网络需求及信息推送功能。
进一步,所述对用户移动应用进行安全保护管理可以保护用户数据安全,防止用户数据泄露和篡改。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。