柴文慧

(山西管理職業(yè)學(xué)院，山西臨汾041051)

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們對于信息的智能化和精細(xì)化發(fā)展進(jìn)程要求越來越高。對于不同領(lǐng)域產(chǎn)生的海量數(shù)據(jù)進(jìn)行實(shí)時(shí)的采集、傳輸、處理、發(fā)布等操作，能夠促進(jìn)該領(lǐng)域的高效發(fā)展，如物流行業(yè)、農(nóng)業(yè)等。網(wǎng)絡(luò)信息的大容量存儲管理以及區(qū)域化的分布，給處理大數(shù)據(jù)的過程增加了較大難度。本文采用Hadoop分布式計(jì)算框架和MapReduce編程模型對采集到的海量數(shù)據(jù)進(jìn)行存儲、檢索、管理，以此對采集系統(tǒng)的數(shù)據(jù)云服務(wù)進(jìn)行研究。

1 系統(tǒng)開發(fā)平臺以及關(guān)鍵技術(shù)

1.1 大數(shù)據(jù)特點(diǎn)

大數(shù)據(jù)是指無法使用常規(guī)的軟件或工具來進(jìn)行處理分析的數(shù)據(jù)集合，其必須通過新的工具來優(yōu)化海量數(shù)據(jù)的處理、多樣化的信息資產(chǎn)配置等。通常產(chǎn)生的大數(shù)據(jù)擁有容量大、數(shù)據(jù)多樣化、數(shù)據(jù)復(fù)雜等多種特點(diǎn)，因此大數(shù)據(jù)在采集、傳輸、處理、發(fā)布過程中會(huì)給管理人員在進(jìn)行決策過程中造成較大的困難：(1)隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，各個(gè)行業(yè)產(chǎn)生的數(shù)據(jù)量越來越大，且部署的傳感器節(jié)點(diǎn)也日益增多，例如物流行業(yè)的物流信息傳感器、攝像頭、紅外線傳感器燈光等。(2)數(shù)據(jù)格式類型多樣化，有文本、圖像、視頻、表格、音頻等復(fù)雜的數(shù)據(jù)形式。(3)單一數(shù)據(jù)成本較低，因此能夠以較低的成本獲得大數(shù)據(jù)。(4)處理速度快，大數(shù)據(jù)必須通過分布式存儲計(jì)算來加快數(shù)據(jù)處理的速度[1-3]。

1.2 基于云服務(wù)的大數(shù)據(jù)技術(shù)

大數(shù)據(jù)通常應(yīng)用數(shù)據(jù)挖掘算法來實(shí)現(xiàn)有價(jià)值信息的搜索，Hadoop是大數(shù)據(jù)的主要技術(shù)，通過MapReduce編程模型來實(shí)現(xiàn)并行節(jié)點(diǎn)的信息處理。通過HDFS分布式文件系統(tǒng)來實(shí)現(xiàn)數(shù)據(jù)的分布存儲，提高信息的存儲和查找效率。HBase數(shù)據(jù)庫是一個(gè)輕量級別的關(guān)系數(shù)據(jù)庫，能夠有效地提高數(shù)據(jù)查找和引用的效率。本文將構(gòu)建一個(gè)存儲海量數(shù)據(jù)的Hadoop系統(tǒng)大數(shù)據(jù)云服務(wù)器，以此來實(shí)現(xiàn)數(shù)據(jù)在任一地點(diǎn)登陸都能進(jìn)行數(shù)據(jù)的發(fā)布或分析[4-5]。

2 基于采集系統(tǒng)大數(shù)據(jù)的云服務(wù)架構(gòu)

基于采集系統(tǒng)的大數(shù)據(jù)云服務(wù)架構(gòu)如圖1所示。應(yīng)用Oracle數(shù)據(jù)庫存儲一些基礎(chǔ)數(shù)據(jù)，使用Hadoop集群來存儲和管理采集各類傳感器傳輸過來的數(shù)據(jù)，完全發(fā)揮其高容錯(cuò)性、可擴(kuò)展性、高可靠性等優(yōu)勢。

圖1 基于采集系統(tǒng)大數(shù)據(jù)的云服務(wù)架構(gòu)

2.1 基于采集系統(tǒng)的大數(shù)據(jù)總體架構(gòu)

采集系統(tǒng)應(yīng)用鋪設(shè)各類傳感器來實(shí)現(xiàn)數(shù)據(jù)的采集，本文以常用的無線低功率通信技術(shù)“ZigBee”來實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)采集和傳輸，如圖2所示。

圖2 采集系統(tǒng)的總體架構(gòu)圖

2.2 無線傳感器網(wǎng)絡(luò)傳輸

在監(jiān)測點(diǎn)部署傳感器進(jìn)行實(shí)時(shí)的檢測數(shù)據(jù)，通過自組織的方式構(gòu)建無線網(wǎng)絡(luò)，并將采集到的數(shù)據(jù)經(jīng)過多級的無線路由傳遞到匯聚節(jié)點(diǎn)，然后通過無線/有線方式接入到網(wǎng)絡(luò)，傳輸?shù)娇刂浦行?，并將?shí)時(shí)采集到的數(shù)據(jù)存儲在云端。通過智能手機(jī)可進(jìn)行查詢，并可上傳文件，這些數(shù)據(jù)都是未來進(jìn)行數(shù)據(jù)發(fā)布和預(yù)測的基礎(chǔ)[6]。

2.3 Hadoop架構(gòu)

Hadoop是一個(gè)開源的分布式框架，將分布在不同地點(diǎn)的各個(gè)監(jiān)測節(jié)點(diǎn)數(shù)據(jù)采集起來進(jìn)行計(jì)算和存儲的框架(圖3)。其中，MapReduce是分布式計(jì)算框架，HDFS以及HBase數(shù)據(jù)庫是基于同一集群節(jié)點(diǎn)進(jìn)行數(shù)據(jù)計(jì)算的。

圖3 Hadoop框架圖

搭建PC端服務(wù)器集群環(huán)境，包括主節(jié)點(diǎn)、計(jì)算節(jié)點(diǎn)，在全部節(jié)點(diǎn)部署Hadoop環(huán)境集群，將其中兩臺主機(jī)定義為主節(jié)點(diǎn)，其中一臺為出現(xiàn)故障時(shí)的備用主節(jié)點(diǎn)，其余的幾臺主機(jī)作為子節(jié)點(diǎn)。根據(jù)不同情況添加新主機(jī)進(jìn)入集群，使其具備高可擴(kuò)展性。本文部署的Hadoop生態(tài)集群如圖4所示[7]。

圖4 Hadoop生態(tài)群集部署圖

2.4 數(shù)據(jù)層設(shè)計(jì)

傳感器采集到的數(shù)據(jù)是多樣化、多來源、異構(gòu)型的，因此鏈接到HBase數(shù)據(jù)庫的方法也是不一樣的。為了在檢索過程中實(shí)現(xiàn)持久化存儲，本文應(yīng)用實(shí)時(shí)讀寫的分布式數(shù)據(jù)庫系統(tǒng)HBase，為了更好地管理云端數(shù)據(jù)，將HBase和MySQL數(shù)據(jù)兩者相結(jié)合，在異構(gòu)數(shù)據(jù)采集后，海量數(shù)據(jù)和大量的非結(jié)構(gòu)化數(shù)據(jù)保存在分布式數(shù)據(jù)庫中，其它實(shí)時(shí)性要求較高的數(shù)據(jù)存放在MySQL數(shù)據(jù)庫中，使用Sqoop等工具有規(guī)律性地將MySQL關(guān)系數(shù)據(jù)庫中實(shí)時(shí)數(shù)據(jù)信息傳遞到HDFS和HBase中，以此來實(shí)現(xiàn)數(shù)據(jù)的快速輸入。

HBase是Hadoop中面向列的分布式數(shù)據(jù)庫，因此可根據(jù)需求設(shè)計(jì)數(shù)據(jù)表的存儲方式，有效地將分布在各個(gè)傳感器上的信息進(jìn)行存儲。通常進(jìn)行數(shù)據(jù)采集時(shí)，采用的是HBase中的Java API來完成數(shù)據(jù)的采集入庫。

在處理圖像、視頻信息等非表結(jié)構(gòu)的數(shù)據(jù)類型時(shí)，HBase中的圖片存儲技術(shù)具有較好的圖片檢索功能，解決了圖片流量大、傳輸較為緩慢的問題。Hadoop提供一個(gè)API接口，將采集到的視頻流文件傳輸?shù)紿DFS文件中進(jìn)行存儲，而HBase數(shù)據(jù)庫的存儲結(jié)構(gòu)為HDFS，因此兩者之間可以實(shí)現(xiàn)無縫對接[8]。

3 基于采集系統(tǒng)大數(shù)據(jù)的云服務(wù)應(yīng)用

3.1 農(nóng)業(yè)采集系統(tǒng)功能模塊

本文基于采集系統(tǒng)的大數(shù)據(jù)進(jìn)行云服務(wù)平臺構(gòu)建，并將該成果應(yīng)用于農(nóng)業(yè)生產(chǎn)中。所設(shè)計(jì)的農(nóng)業(yè)管理模塊通常包括以下幾個(gè)功能：登錄模塊、用戶管理模塊、傳感器管理模塊、文件管理模塊、集群管理模塊。

(1)登錄模塊：用戶登錄系統(tǒng)時(shí)，系統(tǒng)首先對用戶進(jìn)行驗(yàn)證，如果是新用戶則需通過身份驗(yàn)證，注冊成功后才可進(jìn)入系統(tǒng)，正常使用系統(tǒng)的其它功能。

(2)用戶管理模塊：進(jìn)行添加、修改、刪除用戶等操作，可顯示用戶列表。

(3)傳感器管理模塊：該模塊主要對傳感器傳輸過來的數(shù)據(jù)進(jìn)行管理，保存由不同傳感器傳輸來的數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行添加、刪除、修改、報(bào)警、查詢。

(4)文件管理模塊：將數(shù)據(jù)上傳到控制中心，控制中心下載和刪除HDFS、HBase、MySQL數(shù)據(jù)庫存儲的數(shù)據(jù)，從而實(shí)現(xiàn)對異構(gòu)農(nóng)業(yè)資源實(shí)現(xiàn)分布式管理和服務(wù)。

(5)集群管理模塊：對得到的數(shù)據(jù)進(jìn)行統(tǒng)一處理，基于云服務(wù)將所得的智能決策方案提供給用戶。

3.2 大數(shù)據(jù)功能的實(shí)現(xiàn)和測試

系統(tǒng)查詢模塊功能實(shí)現(xiàn)過程為：判斷查詢值，實(shí)現(xiàn)差異化查詢，鏈接HBase中的API接口。表的查詢方法主要為Scan方法，設(shè)定查詢條件后返回相關(guān)的結(jié)果記錄，然后通過gerScanner函數(shù)將結(jié)果集返回到Result函數(shù)中進(jìn)行數(shù)據(jù)分析和處理，采用Servlet方法獲取下一輪的數(shù)據(jù)，并將獲取的數(shù)據(jù)顯示在JSP頁面。

將在數(shù)據(jù)庫中監(jiān)測到的數(shù)據(jù)導(dǎo)入至HBase中，每次插入的數(shù)據(jù)量范圍為10萬條數(shù)據(jù)，每條數(shù)據(jù)大小為幾百kB到2 MB，通過測試后可知每次的時(shí)間都較為穩(wěn)定，如圖5所示[9]。

圖5 數(shù)據(jù)導(dǎo)入消耗時(shí)間示意圖

4 結(jié)語

針對本文關(guān)注的采集系統(tǒng)性能，集群系統(tǒng)具有較好的安全性能，且能夠達(dá)到較好的數(shù)據(jù)處理時(shí)間。本文將所得到的云服務(wù)系統(tǒng)運(yùn)用在農(nóng)業(yè)生產(chǎn)中，通過已有的大數(shù)據(jù)云計(jì)算來實(shí)現(xiàn)對數(shù)據(jù)的采集、存儲、挖掘等，獲得了較好的實(shí)際應(yīng)用效果。但本文研究在數(shù)據(jù)類型、界面設(shè)計(jì)等方面還需進(jìn)一步加強(qiáng)，這也是在以后的工作中需要完善的地方。