张伟
(中国大唐集团科学技术研究院有限公司,北京 100040)
摘要：随着云端计算服务在电力行业的广泛应用，使用者对电力云平台的搜寻能力要求越来越高，电力云百科系统主要应用于电力系统内部的电力知识的共享以及更新。系统是基于电力系统数据库通过云搜索引擎的快速检索，便捷相应知识内容的利用。由于采用了云端计算技术，可以提高并发访问量、检索速度，实现业务动态扩充套件和节约成本。
中图分类号：TP391
文献标识码：A
DOI： 10.19358/j.issn.2096-5133.2018.12.003
引用格式：
张伟.电力企业云百科系统的架构设计［J］.资讯科技与网络安全，2018,37（12）：11-13.
Architecture design of Cloud encyclopedia system for power enterprises
Zhang Wei
(China Datang Corporation Science and Technology Researd Institude,Beijing 100040,China)
Abstract:With the wide application fo Cloud computing services in power industry, users need higher search capability for power Cloud platform. The power Cloud encyclopedia system is mainly applied to share and update the power knowledge within the power system.The system is based on the power system database through the fast search of Cloud search engine to retrieve the corresponding knowledge content.Cloud computing technology can improve concurrent access and retrieval speed,realize dynamic business expansion and save costs.
Key words: search based on Cloud computing；distributed；relational database
0 引言
随着云端计算服务在电力行业里广泛的应用，使用者对电力云平台的搜寻能力要求越来越高。云端计算将原本分散的资源聚集起来，再以服务的形式提供给受众，实现集团化运作、精益化管理、标准化建设。
电力云平台系统基于电力系统数据库中通过云搜索引擎的快速搜寻，检索到相应的共享知识内容，系统功能界面简洁，使用者操作便捷。
1 系统简介
电力云百科系统是部署在云上的一套系统，此系统是电力系统内部的一套维基百科，主要应用于电力系统内部的电力知识的共享以及共享知识的不断更新。
电力云百科主要包括搜索引擎和百科知识编辑处理两个业务模组。整个业务系统执行在云平台之上。当客户从海量资料中查询到所需的知识点时，可以首先对搜寻到的知识点进行阅读浏览，之后如果需要对知识点进行补充修改时，可以对此词条进行评论，然后在前端进行修改，完成知识点的编辑，通过管理员的许可权控制、稽核，最终完成词条的修改。
2 架构设计
电力云操作平台由分散式云档案系统（DataCell FS）、数据库同步系统（DataCell Echo）、电力云搜索引擎三部分组成，为云百科提供了应用基础。电力云平台系统架构如图1所示。
图1电力云平台系统架构图
2.1 分散式云档案系统
分散式云档案系统（DataCell FS）是完全自主开发具有自由知识产权的档案系统，该系统为分散式计算储存提供底层支援。分散式云档案系统架构如图2所示。
由此DataCellFS具备以下特点：
（1）对于整个丛集有统一的名称空间。
（2）资料一致性。适合一次写入、多次读取的模型，客户端在档案没有被成功建立之前无法看到档案存在。
（3）档案会被分割成多个档案块，每个档案块被分配储存到资料节点上，而且根据配置会由复制档案块来保证资料的安全性。
分散式档案系统DataCellFS是用于构建企业级非结构化资料平台的云端储存软件产品，具备高可扩充套件性的特点，可帮助企业实现高效的非结构化资料储存和管理功能［1］。平台采取全新的分散式体系架构，利用先进的虚拟化技术灵活地将网络上众多独立的储存节点粘合起来，隐藏底层的负载均衡、冗余复制等细节，对上层程式提供统一的档案呼叫界面，并按照每个客户端实际使用量随时动态地分配物理空间，实现建立在现有硬件装置或其他廉价硬件装置上的网络虚拟储存功能。同时，DataCell FS还结合高效资料总线的传输能力，在档案传输、储存和访问的过程中采用主动检测和自动处理失败情况等多种机制来提高整个系统的容错性和可靠性，从而能最大程度地利用网络带宽和保证可靠的档案传输，并较好地满足跨区域、多节点、复杂网络环境的档案储存和共享需求［2］。
2.2 关系型数据库丛集软件
关系型数据库丛集软件是电力云操作系统的重要组成部分之一，可以解决跨区域、异构分散式数据库的统一访问和实时资料同步问题，可以同时处理同一系统内的多个异构数据库系统之间的资料交换和同步。通过对各个数据库系统内资料的动态划分和管理，跨域数据库访问和同步分发系统还可在一个或多个数据库中支援多个主/从并存［3］。在放宽对资料一致性要求的前提下，它可以绕过普通关系数据库的效能瓶颈，大大提高大型应用系统中数据库的响应速度和资料容量。关系型数据库丛集软件架构如图3所示。
图3关系型数据库丛集软件架构图
另外，资料同步访问界面为业务系统、管理系统以及各种其他系统提供一致的资料同步和访问界面，将外部系统所提交的资料请求分发到相应的控制模组，并负责将必要的资料操作结果通知并返回给外部系统。控制模组负责将接收到的资料请求提交给主数据库，并且在主数据库操作提交成功后将资料请求通过控制总线组播给所有此次需要同步的虚拟数据库的同步模组。根据使用者所选择的策略，控制模组会选择等待虚拟数据库节点完成或者不等待，并将结果返回给资料同步访问界面以通知使用者资料操作结果。虚拟数据库的同步和访问模组负责将接收到的来自控制模组的操作请求提交给本机的物理数据库［4］,并且将提交的结果返回给资料同步访问界面来通知使用者资料操作的结果。
除了普通的资料操作模式之外，根据使用者选择的策略，虚拟数据库可以工作于异步模式。当异步模式时，使用者不实际参与实时的资料访问和同步过程，可以选择在适当的时机通知对应的虚拟数据库节点以异步的方式提交资料［5］。当系统中有新的虚拟数据库节点加入时，可以根据使用者选取的恢复点，自动化恢复所有过往的资料操作，最终达到与所有其他的虚拟数据库节点一致的状态。这种虚拟同步(Virtual Synchrony)技术不仅可以保证在任何情况下多数据库节点资料操作均能正常地完成或者从故障中恢复，同时极大地强化了对异构数据库以及多主数据库情况下的资料访问和同步支援［6］。
概括地讲，数据库同步系统具有如下的技术特点：
（1）多点读写，提供负载均衡；
（2）提供多主数据库和多从数据库模式；
（3）支援分组，同一组数据库可以建立多个组，按照不同的业务逻辑进行同步；
（4）多机备份，避免单点失效；
（5）资料模型可通过外部XML档案灵活配置，避免业务程式码更改；
（6）多操作系统，支援Linux、AIX、Windows等平台；
（7）支援分散式异构数据库，支援包括IBM DB2、Oricle、MySql等数据库的异构环境；
（8）多节点支援，支援 10个以上的同步节点；
（9）多策略，支援配置档案的更新或更新讯息中设定多种策略来控制整个资料的同步，原有的业务逻辑不需要更改。
（10）支援单步提交和两步提交两种模式。
2.3 云搜索引擎
云搜寻服务引擎是基于海量的资料、多源资料(Web URL、企业内部资料、邮件、数据库内容等)而建立起来的快速搜寻的面向应用的服务平台，专门提供企业在资讯化过程中海量资讯的搜寻服务［7］。云搜索引擎架构如图4所示。
作为企业搜寻服务引擎，其主要完成对企业各资料来源的管理、分词的建立、索引的建立，并结合企业知识分类体系完成搜寻服务，提供应用系统更便捷的界面［8］。作为云搜寻服务引擎，其内部系统采用高度虚拟化技术，完成整个丛集的管理和维护。
3 结论
通过使用云端计算技术，云百科系统的效能得到了极大提高，但其硬件平台搭建成本反而降低。
云百科业务系统主要体现了以下几个特点：
（1）系统效率的提高
采用云端计算技术，可以提高并发访问量，同时还可以提高检索速度。由于采用了分散式的档案储存系统，因此检索资讯可以由原来直接对一台服务器操作，变成对多台机器的操作，克服了磁盘的访问压力。
（2）系统的动态扩充套件
在整个系统的架构设计中，通过云端计算技术，可以实现以后业务的动态扩充套件。
（3）硬件装置的利旧
云端计算的一大优点就是可以用若干普通服务器来代替小型机，同时能达到使用者所需要的效能。相对于购买新的小型机，可以通过使用暂时闲置的服务器来完成系统的功能搭建，在一定程度上节约了成本。
参考文献
［1］ 项菲, 刘川意, 方滨兴, 等.云端计算环境下密文搜寻算法的研究［J］. 通讯学报,2013(7):143-153.
［2］ 杜军强, 杨波.云端计算中加密资料的模糊关键字搜寻方法［J］. 计算机工程与应用,2015,51(5):146-152.
［3］ 楼凤丹, 裴旭斌, 王志强, 等.基于云端计算及大资料技术的电力搜索引擎技术研究［J］ . 电网与清洁能源,2016,32(12):86-92.
［4］ 屈振新, 朱文昌. 基于云端计算的定向搜寻监控研究［J］. 计算机工程与科学,2013,35 (1):82-87.
［5］ 王天罡. 云端计算环境下密文搜寻算法的研究［J］.资讯与电脑(理论版),2016 (5):76-77.
［6］ 刘竹松, 陈洁, 田龙.基于改进布谷鸟搜寻算法的云端计算任务排程［J］. 广东工业大学学报,2016,33(3):32-36.
［7］ 高长元, 于建萍, 何晓燕.基于改进粒子群算法的云端计算产业联盟知识搜寻算法研究［J］. 资料分析与知识发现,2017,1(3):81-89.
［8］ 秦玉杰.一种基于分散式蜜罐技术的勒索蠕虫病毒监测方法［J］. 资讯科技与网络安全,2018,37(9):45-48.
（收稿日期：2018-11-05）
作者简介：
张伟(1976-)，男，硕士，高阶工程师，北京市科学技术委员会资讯保安专家，灾备技术产业联盟技术委员会委员，主要研究方向：计算机应用与资讯保安。
