基于高校资产信息采集和投资优化探究.doc

基于高校资产信息采集和投资优化探究.doc

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于高校资产信息采集和投资优化探究

基于高校资产信息采集和投资优化探究   【摘 要】 文章以高校资源合理配置为出发点,着力解决建设经费在高校资产更换过程中的覆盖面及其利用率问题,提出利用高校资产信息采集系统的动态统计数据来指导投资行为,并以直观、可视化的图形或图像呈现给投资者解决方案。结合网络技术以及物联网技术解决信息采集的可靠性、并发性、冲突性,以及性能等相关问题,将是今后资产管理系统一个重要的发展方向。 【关键词】 高校资产; 信息采集; 投资优化; J2EE; 冲突 一、引言 高校资产已经成为一所高校科研水平、现代化建设,以及创新性建设的重要标志。在资金有限、设备更新较快较多的情况下,高校会出现资金数额无法满足实验室建设需求的情况,因此合理地投放资金成为了高校资产管理最为核心的问题。那么,什么是建设的重要依据呢?实验设备信息采集系统就是建设的重要依据。通过系统采集到的设备使用率这个有效指标,除了能够解决实验室建设、设备投资优化等问题外,还可以作为实验室兼并重组的重要依据。所以实验设备的使用情况作为一种有效的信息,在实验室建设优化等方面具有重要意义,同时,对于设备信息的采集也是一个实验室管理者值得研究的问题。 为了实现信息的采集,以及将采集来的信息以可视化的图形图像界面展现给用户,本文所讨论的系统基于B/S和C/S两种模式,在采集端以基于PC或其他智能终端C/S的架构实现信息的采集,在信息汇总端采用B/S模式架构,将设备的使用信息以Web浏览方式显示给用户。 二、系统总体设计 (一)系统总体结构 整个系统包含三个服务器,分别是应用服务器、数据库服务器、Web服务器(图1所示)。 1.应用服务器 基于C/S模式架构,与前端的客户机协同工作。负责监听客户机发出的消息,将客户机采集到的信息通过数据库服务器写入数据库中。该子系统为整个系统的核心模块,负责信息的采集工作。该子系统在设计时必须充分考虑到影响采集质量的因素,如并发性访问、海量数据、消息传递机制等。 2.数据库服务器 连接该系统唯一的数据库,用于和数据库之间的交互,任何访问数据库的操作必须经过该服务器,此外该服务器还具有访问合法性检查、数据定期备份等功能。 3.Web服务器 为用户提供与信息查询相关的Web服务,该子系统是典型的基于B\S模式架构的,以J2EE框架实现,并采用MVC经典模型,整合了当前流行框架Struts+Hibernate+Spring(SSH),在数据的持久化、信息查询的高效性等方面作了相关优化处理。 (二)数据库设计方案 注:为了降低问题的复杂性,本文讨论的实验设备暂为微型计算机。因为任何设备若要对其进行智能化监控必须绑定一个智能终端,如:PDA,PPC,MT等。 数据库作为该系统的核心,所有的记录信息都保存在数据仓库中。此外,数据模型设计的好坏很大程度上影响着系统的执行效率。 通过需求分析可知(图2所示),该系统涉及到实验室、PC终端、学生、班级、课程、教师、记录(学生记录和教师记录)八类对象,映射到数据库中为相应的八张核心表。在所有表中最重要的是学生记录表,因为该记录是学生使用微机的重要凭证,其中的记录需保存学生一次上机的起始时间。微机的使用率、学生的到课率等相关信息都依据该记录。为了提高系统性能,对学生记录表不设置任何外键,只通过学生的学号和微机的物理地址(MAC地址)关联。 三、优化措施 (一)冲突优化 由于此系统的工作环境属于高并发性环境,最坏的情况为所有机房的所有微机都在同一时刻与信息采集服务器通信,当然服务器同一时刻不可能同时处理这些通信请求,于是便产生了冲突。虽然,数据库连接池模型可以有效地提高工作效率,使CPU能够充分利用有限的时间片,在尽量短的时间内处理尽量多的请求,但是仍旧无法完全避免同一时刻的通信请求。 退避算法的提出能够有效解决这种冲突问题(图3所示)。每当客户机向服务器发出通信请求时,都会启动一个计时线程记录客户机的等待时间和冲突的次数,如果客户机发出请求后服务器超过5秒应答认为请求超时,冲突次数(n)加一,之后等待2n秒后再加上2n乘以一个0到1的随机数,最后取整得到延迟时间S,等待S秒后再重新发送通信请求,当冲突次数达到8后认为与服务器失去连接,并将相关消息返回到客户端。 经实际测试,在100台机器的测试环境下,当设定等待时间为5秒,最大冲突次数为8时,在1小时内通过退避算法有效避免冲突671次,且冲突数最高为3,即在100个随机并发环境下单机持续冲突的次数不超过3。等待时间(T)=2n+2n×Random(秒)。 (二)线程池并发性处理 由于服务器在接收到客户机消息的同时还会进行数据库操作,因而使用线程池模型

文档评论(0)

linsspace + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档