舰船科学技术  2001, Vol. 44 Issue (6): 141-144    DOI: 10.3404/j.issn.1672-7649.2022.06.029   PDF    
基于云计算虚拟化技术的船舶航海信息服务平台
孙超     
渤海船舶职业学院,辽宁 葫芦岛 125001
摘要: 采用KVM虚拟化系统的内核单元,调用并驱动虚拟机、构建虚拟节点、生成虚拟网络环境,通过QEMU处理器完成虚拟机对应I/O磁盘运行,将虚拟网络提供给虚拟管理层应用,通过虚拟化技术转换舰船航海信息服务平台内的物理资源为资源池,并整合物理资源层中同类资源,将同类构资源池提供给事物管理层;通过事物管理层调控将所有的航海信息传送应用至服务层,通过应用服务层为用户提供舰船航海信息服务。实验结果表明,该平台具有较好的信息传输完整性与交互性能,构建网络环境消耗时间低。
关键词: 云计算     虚拟化技术     船舶航海     信息服务平台     虚拟机     资源池    
Design of ship navigation information service platform based on cloud computing virtualization technology
SUN Chao     
Bohai Ship-building Vocational College, Huludao 125001, China
Abstract: The kernel unit of KVM virtualization system is adopted to call and drive the virtual machine, build the virtual node and generate the virtual network environment. The corresponding I/O disk operation of the virtual machine is completed through QEMU processor, the virtual network is provided to the virtual management application, and the physical resources in the ship navigation information service platform are transformed into resource pool through virtualization technology, Integrate the similar resources in the physical resource layer and provide the similar structure resource pool to the thing management layer; All ship navigation information is transmitted and applied to the service layer through the regulation of the affair management layer, and the ship navigation information service is provided to users through the application service layer. The experimental results show that the platform has good information transmission integrity and interactive performance, and the construction of network environment consumes low time.
Key words: cloud computing     virtualization technology     ship navigation     information service platform     virtual machine     resource pool    
0 引 言

云计算虚拟化技术是一种新型信息计算技术,其主要以网络为载体向用户提供各项信息服务,用户只需按照自身需求请求信息[1],不需要对该技术有深入了解。基于云计算可实现服务器集群规格的动态提升、云处理能力的提高[2-4],同时其也可以包容失效的服务器节点,将任务及时地传输至正常的节点,确保任务正常展开。在当前信息技术发展阶段中,设计一个船舶航海信息服务平台能够有效实现海上贸易与交通发展的推动,通过该平台加快船舶航海信息的交互,有效加快海上交通的发展[5]。当前国内外有许多关于信息服务平台的研究,研究成果也较为成熟。何芳[6]设计农产品信息服务平台,周雅静等[7]设计海洋信息服务平台,这些平台具有通信功能稳定且完善等特点,但是其在发展过程中出现的信息提升问题会增加平台的负担,导致节点失效,致使平台相应信息处理任务的时间增加,工作效率下降。因此,在设计船舶航海信息服务平台时应用云计算虚拟化技术,可有效解决上述问题。

1 基于云计算虚拟化技术的船舶航海信息服务平台 1.1 平台总体架构

以云服务体系架构为支撑船舶航海信息服务的基础结构,船舶航海信息服务平台具有特殊性以及广泛性,可通过平台处理并封装大量船舶航海信息,有利于查询平台中的船舶航海信息、为用户提供服务。船舶航海信息服务平台的总体架构见图1

图 1 舰船航海信息服务平台结构 Fig. 1 Structure of ship navigation information service platform
1.2 硬件资源层

本文平台的硬件设备应用曙光机架式1950r-G服务器,建立虚拟服务器内存为10 G、CPU数量为10个、硬盘为2 T、操作系统为ubuntu14.04的船舶航海信息服务平台,其磁盘阵列型号为DS800-G10,CPU内核为Inter(R)Xeon(R)CPUE7-8830@2.13GHz,数量为32个,磁盘为2TSAS7.2K存储磁盘 ,数量为12,还有64个逻辑处理器[8]

通过虚拟化技术虚拟曙光物理服务器为不同虚拟机,按照用户需求安装差异操作系统的虚拟服务器,实现船舶航海信息的合理分配与应用。

1.3 虚拟网络层 1.3.1 KVM系统结构

KVM是一种集成至Linux内核的虚拟机管理系统,其虚拟CPU在内核中的作用是发挥系统的进程作用。图2为船舶航海信息服务过程中的KVM系统结构。KVM系统内的关键是内核单元KVM模块,其能够初始化船舶航海信息服务过程中的KVM虚拟机环境,在虚拟环境下展开船舶航海信息服务。船舶航海信息服务时,KVM虚拟机应用QEMU处理器接入内核。

图 2 KVM系统结构 Fig. 2 KVM system structure
1.3.2 KVM工作模式

船舶航海信息服务中,KVM系统支持各种设备的虚拟化处理,可知,其虚拟化的实现主要依赖硬件设备,若硬件设备无法匹配则虚拟化技术无法实现。

船舶航海信息服务中,KVM系统内核单元可实现虚拟机的调用、驱动以及虚拟环境的生成;QEMU处理器可驱动全部与虚拟机相对的I/O磁盘;虚拟硬件单元能够为用户提供虚拟机操作接口[9]。相同服务器上的不同虚拟机无任何关联,说明应用任意虚拟机均不影响其他虚拟机。

图 3 KVM工作模式 Fig. 3 Working mode of KVM
1.4 应用服务层 1.4.1 应用服务层结构

应用服务层能够为不同用户提供对应服务,具体结构见图4

图 4 应用服务层结构 Fig. 4 Application service layer structure
1.4.2 船舶航海信息统计分析

由于船舶航海信息庞大、繁杂,且变化具有动态性,常导致信息更新、维护不及时,极易引起近岸搁浅甚至导致大面积海洋环境污染,所以需要分析船舶航海信息构建信息,通过增强信息质量令其标准、规范化。首先需要应用Hadoop云端信息构建规范船舶航海信息仓库,实现决策支持,然后应用大数据分析策略构建决策支持平台。船舶航海信息分析图如图5所示。

图 5 舰船航海统计信息分析 Fig. 5 Analysis of ship navigation statistics
1.5 平台网络拓扑结构设计

船舶航海信息服务平台是以云计算平台为基础建立,其总体技术架构采用B/S模式,主要有4层技术架构。其中,客户端浏览器通过Internet与服务器交互,服务端服务器接收来自客户端浏览器的页面请求,并将其反馈至应用服务器,应用服务器通过集中布置应用相关业务逻辑完成服务端提交的页面请求,并在生成动态页面后返回发送至服务端,其中,应用服务和数据库之间的连接需要通过数据访问。

1.6 基于虚拟化技术的船舶航海信息资源管理

平台虚拟管理层通过虚拟化技术转换船舶航海信息服务平台内的物理资源为资源池,其公式表示为:

$ R = \left( {{w_{m1}},{w_m}_2, \cdots ,{w_{mm}}} \right) ,$ (1)

其中, $ m $ 为虚拟机总数。

为实现平台所有信息服务任务的资源合理分配,需要基于所有虚拟机资源求取各自动化信息服务所需资源。拆分来自用户的信息服务任务为不同数量的子任务,获得任务集合公式为:

$ T = \left( {tas{k_1},tas{k_2}, \cdots ,tas{k_n}} \right) ,$ (2)

其中, $ n $ 为子任务数量。

任务请求服务质量表示为:

$ g{T_i} = \left\{ {tim{e_i},me{m_i},b{m_i},S{N_i},E{C_i}} \right\}。$ (3)

其中: $ tim{e_i} $ $ me{m_i} $ $ b{m_i} $ $ S{N_i} $ 以及 $ E{C_i} $ 分别表示时间、内存、网络带宽、用户安全性需求以及能耗。

关于用户请求任务的用户满意度求取公式如下:

$ tim{e_{total}} = \sum\limits_{i = 1}^n {\left( {tim{e_{ij}}} \right)} ,$ (4)
$ {Q_{time}} = In\left[ {\frac{{tim{e_{total}}}}{{tim{e_{\exp t}}}}} \right] ,$ (5)
$ {Q_{mem}} = In\left[ {\frac{{Me{m_{total}}}}{{Me{m_{\exp t}}}}} \right] ,$ (6)
$ {Q_{bm}} = In\left[ {\frac{{Ban{d_{total}}}}{{Ban{d_{\exp t}}}}} \right] 。$ (7)

其中: $ {Q_{time}} $ $ {Q_{mem}} $ $ {Q_{bm}} $ 分别表示对计算时间、存储资源以及带宽的满意度; $ {Q_{bm}} $ $ tim{e_{total}} $ $ tim{e_{\exp t}} $ 分别表示虚拟机 $ i $ 任务信息服务 $ j $ 的执行时间、 $ n $ 个用户任务实现总时间、用户期待完成时间; $ Me{m_{total}} $ $ Ban{d_{total}} $ 分别表示用户期待的存储资源量;带宽资源量; $ Me{m_{\exp t}} $ $ Ban{d_{\exp t}} $ 分别表示实际划分的存储资源量、带宽资源量。

2 实验结果与分析

为验证本文构建的船舶航海信息服务平台的优势,将其运行一段时间,验证其在实际应用中的性能。

分析船舶航海信息服务平台的网络环境构建效率,以网络环境解析效率、虚拟机生成效率以及配置效率三方面为指标展开研究,所得结果如图7所示。分析可知,本文平台在船舶航海信息服务平台网络环境构建过程中,网络环境解析的效率最高,虚拟机生成的效率最低。同时本文平台在网络环境构建规模达到105时,网络环境构建所消耗的时间低于60 s,满足实际应用需求。

图 6 平台网络环境构建效率 Fig. 6 Construction efficiency of platform network environment

图 7 内存剩余量与虚拟机数量间的相关性 Fig. 7 Correlation between the amount of memory remaining and the number of VMS

经由检测获取本文平台中服务器的内存剩余量与虚拟机数量间的相关性,结果如图8所示。分析可知,在没有虚拟机运行的情况下,本文平台中服务器可使用内存约为90%。随着虚拟机开启数量的提升,本文平台中服务器可使用内存逐渐下降,两者之间呈反比例关系。在虚拟器开启数量低于25个时,船舶航海信息服务虚拟机占用的内存持续提升;在船舶航海信息服务虚拟机数量达到28个时,本文平台中服务器可使用内存剩余量低于5%,在此基础上提升船舶航海信息服务虚拟机开启量将造成卡顿。说明在服务器内存为128 GB的条件下,可支持至少25个船舶航海信息服务虚拟机的正常工作,这一测试结果满足船舶航海信息服务的应用需求。

图 8 平台交互性能 Fig. 8 platform interaction performance

应用本文平台向随机选取的100位用户展开船舶航海信息服务,测试本文平台的交互性能,结果见图8。分析可知,本文平台的主动、被动交互曲线具有较大的波动幅度,且重合度较高,表明使用该平台的用户正积极接收来自平台的船舶航海信息,由此可知,本文平台具有较好的交互性能。

对比本文平台与文献[6]、文献[7]的平台信息传输完整性,对比结果见表1。可知,本文平台的信息传输完整性最高,这是本文平台使用先进的云计算虚拟化技术,使得船舶航海信息在传输过程中具有更高的稳定性。对比平台随着传输信息量的增加,其信息传输的完整性逐渐降低,且最低信息完整性低于90%;尽管本文平台在这一过程中也呈现出下降趋势,但是整体信息完整性保持在93%以上,说明本文平台具有较为良好的船舶航海信息传输稳定性。

表 1 信息传输完整性 Tab.1 Information transmission integrity
3 结 语

本文设计了基于云计算虚拟化技术的船舶航海信息服务平台,通过云计算虚拟化技术的应用从软件、硬件多角度完成存储、网络的虚拟化,提升平台的工作效率。构建平台后通过实验验证平台的可行性与优越性。考虑到云计算虚拟化技术的未来发展方向,后续研究还将深入分析其用于平台建设的可能性,优化信息服务平台的所有功能。

参考文献
[1]
刘磊, 蒋仲廉, 初秀民, 等. 船舶自动识别系统数据修复和预测算法研究[J]. 哈尔滨工程大学学报, 2019, 40(6): 1072-1077.
[2]
徐垚, 李卓然, 孟金龙, 等. 基于大规模船舶轨迹数据的航道边界提取方法[J]. 计算机应用, 2019, 39(1): 105-112. DOI:10.11772/j.issn.1001-9081.2018071739
[3]
王森杰, 何正伟. 基于生成对抗网络的船舶航迹预测模型[J]. 中国航海, 2021, 44(2): 72-77. DOI:10.3969/j.issn.1000-4653.2021.02.012
[4]
吴建华, 戴卓鑫, 王政, 等. 基于航海雷达的船舶自动定位方法研究[J]. 武汉理工大学学报(交通科学与工程版), 2020, 44(4): 607-611. DOI:10.3963/j.issn.2095-3844.2020.04.004
[5]
王霞, 胡坚堃, 黄有方. 基于港航联动的船舶航行计划优化[J]. 中国航海, 2020, 43(1): 111-115. DOI:10.3969/j.issn.1000-4653.2020.01.021
[6]
何芳. 基于云计算的农产品信息化服务平台的建设研究[J]. 福建茶叶, 2019, 41(11): 19.
[7]
周雅静, 龙绍桥. 基于GIS的宁波市海洋专题保障预报综合信息服务平台开发与应用[J]. 应用海洋学学报, 2019, 38(3): 416-424. DOI:10.3969/J.ISSN.2095-4972.2019.03.014
[8]
江玉玲, 熊振南, 唐基宏. 基于轨迹段DBSCAN的船舶轨迹聚类算法[J]. 中国航海, 2019, 42(3): 1-5.
[9]
邵俊虎, 王郴, 占玉林. 基于Bayes方法的船舶航行参数概率模型修正研究[J]. 武汉理工大学学报, 2019, 41(1): 50-55+97.