铁路信息化经过多年的发展已经成为铁路日常工作的重要支撑,各类信息系统在运输组织、客货营销、经营管理和安全监控等工作中发挥的重要作用日益彰显。为满足业务需求,在运输站段、铁路局、铁道部都建立了各种等级的信息系统机房,并根据业务最大数据量及计算量的需求购置了主机、存储设备及相应的平台软件等,为确保信息系统安全可靠运行,主要系统大多数采用了主备机、单(或多)存储阵列结构。这些设备分布在铁路局或站段机房。在运营实践中,存在如下问题:(1)基础设施庞大,投资和维护成本需求不断增加。(2)资源使用不均衡,资源利用率偏低。铁路的速度,运量和服务质量要求不断提高。需要研究新的信息系统基础架构,整合既有资源,建设基于云计算的数据中心,应对新的挑战,减少不断高涨的信息系统投资和维护成本需求。
1.云计算
一般认为,云计算是一种通过使计算分布在大量的分布式计算机上或远程服务器中、按照互联网运作模式将资源能够切换到所需要的应用上,并根据需求访问计算机和存储系统的网络资源共享模式。在这一共享模式中,。云”是指各种虚拟化的计算资源池,它包括各种用于构造应用程序的基础设施,以及在这些基础设施上的具体云计算应用。
云计算体系架构作为一种共享基础架构方法,虽然有不同的表述,但在本质上都是将计算动态分布到集群计算机上,根据业务发展和应用使用情况对软硬件资源进行动态的调配,实现按需访问,并对内对外提供各种IT服务。云计算由分布式计算,网格计算等技术发展而来,并融合了虚拟化和SOA等技术。
根据云计算运行模式可以将其分为私有云和公有云。公有云计算部署在服务提供商的环境中,为不同的客户同时提供计算服务。私有云计算部署在用户环境当中、并只为用户提供计算存储服务,企业拥有资源分配的自主权,并且可以基于自己的需求改进服务,进行自主创新。大企业可以开发自己的私有云计算,既享受云计算的高伸缩、易维护和易访问等好处,也可以保证数据安全。
云计算系统可以根据它提供服务的层次进行分类,主要有提供基础设施层服务、提供平台层服务和提供应用软件层服务的系统。
(1)基础设施层服务。基础设施层主要包括计算资源和存储资源,整个基础设施也可以作为一种服务向用户提供,不仅包括虚拟化的计算资源和存储,同时还要保证用户访问时的网络带宽等。这也是硬件产品提供商推荐的云计算模式。
(2)平台层服务。在基础设施之上的平台层主要包括并行程序设计和开发环境、结构化海量数据的分布式存储管理系统、海量数据分布式文件系统以及实现云计算的其他系统管理工具,如云计算的系统中资源的部署、分配、监控管理、安
全管理和分布式并发控制等。平台层主要为应用程序开发者设计,开发者不用担心应用运行时所需要的资源,平台层提供应用程序运行及维护所需要的一切平台资源。GoogleAppEngine云计算服务,Amazon云计算平台等属于这样的平台。平台层服务技术门槛相对较高,仍处于不断发展中。
(3)应用层服务。它是面向用户提供简单的软件应用服务以及用户交互接口等,用户无需购买和管理服务器端软件,称为软件即服务。对于传统的软件,应用层服务解决方案有明显的优势,包括较低的前期成本,便于维护,快速展开使用等。应用层服务的底层可以基于基础设施层或平台层。
2.基于云计算的铁路信息系统数据中心
2.1基础设施层整合资源
在基础设施层整合资源,既有的应用系统软件可以简单地移植到新的环境中。虚拟化是云架构的一种基础性设计技术,它允许将服务器、存储设备和其他硬件视为一个资源池,而不是离散系统,可以根据需要分配这些资源,通过快速提供虚拟机器或物理机器,迅速部署和增加工作负载。除服务器和存储整合之外,还提供整合系统架构,包括应用程序基础设施,数据和数据库,接口,网络,桌面系统甚至业务流程。
目前铁路信息系统主机一般包括小(中)型机和微机服务器两种,在目前的技术条件下,小型机和微机服务器的虚拟化是不同的,小型机如IBMP595只能在单台机器上完成资源的聚合和分拆,不能跨多台IBMP595完成这样的资源整合,各种类型的小型机虚拟化方面没有统一的标准,可根据小型机利用率情况,采用厂商提供的虚拟化和集群技术整合资源。而微机服务器在虚拟化方面比较成熟,支持跨厂商、跨机型的虚拟化整合。微机服务器应尽量选用高端成熟产品,而已出保的低端服务器在考虑总体拥有成本情况下应停止使用。原有资源调配对象为微机服务器,完成后需要进行系统安装部署;实现微机服务器虚拟化后,调配的对象为虚拟机,可以在调配过程中直接实现系统快速安装和部署。通过虚拟化技术使企业内部已拥有的微机服务器资源实现池化共享,通过IT资源共享和动态分配,使闲置资源得以充分利用,从而提高资源利用率。在虚拟化之前,企业数据中心的微机服务器和存储利用率一般平均不到50%(实际利用率通常为lo%~15%,一主一备)。通过虚拟化,可以把工作负载封装一并转移到空闲或使用不足的系统,这就可以整合现有系统,因而可延迟或避免购买更多服务器容量。
基于虚拟化的资源整合后,特别是微机服务器虚拟化后,可以大幅度提高资源可靠性,通过减少服务器数量可以减少动力电力、耗能以及数据中心机房空间。可以将更多的应用(包括以前使用小型机的项目)移植到虚拟化的资源池中,降低投资和维护成本,提高运行可靠性。当然,管好这些资源是非常重要的,管不好可能造成巨大损失。 12下一页
基于云计算的铁路信息系统数据中心研究
时间: 2024-11-10 10:33:36
基于云计算的铁路信息系统数据中心研究的相关文章
基于云计算的管理信息系统的访问控制研究
基于云计算的管理信息系统的访问控制研究 重庆大学 向宇 本文通过对现有工作流技术和访问控制模型进行充分研究,在最合适工作流管理系统的TRBAC模型的基础上,从应用的角度对该模型进行一些改进.该模型将基于角色的访问控制中的角色概念引入到基于任务的访问控制之中,其核心思想是让用户通过获取某个角色(但包含该权限的授权步必须处于激活状态,否则该角色的权限将被冻结)来实现数据的访问权限.该访问控制模型能很好的模拟现实环境中的管理层次结构,很好的解决了访问控制灵活程度低的问题,同时又利用"工作流&quo
基于HBase的医疗卫生数据中心构建与异构数据库同步研究
基于HBase的医疗卫生数据中心构建与异构数据库同步研究 电子科技大学 方诗伟 为确定数据模型,提出以关系数据库的E-R建模基础提出HBase的C-O-R建模思想,然后综合分析卫生部颁布医疗卫生元数据标准和部分医疗卫生机构的实际情况,实现医疗卫生信息的HBase数据中心构建.为实现把各医疗机构的异构关系数据库中的数据透明无差异的同步到数据中心,提出以下方案.首先,在数据格式上提出异构数据库产生的异构数据进行标准化的XML和JSON通用数据格式封装实现屏蔽异构数据库的数据差异;其次是传输协议简单及
基于云计算的设备远程故障诊断中心的设计与实现
基于云计算的设备远程故障诊断中心的设计与实现 南京理工大学 葛二灵 本文在研究了云计算的相关理论.特点和关键技术后,结合上述存在的问题,引入了"故障诊断云"的概念,将企业设备故障数据的存储和对其进行的计算都集中于"云"中.由此设计了一种B/C(Brower/Cloud-Center)架构的设备远程故障诊断系统(相对于传统的C/S和B/S),阐述了该系统的总体组成和工作原理.并在对开源云计算平台Hadoop的核心技术HDFS.MapReduce.HBase和设备远程故
基于Hadoop的分布式服务注册中心研究和实现
基于Hadoop的分布式服务注册中心研究和实现 上海交通大学 杨柳 在分析了Web服务注册中心和云计算平台的基础上,本文提出了一种建立在云上的分布式服务注册中心的应用模型,称为HDSR (Hadoop-based Distributed Service Registry),它采用了Hadoop云平台来实现.该模型既可以支持基于服务行为的服务发现工作,也可以支持基于服务质量的服务发现工作.本文重点研究了服务数据的分布式存储与并行查询在Hadoop平台上的实现.在HDSR中,Hadoop分布式文件
从云计算到新企业数据中心
本文讲的是从云计算到新企业数据中心,[IT168 资讯]云计算是一种新兴的模型,利用该模型,用户可以在任何地方通过连接的设备访问其应用程序.由于简化了用户界面,基础架构对应用程序的支持对于用户而言是透明的.应用程序位于可大规模伸缩的数据中心,计算资源可在其中动态部署并进行共享,以便能够实现显著的规模经济.由于具有功能强大的服务管理平台,因此在将更多的IT资源添加到云时,管理成本基本不会增加.随着智能移动设备.高速无线连接以及基于浏览器的功能丰富的Web 2.0接口的不断增加,使得基于网络的云计算
基于云计算的教学资源共享体系的研究与实现
基于云计算的教学资源共享体系的研究与实现 安徽理工大学 曹军委 本文首先介绍了云计算的概念和云体系结构模型,通过对现有云平台的简单介绍,了解各个公司平台的特点和功能:其次详细介绍了Google App Engine平台搭建的底层技术,分析了Google App Engine开发相关API:然后详细阐述了教学资源共享体系的设计方案.包括业务流程设计,功能模块设计和数据持久化设计.并针对在Google App Engine环境下无法完美使用J2EE标准和传统数据库存储模型向对象型数据存储模型映射的难
基于云计算的受限玻尔兹曼机推荐算法研究
基于云计算的受限玻尔兹曼机推荐算法研究 郑志蕴 李步源 李伦 李钝 数据的指数级增长及算法本身的复杂性使受限玻尔兹曼机面临着计算效率的问题.在详细分析受限玻尔兹曼机的基础上,将受限玻尔兹曼机与Hadoop平台的并行计算架构相结合,提出基于云平台的受限玻尔兹曼机推荐算法.该算法通过复制机制解决数据相关性问题,并将传统的受限玻尔兹曼机过程分解为若干个Hadoop任务的循环,实现并行计算.实验结果表明,与在传统平台上的实现相比,基于Hadoop并行架构的受限玻尔兹曼机推荐算法在大体量数据集的条件
基于云计算的并行K-means气象数据挖掘研究与应用
基于云计算的并行K-means气象数据挖掘研究与应用 南京信息工程大学 潘吴斌 聚类分析是数据挖掘中的一个重要研究领域,它将数据划分成若干个聚类,使得在同一聚类中的对象比较相似,而不同聚类中的对象差别很大.K-means算法被认为是最经典的基于划分的聚类方法,常采用误差平方和准则函数作为聚类准则,该算法在处理数据集上相对可伸缩且高效率.但面对大规模数据时,运算量也随之增加,运算所需的资源和时间耗费明显增大.为了突破这个瓶颈,通过分析和研究得知,与传统的并行计算模型相比,MapReduce分布
基于云计算的SAAS商业模式类比研究
本文讲的是基于云计算的SAAS商业模式类比研究,云计算是现在一个炙手可热的概念,而SAAS是云计算的重要组成部分.SAAS是企业走向信息化的重要途径,对其成功企业商业模式的研究可对即将走向SAAS的企业有着至关重要的参考作用.本文对当前典型的SAAS企业的商业模式做出描述与分析,分别分析了以软件超市著称的阿里软件,企业管理专家NETSUITE,以及对比了在线CRM的Salesforce和八百客. 云计算与SAAS SaaS起源于世纪90年代的ASP,早于云计算出现,而云计算由集群和网格计算演变而