基于上下文感知的云计算平台分析研究

吴 珺，黄志雄，王春枝

(1.湖北工业大学 计算机学院，武汉 430068； 2.武汉理工大学 材料科学与工程学院，武汉 430070)



基于上下文感知的云计算平台分析研究

吴 珺1，2*，黄志雄2，王春枝1

(1.湖北工业大学 计算机学院，武汉 430068； 2.武汉理工大学 材料科学与工程学院，武汉 430070)

基于上下文感知的云计算平台为用户提供了一种新型、可靠、高效的数据服务模式.面向智慧城市大数据的存储管理服务中，复杂、多源、动态大数据的存储出现了效率低和可靠性差的问题.因此提出构建一种基于上下文感知的云计算平台的思路，采用基于上下文感知的云计算平台的四层结构，上下文感知算法实现智慧城市大数据的存储.理论分析和模式测试结果表明基于上下文感知的云计算平台满足了动态大数据的可靠存储的前提下，降低了数据分布式影响，极大提高了智慧城市大数据的存储管理能力.

云计算； 上下文感知； 数据存储分析

随着大数据时代的到来，我们的城市正步入以物物互联为基础的人工生态系统；因此人们的日常生活进入了智能城市里，各类物联网终端的应用使人们的生活受益颇多，智慧城市的大数据形成了一个可持续发展的、智能化的，多融合复杂服务的虚拟世界.基于物联网的智慧城市基础设施几乎无处不在，比如智能交通网络、智能建筑、智能公用事业；它们形成了智慧城市可见物物相联的物理世界，同时也形成了智慧城市大数据的虚拟世界.

每个智慧城市用自己独特的架构方式和功能模块来实现智能化的概念[1-3].然而无论是基于哪种特色的智慧城市，都有一个共同的应用研究课题就是针对智慧城市的动态、复杂大数据的数据存储管理和分析研究.如何存储和管理这些智慧城市大数据，并且挖掘和分析智慧城市大数据是人们目前研究的热点问题；只有得到可行的解决方案，智慧城市才能获得可持续的发展和有效的应用.本文针对智慧城市大数据的存储管理和挖掘分析问题，以武汉市的智慧城市交通平台为研究对象，采用分布式和上下文感知为主要研究方法，分析了智慧城市大数据的特性，确定了面向智慧城市大数据的分布式存储方法，和基于上下文语义的大数据分析方法，提出基于上下文感知的云计算平台，实现了面向智慧城市大数据的可靠存储和有效管理分析，对智慧城市大数据的可持续发展具有重要意义，为深层次设计和开发智慧城市提供了重要科学依据.

1 相关研究

随着移动设备和传感器的普及，作为在智能城市，即称为可扩展的计算平台存储和处理所产生的大量流数据.因为在处理大量的复杂数据，一些以前开发的服务智能平台城市应用和隐藏的复杂性与如何收集背景信息，存储和处理[4].这种方式智能城市的开发商只实施必要的业务逻辑，它可以使用已经提供服务高层次的态势信息.云计算提供了一些这些庞大的数据流应用所需的服务.例如，在资源需要的基础上解决变异在时间传感器和位置数据分布的动态分配.云计算数据中心的新特性主要体现在：

1) 模块化标准计算设施；

2) 虚拟化存储资源环境；

3) 自动化的可靠管理高可靠自动化管理；

4) 多样化的可扩展性；

5) 高效性的数据服务.

智能城市应用高度依赖于他们的执行环境，其主要特性如表1所示.“应用语义”本身是由不同的作者通过对周围的用户和应用程序之间的相互作用后得到的，这些信息包括用户当前正在执行的活动或任务，或根据用户所需要的信息来描述一个给定实体的情况.更加广泛的说，执行语境是可以获得并由系统处理以识别实体的情况的任何信息(人、地点、物)，以及在此情境下系统所做出的适应表现[5].它可以通过监测用户的智能手机发出的GPS信号，从而推断出用户的当前所在位置.

表1 面向智慧城市的云计算平台的特性

2 基于上下文感知的云计算平台

2.1 模型分析

本文首先提出基于上下文感知的云计算平台的思路和框架，即基于上下文语义感知的存储管理系统，主要用于存储管理智慧城市的相关大数据.该框架提出了一种由为不同功能模块获得构建语义联系和语义理解的上下文信息.它使用(键/值)对以模型背景资料.其他方法提出一种分层中间件的体系结构，使用关系数据模型表示上下文数据.控制与自动化框架是一个框架和运行时环境开发和部署上下文计算应用.它采用了面向对象的模型表示的上下文数据.这3种方法使用相应的转换获得的原始数据转换为更高级别的上下文数据，但这些转变不会很复杂因为没有推理机制.

2.2 模型架构设计

基于上下文感知的云计算平台是一个集成收集环境数据，包括地理位置，用户配置文件和特征，以及环境参数等的服务平台，这种智能服务充分利用现代智能手机和平板电脑的传感能力，可能增强与外部传感器.每层是由几个组件，使平台适用于尝试各种环境敏感方法、技术、算法或技术.它可以用来使用面向服务的构建上下文感知应用程序合成方法:加载核心容器，指示它负载必要的上下文收集服务，部署相应的环境敏感业务工作流程和调用操作被执行当上下文会提出来.基于上下文感知的云计算平台包括4层，如图1所示.

图1 基于上下文感知的云计算平台架构图Fig.1 The cloud computing platform architectural diagram

第1层是数据聚合层.本层主要是提供收集及聚类数据并对其进行监控服务在本地移动设备完成上下文数据的收集和存储.其中每个监测服务是用一个数字签名监控模块，这些模块从远程数据库下载，并可以进行相关开发和维护监控服务.在该层进行数据流动监控服务，可以根据支持的功能，监控服务分成几个类别.推直接负责收集，他们收集上下文数据通常直接来自传感器，这样可以实现服务上下文数据聚合.

第2层是数据融合层.本层主要是处理聚合后的数据，进行上下文感知融合并存储文本数据服务.相关组件在服务器上运行海量的数据聚合，包括收集移动用户的位置数据、建筑物的遥感数据、城市环境监测数据等，并将其发送给服务器端聚合服务语义组织，从而实现分层聚合来自多个上下文的数据，包括GSM、wifi、蓝牙等多类型的采集数据.

第3层是上下文感知层.本层主要是通过已经获得的上下文感知建立规则服务，能够自动化的执行上下文依赖的行为.环境的变化会导致行动手机根据预定义的规则检测规则表达，或者用户可以建立自己的规则.

第4层是云端数据应用层.本层主要是对本地数据存储与上下文可以进行协助触发动作，同时应用程序可以根据当前上下文的变化不同，采取具体行动一些预定义的规则.另外第三方应用程序和服务可以使用API提供的上下文感知服务，它们提供的API可以使用函数获取特定的上下文数据，使用过滤器，或可以订阅上下文数据[6-8].

3 数据存储与分析能力

基于上下文感知云计算平台应该具备发现并分析数据源能力，使用不同粒度的数据，对数据进行聚合整理.对于一个典型的协同业务应用，可能会有数以百万的用户量.检测到的数据要进一步持续的存储，这样可以保证历史数据具有可追溯性，进而开展有效的数据挖掘.总之，数据密集型的上下文感知应用对大数据量和对数据的快速访问常用的要求就是这些.这样的要求必须通过在网络层提供的服务才能达到满意，如何避免上下文相关的数据的复杂性就是智能城市应用处理重点.显然一个很关键的挑战就是实现高度可扩展的数据管理，整个应用程序的性能高度依赖于数据管理服务.

云计算通过计算方式和成本模型对这个挑战进行回应：资源按需使用，现付定价模型，资源供应等因子，高度可扩展的存储依赖于保持“无限容量”的服务来吸引客户；同时用户可以在不需要的时候提前释放存储能力.另一方面，应用程序通过网络连接后设备支持大量的并发访问和各种操作.现代的交互性应用通过连接互联网来对用户需求做出回应.在这方面，云计算使用不同的访问方法和相应的API，包括Web服务，基于文件的闪存，基于块的闪存等；改进的传输协议；和计算资源分配，包括数据存储资源的地理分布.上下文感知的应用程序有额外的要求和特殊的形状，由于上下文的数据不仅可以用来准确地了解在应用效益的业务数据的语义，但它可以用于提高性能和促进大数据存储管理服务.由于数据源的异质性，各种不同形式的上下文数据必须永久保存和提供协同应用[9-11].同时，数据的实时交换，保证所需的地址上下文感知的应用程序的活动性.这些不同的存储、转换、传递或分类解析的要求让文本数据管理变得十分复杂，构建的新数据和被添加以及存储起来.

4 实验分析

4.1 实验环境

上下文感知框架假设存在多个分布式代理.当一个应用程序需要访问上下文数据时，代理负责处理实时保证.代理处理来自有限数量的用户的请求，将根据他们的位置分类.它支持写分布式数据和来自客户请求的过程为访问上下文数据，客户端应用程序生成过滤器去找到它.这个过滤器还接收和处理代理.产生的结果数据被发送回客户端，并暂时存储在位于本地代理的高速缓存中.这个缓存来加快对类似数据的后续请求的响应时间.如果另一个客户端发送一个类似的请求，代理能够用自己的缓存中正确的数据直接响应.

4.2 实验及结果分析

首先上下文数据转化为一个参数列表用于定义规则里的设置文件.规则的规则定义包含一个列表的元素定期评估的引擎.由几个元素组成的规则是:条件(表示为布尔表达式，基于规则实现)、行为(动作触发规则条件得到满足时)，和行动(字符串参数作为参数传递给操作)[4，9].使用的规则实现指定不同的表情评估上下文.字符串字段等于快车平等之间的上下文参数和一个字符串.这规则可以应用于上下文参数的字符串val-问题，比如用户的名字.用户还可以指定高级功能:他可以将规则应用布尔代数，或者他可以实现定制的聚合功能.在第二种情况下，数据是首次超过了组件，结果进一步用于评价规则.代表操作之间的基本类型和允许的规则制定不同的上下文参数的限制值.结合时他们可以导致更复杂的条件:

Rule=Rule OR Rule|Rule AND Rule|Rule Impl.

基于上下文感知的相关规则包含两个部分:规则定义和规则实现.其中规则定义部分是根据rule-def标签是复杂的规则，那些触发某个动作如果true.Complex灵便的评估规则名称属性，描述一个属性来指定动作触发和可能的参数的一个属性的行动.

Action=“conferenceSuggestion”>

Or-next-rule=”ture”/>

......．

在定义一个复杂条件作为一个简单的规则列表，如果or-next-rule属性没有指定一个简单的规则让值“真实”，那么当前的规则是在一个合乎逻辑的和与下一条规则.另一方面，简单的规则可能有逆属性设置为true，这样我们得到一个规则的否定.

class=“rules.CompareGPSLocation”>

value=”latitude”>

......．

5 结束语

本文主要研究了上下文感知表达了数据应用领域所包含的语义，也反映了数据之间的关联性，利用云计算平台应用分析是大数据时代进行高效数据存储和管理的研究热点.本文将基于上下文感知的云计算平台进行了理论分析、模型功能层次分析已经实验证明分析，在一定程度上解决了智慧城市大数据的数据存储及管理分析等相关问题，后续研究将会针对相关算法进行完善.

[1] 孙大为，张广艳，郑纬民. 大数据流式计算:关键技术及系统实例[J]. 软件学报，2014，25(4):839-862.

[2] 吴 军. 大数据和机器智能对未来社会的影响[J].电信科学2015，31(2):1-10．

[3] 张丽敏. 云环境下一种低成本的数据安全存储和处理框架[J]. 电信科学，2015，31(2):46-51．

[4] 涂丹丹，舒承椿，余海燕. 基于联合概率矩阵分解的上下文广告推荐算法[J]. 软件学报，2013 (3):454-464.

[5] 钟 珞，吴 珺. 粒度计算在数据仓库挖掘中的应用[J]. 华中师范大学学报(自然科学版)，2009，43(3):392-395.

[6] Corporation H P. Random walk based location prediction in wireless sensor networks[J]. International Journal of Distributed Sensor Networks，2013(2):135-143．

[7] Gusmeroli S，Piccione S，Rotondi D. A capability-based security approach to manage access control in the Internet of Things[J]. Mathematical & Computer Modelling，2013，58：1189-1205.

[8] 刘 勇，雒江涛，邓生雄. 基于Hadoop的网络分流和流特征计算[J]. 电信科学，2014，30(12):76-81．

[9] 程学旗，靳小龙，王元卓，等. 大数据系统和分析技术综述[J]. 软件学报，2014 (9):1889-1908.

[10] 熊 英，史殿习，丁 博，等. 移动群体感知技术研究[J]. 计算机科学，2014，41(4):1-8．

[11] WU J，ZHONG L，LI L L，et al. A prediction model based on time series data in Intelligent Transportation System[J]. Communications in Computer and Information Science，2013，392(2): 420-429．

Research about cloud computing platform based on context-aware

WU Jun1，2，HUANG Zhixiong2，WANG Chunzhi1

(1.School of Computer Science，Hubei University of Technology，Wuhan 430068;2.School of Materials Science and Engineering，Wuhan University of Technology，Wuhan 430070)

The cloud computing platform based on context-aware provides a new，reliable and efficient data service pattern for users. For the storage and management of Big Data in ITS(Intelligent Transport System)，there are some difficulty missions that be low efficiency and complex reliability of storage，multi-source and dynamic data. In this paper，firstly gives the idea of the cloud computing platform based on context aware，secondly builds the four-layers structure model，then uses the context aware algorithm to achieve ITS Big Data storage. Theoretical analysis and model test results，and be showed that cloud computing platform based on context-aware to meet the premise of reliable dynamic data storage and reduce the influence of distributed data，greatly improving the ITS Big Data storage and analysis capabilities．

cloud computing; context-aware; storage and analysis of data

2015-12-15.

国家自然科学基金项目(61602161)；湖北省自然科学基金青年项目(2014CFB590)；湖北工业大学博士启动基金项目(BSQD13039);交通物联网技术湖北省重点实验室项目(2015Ⅲ015-A03)．

1000-1190(2016)05-0656-04

TP18

A

*E-mail: wujun@whut.edu.cn．