基于大数据和QT的农机配件供应链云平台系统设计

周 倩，周林妹，康丽军

(1.长沙商贸旅游职业技术学院，长沙 410016；2.太原学院 计算机工程系，太原 030032)

0 引言

目前，农机配件市场的需求非常旺盛，但在农机配件的流通过程中存在产品质量参差不齐、监管薄弱等问题，因此农机零配件供应链信息化监控与服务体系建设工作要利用技术兼容模式创新和监管模式创新，解决产业中供应链各环节的信息精准感知难点、技术兼容难点和管理与运营模式难点。随着计算机、物理网和移动通信技术的发展，产生了综合应用这些技术的云服务平台，采用云平台技术可以将大数据整合，以分布式存储和并行计算的方式提高大数据的处理效率，以集成和共享的方式为用户提供更好的服务。为此，可以采用云平台技术，建立基于大数据和QT的农机零配件现代信息服务系统，实现农机配件全生命周期的实时管理和产品质量溯源，为提高农机配件的质量和服务品质提供可靠的技术保障。

1 基于云技术的农机配件供应链服务

随着计算机技术的发展，特别是分布式计算云服务平台的出现，大数据应用服务系统被应用在很多领域，近年来由于农业现代化信息的提升，云服务平台也被适用到了农业领域。例如，根据地区性气候的差异及作物的生长需求，结合物联网技术对农机样机进行制造和调试，便可以应用云平台管理体系，其结构框架如图1所示。

图1 基于云平台的农机样机制造方案Fig.1 The manufacturing scheme of agricultural machinery prototype based on cloud platform

利用云计算平台可以实现农机样机设计制造数据的存储和查询，我国农机配件产品的生产流通环节的监控力度很小，容易造成农机配件的质量安全问题，且出现质量问题配件的溯源较难。为了保证农机配件供应链的可溯源性，基于大数据和QT软件界面开发工具，构建了农机配件供应链数据存储和查询的云平台系统，系统结构如图2所示。

整个系统采用4层架构，利用QT技术可以开发可视化的图形界面，便于用户直接对系统进行操作。其中，Web服务器可以接受用户的访问和服务请求，给用户提供相关服务；应用服务器可以处理相关数据，完成大数据的存储和计算等操作，从而可以相应地降低Web服务器的工作负荷；数据处理完成后存放在数据库中，这4层结构保证了云服务平台运行的通畅性。

图2 系统结构示意图Fig.2 The schematic diagram of system structure

2 基于云计算的农机配件供应链大数据服务平台设计

为了实现农机配件在流通过程中数据的可查询性，以提高配件质量的监控力度，在供应链数据库中会存在海量的信息数据，对于海量信息的存储和查询一般服务器是力所不能及的，因此需要借助云平台开发大数据服务器。农机配件较多，如发动机、离合器、变速器和提升器等。农机配件供应链大数据平台架构如图3所示。

图3 农机配件供应链海量数据平台体系架构Fig.3 The mass data platform architecture of agricultural machinery parts supply chain

由于农机配件供应链信息数据较为零散，因此在开发基于Hadoop的分布式云平台时可以采用中间件服务器作为控制部分的软件系统框架，其详细结构如图4所示。

图4 农机配件供应链大数据平台管理系统架构Fig.4 The structure of large data platform management system for agricultural machinery parts supply chain

整个平台的关键组成部分是中间件部分，中间件可以实现海量数据的分布式处理，并对数据进行并行存储和查询等。其一般由数据访问层、数据处理层和应用接口层3层组成，如图5所示。

图5 中间件服务器架构示意图Fig.5 The schematic diagram of middleware server architecture

中间件服务器的核心部分是数据处理层，可以支撑系统服务，进行数据处理。数据处理服务主要包括数据的存储和备份、数据的加载，以及数据字典、数据的访问和查询等；支撑系统的服务主要是针对系统的日常管理，如软件的运行日志管理等；负载平衡主要处理数据节点容错和负载的均衡问题；应用接口层主要是针对农机配件供应链信息数据的客户服务需求，对不同的信息进行交互，数据访问层可以兼容数据库之间的差异，对系统之外进行访问。云平台搭建的另一个重要服务是远程数据的共享和查询，基于这种服务需求，搭建的远程云平台服务框架如图6所示。

图6 远程云平台服务框架Fig.6 The service framework of remote cloud platform

在远程PC和手机用户端，可以通过网络数据连接共享云平台数据库，并进行数据的访问和查询。网络数据连接包括有线网络和无线网络，包括移动通信、ZigBee和WiFi等，从而实现了随时随地的农机配件供应数据访问和查询。

3 基于大数据和QT的农机配件供应链云平台测试

基于农机配件供应链大数据和云平台服务器，采用QT界面开发模式对云平台进行了搭建，并对平台的效率和可靠性进行了测试。QT是挪威的Trolletch公司研发的一款开发工具，可以跨平台实现GUI界面开发，并根据用户需求进行编程。QT/E是QT的一个嵌入式版本，其界面漂亮、组件齐全、可移植性好。利用QT/E软件开发工具对云平台搭建和测试的一些工作主要有:

1)对数据库进行移植，使嵌入式Linux开发平台可以对数据库进行操作；

2)使嵌入式Linux开发平台能够对开发的QT程序顺利运行；

3)支持开源软件输入法SYSZUXpinyin的数据移植；

4)支持Hostapd的数据移植，可以配置无线网络环境；

5)云平台服务软件设计最重要也是核心。

为了实现云平台的搭建和测试，而降低成本和节约测试时间，本次主要对农机供应链云平台的底层数据进行存储和查询测试，并对测试数据进行统计。在平台的底层的Hadoop集群上搭建了8台服务器，包括1台Namenode服务器、1台Jobtracker服务器和6台Datanode服务器。服务器的参数如表1所示。

表1 服务器配置参数Table 1 The server configuration parameters

为了测试其性能，将其与传统的MySQL服务器进行对比，主要测试大数据的搜索和查询能力，搜索查询使用的数据是农机配件的各种参数数据。为了保证测试的准确性，每次查询进行10次统计，取每次查询的平均值，然后与MySQL服务器进行对比，得到了如表2所示的测试结果。

表2 数据查询测试对比结果Table 2 The contrast results of data query test

由云平台服务器和MySQL服务器的对比结果可以看出：当数据量较小时，云平台服务器和MySQL服务器的性能相当；在大数据条件下，云平台服务器要明显比MySQL服务器的处理速度快，其查询效率成倍的增加，从而验证了其大数据条件下查询功能的优越性。为了验证云平台的可靠性，对其缺陷进行了测试，首先定义缺陷等级如表3所示。

表3 云平台服务器缺陷定义Table 3 The defect definition of cloud platform server

表3中，共分为4个等级，包括严重、较严重、一般和微弱。针对4个等级对平台进行了测试，得到了如表4所示的测试结果。

表4 云平台服务器缺陷测试结果Table 4 The defect test results of cloud platform server

由测试结果可以看出：云平台App、云平台后台和范围云桥均为出现严重或者较严重以及一般情况的缺陷，出现了较少次数的微弱缺陷，不影响整体的平台性能，从而验证了云平台的可靠性。

4 结论

为了提高农机配件供应链的可溯源性，提升农机配件的质量和服务水平，基于大数据和QT软件开发工具，构建了农机配件供应链数据云平台系统，并对系统的可行性和可靠性进行了验证。对于云平台的验证主要采用了8台服务器，其中包括1台Namenode服务器、1台Jobtracker服务器和6台Datanode服务器；以农机配件的大数据搜索为目的，对平台的效率进行了测试，然后将其与传统的MySQL服务器进行了对比。测试结果表明：在搜索数据较少时，云平台和传统MySQL服务器的效率相当；在大数据搜索条件下，云平台的效率是传统服务器的数倍，从而验证了平台的可靠性。