基于高并发数据库的专家推荐系统

陈川

（中国计量科学研究院 北京市 100029）

随着对外开放的飞速发展，各个国家之间进出口贸易不断增加，牲畜类的全球流动也日益频繁。外来物种的进入经常携带着各种已知或未知的传染疾病，如果未被及时发现，其扩散速度以及扩散范围将难以得到有效控制，短时间内就会对人们的生活甚至社会的发展造成极大的影响。因此，准确高效的疫情风险评估与预警预报，对保护人民的生命财产安全、维护国家与社会的发展有着越来越重大意义，其重要性不言而喻。

为此，本研究从科学预防的角度出发，建立了基于高并发数据库的专家推荐系统。本系统采用半定量评估方法，根据明确的评估标准给出评分，从而保持评估过程的透明度和客观性。组织专家库的专家构建评估因素的层次结构，并根据层次分析法对各因素进行加权，从而确定调查问卷的基本框架。通过上级机构下达风险评估任务，再由秘书处上传相关资料。同时组建专家组，邀请专家参加风险评估，由专家对每个风险因子进行风险性评分并对把握程度进行自评。最后，系统生成评估结果汇总至秘书处，生成风险评估报告。

1 系统架构

如图 1 所示，该系统主要由四部分组成：客户端（专家打分平台）、由秘书处和超级管理员组成的后台管理系统、云平台和数据库。系统主要功能包括：上传相关资料，并赋予专家组前端权限，对疫情因子打分，经过云平台的算法处理后，获取因子权重同时将因子权重值存储到数据库中。在对疾病进行风险评估时，在危害确认后，具有相应权限的秘书处根据疫情特征选择相关研究领域，经云平台处理后筛选出合适的专家，组建专家组，并进行层次因子建模，对合适的专家组下达任务。同时，秘书处上传疾病相关资料，发送到前端(客户端)并发送给专家，专家填写问卷，提交至数据库更新存储，后台访问数据库获得问卷情况，经过云平台数据处理，自动获得分析报告。

2 专家推荐系统模块说明

2.1 专家信息管理模块

该模块的程序逻辑如图 2 所示。管理员在专家 信息管理模块进行添加、删除、查看、编辑操作。在添加模块中，可以添加新的专家，输入专家用户名与初始密码，通过云平台处理后保存至数据库中；专家通过秘书处提供的用户名与初始密码首次登录客户端，以完成后续操作。在删除模块中，秘书处可以删除专家账号。在查看模块中，可以查看专家的信息，包括基本信息、联系方式、研究领域等。在编辑模块中，可以编辑专家信息与专家权限。专家信息管理模块存储了专家在系统中的基本信息、研究领域、联系方式以及前端各个模块的操作权限，其中包括了疫情风险评分模块、因子权重确定等模块的权限。

图1：专家推荐系统组织架构图

图2：专家信息管理模块流程图

2.2 层次结构建模管理模块

根据相关疫情资料，层次结构建模模块重新组织为一个等级结构。将决策的目标、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层，并绘出层次结构图，以便于专家的打分。具体层次分析公式为：

其中：w 为分值权重，si表示专家打分分数，表示为专家分值和权重的累计和均值。

2.3 风险评估报告生成模块

如图3，风险评估报告生成模块将各个专家对于每次任务当中对疾病因子的打分做汇总处理。按照系统报告需求，统计各个模块所需要的相关信息。按照一定的算法进行相应的自动化处理，并将处理结果可视化到平台页面。最后，可根据相关的层次分析算法生成风险评估报告。

2.4 其他模块

任务下达模块具体的流程为在后台确认危害之后，根据疫情特征，选择好相应的因子模板，推荐出相对应领域各个专家，组建相应的专家组，在客户端提示待办信息。建议留言查看模块用于查看专家的留言。风险评估报告模块将专家评分进行汇总，并将汇总表生成 Excel 文件，同时将评分统计结果填入原始的风险评估报告模板中，生成PDF 形式的风险评估报告，以便于后续查看。

3 高并发数据库数据结构设计

数据库数据表主要关系如图 4 所示，所有的疫 情因子构成一张表格，在所有因子表中提取因子分层，获取因子分层表。因子分层表由三部分组成，分别是所有病种表、一层因子表、二层因子表。同时，在因子分层后计算出分层因子的权重，从而获取分层因子权重存储表，以便专家打分。专家打分后形成专家评分表和专家打分日志表。

另外，为了解决多用户高并发给数据库带来的压力，本系统采用了如下方法进行改进:

（1）页面静态化 - 用户可以直接获取页面，不需要与后台数据交互，节省二次加载时间。

（2）缓存机制 - 第一次获取数据时，后台直接从数据库提取，然后将提取的数据保存至缓存中，从而保证了后续相同数据可直接从缓存中提取。由于内存操作远快于 IO 操作，因此大量地节省了数据搜索时间，同时通过机制维持缓存和数据库的一致性。

（3）批量读取 - 在多个用户同时提交的高并发 情况下，把多个请求的查询合并后同时进行，从而减少了数据库的访问次数，优化了查询时间。

（4）延迟修改 - 在高并发情况下，把多次修改请求先保存至缓存中，然后定时将缓存中的数据保存到数据库中，但其带来的风险是可能会由于断电丢失缓存中的数据。

（5）索引应用 - 索引可以看作是特殊的缓存， 使用索引可以快速定位到目标数据，大大降低了搜索时间的复杂度。

4 系统测试

为了验证系统的可靠性，本研究针对不同用户群体，仿真模拟了真实疫情爆发情况下专家推荐系统的一整套操作流程。其中，在多个用户实时操作该系统的过程中，系统能够通过缓存机制，快速地处理多用户高并发数据存储，查询和修改等操作。其次，专家推荐模块能够针对疫情实际需求快速推荐出与之对应相关专家，实现专家与疫情的专业匹配。最后，系统能够汇总专家评判结果，自动生成疫情分析报告。

5 结束语

本文设计的基于高并发数据库的专家推荐系统，在本质上提高了疫情分析的准确率，能够在防止疫情加剧、预防疫情发生、根治疫情等方面都起到积极有效的作用。同时，项目本身也方便了工作人员在资料整理、人员调动、资源分配、任务下达等流程的操作，在实际应用中也大大缩减了人力的工作量，使得工作自动化、可视化以及可操作化。

图3：风险评估报告生成模块流程图

图4：数据结构设计图