基于云计算的高校智慧校园数据中心构建

贺建虎

（西安外国语大学 陕西省西安市 710128）

信息化建设自身构建的执行结构与传统的执行模式相比，更为灵活、多变，具有更强的关联性，促使智能化、数据化技术不再局限于软硬件的实施设计，而是根据预设的需求，扩大控制范围，形成稳定、安全的信息架构。初始的智慧校园以网站的形式融入各大高校互联网系统，应用功能有限，仅处理数据、归纳信息、公布分数等。李慧等人提出了基于最小化网络通信量的校园区域网虚拟化云数据中心构建，通过将整个区域网络划分成多个相互不重叠的区域网络，根据实际应用需求，对校园数据库进行网络虚拟化与服务器虚拟化，实现校园数据中心的构建。但是该方法的响应时间长，导致工作效率低。

针对上述问题，对基于云计算的高校智慧校园数据中心构建作出分析与研究。高校智慧校园数据中心构建工作，云计算的应用融入，在基础的条件上，帮助数据中心实现转型升级，营造更加稳定、安全的数据中心运算环境，为信息化建设奠定更为坚实的基础。

1 云计算下高校智慧校园数据中心构建

1.1 智慧校园数据预处理

数据预处理实际上是对数据进行基础性质的分类、筛选，实现多层级目标分析，提高数据中心整体的执行效率与质量。在云计算技术辅助下，将数据作集中分类，形成完整的数据集，提升数据预处理效果。利用决策树，构建大范围的迭代训练模型，获取智慧校园的内部数据。划定迭代数据处理，计算迭代次数，具体如公式（1）所示：

公式（1）中：P 表示迭代次数，j 表示模糊边缘值，f表示划分节点距离，s 表示随机单元范围。更改决策树的预设标准值，并在智慧校园的数据中心设定预处理节点，与决策树相结合，形成随机数据处理结构，完成智慧校园数据的预处理。

1.2 云资源池搭建

云资源池是一种类似于数据库的存储系统。结合智慧校园的执行基础与需求，搭建云资源池。在基础的B/S 架构中，构建数据的整合、维护以及运营体系，采用虚拟化技术，将智慧校园数据中心三维化、立体化，以物理服务器实现日常的维护与资源利用。云资源池与数据管理中心相关联，在5G 网络环境之下，设定数据的分类层级，根据数据虚拟化的目标，划分多个片段，计算片段的单元数据量，如公式（2）所示：

公式（2）中：T 表示单元数据量，S 表示区域片段重叠距离，v 表示随机利用范围。通过云计算技术，核定云资源池中的校园数据总量，形成虚化的数据处理模式。

1.3 云计算迁移数据结构设计

在云计算的背景下，设计迁移数据结构。迁移数据结构是一种多方向的内部数据分化处理结构。依据数据中心规划方案，调整 VMware ESX Serv-er 为双向执行，并与IBM X3650 服务器关联，对IP 地址预设，该预设中将数据分配组分为PSeverA+1、PSeverB+1、PSeverC+1，对应的数据安装基础为ESX0.2、Server1a、vCente，IP 地址为192.168.115.135、192.168.110.122、192.163.115.179。根据上述内容，完成对分配的主机 IP 地址明细的预设。完成预设后，数据中心的采集范围以及校园网中任务的覆盖区域发生相应的变化，核定数据的迁移情况，并计算云端迁移距离，如公式（3）所示：

公式（3）中：A 表示云端迁移距离，k 表示拓扑范围，M 表示极限差异值。结合云计算数据处理平台，实现多层级数据的目标转换，在基础层级中形成迁移目标，以此完善数据迁移层级结构的设计和构建。

1.4 多接入边缘数据云指令设计

结合智慧校园的实际执行目标，设计多接入边缘数据云指令的编制。传统数据中心通过数据的堆叠以及迭代状态制定执行指令，执行的格式具有高度一致性。

但是在实际应用的过程中，数据库内部数据的变化和下载效果的精准性、可靠性低。数据条数和差异数据的处理不及时，造成数据中心异常，影响智慧校园的日常工作。为了缓解该问题，设定更加灵活多变的接入指令。首先，数据导入指令，主要针对共享数据库以及外部产生的数据，形成的数据集成处理程序，划定集成环节。需要注意的是，每一个环节的数据集成状态均具备独立性，且在不同的接入环境中，编制的指令执行效果存在较大差异。为了降低执行的差异以及误差，核定统一的边缘接入系数，如公式（4）所示：

公式（4）中：N 表示边缘接入系数，F 表示导入范围，g 表示集成极限差异。依据数值划定单元接入位置，并与数据中心形成关联，将编制的指令以集成的形式逐一添加在智慧校园数据处理中心，为师生的学习、资源扩展、活动筹备提供便利条件。

1.5 CPI云端相对数据中心模型构建

在完成对多接入边缘数据云指令的设计之后，需要构建CPI 云端相对数据中心模型。CPI 技术是一种与云计算相协调的重叠数据处理模式，内部处理机制更加细化、繁琐，在复杂的网络环境之下，对于数据可以更加精准地处理。建立云平台与数据中心的基础关系。根据预设的多接入边缘数据云指令，在智慧校园中营造数据的处理环境。

同时，修改校园网中定格程序，形成新的导入协议，以CPI 作为关联过渡，采用本地分流或者路由分化等方式，接入 IT 云计算执行目标，完成CPI 云端相对数据中心模型的构建。

1.6 开放型数据处理程序设计

在完成构建CPI 云端相对数据中心模型后，设计开放型数据处理程序。开放型程序的优点在于处理数据的格式以及标准限制条件少。将数据中心接入虚拟化程序，与DNS 服务结构连接，通过CPI 云端相对数据中心模型获取相应的校园数据，在开放型的5G 网络环境，设定数据处理层级，考虑到校园网功能的局限性，校园网与外网形成多目标关联，扩大智慧校园数据资源的存储量。调整执行程序，以原始的数据程序为基础，融合VMware vSphereClien 分布树，促使IP 地址保持一致的同时，接入vCenter Server 执行环节，在数据集群中将格式设定为开放。

1.7 数据中心云端虚拟化部署

在完成对开放型数据处理程序的设计之后，设计数据中心云端虚拟化部署。点击智慧校园的通讯功能，更改数据的处理模式为分布层级模式。在云端设定数据的单元虚拟边缘值，在局域网络内部连接VMware，即5G 公网，划定云端的数据传输范围，接入预设的数据云端指令，完成网络适配互联，在VMnet0 的虚拟数据程序下，以桥接的形式连接两个网络，完成云端虚拟部署，并建立桥接网络形式。考虑数据处理的准确，将虚拟兼容值控制在10.5～12.5 之间，在确保数据稳定、安全的同时，实现核算与处理，达成云端虚拟部署计算。

1.8 数据分流法实现高校智慧校园数据中心构建

采用数据分流法构建高校智慧校园数据中心。智慧校园数据中心日常数据处理量极大，普通的执行程序无法完成庞大数据量的精准处理，因此，在集成中心添加分流环节，系统会依据数据的种类或者特征作出分类，同时，遵循执行特征，实现数据分流，降低数据中心的应用压力，在云计算技术的辅助之下，实现多方向、多层级的数据处理。

2 数据中心应用测试

为了验证云计算下高校智慧校园数据中心的实际应用效果和有效性，设置对比分析实验。考虑到结果的稳定性与可靠性，以对比的形式展开对应的测试和分析。测试共划定为三个小组，第一组为传统的共享数据中心，将其设定为传统的共享数据中心测试小组；第二组为传统的双向虚拟化数据中心，将其设定为传统的双向虚拟化数据中心测试组；第三组为本文所设计的智慧校园数据中心，将其设定为云计算智慧校园数据中心测试组。以执行响应时间为测试指标。

2.1 测试准备

在对云计算高校智慧校园数据中心的实际应用效果进行验证与分析之前，需要先搭建相应的数据中心测试环境。为了确保测试过程的顺利，在预设的平台以及数据中心处连接5G 网络，扩展基础的网络覆盖范围，结合预设的网络融合模式，将此时的5G 网络分层级多目标覆盖在不同的测定区域之中，以此规避对应的风险，同时进一步虚拟化数据处理的整体架构。通过VXLAN 控制数据中心的配置程序，形成虚拟化的测定环境，具体的控制结构如图1 所示。

图1：区域网络虚拟化架构图示

根据图1，可以完成区域网络虚拟化架构的设计与构建，并且结合数据中心实际的运行模式，调整和更改基础性的执行指标。具体如表1 所示。

表1：虚拟化智慧校园数据中心执行指标设定表

根据表1，完成设定和构建虚拟化智慧校园数据中心的执行指标，根据调整处理过的数据，更改系统或者平面的执行范围以及进度，形成交换网络区域，连接边界交换机。

在上述的基础上，根据网络情况的变化，将VMware ESX Server 设定在IBM X3650 服务器之中，并且将VMware vCenter Server 的终止端口访问系数更改为0.2581。为了提高系统的运行效率，在接口的位置增加迁移调配装置，进一步完善优化整体的运行效果。此时，需要划定数据中心的基础边缘区域，并计算出对应的边缘系数，具体如下公式（5）所示：

公式5 中：G 表示边缘系数，h 表示访问基础距离，e表示集中单元数据。通过上述计算，最终可以完成对边缘系数的计算。根据得出的边缘系数，划定单元边缘网络执行区域，同时，将基础的数据重新虚拟化，并设定实际的执行架构，具体图2 所示。

图2：校园数据中心虚拟化图示

根据图2，完成处理校园数据中心虚拟化。根据网络的迁移次数，设定目标函数，计算数据中心的平均传输数据量，具体如公式（6）所示：

公式（6）中：K 表示平均传输数据量，a 表示通信距离，m 表示过载物理系数，n 表示依赖因子数量。通过上述计算，可以得到实际的平均传输数据量。如果数据中心处于过载状态，需要重新分配传输的数据。核定测试的设备与装置是否处于稳定的运行状态，同时确保不存在影响最终测试结果的外部因素，核定无误后，对数据中心进行具体测验。

2.2 测试过程及结果分析

在上述所搭建的数据中心测试环境中，设定对应的环境，开始测试。本次测试，以云计算技术为辅助，构建雪花结构，采用递归定义的方式，设定高校智慧校园数据中心的执行基础。

雪花结构是一种多维分析的数据处理方式，与传统的数据处理方式相比，更加灵活、多变，在复杂的网络环境之下，可以将数据的处理范围划定在k ×（k+1）之间，具有可更改的特性。在雪花结构中，添加若干个0 级数据交换单元，预设的执行函数通常取为2 ～9，在相同的网络比重下，营造虚连接和实连接的双向处理环境，并构建具体的雪花数据结构，具体如图3 所示。

图3：雪花数据处理结构图示

根据图3，完成对雪花数据处理结构的构建。结合云计算技术，在雪花结构的虚、实连接背景下，计算出数据的执行对数，具体如下公式（7）所示：

公式7 中：J 表示执行对数，u 表示迁移常量，r 表示响应时间。通过上述计算，得到实际的执行对数。结合得出的执行对数，设定智慧校园的网络执行层级，每一个层级对于云目标的实现格式均是固定的，并且独立执行，对其他结构不造成影响。在实际连接的环境下，雪花结构对于数据的处理范围会相应扩展，虚连接的环境下，数据交换机制会发生改变，数据的兼容效果也会下降。

以将整个虚拟网数据中心划定为多个片段，利用云计算分化格式实现处理。结合校园的实际数据处理需求，计算具体的执行响应时间，具体如下公式（8）所示：

公式8 中：D 表示执行响应时间，B 表示包容比，t 表示通信率。通过上述计算，可以得到实际的执行响应时间。三组测试均可以得出最终的测定结果，对其作出对比分析，具体测试结果如表2 所示。

表2：测试结果对比分析表

根据表2 可知，与传统共享数据中心测试组和传统双向虚拟化数据中心测试组相比，本文设计的云计算智慧校园数据中心测试组得出的执行响应时间最短，其值仅为0.12s，其他数据重新的响应时间分别为0.35s 和0.26s，均高于本文数据中心。因此，表明本文的数据中心处理校园信息的速度更快，效果更佳，具有实际的应用价值。

3 结束语

针对高校校园数据中心响应时间长，工作效率低等问题，研究了基于云计算下高校智慧校园数据中心。该方法应用了云计算技术，构建更加灵活、稳定的数据处理环节。与传统的校园网相对比，本文所构建的智慧校园数据中心，在云计算技术的辅助之下，可以分类处理校园日常的任务的同时，结合校园规划的变化情况，实现统一处理、疏导全校数据流，形成更加快速的数据处理程序，促使校园网络信息管理迈入一个新的高度。智慧校园数据中心的安全程度也相对较高，对于机密信息以及文件数据的存放更加严谨，采用双云计算验证核定模式，在完善整体处理结构的同时，也进一步保证了数据的安全性。本文数据中心的共享数据库的总体架构一定程度上也扩大了数据中心的资源获取范围，形成更为强大的云计算处理平台，为高等院校教育信息化的发展注入活力。