面向环境感知的高并发车联网分布式数据库负载均衡系统

发布时间：2020-03-26 00:19

【摘要】：车联网平台获取终端环境感知传感器数据,包括定位,速度,以及其他路况信息,通过大数据技术和深度学习算法处理传感器数据,分析终端车辆姿态以及周围驾驶环境,最终控制车辆避开道路障碍物,可靠安全到达目的地。然而,随着车联网技术的成熟,相关车辆企业也会加快节奏部署车辆终端,同时越来越多的车辆终端相继接入车联网平台,安置在车体的各种环境传感器收集车辆路况信息,车辆姿态参数,车辆位置等等,这些庞大的传感器数据实时交付至车联网平台,造成车联网平台系统负载井喷,若平台的负载控制能力有限,将会冲垮车联网服务器,导致车联网平台宕机,中断客户单服务,甚至引发终端车辆失控,带来车祸风险。此系统以环境感知终端与车联网平台高并发交互为入口,研究车辆在驾驶途中涉及的环境参数,位置状态,车体内部信息,抽象环境感知数据类型,数据大小,数据优先级。分析网络高并发技术,探讨网络设计模型,对同步阻塞模型,同步非阻塞模型以及异步非阻塞模型进行实验分析,选择异步非阻塞模型为最优网络设计模式,促进车载传感器数据高效载入车联网平台。分析单机存储引擎,对InnoDB数据引擎,MyISAM数据引擎以及Redis存储引擎做了深入研究,梳理存储引擎的原理,设计实验论证每个引擎的优势,使用Redis存储引擎作为此系统数据库。设计分布式数据库数据分布策略,比较基于虚拟节点的一致性哈希模型和基于分片的一致性哈希模型,利用分片策略处理数据分布。负载均衡策略是系统的研究重点,从负载评估,负载均衡触发以及负载移动三个方面着手。其中负载评估策略研究集群节点硬件资源使用率,比如处理器,内存,磁盘以及网络吞吐量等,设计基于权重的负载评估算法,计算集群节点当前负载状态。在负载均衡触发方面,统计数据节点接收用户请求的概率,研究数据单机在时间段平均负载,计算节点负载变化率,建立节点负载切换模型,推测未来节点负载状况,若超过系统阈值则触发负载均衡器。在负载移动策略中,通过负载评估算法分类集群热数据和冷数据节点,采用资源均值最大化模型迁移热数据至空闲节点,分配冷数据至超载节点,促进热数据与冷数据在集群节点均匀分配。负载均衡策略高效,稳定,可靠,解决分布式存储系统负载压力,为车联网平台建立实用,便捷,支持高性能,高并发的数据库系统,保证车联网终端安全,平稳驾驶,给客户带来优质的驾驶体验。
【图文】：

使用 linux 的 vmstat 命令查看 CPU 使用情况，wa 是 CPU 队列信息，us 是 CP使用率，cs 是 CPU 硬件上下文切换时间。图 4-10 CPU 信息（2）内存信息使用 free-h 命令收集内存信息，Memtotal 代表内存大小，uesd 代表内存使用，Swap tatal 和 used 代表虚拟内存大小以及占用情况。图 4-11 内存信息（3）磁盘信息使用 hdparm-tT/dev/sda 命令查看磁盘转速，second 代表磁盘访问速度，使用h 查看磁盘大小以及使用率，Size 是磁盘容量大小，Used 是磁盘率。

图 4-13 网络信息至于计算系统负载需要的参数因子，根据系统数据配置，本次系统使用均值处理各影响因子数值。三、节点负载评估在第三章负载均衡分析中，首先获取主机硬件使用情况，使用公式(3-9)计算节点硬件资源站集群比率，使用公式(3-10)计算节点负载占集群的权重，，利用公式(3-11)计算公式节点任务响应时间，通过公式(3-12)计算节点实际资源使用率，使用公式(3-13)整合负载比率，负载权重，系统响应时间以及硬件资源使用率衡量节点最终的负载。公式(3-9)计算负载比率公式(3-10)计算负载权重公式(3-11)计算任务响应时间公式(3-12)计算节点硬件使用率公式(3-13)计算节点负载输入CPU，内存，磁盘以及网络信息图 4-14 网络信息
【学位授予单位】：桂林电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;U495

【相似文献】

相关期刊论文 前10条

1 俞洪宝;吴迪;于子洋;任利峰;;分布式数据库在大数据时代中的作用[J];产业与科技论坛;2019年17期

2 曹曼曼;汪勉;;关于分布式数据库准确分类仿真研究[J];计算机仿真;2019年01期

3 刘继敏;;分布式数据库中数据交换的实现[J];数字技术与应用;2017年11期

4 马宗梅;张睿萍;;分布式数据库信息传输效率优化仿真[J];计算机仿真;2018年05期

5 潘oA;;确定性分布式数据库中长事务处理方法研究[J];数字技术与应用;2017年02期

6 陈蓓;刘文涛;;银行业如何玩转分布式数据库[J];金融电子化;2016年12期

7 刘文洁;陈震;李战怀;;一种面向海量分布式数据库的游标构造方法[J];西北工业大学学报;2017年04期

8 祁迪;;分布式数据库特点及其设计方法[J];山东工业技术;2016年01期

9 郑景文;;分布式数据库的安全分析[J];信息与电脑(理论版);2016年05期

10 李健;;中职一卡通系统的设计与实现[J];现代职业教育;2017年02期

相关会议论文 前10条

1 张金昌;冯聿华;;分布式数据库的安全性探讨[A];第一次全国计算机安全技术交流会论文集[C];1986年

2 夏薇;郭天杰;郭睿;;一种分布式数据库安全模型[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

3 杜方;刘利萍;蒙应杰;赵书城;;基于分布式数据库的物流系统的设计和实现[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

4 李鹏;程华;;大型分布式数据库在煤矿企业的应用[A];山东煤炭学会工业信息化专业委员会2011年度工作会议暨物联网技术推进煤矿信息化学术论坛学术论文集[C];2011年

5 刘爱梅;卓鸿;刘树峰;;分布式数据库的安全应用分析[A];信息技术在气象领域的开发应用论文集（一）[C];2005年

6 杜会林;袁小京;;分布式数据库在油田中的应用[A];第十届全国数据库学术会议论文集[C];1992年

7 王甘霖;汤彬;陈明;;基于VLAN的分布式数据库技术应用研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

8 顾宁;蒋凡;王放;;分布式数据库的异种性数据语言的转换与实现[A];第九届全国数据库学术会议论文集(上)[C];1990年

9 杨乔苟;;基于分布式数据库的远程教育系统[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

10 卢朝霞;王家华;;一个大型分布式数据库应用系统的设计和实现[A];第九届全国数据库学术会议论文集(下)[C];1990年

相关重要报纸文章 前10条

1 焦旭;未来分布式数据库的发展必将呈增长趋势[N];计算机世界;2019年

2 第一财经研究院研究员 林纯洁;瓶中魔鬼还是治世良方？——监管决定数字货币未来[N];第一财经日报;2017年

3 本报记者 郭涛;青云“七武器”[N];中国计算机报;2017年

4 宋辰;青云:为了一朵更美的云[N];计算机世界;2017年

5 陈耀光 周萍;分布式数据库的安全探讨[N];中国化工报;2002年

6 ;政府行业分布式数据库解决方案[N];中国计算机报;2003年

7 江西财经大学信息学院 陈耀光 周萍;分布式数据库的安全探讨[N];计算机世界;2001年

8 本报记者　小白;Sybase分布式数据库打Web服务牌[N];计算机世界;2004年

9 王奇成;优化分布式数据库的结构[N];计算机世界;2005年

10 李飞龙;在大数据的应用中突破思维定式[N];中国邮政报;2017年

相关博士学位论文 前3条

1 刘义理;分布式数据库安全框架研究[D];同济大学;2006年

2 李光;分类挖掘中的隐私保护问题研究[D];哈尔滨工业大学;2011年

3 彭博;大范围交通控制与交通流诱导协同关键技术研究[D];吉林大学;2011年

相关硕士学位论文 前10条

1 赵江;基于LevelDB的分布式数据库的研究与实现[D];电子科技大学;2019年

2 宫文博;面向环境感知的高并发车联网分布式数据库负载均衡系统[D];桂林电子科技大学;2019年

3 何毅帆;基于计算与存储分离的Key-Value数据库的研究与实现[D];电子科技大学;2019年

4 叶子安;基于分布式的高性能Web站点的设计与实现[D];华南理工大学;2018年

5 吴佩;分布式数据库查询任务调度方法研究[D];武汉理工大学;2017年

6 辛蔚;基于分布式数据库HBase的负载均衡策略研究及实现[D];北京工业大学;2018年

7 刘少华;基于改进遗传算法的分布式数据库查询优化[D];广西大学;2017年

8 蒋长红;带有安全审计和负载均衡的分布式数据存储系统[D];电子科技大学;2018年

9 王伟鹏;企业级分布式数据中心系统的设计与实现[D];华中科技大学;2016年

10 欧巍;基于分布式数据库的高校教务管理系统设计与开发[D];湖南大学;2015年

本文编号：2600649