大數據背景下的數據通信調度方法研究

胡列娜，程海英，陳 峰

(1.上海應用技術大學 計算機科學與信息工程學院，上海 200000；2.中銀國際證券有限責任公司 投資銀行板塊，上海 200121)

大數據背景下的數據通信調度方法研究

胡列娜1，程海英1，陳 峰2

(1.上海應用技術大學 計算機科學與信息工程學院，上海 200000；2.中銀國際證券有限責任公司 投資銀行板塊，上海 200121)

大數據背景下，傳統數據通信調度方法研究由于預測要素引入面窄、預測算法邏輯同意性差，導致數據調度出現數據調度斷層現象；針對上述問題，提出大數據背景下數據通信調度3+1集成法設計；采用3+1集成法，通過CPU信號強度波動算法、處理器數據節點動態數檢測技術、電頻信號轉換算法與快速執行代碼，解決傳統的數據通信調度過程中的數據響應慢、數據調度斷層的問題；通過仿真實驗證明，提出的大數據背景下數據通信調度3+1集成法具有數據調度速度快、資源開銷小、調度數據準確度高的特點。

海量數據；通信調度；CPU

0 引言

近年來，隨著科技飛速發展，使金融業向大數據化轉型。一系列科技成果應用于金融數據統計、分析領域，為金融業發展提供了動力。隨著大數據云計算時代的來臨，各大型公司數據庫在長期運行使用中出現海量數據通信調度響應慢，數據調度遲緩的現象[1-2]。經過深入研究發現，問題產生根源在于數據通信調度方法采用的數據調度算法要素引入面窄、預測算法邏輯同意性差[3-4]，導致數據調度準確度低、相應遲緩。

1 數據通信調度的典型應用

數據通信調度在現有的通信資源的基礎上，利用數字通信技術、DSP話音處理技術和計算機網絡技術，整合現有的衛星通信、PSTN、移動通信，數據通信等通信資源，組成指揮調度系統的核心，形成一個有機的、無縫的通信網絡[5]。在如此網絡環境下，各種通信終端之間實現互聯互通，并且在通信調度過程中，任何一類終端在不改變原有應用方式(雙工或半雙工等)，且具有高穩定性、高可靠性及多種通信方式通信調度的能力。

數據通信調度系統的內部常采用分體設計，集中控制的模式。將接口單元、協議信令控制單元、交換單元、中心控制單元等進行模塊化，統一分配接口資源，所有接口利用高速總線連接，方便系統的維護與管理。

圖1 數據通信調度的典型應用

大數據背景下電網通信調度中的應用可以有效解決基礎資料的管理問題。因為大數據電網通信系統具有容量大、智能化和靈活的優勢，并逐步朝著多元化和系統化的方向發展，因此，將大數據技術引入電網通信調度系統可以有效地解決傳統電網通信調度系統中的基本資料管理問題。其次，大數據技術在電網通信調度系統中的應用可以直接提高信息搜集和處理的效率和準確性[6-7]。最后大數據技術在電網通信調度系統中的應用可以增加各系統信息之間的聯系，進而促進調度系統信息庫的完善和保證信息資料的準確。

當前，大數據背景下的數據通信調度系統存在的不足有：信息大量浪費、信息不開放、信息之間的聯系不足[8]。針對上述問題，提出大數據背景下海量數據通信調度3+1集成法設計。采用3+1集成法，即三項技術加一套快速執行代碼。通過CPU信號強度波動算法對數據調度處理過程中處理器運算信號波動強度進行檢測、分析、優化，使得數據通訊流更為通暢；經過處理器數據節點動態數檢測技術，將處理器數據調度交互過程中節點電頻波段進行寬域處理，增強調度數據信號抗干擾性；最后，采用電頻信號轉換算法對上述數值進行多條件引入運算，完善海量數據調度過程中的邏輯性，保證數據調度穩定、準確、高效。采用3+1集成法能夠有效解決大數據背景下數據通信調度方法準確度差、數據斷層等問題。

通過仿真實驗測試證明，提出大數據背景下的數據通信調度3+1集成法具有數據調度速度快、資源開銷小、數據調度準確度高的特點,充分滿足大數據背景下的數據通信調度的日常應用要求。

2 大數據背景下數據通信調度方法研究—3+1集成法

2.1 CPU信號強度波動算法

近年來，各大型公司采用互聯網數據通信技術對本公司各項交易數據信息進行收集、儲存、分析、發布等一系列數據交互操作。經過長期應用發現，傳統的數據調度方法存在大量數據集中調度狀態下，數據調度響應速度降低、數據調度遲緩甚至出現數據斷層的現象。經過對問題的產生根源深入分析發現，傳統數據調度方法的要素引入面過于狹窄，導致數據量劇增，使算法邏輯關聯要素量不足，算法邏輯無法承擔巨大數據運算量[9-10]，出現響應速度減低等一系列異常狀況出現。

針對問題根源，采用3+1集成法中的CPU信號強度波動算法對數據要素引入面進行延伸優化，拓寬要素載入通道，在底層CPU內部進行數據調度狀態下處理，信號強度檢測，通過數據處理所耗處理器資源量，動態調整運算邏輯所需要素載入通道量，降低CPU處理壓力，保證邏輯運算穩定。設計中采用CPU-NT專用算法進行CPU信號強度波動算法輔助運算，有效增強海量數據處理的浮點處理能力與滿載狀態下的峰值抑制CPU信號強度波動，算法表達式如下所示。

(1)

其中:DB為CPU-NT專用算法；G為原始數據流；H為數據流增量；D為數據流增加峰值系數；max為算法動態運算優化峰值系數。CPU-NT專用算法關系式如下所示。

(2)

CPU-NT專用算法關系式中，K為輔助點；G為運算增幅量；S為數據處理增加量系數；I為動態優化系數。

通過上述兩級算法優化處理，傳統數據調度方法中存在的數據運算邏輯引入要素面不足的問題已被徹底解決。設計的3+1集成法中CPU信號強度波動算法與輔助CPU-NT專用算法的工作原理如圖2所示。

圖2 CPU信號強度波動算法與輔助CPU-NT專用算法工作原理

2.2 處理器數據節點動態數檢測技術

為了保證3+1集成法中CPU信號強度波動算法運行過程中的穩定性，針對數據中數據節點動態進行了優化，以保證CPU信號強度波動算法執行的穩定。設計中采用處理器數據節點動態數檢測技術對龐大數據內部節點進行特征綁定，根據數據交互指數進行分析、判定，對數據中存在的噪點數據進行抗波噪點處理，達到數據優化目的，處理器數據節點動態數檢測技術采用大數據動態Flangt算法，數據監控調度數據內部節點狀態，優化調度數據整流度，提高調度信號響應速度。解決傳統數據調度方法在數據調度應用過程中出現的調度響應速度慢、數據斷層的問題。

為了保證處理器數據節點動態數檢測技術中大數據動態Flangt算法，能夠穩定、準確檢測數據調度過程中數據內部節點活躍狀態，設計將大數據動態Flangt算法植入數據庫底層，大數據動態Flangt算法內部執行代碼可保證大數據動態Flangt算法在數據庫層獲取所需運行權限，并對權限進行加密，防止病毒木馬等計算機病毒程序竊取。大數據動態Flangt算法通過自身執行代碼可自行激活運行，對數據庫中數據進行檢索、分析，獲得初步優化方案，并配合上層CPU信號強度波動算法對角度過程中的數據進行優化處理，剔除數據交互中噪點干擾，提升調度數據純凈度，達到數據完整調度的目的，徹底解決傳統數據調度過程中的數據斷層問題。

大數據動態Flangt算法具有與互聯網大數據資源交互功能，可實時保證調度方案的最新度。

2.3 電頻信號轉換算法

數據傳播形式中，無論是低頻波束還是高頻波束，它們構成基礎都是電頻信號。作為傳統數據調度方法中的數據調度方式所采用的網絡數據交互形式也屬于電頻信號的一種。電頻信號具有記錄數據特性的性質，根據這個性質對傳統數據調度方法中的數據調度方式進行針對性優化改進。

提出的大數據背景下數據通信調度3+1集成法，設計中針對網絡數據調度過程中數據交互構成方式進行處理，設計了電頻信號轉換算法。通過對上傳、下載數據間的不同電頻信號回饋，確定數據內部穩定性與數據自身特征。例如：當調度數據w接受到上傳信號后，經網絡電頻傳輸信號處理，按交偶次序排列成w1和w3、w2和w4...wn和wn+2(n∈整數，n≠0)的集合形式進行傳輸。當信號完成所載數據處理后，自動進行電頻回饋，也就上常說的下載數據，此時，數據排列集合形式由于內部數據變化，按交替單頻次序排列為w1和w4、w2和w5、w3和w6...wn和wn+3(n∈整數n≠0)。

根據上述原理，電頻信號轉換算法動態捕捉電頻信號變化，準確對異常數據進行電頻降噪處理，使電頻傳輸純凈度提升，增強調度信號節點穿透力，達到將上述兩次算法處理信號優化度整合提升的目的。解決傳統數據調度方法應用中存在的數據量增大時響應度降低、噪聲數據流增多、數據斷層的問題。電頻信號轉換算法關系式如下所示。

(3)

(4)

(5)

上述關系式為電頻信號轉換算法在三種不同條件狀態下變化形式。三種表達形式受上述大數據動態Flangt算法與CPU信號強度波動算法結果值影響。電頻信號轉換算法應用前后數據調度信號純凈度對比如圖3所示。

圖3 電頻信號轉換算法應用前后數據調度信號純凈度對比

通過圖3(a)、(b)對比可以清晰看出，電頻信號轉換算法在對數據調度過程中的噪聲干擾波束具有較好的抑制作用。為了使電頻信號轉換算法不受外界因素影響，設計的3+1集成法中將電頻信號轉換算法以代碼形式寫入數據終端。至此，提出的大數據背景下數據通信調度3+1集成法中的3項技術方法設計全部完成。

2.4 快速執行代碼設計

隨著上述電頻信號轉換算法設計的完成，提出的大數據背景下數據通信調度3+1集成法也進入了尾聲。經過大量實際應用測試發現，設計的方法雖然有效解決傳統數據通信調度過程中存在的一系列問題[11-12]。但由于大數據時代公司日常需要處理的數據量過于龐大，導致設計方法在實際應用中出現加載時間長、權限提升耗時過長、數據調度銜接性差的問題。

為此，提出的大數據背景下數據通信調度3+1集成法添加了一個1—快速執行代碼設計。通過快速執行代碼解決數據通訊調度中存在的加載慢、權限獲取慢、銜接性差的問題。在代碼設計中，將上述算法計算通過邏輯連帶性語法進行關聯，同時，注入高權限執行命令，將上述算法技術一體化。有效解決加載慢、權限獲取慢、銜接性差的問題。采用GSDN壓縮算法進行代碼編寫，減小代碼自身體積，減小方法運行資源開銷。快速執行代碼設計如下:

pghublicstaticCogfhnnectiongetConnexxction(){

Connvectioncocxvnn=ncvull;

Clascxvs.forNcxvame(DRIVER_CLASS);

conn=DriverManager.getCvonnection(DNA,USERxcvNAME,PASSWORD);

returnconn;

}

publicstcaticvrhoidclosgfzeAll

(RghesultcSetrs,Statnement

stmt,Connvnectionconn){

try{if(rs!=nuvcbll){

rs.clocvse();

rs=nvull;

inxbtrovws= 0

importjadva.sql.Connection;

importjavdva.sql.DriverManager;

importjavsda.sql.SDNExdception;

importjavsa.sql.Statehment;

publicclassTestDB{

pubdsflicstahftdficvdfhoidmadin(Stridfng[]args) {

try{

cacvxctch(ClbvassNotFounvcndExcecvptione) {

e.printStackTxvrace();

}

至此，提出的數據背景下數據通信調度3+1集成法設計全部完成。

3 實驗與結論

針對大數據背景下數據通信調度3+1集成法的設計進行仿真實驗測試。在設定的實驗環境下，對傳統數據通信調度方法與提出的大數據背景下數據通信調度3+1集成法進行對比測試，并對結果數據進行分析，得出結論。

測試環境配置為：CPU i5 4420，主頻3.2 Hz，內存 4 G，windows 7專業版操作系統。具體測試參數如下表所示。

表1 仿真實驗測試對比參數

通過上述表1的測試數據可以證明，提出的大數據背景下數據通信調度3+1集成法的設計具有以下優點。

1)海量數據處理狀態下，數據調度響應速度快。

2)經有較強的調度數據信號精華作用，有效提升海量數據調度過程中的數據信號抗干擾性。

3)有效解決傳統數據通訊調度過程中出現的數據斷層問題。

4)整體運行資源開銷小。

上述優點充分證明提出的大數據背景下的數據通信調度3+1集成法，能夠滿足數據通信調度上日常應用要求。

4 結束語

針對傳統數據通信調度方法存在的問題進行了分析，并對問題存在根源提出了大數據背景下數據通信調度3+1集成法的設計。通過仿真實驗測試證明，提出的數據背景下的數據通信調度3+1集成法的設計，各項測試數據都優于傳統數據通信調度方法，滿足設計改進要求，為數據通信調度方法研究領域未來發展提供新的思路。

[1] 徐文忠,彭志平,左敬龍.基于遺傳算法的云計算資源調度策略研究[J].計算機測量與控制,2015,23(5):1653-1656.

[2] 肖利群.高速光纖通信數據傳輸中的大數據合理調度模型設計[J].激光雜志,2016，25(5):112-116.

[3] 杜 娟.大數據背景下通信網絡數字化建設策略[J].華東科技:學術版,2016,10(2):391-391.

[4] Geoffrey H.Where do features come from?[J].Cog-nitive Science A Multidisciplinary Journal,2013,38(6):1078-1101.

[5] 于亞南.移動通信網絡在大數據背景下的維護措施探析[J].科研,2016，2(4): 223-229.

[6] 姜明月.云計算平臺下的大數據分流系統的設計與優化[J].現代電子技術,2016,39(2):28-32.

[7] 侯歡歡. 數據中心在水網監控與調度系統中的建設[J]. 山西師范大學學報(自然科學版), 2014,6(2):26-30.

[8] 王雪峰. 大數據時代電網通信調度改革方案研究[J]. 無線互聯科技, 2014,10(9):40-49.

[9] 肖利群. 高速光纖通信數據傳輸中的大數據合理調度模型設計[J]. 激光雜志, 2016,6(5):112-116.

[10] 霍雪松, 裴 培. 基于調度數據網絡技術的調度控制系統地區互備通信模式研究[J].電網與清潔能源, 2016,10(5):47-50.

[11] 陳楠楠. D2D網絡中基于簇的資源調度與協作通信技術研究[D]. 北京：北京郵電大學, 2015.

[12] 劉增玉. 縣域電力調度業務與通信傳輸網絡優化分析[J]. 科研, 2015，10(54):268-268.

Big Data Background Data Communication Scheduling Method Research

Hu Liena1,Cheng Haiying1,Chen Feng2

(1.School of Computer Science & Information Engineering,Shanghai Institute of Technology,Shanghai 200000,China; 2.Investment Banking Division, BOC International (China) Limited,Shanghai 200121,China)

Under the background of big data，the traditional data communication scheduling method due to predict elements into the narrow, agreed to poor prediction algorithm logic, led to data dispatching appears data scheduling fault phenomenon. Aiming at these problems, puts forward big data background data communication scheduling 3 + 1 integration means design. Using 3 + 1 integration means, through the CPU signal intensity fluctuation, processor, the node number of dynamic data detection technology, the electric frequency signal conversion algorithm with fast executing code, solve the traditional data communication scheduling in the process of data and fault data scheduling problem. Through the simulation test proves that the proposed big data background data communication scheduling 3 + 1 integration means has a fast data scheduling, small resource costs, high accuracy scheduling data.

huge amounts of data; communication scheduling; CPU

2016-11-19；

2016-12-19。

胡列娜(1979-)，女，江蘇蘇州人，碩士，講師， 主要從事計算機應用技術方向的研究。

1671-4598(2017)05-0176-04

10.16526/j.cnki.11-4762/tp.2017.05.049

TP391

A