基于多線程流水線的光盤(pán)自動(dòng)刻錄技術(shù)研究

張金標(biāo)，張恩紅

（廣東省氣象探測(cè)數(shù)據(jù)中心，廣州 510641）

0 引言

氣象數(shù)據(jù)是氣象業(yè)務(wù)運(yùn)行的根本，它為天氣預(yù)報(bào)、氣候分析、災(zāi)害防范提供完備的資料，在氣象現(xiàn)代化發(fā)展過(guò)程中起著十分重要的作用。數(shù)據(jù)中心負(fù)責(zé)全省氣象觀測(cè)數(shù)據(jù)的采集、分發(fā)、共享；負(fù)責(zé)本地區(qū)的氣象產(chǎn)品的制作、分發(fā)、共享；負(fù)責(zé)國(guó)家局下發(fā)的數(shù)據(jù)的分發(fā)和共享。數(shù)據(jù)中心每天收集本地觀測(cè)數(shù)據(jù)、本地業(yè)務(wù)單位輸出數(shù)據(jù)及國(guó)家局下發(fā)的衛(wèi)星、數(shù)值預(yù)報(bào)、全國(guó)觀測(cè)數(shù)據(jù)超過(guò)500G。要將這些數(shù)據(jù)刻錄光盤(pán)并進(jìn)行長(zhǎng)期歸檔保存，是非常繁重一項(xiàng)任務(wù)。由于在刻錄之前需要對(duì)這些數(shù)據(jù)進(jìn)行分類、處理，在歸檔之后要求能夠快速檢索到所需的信息，如果僅通過(guò)人工來(lái)處理，將耗費(fèi)大量的人力物力。目前，對(duì)單一數(shù)據(jù)的處理和歸檔的研究較多［1－3］，而對(duì)海量電子數(shù)據(jù)的歸檔處理研究主要是利用高效的存儲(chǔ)設(shè)備［4－7］或數(shù)據(jù)庫(kù)［8，9］方面的技術(shù)來(lái)提高存儲(chǔ)效率和存儲(chǔ)容量，并不特別注重軟件的數(shù)據(jù)處理能力，難以適應(yīng)本項(xiàng)目復(fù)雜的數(shù)據(jù)處理方式和較高的實(shí)時(shí)數(shù)據(jù)吞吐量要求。因此，研制一套完善的、穩(wěn)定的、高效的氣象數(shù)據(jù)資料自動(dòng)歸檔系統(tǒng)是非常有必要的，也是迫在眉睫的。

氣象數(shù)據(jù)歸檔具有數(shù)據(jù)量大、小文件多、數(shù)據(jù)處理復(fù)雜、實(shí)時(shí)吞吐量大等特點(diǎn)，系統(tǒng)需要進(jìn)行數(shù)據(jù)復(fù)制、分類、加密、壓縮、建立索引、數(shù)據(jù)庫(kù)存儲(chǔ)、生成刻錄數(shù)據(jù)、光盤(pán)刻錄等諸多耗時(shí)操作，單任務(wù)單進(jìn)程的處理系統(tǒng)將無(wú)法滿足刻錄系統(tǒng)的要求。線程是CPU可調(diào)度的、比進(jìn)程更小的程序片段，線程的創(chuàng)建和線程間的調(diào)度的開(kāi)銷遠(yuǎn)遠(yuǎn)小于進(jìn)程的開(kāi)銷，所以，將每個(gè)刻錄任務(wù)作為一個(gè)線程，將多個(gè)線程并行處理，可充分利用當(dāng)前計(jì)算機(jī)系統(tǒng)的多核CPU優(yōu)勢(shì)，提高運(yùn)行效率。 但是，多線程存在資源競(jìng)爭(zhēng)問(wèn)題［12，15］，例如，當(dāng)多個(gè)線程并行執(zhí)行大量文件復(fù)制時(shí)，由于存在對(duì)硬盤(pán)I／O接口的競(jìng)爭(zhēng)，讀寫(xiě)效率受到很大影響。因此，如果讓各個(gè)線程并行操作不同的運(yùn)算部件，資源競(jìng)爭(zhēng)將大大減少，有利于提高系統(tǒng)數(shù)據(jù)吞吐量。因此，我們采用線程流水線技術(shù)［10－15］，將刻錄任務(wù)合理的分為多個(gè)步驟，使每個(gè)步驟盡量操作不同硬件資源，然后，每個(gè)步驟作為一個(gè)線程，同一任務(wù)的多個(gè)線程順序執(zhí)行，后一個(gè)任務(wù)的某個(gè)步驟必須等待前一個(gè)任務(wù)的相同步驟執(zhí)行完成后才能啟動(dòng)。這樣既可以提高系統(tǒng)的處理能力，也可以最大限度地解決CPU、各運(yùn)算部件、硬件設(shè)備I／O接口的資源競(jìng)爭(zhēng)問(wèn)題，全面提升系統(tǒng)性能。

1 方案設(shè)計(jì)

1.1 架構(gòu)設(shè)計(jì)及組成

該方案采用C／S架構(gòu)，由自動(dòng)刻錄系統(tǒng)、光盤(pán)信息管理系統(tǒng)、容災(zāi)系統(tǒng)、遠(yuǎn)程刻錄監(jiān)控系統(tǒng)四個(gè)部分組成，如圖1所示。本文主要討論自動(dòng)刻錄系統(tǒng)的功能實(shí)現(xiàn)，實(shí)線框內(nèi)的部分，這也是該系統(tǒng)的核心部分。

圖1 系統(tǒng)組成及流程圖

1.2 光盤(pán)自動(dòng)刻錄系統(tǒng)的功能設(shè)計(jì)

圖2 光盤(pán)自動(dòng)刻錄系統(tǒng)

該系統(tǒng)（圖2）是在整個(gè)大系統(tǒng)中的一部分，屬于刻錄管理下面的自動(dòng)刻錄設(shè)置模塊下，通過(guò)這些配置，自動(dòng)刻錄系統(tǒng)自動(dòng)完成整個(gè)刻錄系統(tǒng)的數(shù)據(jù)處理、光盤(pán)刻錄、盤(pán)面打印等功能。本文討論的是該系統(tǒng)的核心內(nèi)容，主要分為以下六個(gè)模塊：數(shù)據(jù)處理，包括文件目錄分析、生成MD5數(shù)字指紋、數(shù)據(jù)庫(kù)存儲(chǔ)；數(shù)據(jù)壓縮，包括文件分類設(shè)置、壓縮屬性設(shè)置、目錄壓縮；數(shù)據(jù)生成，包括光盤(pán)刻錄信息（光盤(pán)說(shuō)明及文件信息索引）、光盤(pán)刻錄數(shù)據(jù)（分類數(shù)據(jù)文件、壓縮文件、二維碼圖像文件、數(shù)據(jù)索引文件、工具文件等）；刻錄任務(wù)管理，包括生成刻錄任務(wù)、刻錄任務(wù)檢查、提交刻錄任務(wù)、雙機(jī)刻錄處理；光盤(pán)刻錄，包括刻錄狀態(tài)檢查、刻錄錯(cuò)誤處理、刻錄完成處理、刻錄效驗(yàn)、盤(pán)面打??；數(shù)據(jù)清理，光盤(pán)刻錄完成信息、待清理數(shù)據(jù)信息、清理數(shù)據(jù)。

在系統(tǒng)實(shí)現(xiàn)時(shí)，把該六個(gè)模塊獨(dú)立封裝，系統(tǒng)統(tǒng)一調(diào)度。由于這六個(gè)模塊所實(shí)現(xiàn)的功能所消耗的資源也不同，因此具備了多線程流水作業(yè)提高效率的可行性。數(shù)據(jù)處理主要是從遠(yuǎn)程目錄，抓取數(shù)據(jù)到本地，同時(shí)分析所抓取的文件，并生成相應(yīng)的MD5碼，這個(gè)環(huán)節(jié)主要是消耗IO和CPU資源；數(shù)據(jù)壓縮和數(shù)據(jù)生成兩個(gè)模塊主要是消耗內(nèi)存資源；刻錄任務(wù)管理和光盤(pán)刻錄主要是要把數(shù)據(jù)推送到光盤(pán)刻錄機(jī)，對(duì)光盤(pán)刻錄系統(tǒng)的監(jiān)控，消耗的主要是IO；數(shù)據(jù)清理負(fù)責(zé)清理磁盤(pán)中已經(jīng)刻錄的舊數(shù)據(jù)，主要是消耗CPU。如果這些過(guò)程在一個(gè)進(jìn)程線性完成的話，大概需要7、8個(gè)小時(shí)，每天只能完成三張光盤(pán)的刻錄，不能完成業(yè)務(wù)的要求。為了提高效率，把這個(gè)過(guò)程分成6個(gè)部分，由6個(gè)不同的線程來(lái)完成，再加上不同作業(yè)可以流水線似的提交，整個(gè)系統(tǒng)的效率就大大提高了，每天可以刻錄近十張光盤(pán)，基本可以達(dá)到業(yè)務(wù)的需求。

2 系統(tǒng)實(shí)現(xiàn)

2.1 數(shù)據(jù)庫(kù)設(shè)計(jì)

氣象觀測(cè)的數(shù)據(jù)文件數(shù)量極為龐大，每年提交刻錄的各種文件至少上億個(gè)，這些文件的信息都要保存到數(shù)據(jù)庫(kù)中以備以后查詢，對(duì)于如此龐大的數(shù)據(jù)，顯然用傳統(tǒng)的數(shù)據(jù)處理方式無(wú)法完成。

該系統(tǒng)通過(guò)以下方式解決數(shù)據(jù)處理查詢問(wèn)題，首先基于分層結(jié)構(gòu)的分塊查找，即按照項(xiàng)目、光盤(pán)集、年度日期、目錄、文件等逐層訪問(wèn)的方式建立數(shù)據(jù)塊，這樣可以極大地縮小數(shù)據(jù)查詢的范圍，同時(shí)大大減少數(shù)據(jù)查詢的總量；其次，建立聚集索引，提高數(shù)據(jù)查詢速度，同時(shí)在數(shù)據(jù)建立的過(guò)程中，數(shù)據(jù)的插入按聚集索引進(jìn)行順序插入，減少由于中間插入造成數(shù)據(jù)庫(kù)處理性能的降低；最后，建立數(shù)據(jù)匯總索引，大量的操作通過(guò)匯總數(shù)據(jù)進(jìn)行處理，減少了對(duì)最終文件的訪問(wèn)頻率，極大提高了數(shù)據(jù)執(zhí)行的效率。

2.2 自動(dòng)刻錄

自動(dòng)刻錄系統(tǒng)自動(dòng)完成整個(gè)刻錄系統(tǒng)的數(shù)據(jù)獲取、數(shù)據(jù)處理、光盤(pán)刻錄、盤(pán)面打印等功能。該系統(tǒng)采用Windows Service后臺(tái)服務(wù)程序，保證24小時(shí)不間斷運(yùn)行和斷電重啟后在非登錄狀態(tài)下自動(dòng)啟動(dòng)。

氣象數(shù)據(jù)具有數(shù)據(jù)量大、小文件數(shù)多，系統(tǒng)需要進(jìn)行數(shù)據(jù)處理、文件壓縮、生成刻錄數(shù)據(jù)、光盤(pán)刻錄等諸多耗時(shí)操作，因此，我們將任務(wù)的每個(gè)步驟作為一個(gè)線程，同一任務(wù)的多個(gè)線程順序執(zhí)行，后一個(gè)任務(wù)的某個(gè)步驟必須等待前一個(gè)任務(wù)的相同步驟執(zhí)行完成后才能啟動(dòng)，形成多線程流水線執(zhí)行結(jié)構(gòu)，以最大限度地利用CPU、各種運(yùn)算部件、硬件設(shè)備和I／O接口，解決資源競(jìng)爭(zhēng)問(wèn)題，全面提升系統(tǒng)性能。

2.3 多線程流水線技術(shù)

流水線處理模式就是根據(jù)數(shù)據(jù)流向，將一個(gè)業(yè)務(wù)模塊產(chǎn)生的數(shù)據(jù)元組通過(guò)數(shù)據(jù)管道直接傳遞給使用它的下一個(gè)業(yè)務(wù)處理模塊。流水線上的業(yè)務(wù)處理模塊處于運(yùn)作狀態(tài)，直到流入流水線的所有數(shù)據(jù)被處理完畢。將流水線上的每一個(gè)業(yè)務(wù)模塊對(duì)應(yīng)一個(gè)單獨(dú)的線程，就可以得到系統(tǒng)運(yùn)行的多線程流水線模式［11］。

流水線結(jié)構(gòu)的主要特點(diǎn)是系統(tǒng)不會(huì)由于線程數(shù)的增加而使處理能力下降，而是保持在一個(gè)恒定的水平上［10］。這一點(diǎn)類似于QUEUE方式的事務(wù)處理模式，當(dāng)處理需求增加時(shí)，暫時(shí)不能處理的請(qǐng)求被放置在隊(duì)列中，而不會(huì)像分時(shí)系統(tǒng)中那樣直接在系統(tǒng)中分配處理資源，而對(duì)系統(tǒng)的性能造成影響。采用多線程流水線技術(shù)，可以合理的利用系統(tǒng)資源進(jìn)行并行處理，充分的協(xié)調(diào)了系統(tǒng)中高速設(shè)備與低速設(shè)備之間的沖突，大大的提高了系統(tǒng)的吞吐量。

2.4 基于多線程流水線的并行自動(dòng)刻錄模式

本系統(tǒng)中的刻錄任務(wù)包括數(shù)據(jù)處理 （包括文件目錄分析、MD5數(shù)字指紋生成、數(shù)據(jù)庫(kù)寫(xiě)入等）、數(shù)據(jù)壓縮、生成光盤(pán)刻錄數(shù)據(jù)（文件按光盤(pán)定義分類復(fù)制存放）、刻錄任務(wù)管理、光盤(pán)刻錄（刻錄機(jī)讀取指定目錄數(shù)據(jù)到刻錄機(jī)內(nèi)存并執(zhí)行刻錄）、數(shù)據(jù)清理等六個(gè)步驟。這六個(gè)步驟是順序執(zhí)行的，執(zhí)行時(shí)使用不同的I／O部件或?qū)τ布牟僮鞑煌?，所以可以采用六?jí)流水結(jié)構(gòu)并行處理各個(gè)刻錄步驟，提高執(zhí)行效率。

將每一個(gè)任務(wù)表示為 T1，T2，T3，…，Ti，…，Tn，第i 個(gè)任務(wù) Ti的六個(gè)步驟 Ti1，Ti2，Ti3，Ti4，Ti5，Ti6分別作為一個(gè)線程順次執(zhí)行。當(dāng)?shù)趇個(gè)任務(wù)的第j個(gè)線程Tij進(jìn)行數(shù)據(jù)處理時(shí)，采用線程同步技術(shù)以保證與前一個(gè)任務(wù) Ti－1的同級(jí)線程 Ti－1，j不同時(shí)執(zhí)行，以避免線程間的資源競(jìng)爭(zhēng)。這樣，最多可以同時(shí)并行處理6個(gè)刻錄任務(wù)，充分利用了多處理器CPU的處理優(yōu)勢(shì)，減少了資源競(jìng)爭(zhēng)，提高了數(shù)據(jù)處理的速度。

采用六級(jí)多線程流水線模式后，7個(gè)刻錄任務(wù)所用時(shí)間相當(dāng)于2個(gè)刻錄任務(wù)單獨(dú)執(zhí)行所用時(shí)間，執(zhí)行速度提高了3.5倍。容易推算，當(dāng)任務(wù)更多時(shí)，六級(jí)多線程流水線模式的任務(wù)執(zhí)行加速比［8，9］最大將接近于6。

3 系統(tǒng)功能測(cè)試

3.1 系統(tǒng)配置

處理器采用Intel Xeon E5 2609 V3 6核CPU，雙CPU配置，共有12個(gè)處理器，內(nèi)存32GB，硬盤(pán)3＊2T，做了Raid 5磁盤(pán)陣列，4T硬盤(pán)空間可用。

3.2 并行處理測(cè)試

單線程測(cè)試：只有幾個(gè)處理器能夠得到較好的利用，CPU的利用率在10%～25%之間。

多任務(wù)并行處理測(cè)試：12個(gè)處理器都得到較好的利用，CPU的利用率在90%以上。

3.3 壓力測(cè)試

測(cè)試內(nèi)容：對(duì)2017年05月07日至2017年07月03日間的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，檢測(cè)結(jié)果是否滿足大于500G／天的處理能力?？啼浫蝿?wù)管理是對(duì)刻錄系統(tǒng)和刻錄任務(wù)的錯(cuò)誤檢查，占用時(shí)間忽略不計(jì)，不需要進(jìn)行性能測(cè)試。

數(shù)據(jù)來(lái)源：2017年05月07日至2017年07月03日間的氣象系統(tǒng)實(shí)時(shí)觀測(cè)數(shù)據(jù)。

測(cè)試結(jié)論：通過(guò)對(duì)各個(gè)執(zhí)行環(huán)節(jié)處理能力的壓力測(cè)試，系統(tǒng)滿足數(shù)據(jù)處理能力不小于500GB／天的要求。

4 結(jié)束語(yǔ)

本系統(tǒng)采用基于線程流水線技術(shù)并行處理海量氣象數(shù)據(jù)，對(duì)它進(jìn)行分類、壓縮、光盤(pán)數(shù)據(jù)生成與刻錄等耗時(shí)操作，可以充分利用CPU、各種運(yùn)算部件和硬件設(shè)備，解決資源競(jìng)爭(zhēng)問(wèn)題，同時(shí)，通過(guò)數(shù)據(jù)庫(kù)的分層結(jié)構(gòu)設(shè)計(jì)提高數(shù)據(jù)庫(kù)處理能力，通過(guò)藍(lán)光技術(shù)提高大數(shù)據(jù)光盤(pán)刻錄速度，全面提升了系統(tǒng)運(yùn)行效率。在此基礎(chǔ)上，設(shè)計(jì)并開(kāi)發(fā)了集數(shù)據(jù)處理、光盤(pán)刻錄、盤(pán)面打印、光盤(pán)管理、遠(yuǎn)程監(jiān)控和容災(zāi)恢復(fù)于一體的海量氣象數(shù)據(jù)歸檔管理系統(tǒng)，系統(tǒng)各項(xiàng)功能和指標(biāo)均達(dá)到業(yè)務(wù)要求，自動(dòng)化程度高，運(yùn)行穩(wěn)定可靠。

［1］榮裕良，張霞，馬忠芬，等.松江智慧氣象為農(nóng)服務(wù)系統(tǒng)開(kāi)發(fā)研究［J］.氣象研究與應(yīng)用，2017，38（1）：102－106.

［2］陳少斌，蘇彥，蒙炤臻，等.基于 Google Maps API技術(shù)的自動(dòng)氣象站數(shù)據(jù)查詢系統(tǒng)［J］.氣象研究與應(yīng)用，2014，35（2）：93－95.

［3］周展程，孫志強(qiáng).基于GIS的自動(dòng)氣象站數(shù)據(jù)業(yè)務(wù)平臺(tái)的實(shí)現(xiàn)［J］.氣象研究與應(yīng)用，2016，37（1）：91－93.

［4］嚴(yán)文瑞，曹強(qiáng)，姚杰，等.一種面向大容量光盤(pán)庫(kù)的新型文件系統(tǒng)［J］.計(jì)算機(jī)研究與發(fā)展，2015，52：1－8.

［5］繆嘉嘉，付印金，余沛毅，等.低能耗磁光混合歸檔系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（8）：52－56.

［6］趙偉東.電子檔案藍(lán)光存儲(chǔ)應(yīng)用探究［J］.檔案學(xué)研究，2015，3：88－95.

［7］楊鵬.基于藍(lán)光存儲(chǔ)技術(shù)的氣象電子檔案存儲(chǔ)管理［J］.信息與電腦，2015，（16）：84－86.

［8］王瑞通，李煒春.大數(shù)據(jù)基礎(chǔ)存儲(chǔ)系統(tǒng)技術(shù)研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（08）：66－72.

［9］宋麗娜.海量存儲(chǔ)系統(tǒng)中數(shù)據(jù)分級(jí)存儲(chǔ)的關(guān)鍵技術(shù)研究［D］.長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)碩士論文，2011.

［10］曾行吉，李瑩，宋瑤.地面氣象觀測(cè)數(shù)據(jù)入庫(kù)多線程并行設(shè)計(jì)與實(shí)現(xiàn) ［J］.氣象研究與應(yīng)用，2017，38 （3）：114－116.

［11］黎穎智，史彩霞，劉世學(xué).關(guān)于異步多線程快速提取CIMISS數(shù)據(jù)入庫(kù)方法的研究與應(yīng)用［J］.氣象研究與應(yīng)用，2018，39（1）：118－120.

［12］胡曉峰，張亮紅，劉文怡，等.VC多線程流水線在數(shù)據(jù)存儲(chǔ)系統(tǒng)中的設(shè)計(jì)與實(shí)現(xiàn) ［J］.電子器件，2016，39（4）：964－967.

［13］季圓圓，張濤，王海鵬.基于線程流水線的多核線程調(diào)度策略［J］.計(jì)算機(jī)工程，2013，39（2）：279－287.

［14］王晶，樊曉椏，張盛兵，等.多核多線程結(jié)構(gòu)線程調(diào)度策略研究［J］.計(jì)算機(jī)科學(xué)，2007，34（9）：256－258.

［15］曹斌，張霞，劉積仁.多線程Web服務(wù)器設(shè)計(jì)中的流水線技術(shù)［J］.東北大學(xué)學(xué)報(bào)（自然科學(xué)版），1999，20（3），229－231.

［16］劉云生，陳世俊.基于多線程的流水線查詢處理方式［J］.計(jì)算機(jī)應(yīng)用，2004，24（6）：54－56.