劉 苗，譚永東，賈世民

LIU Miao1, TAN Yong-dong1, JIA Shi-min2

（1.中國石油天然氣管道局 中油龍慧自動(dòng)化工程有限公司，北京 100053；2.中國石油天然氣管道局 科技中心，廊坊 065000）

0 引言

云計(jì)算是一種利用互聯(lián)網(wǎng)實(shí)現(xiàn)隨時(shí)隨地、按需、便捷地訪問共享資源池（如計(jì)算設(shè)施、存儲(chǔ)設(shè)備、應(yīng)用程序等）的計(jì)算模式[1]。對云計(jì)算而言，其借鑒了傳統(tǒng)分布式計(jì)算的思想，但其更強(qiáng)調(diào)大規(guī)模資源池的分享，通過分享提高資源復(fù)用率[2]。作為信息產(chǎn)業(yè)的一大創(chuàng)新，云計(jì)算模式一經(jīng)提出便得到工業(yè)界、學(xué)術(shù)界的廣泛關(guān)注。其中Amazon等公司的云計(jì)算平臺(tái)提供可快速部署的虛擬服務(wù)器，實(shí)現(xiàn)了基礎(chǔ)設(shè)施的按需分配[3]。MapReduce[4]等新型并行編程框架簡化了海量數(shù)據(jù)處理模型。Google公司的App Engine[5]云計(jì)算開發(fā)平臺(tái)為應(yīng)用服務(wù)提供商開發(fā)和部署云計(jì)算服務(wù)提供接口。Salesforce公司的客戶關(guān)系管理（CRM, customer relationship management）服務(wù)[6]等云計(jì)算服務(wù)將桌面應(yīng)用程序遷移到互聯(lián)網(wǎng)，實(shí)現(xiàn)應(yīng)用程序的泛在訪問。在油氣管道工控自動(dòng)化領(lǐng)域也迫切需要借鑒云計(jì)算思想實(shí)現(xiàn)技術(shù)革新。

SCADA（Supervisory Control And Data Acquisition，數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)）是一種以監(jiān)督為基礎(chǔ)的計(jì)算機(jī)控制系統(tǒng)[7]。目前，中國石油長輸油氣管道采用集中調(diào)度管理的運(yùn)營模式。油氣管道SCADA系統(tǒng)由中心控制系統(tǒng)、通訊系統(tǒng)、站控系統(tǒng)組成。中心控制系統(tǒng)使用廣域通訊網(wǎng)絡(luò)，通過部署在站場的智能控制設(shè)備（PLC、數(shù)據(jù)通訊網(wǎng)關(guān)、站場服務(wù)器）實(shí)現(xiàn)對管道工藝設(shè)備的監(jiān)視和控制[8]。管道的運(yùn)行需要控制中心的整體控制，來協(xié)調(diào)和平衡各個(gè)管段、各個(gè)站場的壓力和流量，需要控制中心具有很強(qiáng)的可靠性，所以，中心采取一主一備的熱備冗余結(jié)構(gòu)[9]。服務(wù)器集群完成數(shù)據(jù)采集、數(shù)據(jù)實(shí)時(shí)處理、歷史數(shù)據(jù)存儲(chǔ)、模型服務(wù)解析等功能，每個(gè)服務(wù)器負(fù)責(zé)單獨(dú)一個(gè)管線，同時(shí)采用主備冗余機(jī)制保障。操作員工作站應(yīng)能夠連接多臺(tái)服務(wù)器、多系統(tǒng)進(jìn)行監(jiān)視和控制。

在傳統(tǒng)的SCADA系統(tǒng)中的單一備份服務(wù)器并不能完全保證系統(tǒng)的可靠性，而且，這種冗余配置不但造成服務(wù)器資源的浪費(fèi)，而且增加了運(yùn)行維護(hù)管理工作量和設(shè)備電源功耗等。此外，隨著系統(tǒng)規(guī)模不斷擴(kuò)大，主備中心不斷增加服務(wù)器數(shù)量，由于所面對的管道站場數(shù)據(jù)點(diǎn)數(shù)量不同，某些服務(wù)器的負(fù)載過重，而有些服務(wù)器的資源利用率卻很低，從而造成整個(gè)SCADA系統(tǒng)的負(fù)載不均衡和資源巨大浪費(fèi)。分布式云計(jì)算技術(shù)能實(shí)現(xiàn)大規(guī)模資源池的分享，通過分享提高資源復(fù)用率，因此采用云計(jì)算思想來解決油氣管道SCADA系統(tǒng)的資源利用率低和負(fù)載不均衡問題急需研究。

1 基于云計(jì)算的油氣管道SCADA系統(tǒng)模型

本文提出的基于云計(jì)算的油氣管道SCADA系統(tǒng)如圖1所示。

新的系統(tǒng)中數(shù)據(jù)中心采用分布式云架構(gòu)，徹底打破了傳統(tǒng)的各管線獨(dú)立操作，一主一備冗余的模式。建立多區(qū)域數(shù)據(jù)中心，將所有數(shù)據(jù)中心的存儲(chǔ)資源和處理器資源聚合起來，形成油氣管道SCADA系統(tǒng)云。考慮到油氣管道SCADA系統(tǒng)的不斷擴(kuò)大，提出的基于云計(jì)算的油氣管道SCADA系統(tǒng)采用分級結(jié)構(gòu)。針對不同區(qū)域設(shè)立區(qū)域數(shù)據(jù)中心，對于不同管線的數(shù)據(jù)和任務(wù)，采取就近原則，選擇最近的區(qū)域數(shù)據(jù)中心執(zhí)行管線實(shí)時(shí)數(shù)據(jù)處理和歷史數(shù)據(jù)存儲(chǔ)。多個(gè)區(qū)域數(shù)據(jù)中心之間通過專用網(wǎng)絡(luò)和衛(wèi)星進(jìn)行通信，多區(qū)域數(shù)據(jù)中心的數(shù)據(jù)互為備份。并設(shè)立主數(shù)據(jù)中心，主數(shù)據(jù)中心負(fù)責(zé)縱觀和協(xié)調(diào)各區(qū)域數(shù)據(jù)中心。新的SCADA系統(tǒng)模型中每個(gè)站場配備一臺(tái)站場服務(wù)器，用于存儲(chǔ)該站的數(shù)據(jù)備份，如果網(wǎng)絡(luò)發(fā)生故障無法連接到云數(shù)據(jù)中心，可以直接在該站場進(jìn)行就地操作。

在SCADA系統(tǒng)云數(shù)據(jù)中心里，我們將所有管線的點(diǎn)配置信息分成固定包，每一個(gè)點(diǎn)配置信息包分別裝載在本地?cái)?shù)據(jù)中心臺(tái)不同的服務(wù)器上以及異地?cái)?shù)據(jù)中心 臺(tái)服務(wù)器上。需要存儲(chǔ)的歷史數(shù)據(jù)也被分成固定大小塊，每一塊歷史數(shù)據(jù)分別存儲(chǔ)在不全在同一數(shù)據(jù)中心的 臺(tái)服務(wù)器上。當(dāng)實(shí)時(shí)數(shù)據(jù)被采集到服務(wù)器端，主服務(wù)器根據(jù)調(diào)度算法，將實(shí)時(shí)數(shù)據(jù)調(diào)度到多個(gè)從服務(wù)器上處理執(zhí)行，并就地存儲(chǔ)歷史數(shù)據(jù)。

相對于傳統(tǒng)的SCADA系統(tǒng)，本文提出的基于云計(jì)算的油氣管道SCADA系統(tǒng)模型利用每臺(tái)服務(wù)器的存儲(chǔ)空間構(gòu)成分布式存儲(chǔ)，每份數(shù)據(jù)至少存儲(chǔ)在3個(gè)節(jié)點(diǎn)上，滿足SCADA系統(tǒng)存儲(chǔ)的可靠性需求。此外，基于云計(jì)算的油氣管道SCADA系統(tǒng)數(shù)據(jù)中心Master采用本文提出的最優(yōu)資源調(diào)度方法, 可以整合優(yōu)化數(shù)據(jù)中心服務(wù)器的內(nèi)存資源和處理器資源，按需分配給每一個(gè)實(shí)時(shí)任務(wù)，該資源調(diào)度方法不僅能提高SCADA系統(tǒng)服務(wù)器資源利用率，并且能保障每一個(gè)實(shí)時(shí)任務(wù)的高可靠性執(zhí)行。

基于云計(jì)算的油氣管道SCADA系統(tǒng)數(shù)學(xué)模型定義如下：

5）假設(shè)SCADA系統(tǒng)能夠容忍2個(gè)處理機(jī)失效，則，實(shí)時(shí)任務(wù)的基版本和副版本的計(jì)算時(shí)間之和應(yīng)小于或等于截止期限。

對于SCADA系統(tǒng)中的每一個(gè)處理機(jī)Pi：

2 最優(yōu)資源調(diào)度算法

2.1 最優(yōu)資源調(diào)度算法設(shè)計(jì)

基于云計(jì)算的油氣管道SCADA系統(tǒng)資源調(diào)度方法設(shè)計(jì)如下：

1）建立基于油氣管道SCADA系統(tǒng)的基于Master-Slave結(jié)構(gòu)的云服務(wù)器。

Master維護(hù)系統(tǒng)的原數(shù)據(jù)，包括名字空間，訪問控制，點(diǎn)配置定義塊與Slave的映射信息，Salve負(fù)載信息等，并負(fù)責(zé)進(jìn)行系統(tǒng)資源調(diào)度。

2）對油氣管道SCADA系統(tǒng)實(shí)時(shí)任務(wù)的基版本進(jìn)行資源調(diào)度。

首先找到預(yù)裝實(shí)時(shí)數(shù)據(jù)所需的點(diǎn)配置信息的處理器，本地處理器Pj1，Pj2和Pj3，異地處理器Pj4和Pj5。令分別計(jì)算和Pj5的Zji。在本地處理器Pj1，Pj2和Pj3中選擇Zji最小的處理器執(zhí)行。

3）對油氣管道SCADA系統(tǒng)實(shí)時(shí)任務(wù)的本地副版本進(jìn)行資源調(diào)度。

在本地處理器Pj1，Pj2和Pj3中選擇Zji次小的處理器執(zhí)行是實(shí)時(shí)任務(wù)的副版本。

4）對油氣管道SCADA系統(tǒng)實(shí)時(shí)任務(wù)的異地副版本進(jìn)行資源調(diào)度。

在異地處理器Pj4和Pj5中選擇Zji最小的處理器執(zhí)行其中是實(shí)時(shí)任務(wù)的副版本。

2.2 實(shí)驗(yàn)驗(yàn)證

1）可靠性性能

實(shí)例試驗(yàn)的基本參數(shù)：實(shí)時(shí)任務(wù)的截止期限 =1000，單處理器調(diào)度長度=400，本地Slave服務(wù)器數(shù)及異地Slave服務(wù)器數(shù)分別為6，12臺(tái)處理機(jī)的失效率分別設(shè)為本地處理機(jī)0.9，0.95，1，1.05，1.10，1.15，異地處理機(jī)0.9，0.95，1，1.05，1.10，1.15。其基本單位是次/小時(shí)。圖2是算法的可靠性性能曲線。雖然，隨著任務(wù)個(gè)數(shù)的增加算法的可靠性代價(jià)隨之增加 ，但算法能夠保障系統(tǒng)的高可靠性。

圖2 可靠性性能曲線

2）可調(diào)度性能

圖3是算法的可調(diào)度性性能曲線。雖然，隨著任務(wù)個(gè)數(shù)的增加，算法的可調(diào)度性性能略有下降，但算法能夠滿足系統(tǒng)的調(diào)度需求。

圖3 可調(diào)度性性能曲線

綜上所述，本文提出的最優(yōu)資源算法不僅具有很好的可靠性和可調(diào)度性，而且當(dāng)實(shí)時(shí)數(shù)據(jù)被采集到服務(wù)器端，主服務(wù)器采用該最優(yōu)調(diào)度算法，可以將實(shí)時(shí)數(shù)據(jù)優(yōu)化調(diào)度到多個(gè)從服務(wù)器上并行處理執(zhí)行，能有效提高基于云計(jì)算的油氣管道SCADA系統(tǒng)的資源利用率，此外，該最優(yōu)資源調(diào)度算法采用主副版本技術(shù)能有效提高系統(tǒng)可靠性和可用性。

3 結(jié)束語

由于CPU、內(nèi)存、磁盤存儲(chǔ)獨(dú)立，現(xiàn)有SCADA系統(tǒng)在大數(shù)據(jù)實(shí)時(shí)處理和存儲(chǔ)方面存在性能瓶頸。本文提出基于分布式云計(jì)算技術(shù)的油氣管道SCADA系統(tǒng)徹底打破原有SCADA系統(tǒng)應(yīng)有模式，不僅能整合油氣管道SCADA系統(tǒng)中心服務(wù)器資源，并且通過建立基于Master-Slave架構(gòu)的云服務(wù)器集群，將實(shí)時(shí)任務(wù)同時(shí)分配到多個(gè)處理器執(zhí)行，選擇最優(yōu)的處理器執(zhí)行實(shí)時(shí)任務(wù)的主副版本，這樣，不僅可以提高系統(tǒng)的可靠性及資源利用率，并能改善系統(tǒng)負(fù)載均衡。研究基于云計(jì)算的油氣管道SCADA系統(tǒng)對于推動(dòng)油氣儲(chǔ)運(yùn)行業(yè)高速發(fā)展具有重要意義。

[1] Feinleib D.The Intersection of Big Data, Mobile, and Cloud Computing[J].Big Data Bootcamp. Apress,2014:85-101.

[2] Dinh H T, Lee C,Niyato D, et al. A survey of mobile cloud computing: architecture, applications, and approaches[J].Wireless communications and mobile computing,2014,13(18):1587-1611.

[3] Armbrust M,Fox A,Griffith R,et al.A view of cloud computing[J]. Communications of the ACM,2014,53(4):50-58.

[4] Kokkinos P,Varvarigou T A,Kretsis A, et al.SuMo:Analysis and Optimization of Amazon EC2 Instances[J].Journal of Grid Computing,2014:1-20.

[5] Ostermann S, Iosup A,Yigitbasi N, et al. A performance analysis of EC2 cloud computing services for scientific computing[J].Cloud Computing. Springer Berlin Heidelberg,2014:115-131.

[6] Ekanayake J, Fox G.High performance parallel computing with clouds and cloud technologies[J].Cloud Computing. Springer Berlin Heidelberg,2013:20-38.

[7] Karnouskos S,Colombo A W.Architecting the next generation of service-based SCADA/DCS system of systems[J].IECON 2011-37th Annual Conference on IEEE Industrial Electronics Society.IEEE, 2014:359-364.

[8] 郭曉瑛,路艷斌,鄭娟.國內(nèi)外長輸管道SCADA系統(tǒng)標(biāo)準(zhǔn)現(xiàn)狀[J].油氣儲(chǔ)運(yùn),2011,2:156-159.

[9] 馬榮所.淺析油氣管道中SCADA系統(tǒng)的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用,2012,7:55-58.