考書健，虞麗娟

(1.上海體育學(xué)院 運(yùn)動(dòng)科學(xué)學(xué)院，上海 200438；2.同濟(jì)大學(xué) 物理科學(xué)與工程學(xué)院，上海 200092)

亞健康作為一種介于健康與疾病之間的生理功能低下的狀態(tài)，包括生理及心理上不能確診的不適感[1-2]。作為一種中間狀態(tài)，亞健康狀態(tài)可能演變?yōu)榧膊?，也可能成功康?fù)。在對(duì)全國(guó)不同城市不同地區(qū)的上百萬人口的調(diào)查中發(fā)現(xiàn)，城市亞健康狀態(tài)人數(shù)超過了總?cè)丝诘?0%，部分地區(qū)甚至達(dá)到了70%以上，如上海、北京及廣東省。北京亞健康人群所占比例最高，達(dá)到了75.31%。亞健康高發(fā)年齡段為31～50歲[3]。上述調(diào)查結(jié)果表明，大約每十個(gè)人中約有6個(gè)處于亞健康狀態(tài)。因此，對(duì)亞健康狀態(tài)的有效檢測(cè)、綜合管理和科學(xué)干預(yù)已成為社會(huì)的焦點(diǎn)問題之一。

目前國(guó)內(nèi)外對(duì)于亞健康監(jiān)測(cè)的數(shù)據(jù)采集、存儲(chǔ)和處理等尚缺乏全面、科學(xué)的解決方案，主要體現(xiàn)在以下兩個(gè)方面：新興亞健康管理行業(yè)尚無統(tǒng)一的技術(shù)標(biāo)準(zhǔn)，集成系統(tǒng)也由于各主體自身利益與技術(shù)保護(hù)而無法開放協(xié)作。因此，亞健康數(shù)據(jù)的采集、存儲(chǔ)、處理與管理等手段亟待提升[4]。

為了有效管理亞健康群體的信息數(shù)據(jù)，提高信息管理效率和管理的透明度，文中提出了一種基于物聯(lián)網(wǎng)技術(shù)的云和霧計(jì)算協(xié)同作用的亞健康信息管理方案。該方案將不同企業(yè)與機(jī)構(gòu)的不同終端通過物聯(lián)網(wǎng)集成為一體來采集和存儲(chǔ)相關(guān)信息。通過云計(jì)算和霧計(jì)算對(duì)這些數(shù)據(jù)進(jìn)行處理和分析以實(shí)現(xiàn)對(duì)亞健康信息數(shù)據(jù)的綜合管理。通過測(cè)試證明該系統(tǒng)具有足夠的伸縮靈活性和可靠性，可為亞健康群體的健康恢復(fù)提供技術(shù)支撐和可靠管理。

1 相關(guān)工作

1.1 亞健康信息核心數(shù)據(jù)

經(jīng)專家會(huì)議法篩選，亞健康信息管理系統(tǒng)的核心數(shù)據(jù)包括：個(gè)人信息數(shù)據(jù)(姓名、性別、身份證號(hào)等)、生理機(jī)能信息(身高、體重、心跳、血糖等)；運(yùn)動(dòng)機(jī)能信息(日運(yùn)動(dòng)步數(shù)、爆發(fā)力、最大耐力等)；營(yíng)養(yǎng)膳食信息(日均果蔬量、日均肉蛋奶量等)；生活方式信息(日均有效睡眠時(shí)長(zhǎng)、日均飲酒量等)；心理健康信息(心理壓力指數(shù))等。

1.2 亞健康核心數(shù)據(jù)的特點(diǎn)

采集到的核心數(shù)據(jù)具有以下幾個(gè)特點(diǎn)：

(1)數(shù)據(jù)關(guān)聯(lián)性弱。亞健康數(shù)據(jù)對(duì)完整性、同步性、實(shí)時(shí)性要求均不高，沒有事務(wù)性的原子操作。例如采集運(yùn)動(dòng)信息時(shí)，運(yùn)動(dòng)步數(shù)與運(yùn)動(dòng)時(shí)間點(diǎn)不要求嚴(yán)格對(duì)應(yīng)，其數(shù)據(jù)可延后傳輸；采集年齡時(shí)，可以只采集年齡區(qū)間。數(shù)據(jù)的采集可以獨(dú)立分散進(jìn)行，很少需要協(xié)同作業(yè)，非常適合運(yùn)用霧計(jì)算進(jìn)行處理；

(2)數(shù)據(jù)量大、種類多、多源異構(gòu)，且需長(zhǎng)期追蹤。亞健康數(shù)據(jù)既有實(shí)時(shí)性和趨勢(shì)性，也具有冗余性和互補(bǔ)性[5]，同時(shí)數(shù)據(jù)量大、格式結(jié)構(gòu)各異，存在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)特性[6]，而且部分?jǐn)?shù)據(jù)在時(shí)間維上存在動(dòng)態(tài)沖突，例如運(yùn)動(dòng)機(jī)能信息會(huì)隨著鍛煉而逐漸變化。因此，亞健康數(shù)據(jù)難以按范式約束到關(guān)系型數(shù)據(jù)庫(kù)中，只能以可變的數(shù)據(jù)結(jié)構(gòu)存入NoSQL數(shù)據(jù)庫(kù)；

(3)數(shù)據(jù)采集的手段多樣。不同來源、結(jié)構(gòu)的數(shù)據(jù)，其采集手段也不相同。生理生化與運(yùn)動(dòng)狀況數(shù)據(jù)需通過穿戴式智能傳感設(shè)備24小時(shí)監(jiān)測(cè)采集；全面的體質(zhì)檢測(cè)數(shù)據(jù)需要在專業(yè)檢測(cè)機(jī)構(gòu)進(jìn)行采集；膳食、生活方式、其它運(yùn)動(dòng)數(shù)據(jù)則需通過移動(dòng)終端、人工手動(dòng)記錄進(jìn)行采集；

(4)數(shù)據(jù)存儲(chǔ)處理方式多樣。亞健康數(shù)據(jù)管理需要對(duì)大量歷史數(shù)據(jù)進(jìn)行規(guī)范化并按主題建倉(cāng)庫(kù)；對(duì)于大批量的數(shù)據(jù)需要先進(jìn)行預(yù)處理再進(jìn)行存儲(chǔ)；對(duì)于實(shí)時(shí)的、分散的數(shù)據(jù)，例如手機(jī)APP獲取的運(yùn)動(dòng)數(shù)據(jù)，需要實(shí)時(shí)過濾、處理、傳輸和保存。

2 基于物聯(lián)網(wǎng)的信息獲取和存儲(chǔ)

數(shù)據(jù)的上述特點(diǎn)決定了無法采用常規(guī)的數(shù)據(jù)采集、存儲(chǔ)方式而需要根據(jù)各自的特點(diǎn)進(jìn)行匹配。本文綜合采用云計(jì)算、大數(shù)據(jù)、霧計(jì)算及Docker引擎等技術(shù)構(gòu)建亞健康信息管理平臺(tái)，以此解決數(shù)據(jù)高分散性、高實(shí)時(shí)性等問題。

2.1 亞健康核心數(shù)據(jù)的獲取

本文采用基于無線傳感網(wǎng)的物聯(lián)網(wǎng)技術(shù)，通過各種無線終端對(duì)原始數(shù)據(jù)進(jìn)行采集，所使用的獲取路徑包括以下幾種：

(1)PC端獲?。壕W(wǎng)頁(yè)訪問、電郵智能表格等；

(2)移動(dòng)端獲?。何⑿胖悄鼙砀?心理測(cè)試表等)[7]、穿戴式無線傳感器(體質(zhì)健康手環(huán)等)；

(3)物聯(lián)網(wǎng)獲取：系統(tǒng)內(nèi)聯(lián)網(wǎng)設(shè)備如家庭跑步機(jī)、體質(zhì)中心骨密度儀等[8]；

(4)人工錄入獲?。簜€(gè)人基礎(chǔ)信息、網(wǎng)絡(luò)外信息補(bǔ)錄(如醫(yī)學(xué)體檢信息等)。

利用Docker容器來存儲(chǔ)獲取的原始數(shù)據(jù)[9]。作為一種使用沙箱機(jī)制的虛擬化技術(shù)，不同的Docker容器相互獨(dú)立，能把系統(tǒng)應(yīng)用和所依賴的環(huán)境打包到一個(gè)可移植的軟件運(yùn)行容器中，然后將之發(fā)布或遷移到任一支持Docker容器的Linux服務(wù)器中。此外，Docker容器發(fā)布、啟動(dòng)和遷移的性能開銷低，可方便地在霧節(jié)點(diǎn)和云中心之間共享。Docker容器為整個(gè)亞健康管理鏈中的各類智能設(shè)備和無線健康傳感器供應(yīng)商保護(hù)自身技術(shù)提供了支持，例如經(jīng)與某健康手環(huán)公司協(xié)議，將手環(huán)數(shù)據(jù)發(fā)送至公司數(shù)據(jù)庫(kù)后，由該數(shù)據(jù)庫(kù)將指定個(gè)體的數(shù)據(jù)、參數(shù)、處理邏輯等封裝在亞健康管理Docker中自動(dòng)運(yùn)行，整個(gè)Docker提交給云平臺(tái)來處理自定義數(shù)據(jù)部分并按標(biāo)準(zhǔn)格式提供結(jié)果[10]。

2.2 亞健康核心數(shù)據(jù)的處理

本文采用云計(jì)算和霧計(jì)算相結(jié)合的綜合處理技術(shù)來實(shí)現(xiàn)核心數(shù)據(jù)的處理。

云計(jì)算作為主要的計(jì)算方式能夠提供可用、便捷、按需、基于網(wǎng)絡(luò)的計(jì)算資源以應(yīng)對(duì)亞健康持續(xù)增長(zhǎng)的海量數(shù)據(jù)分配技術(shù)[11]。大數(shù)據(jù)處理技術(shù)[12]主要解決大量結(jié)構(gòu)化與非結(jié)構(gòu)化的數(shù)據(jù)處理(如日均攝入的食物分類匯總并折算熱量)，為促進(jìn)個(gè)體健康提供技術(shù)支撐，也為群體健康研究提供基礎(chǔ)平臺(tái)[13]。而作為輔助計(jì)算方式的霧計(jì)算[14-15]也具有獨(dú)特的優(yōu)勢(shì)，它對(duì)于密集型、高性能計(jì)算資源要求低，適合配置在類似跑步健身器等設(shè)備中以方便數(shù)據(jù)保存并提高整個(gè)系統(tǒng)的健壯性。更重要的是，霧計(jì)算為廣大智能設(shè)備和傳感器生產(chǎn)商參與到亞健康信息平臺(tái)提供了契機(jī)，他們的產(chǎn)品可構(gòu)建為霧節(jié)點(diǎn)，集成到亞健康信息平臺(tái)上[16]。

3 基于云和霧計(jì)算的亞健康信息管理系統(tǒng)

如圖1所示，亞健康信息管理系統(tǒng)從功能上可被劃分為3個(gè)層次：中心云服務(wù)平臺(tái)、周邊霧服務(wù)節(jié)點(diǎn)、周邊霧終端，它們由統(tǒng)一通訊協(xié)議和數(shù)據(jù)結(jié)構(gòu)集成在一起。各層次內(nèi)子系統(tǒng)和模塊的結(jié)構(gòu)及技術(shù)均統(tǒng)一，減少了系統(tǒng)的種類，增加了通用性，降低了系統(tǒng)復(fù)雜度。

圖1 系統(tǒng)總體架構(gòu)

3.1 中心云服務(wù)平臺(tái)

中心云服務(wù)平臺(tái)包括應(yīng)用服務(wù)與數(shù)據(jù)服務(wù)兩大系統(tǒng)，均用Docker集群來封裝。應(yīng)用服務(wù)系統(tǒng)可以保存并管理所有匯集的數(shù)據(jù)，并及時(shí)分析處理當(dāng)前數(shù)據(jù)，輸出分析結(jié)果、判斷和建議。數(shù)據(jù)庫(kù)采用MongoDB，后臺(tái)數(shù)據(jù)接收傳輸及服務(wù)于亞健康用戶的Web應(yīng)用采用了NodeJS技術(shù)。

數(shù)據(jù)服務(wù)系統(tǒng)按照分析規(guī)則清洗匯集的大數(shù)據(jù)，從亞健康風(fēng)險(xiǎn)等級(jí)評(píng)估和體質(zhì)指標(biāo)體系間的相關(guān)性分析兩個(gè)方面進(jìn)行全面的、長(zhǎng)期的分析和有效信息挖掘。盡管從數(shù)據(jù)分析角度看，數(shù)據(jù)庫(kù)采用MongoDB + MySQL組合也許不是最合適的搭配，但這是綜合存儲(chǔ)、處理與日常分析需求的權(quán)衡選擇。必要時(shí)，也可引入其它更專業(yè)的數(shù)據(jù)分析技術(shù)，如數(shù)據(jù)清洗、數(shù)據(jù)分析及數(shù)據(jù)挖掘的Web應(yīng)用等。

3.2 周邊霧服務(wù)節(jié)點(diǎn)

周邊霧服務(wù)節(jié)點(diǎn)獲取穿戴式、便攜式體質(zhì)健康監(jiān)測(cè)傳感器和周邊健身、醫(yī)學(xué)設(shè)備的霧終端的數(shù)據(jù)，進(jìn)行預(yù)處理和存儲(chǔ)，并適時(shí)轉(zhuǎn)發(fā)給健康管理中心云服務(wù)平臺(tái)[17]。

霧節(jié)點(diǎn)盡量統(tǒng)一采用Docker封裝，例如在協(xié)作的醫(yī)療機(jī)構(gòu)檢測(cè)設(shè)備旁，附加工控機(jī)可用Docker或其集群封裝霧節(jié)點(diǎn)，發(fā)回檢測(cè)數(shù)據(jù)。由于目前Docker只能運(yùn)行在主流的Linux環(huán)境中，可在windows里借用Node-Webkit里的Nodejs服務(wù)+IndexedDB數(shù)據(jù)庫(kù)來實(shí)現(xiàn)；而移動(dòng)應(yīng)用中則可借用Android的后臺(tái)服務(wù)+IndexedDB數(shù)據(jù)庫(kù)來實(shí)現(xiàn)。

3.3 周邊霧終端

周邊霧終端主要有兩種類型：基于Android Webview+IndexedDB的移動(dòng)應(yīng)用、設(shè)備界面和基于Node-Webkit+IndexedDB的桌面應(yīng)用。

移動(dòng)應(yīng)用的任務(wù)是服務(wù)于亞健康用戶，獲取需要人工錄入的數(shù)據(jù)和通過移動(dòng)服務(wù)轉(zhuǎn)發(fā)的數(shù)據(jù)，分析并輸出體質(zhì)健康評(píng)價(jià)結(jié)果和分級(jí)警示，并可訪問健康管理中心云的應(yīng)用服務(wù)，獲取自己的健康風(fēng)險(xiǎn)報(bào)告和健康促進(jìn)處方等。設(shè)備界面主要布置在專業(yè)體質(zhì)檢測(cè)機(jī)構(gòu)、社區(qū)衛(wèi)生室等場(chǎng)所，用戶可自己操作設(shè)備，實(shí)時(shí)獲取分析結(jié)果。桌面應(yīng)用主要提供給亞健康服務(wù)工作人員使用，使其可以在醫(yī)療機(jī)構(gòu)、亞健康服務(wù)點(diǎn)等場(chǎng)所管理和操作設(shè)備，分析數(shù)據(jù)、輸出實(shí)時(shí)的健康報(bào)告和健康促進(jìn)處方。

3.4 通訊協(xié)議與數(shù)據(jù)結(jié)構(gòu)

健康管理中心云服務(wù)平臺(tái)、周邊霧服務(wù)節(jié)點(diǎn)及周邊霧終端之間采用HTTP通訊協(xié)議，應(yīng)用JSON數(shù)據(jù)格式，并構(gòu)建了WebService的服務(wù)與訪問。敏感數(shù)據(jù)在JSON格式內(nèi)部做加密處理，形成了協(xié)同運(yùn)行網(wǎng)絡(luò)。

數(shù)據(jù)結(jié)構(gòu)包括通訊接口的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)庫(kù)結(jié)構(gòu)。頂層采用統(tǒng)一的標(biāo)準(zhǔn)結(jié)構(gòu)，細(xì)部可自定義結(jié)構(gòu)，便于不同的數(shù)據(jù)源進(jìn)行存儲(chǔ)和傳輸，并用版本號(hào)標(biāo)識(shí)出數(shù)據(jù)結(jié)構(gòu)的演變，例如圖2所示的通訊接口發(fā)出請(qǐng)求的通信數(shù)據(jù)結(jié)構(gòu)。

圖2 請(qǐng)求服務(wù)的數(shù)據(jù)結(jié)構(gòu)

圖2中，主數(shù)據(jù)結(jié)構(gòu)及子數(shù)據(jù)結(jié)構(gòu)的頭部是必須設(shè)置的標(biāo)準(zhǔn)結(jié)構(gòu)，所有數(shù)據(jù)都是統(tǒng)一的、標(biāo)準(zhǔn)的。其它省略號(hào)部分的數(shù)據(jù)可自行定義，用數(shù)據(jù)結(jié)構(gòu)類型(type)、數(shù)據(jù)結(jié)構(gòu)版本(version)注冊(cè)，并記錄結(jié)構(gòu)說明和常用的處理函數(shù)。使用者或Agent代理根據(jù)注冊(cè)結(jié)構(gòu)的說明及常用函數(shù)來使用對(duì)應(yīng)結(jié)構(gòu)的數(shù)據(jù)。

從技術(shù)上分析，亞健康信息平臺(tái)同化和對(duì)稱化相當(dāng)明顯：界面開發(fā)主要是HTML；功能邏輯主要是JavaScript (node.js的語法與JavaScript一致)，某些特定功能可用其它主流技術(shù)如C++、.NET、Java等，并打包為nodejs的功能模塊，由nodejs統(tǒng)一調(diào)度使用；數(shù)據(jù)庫(kù)主要是MongoDB和IndexedDB，其內(nèi)部的操作也是JavaScript、MySQL及SQL語言。

圖3 任務(wù)分解架構(gòu)

從任務(wù)分解上看，整個(gè)亞健康信息平臺(tái)架構(gòu)可簡(jiǎn)化為圖3的形式。不同的區(qū)塊相互聯(lián)系比較弱，通過已定義的標(biāo)準(zhǔn)接口進(jìn)行分離。從總體上看，各區(qū)塊都是圍繞數(shù)據(jù)庫(kù)按標(biāo)準(zhǔn)數(shù)據(jù)結(jié)構(gòu)執(zhí)行功能邏輯，包括自動(dòng)數(shù)據(jù)輸入、自動(dòng)數(shù)據(jù)輸出及人機(jī)交互的數(shù)據(jù)訪問運(yùn)用。這樣的系統(tǒng)架構(gòu)既便于團(tuán)隊(duì)任務(wù)管理，也便于技術(shù)知識(shí)管理、服務(wù)人員選配調(diào)劑等。

4 原型系統(tǒng)

由于研究條件有限，盡量選擇最小的系統(tǒng)規(guī)模，用最少的資源去驗(yàn)證整個(gè)平臺(tái)的可行性和效果。

4.1 原型系統(tǒng)的中心云服務(wù)器

中心云服務(wù)器部署在一臺(tái)Think Server RD340服務(wù)器上。該服務(wù)器主要硬件配置是：雙CPU(24個(gè)邏輯內(nèi)核)、16 GB內(nèi)存、4塊3 TB的SATA硬盤做RAID5；操作系統(tǒng)采用64位Ubuntu16.04，并安裝了Docker，版本18.02.0，如圖4所示。

圖4 中心云服務(wù)器

其中，兩個(gè)MongoDB集群各由8個(gè)ubuntu16.04的Docker組成。每個(gè)MongoDB集群各有2個(gè)Docker運(yùn)行一個(gè)Config Server，有2個(gè)Docker各運(yùn)行一個(gè)Shard Server，并為每個(gè)Shard Server配一個(gè)副本用Docker、一個(gè)仲裁用Docker，mongos放在了對(duì)應(yīng)的應(yīng)用集群和分析集群的每個(gè)Docker里。而MySQL集群由4個(gè)ubuntu16.04的Docker組成，首先用keepalived實(shí)現(xiàn)兩兩互備，再把兩個(gè)keepalived用作兩個(gè)分區(qū)，用Spider引擎做分布式集成，但這4個(gè)ubuntu16.04的Docker僅安裝有MySQL。兩個(gè)Web應(yīng)用集群各有2個(gè)ubuntu16.04的Docker組成。每個(gè)Web應(yīng)用集群里的Docker都是一樣的配置，由負(fù)載均衡來選擇哪個(gè)Docker提供服務(wù)。

后臺(tái)分析集群由3個(gè)ubuntu16.04的Docker組成，通過MapReduce機(jī)制分解任務(wù)，輪流分配給各Docker處理。任務(wù)進(jìn)程定時(shí)匯報(bào)進(jìn)展程度，完成后匯總結(jié)果數(shù)據(jù)；后臺(tái)傳輸集群由兩個(gè)ubuntu16.04的Docker組成，各自獨(dú)立輪詢周邊霧服務(wù)節(jié)點(diǎn)收集數(shù)據(jù)，當(dāng)該霧節(jié)點(diǎn)被另一Docker詢?cè)L時(shí)，則自動(dòng)跳過。同時(shí)也被動(dòng)接收數(shù)據(jù)，由負(fù)載均衡配置給相對(duì)空閑的Docker。詢?cè)L連接有超時(shí)機(jī)制，后臺(tái)傳輸Docker或霧節(jié)點(diǎn)僵死，另一方到時(shí)可自動(dòng)脫離，Docker僵死時(shí)其它Docker下次會(huì)來詢?cè)L取走數(shù)據(jù)，霧節(jié)點(diǎn)僵死則由Docker記錄并報(bào)告情況；后臺(tái)清洗集群由兩個(gè)ubuntu16.04的Docker組成，各自獨(dú)立輪詢并鎖定某一范圍數(shù)據(jù)，執(zhí)行清洗工作，其它Docker會(huì)跳開該部分?jǐn)?shù)據(jù)。

4.2 原型系統(tǒng)的周邊霧服務(wù)

圖1中移動(dòng)服務(wù)采用Android的Service程序?qū)崿F(xiàn)，安裝入某廠家的智能手表，采集的數(shù)據(jù)先存儲(chǔ)在手表內(nèi)，定時(shí)匯總后發(fā)送到中心云服務(wù)器同時(shí)檢查數(shù)據(jù)總量，超過限制的話就按時(shí)間順序刪除最舊的數(shù)據(jù)。智能設(shè)備采用華為的X1平板來測(cè)試，用隨機(jī)時(shí)間，把一定量的之前采集數(shù)據(jù)發(fā)送到中心云服務(wù)器，查看協(xié)作的效果。本原型用于體育院校體質(zhì)檢查。一臺(tái)性能好的PC打開桌面程序，在界面錄入人工采集獲得的數(shù)據(jù)的同時(shí)，開放后臺(tái)服務(wù)以接入其他霧終端采集數(shù)據(jù)，包括PC設(shè)備和移動(dòng)設(shè)備，使數(shù)據(jù)匯總到一起便于集中發(fā)送給中心云服務(wù)。如圖5所示，啟動(dòng)http服務(wù)，打開9002端口監(jiān)聽訪問。

圖5 周邊霧服務(wù)

4.3 原型系統(tǒng)的周邊霧終端

在移動(dòng)應(yīng)用中，Android的Activity僅用作為框架而不涉及業(yè)務(wù)邏輯，在其中嵌入WebView控件，包括WebView自帶的IndexedDB數(shù)據(jù)庫(kù)。用HTML+Javascript來實(shí)現(xiàn)數(shù)據(jù)采集和緩存，并實(shí)現(xiàn)手動(dòng)或自動(dòng)數(shù)據(jù)同步給移動(dòng)服務(wù)(周邊霧服務(wù))。使用NW桌面程序作為框架，利用HTML+JavaScript來實(shí)現(xiàn)數(shù)據(jù)采集和緩存，并實(shí)現(xiàn)手動(dòng)或自動(dòng)數(shù)據(jù)同步給NW服務(wù)(周邊霧服務(wù))，如圖6所示。

圖6 NW桌面應(yīng)用

5 測(cè)試結(jié)果分析

系統(tǒng)搭建完成后，通過自動(dòng)發(fā)送或界面人工輸入的方式將上海體育學(xué)院體質(zhì)健康中心6 000條個(gè)體數(shù)據(jù)和新增的120名個(gè)體30天動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)、補(bǔ)充醫(yī)學(xué)體檢數(shù)據(jù)等注入到平臺(tái)中測(cè)試，排除網(wǎng)絡(luò)信號(hào)干擾后及系統(tǒng)bug之后的測(cè)試情況如下：

(1)測(cè)試中故意關(guān)閉MongoDB和MySQL的Docker，服務(wù)切換的瞬間響應(yīng)有1～5 s的延遲，但對(duì)后臺(tái)自動(dòng)進(jìn)程的工作毫無影響。故意關(guān)閉Web應(yīng)用的Docker，對(duì)當(dāng)前的訪問有影響，有時(shí)候會(huì)出現(xiàn)訪問中止畫面，刷新后即恢復(fù)正常。關(guān)閉傳輸、清洗、分析的Docker會(huì)明顯增加處理的時(shí)間，但系統(tǒng)仍會(huì)完成處理任務(wù)；

(2)測(cè)試中故意關(guān)閉周邊霧服務(wù)或周邊霧終端，則被關(guān)閉設(shè)備采集的數(shù)據(jù)會(huì)停止同步到中心云服務(wù)，但之前通過該服務(wù)提交數(shù)據(jù)的終端會(huì)自動(dòng)尋找列表中還能連上的其它周邊霧服務(wù)并提交數(shù)據(jù)。若配置有中心云服務(wù)，最后也會(huì)嘗試連接中心云服務(wù)；

(3)測(cè)試中模擬了不同廠家提供的數(shù)據(jù)解析程序。在一個(gè)Docker中配置MongoDB保存多個(gè)數(shù)據(jù)解析程序，并配置nodejs的HTTP服務(wù)，通過帳號(hào)授權(quán)發(fā)布這些程序。實(shí)現(xiàn)了程序在網(wǎng)絡(luò)中的傳遞并保存到中心云服務(wù)和周邊霧服務(wù)的數(shù)據(jù)庫(kù)中，最后成功調(diào)用并解析數(shù)據(jù)；

(4)經(jīng)過多組測(cè)試，目前系統(tǒng)運(yùn)行穩(wěn)定。在從傳感器抓取數(shù)據(jù)、提交數(shù)據(jù)到中心云服務(wù)的正常情況下，耗時(shí)<3 s，數(shù)據(jù)倉(cāng)庫(kù)歸類準(zhǔn)確率可達(dá)到98.3%。即使數(shù)據(jù)鏈路發(fā)生擁堵導(dǎo)致數(shù)據(jù)堆積在霧服務(wù)節(jié)點(diǎn)中，在發(fā)現(xiàn)情況及時(shí)干預(yù)后數(shù)據(jù)可很快同步到中心云服務(wù)；

(5)通過協(xié)議轉(zhuǎn)換，在不同品牌與類型的智能傳感器設(shè)備之間實(shí)現(xiàn)了搭橋通訊協(xié)議標(biāo)準(zhǔn)化，智能傳感器、PC端、移動(dòng)端與中心云服務(wù)之間互訪穩(wěn)定，傳輸順暢；

(6)數(shù)據(jù)處理達(dá)到設(shè)計(jì)要求，可對(duì)個(gè)體與群體亞健康數(shù)據(jù)進(jìn)行有效聚類、分層分析，輸出單一指標(biāo)歷史曲線、多指標(biāo)相關(guān)性分析，回歸基于有限可動(dòng)態(tài)監(jiān)測(cè)指標(biāo)的亞健康風(fēng)險(xiǎn)評(píng)價(jià)模型函數(shù)(風(fēng)險(xiǎn)度建模函數(shù)為FXD=CR*-0.6963+ATL*-0.0809+ UA*0.2915+BUN*-0.2931+TC*-0.1231+TG*0.08744+HDL*0.6363+LDL*0.08825+GLU*-0.1845+1.374)。

實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)數(shù)據(jù)歸類精確度高度達(dá)到了98.3%，滿足實(shí)時(shí)收發(fā)數(shù)據(jù)的要求。

6 結(jié)束語

基于物聯(lián)網(wǎng)和大數(shù)據(jù)處理技術(shù)的亞健康信息管理系統(tǒng)集合了多個(gè)系統(tǒng)的功能，獲取的原始數(shù)據(jù)類型復(fù)雜多樣，數(shù)據(jù)處理過程涉及到不同領(lǐng)域的關(guān)鍵技術(shù)，如無線傳感技術(shù)、云計(jì)算以及Docker存儲(chǔ)技術(shù)等。通過本文的研究與實(shí)踐成功地用盡可能少的技術(shù)將上述技術(shù)集成到了一起，最終實(shí)現(xiàn)了對(duì)亞健康群體信息數(shù)據(jù)的有效分析與管理，助力亞健康個(gè)體早日回到健康狀態(tài)。由于平臺(tái)架構(gòu)還不夠成熟，在數(shù)據(jù)處理層次的劃分原則、標(biāo)準(zhǔn)和方法以及智能節(jié)點(diǎn)間協(xié)同與調(diào)度等方面，還需要進(jìn)一步的深入研究。