張征亮

（中國聯(lián)合網(wǎng)絡(luò)通信有限公司石家莊市分公司，石家莊 050000）

分布式存儲（DistributedStorage）可降低網(wǎng)絡(luò)壓力，面向用戶提供了一個分布式緩存系統(tǒng)，作為存儲系統(tǒng)的訪問接口，進行各類數(shù)據(jù)的緩沖以降低網(wǎng)絡(luò)壓力。物聯(lián)網(wǎng)模式下，數(shù)據(jù)量快速增加，分布式存儲的價值也進一步得到重視，針對物聯(lián)網(wǎng)海量數(shù)據(jù)的分布式存儲算法進行分析、設(shè)計，有較為突出的現(xiàn)實意義。

1 物聯(lián)網(wǎng)海量數(shù)據(jù)的分布式存儲算法設(shè)計

1.1 基本架構(gòu)

以分布式存儲算法為依托，嘗試對物聯(lián)網(wǎng)海量數(shù)據(jù)進行有效處理，要求搭建以智能設(shè)備為核心的工作系統(tǒng)，整個工作系統(tǒng)的架構(gòu)為：數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備、通信線路、計算機終端五個部分。數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備以智能芯片控制，數(shù)據(jù)分析設(shè)備可評估產(chǎn)生的數(shù)據(jù)量，存儲空間分析設(shè)備可了解計算機和網(wǎng)絡(luò)資源的工作壓力。通信線路負責進行信息的快速交互，包括設(shè)備之間和設(shè)備-網(wǎng)絡(luò)之間。計算機終端作為上述工作工作開展的載體。

1.2 算法原理

上述設(shè)計的算法原理為，在工作開展前，收集相關(guān)對象的參數(shù)，包括網(wǎng)絡(luò)資源（主要是帶寬和對應(yīng)的傳輸能力）、緩沖區(qū)空間等，并將其收集到智能設(shè)備中實現(xiàn)存儲和記憶。具體工作開始后（數(shù)據(jù)產(chǎn)生），啟動物聯(lián)網(wǎng)中的計算機，為數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備提供工作平臺，評估物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)規(guī)模，該項工作由數(shù)據(jù)分析設(shè)備執(zhí)行，在此過程中，存儲空間分析設(shè)備實時向計算機提供存儲空間信息和網(wǎng)絡(luò)資源信息。如果數(shù)據(jù)規(guī)模較大，超過網(wǎng)絡(luò)資源負載上限（或者接近），則將其暫時存儲到分布式存儲系統(tǒng)中，反之則允許其直接進入網(wǎng)絡(luò)[1]?？傮w來看，智能化的固定參數(shù)記憶和實時參數(shù)匹配分析，構(gòu)成了工作的基本模式。

1.3 關(guān)鍵技術(shù)

算法設(shè)計可實現(xiàn)的關(guān)鍵技術(shù)在于實時化的信息交互，和準確的參數(shù)收集、匹配。考慮到物聯(lián)網(wǎng)內(nèi)的信息產(chǎn)生源是多樣的，為避免信息之間互擾（包括工作產(chǎn)生的源信息和各類反饋信息），擬采用CAN 總線技術(shù)，所有的信息源均通過獨立的線路與計算機和數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備進行連接，信息之間的傳輸相互不存在影響，且可以獨立進行[2]。參數(shù)收集工作要求早期進行，結(jié)合物聯(lián)網(wǎng)的實際工作需要精確化核定，參數(shù)匹配是指數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備之間的參數(shù)，前者是非實時進行的，只在數(shù)據(jù)產(chǎn)生時進行評估，后者則以每2s 為間隔持續(xù)進行，將網(wǎng)絡(luò)資源等信息傳輸給計算機，有計算機對數(shù)據(jù)分析設(shè)備、存儲空間分析設(shè)備的數(shù)據(jù)進行對比，作出決策。

2 仿真實驗

2.1 模擬對象和方法、過程

以某地區(qū)的工業(yè)物聯(lián)網(wǎng)作為對象建立計算機虛擬模型。通過參數(shù)調(diào)整法進行實驗，可變參數(shù)為物聯(lián)網(wǎng)的數(shù)據(jù)產(chǎn)生總量、峰值數(shù)據(jù)量。觀察指標為數(shù)據(jù)是否得到準確的分布處理、平均處理時間。共模擬進行200次實驗，其中低數(shù)據(jù)總量、低峰值數(shù)據(jù)量實驗50次，設(shè)為1號組，實驗過程中數(shù)據(jù)產(chǎn)生量模擬為300GB/天，峰值數(shù)據(jù)量為5GB/s。高數(shù)據(jù)總量、低峰值數(shù)據(jù)量實驗進行50次，設(shè)為2號組，實驗過程中。數(shù)據(jù)產(chǎn)生量模擬為30PB/天，峰值數(shù)據(jù)量為5GB/s。高數(shù)據(jù)總量、高峰值數(shù)據(jù)量實驗進行50次，設(shè)為3號組，實驗過程中數(shù)據(jù)產(chǎn)生量模擬為30PB/天，峰值數(shù)據(jù)量為50GB/s?；靵y數(shù)據(jù)產(chǎn)生實驗50次，隨機進行參數(shù)變化，設(shè)為4號組。另以該物聯(lián)網(wǎng)實際工作為對照組

2.2 模擬結(jié)果

對實驗結(jié)果進行記錄，如表1所示：

表1 實驗數(shù)據(jù)

從結(jié)果上看，以智能設(shè)備為核心進行計算，可改善物聯(lián)網(wǎng)海量數(shù)據(jù)的分布式存儲效果。無論數(shù)據(jù)出現(xiàn)何種變化，處理有效率都能達到96%以上，且處理時間不超過3s。而該物聯(lián)網(wǎng)目前的處理效率不高，耗時平均為59.6s，且處理有效次數(shù)為42次，差異較為明顯。這表明，上述算法設(shè)計具有較為理想的可行性。

3 結(jié)束語

綜上，物聯(lián)網(wǎng)模式下的海量數(shù)據(jù)，可通過分布式存儲給予處理。本次研究提出了智能算法，以數(shù)據(jù)信息和分庫空間實時情況為基準，通過不同線路下達指令快速完成信息處理，以總線技術(shù)、智能技術(shù)等作為支持。仿真實驗中，大量數(shù)據(jù)的存儲較為有效，沒有出現(xiàn)信道擁堵和信息丟失問題，可作為后續(xù)工作的參考。