面向智慧社区的云分支服务器设计与实现

段小红，潘国峰，杨　帆，华　中

(1. 河北工业大学 电子信息工程学院，天津300401；2. 天津铂创国茂电子科技发展有限公司，天津300384)



面向智慧社区的云分支服务器设计与实现

段小红1，潘国峰1，杨帆1，华中2

(1. 河北工业大学 电子信息工程学院，天津300401；2. 天津铂创国茂电子科技发展有限公司，天津300384)

摘要：根据我国智慧社区的最新发展和需求，设计了一种功能强大的云分支服务器(Embed Cloud Branch Server，ECBS)。通过在社区合理布置云分支服务器，从而实现社区无线网络覆盖，居民通过终端设备连接上网并使用智能服务软件，实现了社区管理和服务的智能化。并提出一种基于节点负载权值的调度算法，实现云分支服务器数据的存储与更新，保证集群系统负载均衡。经应用测试表明，该云分支服务器性能稳定，应用效果好，具有一定的推广价值，符合未来智慧社区的发展趋势。

关键词：智慧社区；云分支服务器；负载均衡；集群

智慧社区服务体系，是以智慧社区各类软硬件设施为依托，以社区主体为服务对象，以社区智慧服务为主要内容，以满足社区居民多方面生活需求、提升社区居民生活质量为目标[1]。目前，我国智慧社区研究正逐步推进，但主要侧重于概念、内涵及技术分析等方面的探索，智慧社区产品与技术方案尚不成熟，智慧应用处于初级阶段[2]，服务系统共享性较差。

基于云分支服务器的智慧社区服务系统，可实现社区无线网络覆盖，功能包括新闻浏览、影视播放、外卖点餐、商家推荐、智能家居、智能缴费等；用户通过连接WiFi即可实现上网并访问云分支服务器，使用智能服务和软件，节省人力及其他成本；社区管理中心利用系统提供的后台管理软件自行更新社区内云分支服务器的资源；社区内所有云分支服务器通过将本地数据上传到中心服务器实现数据的存储。将多功能一体化的云分支服务器合理分布在社区，实现了终端融合、网络融合、平台融合、服务融合，是社区未来发展的必然趋势[3]。本文提出的面向智慧社区的云分支服务器为智慧社区建设提供了一个全面智能化建设和部署的参考依据，使居民享受更方便、更舒适、更智能的新型服务。

1总体架构

社区内布置多台云分支服务器，实现了区域WiFi覆盖，居民实现用户登录认证；视频点播、直播；在线新闻和本地新闻公告；APK下载；在线支付；自主后台管理和商户产品推广；在线活动以及第三方应用服务等。如图1所示，云分支服务器应用在社区并接入网络，手机等终端设备通过云分支服务器构建的局域网实现上网，并通过访问云分支服务器使用服务软件；中心服务器可控制管理云分支服务器的配置并对其数据资源进行存储和更新。

本文的工作重心为面向智慧社区应用的云分支服务器的实现，具体包含：云分支服务器设计；云分支服务器端数据存储与更新算法实现。

2云分支服务器设计

2.1硬件设计

云分支服务器CPU采用华为开发的Hi3716C芯片，该芯片采用了ARM公司先进的Cortex A9架构的处理器，高速处理能力可以满足未来业务需求。 Hi3716C内置2路以太网，2路USB，1SATA/eSATA和1路PCIe接口，提供灵活的连接方案。并支持MPEG-2/H.264/AVS/RealVideo/VC-1等多种格式的高清视频解码，满足多媒体播放的要求。提供音频和视频的输入接口，满足可视通信的要求。设计实现的Web路由器采用Realtek8192芯片作为USB-WiFi网络接口芯片，Realtek8192芯片符合802.11n规范、高度集成MIMO Wireless LAN (WLAN) USB 2.0网络接口，结合MAC，基带和射频2T2R，为无线客户端提供了高吞吐量性能的完整解决方案。云分支服务器通过连接USB-WiFi实现WiFi功能；并通过外围SATA3.0 Host接口外扩2 Tbyte固态硬盘空间以存储数据资源。云分支服务器功能硬件设计原理如图2所示。

云分支服务器由于是利用嵌入式技术，因而比一般传统服务器有功耗低，可靠性高，噪声小，寿命长等优点。云分支服务器工作环境参数指标如表1。

2.2软件设计

云分支服务器软件部分主要包括Web服务设计、WiFi路由器以及数据处理模块两大部分。

2.2.1Web服务器模块

移植sqlite3+httpd2.2.7+php5.2.13到Hi3716C ARM板并进行相应配置，搭建Web服务器。从运行的角度看，httpd2.2.7版本比老版本更加强大，更具可扩展性。支持多线程操作模块；并提高了代理服务器的性能；同时，增加了加强安全和可管理性的模块[4]。而php5.2.13支持对php等网页文件的加密、解密功能，保证了网页文件的安全性和可靠性。

2.2.2WiFi路由器模块

通过开发内核，交叉编译与移植hostapd、dnsmasq、驱动等文件，以及修改相应配置等并移植，实现局域网无线路由器功能。用户通过手机等移动设备可搜索到构建的无线WiFi并连接，通过点击自动跳转到浏览器登录界面，点击“免费登录”跳转实现上网功能。

2.2.3数据处理程序设计

数据处理程序实现了将本地端浏览记录和额外数据进行处理包括压缩、加密等，然后上传到中心服务器端进行保存，并删除本地数据以释放内存；同时实现了从中心服务器端下载数据库和服务软件等进行数据更新。如图3所示。

3数据存储与更新算法

实现数据存储和更新的智慧社区云分支服务与中心服务器可构成一个虚拟的集群服务器系统，通过网络进行数据文件的传输，实现数据存储与更新。在实际传输过程中，当多个云分支服务器同时向中心服务器发出数据传输请求时，中心服务器应如何进行调度选择，保证集群系统平均负载最小是关键所在[5]。

3.1数据存储与更新系统

集群服务器系统架构如图4所示。

中心服务器：智慧社区管理中心，连接多个更新服务器，并对所有更新服务器分类管理，将需要更新的数据或应用程序按照类别下载至相应的更新服务器；存储云分支服务器端的大量数据，控制实现云分支服务器端数据更新与获取。

更新服务器：更新服务器通过网络与所述中心服务器和云分支服务器连通，每个更新服务器用于存储不同类别的数据内容，包括社区内各种服务、软件和数据库等；所述更新服务器的标识以及所存储的数据类别信息都记录在中心服务器。

云分支服务器：合理分布在社区内，保存了大量数据包括电视节目列表，用户认证数据， 用户功能配置数据， 用户功能使用记录数据，音视频多媒体文件，云分支服务器应用程序等；云分支服务器需要将这些数据上传到中心服务器端进行存储以释放本地资源，并从中心服务器端下载最新数据以实现本地更新。

3.2基于节点负载权值的算法

3.2.1节点负载

假设集群(社区)中云分支服务器的总数为N(N>0)，集群中节点i代表云分支服务器，其中0

(1)

式中：ri是各个指标的权重因子。那么获得节i上云分支服务器的性能指标表示如下

Ci=r1×P(cpui)+r2×P(memi)+r3×P(ioi)

i=1，2，…，N

(2)

式中：P(cpui)为节点CPU的相对值；P(memi)为节点内存相对值；P(ioi)为节点网络吞吐量。

目前主要是根据集群的实际应用场合评价服务器节点负载，因此，本文根据CPU、以及网络流量的使用率计算节点负载情况，并针对不同情况适当增加或减少指标。为了具备可比性，对负载参数进行详细描述。

节点的CPU使用率为C(cpui)；内存使用率为C(memi)；假设在时刻t1(单位ms)节点i接受的字节数是k1，发送的字节数是g1，运行到时刻t2，此时接收到的数据字节大小是k2，发送的数据字节大小是g2，那么网络流量使用率可以表述为

i=1，2，…，N

(3)

最后，根据实际情况动态调整引入的权值r，计算集群节点负载参数Li，表示如下

(4)

式中：ri是各个指标的权重因子，表示不同应用环境下这些指标对节点的影响程度。

本文通过节点性能和负载状况两个方面来计算节点的处理能力，如何通过这两个指标合理调度响应节点的请求使得数据传输效率最高是当前需要解决的难点。所以，本文引入节点分配权值ωi的概念，依据上述计算所得的节点参数，计算节点调度权值，计算方法如下

(5)

说明节点被调度响应的概率与节点负载成反比，即节点负载越大，被调度的概率越小，节点云分支服务器的处理能力越差，反之亦然。

3.2.2基于负载权值的算法

本文算法的设计思想是：首先根据集群系统中各节点云分支服务器的性能，计算得到相应的性能参数；然后根据实际运行情况，动态获得节点各个指标的运行状态，节点任一指标超过阈值则被排除，并选择符合负载要求的节点；最后计算各节点负载参数，计算得到节点的分配权值。其具体描述如下：

步骤1，设定最大值即阈值δ；

步骤2，当多个节点同时进行请求时，中心服务器最初调度响应的节点j满足如下条件

ωj=min{ωi}j=1，2，…，N

(6)

如果其他节点满足如下条件

ωj≤min{ωm}+δm=1，2，…，N

(7)

则将节点j分配到可选节点集合中。

步骤3，计算可选节点集合中节点被调度的概率Hk

(8)

步骤4，根据集合中节点被调度的概率选择云分支服务器进行数据传输。计算集群平均负载P

(9)

集群系统平均负载越小，说明集群系统越稳定，性能越好。

3.3实验结果及分析

为了测试该算法的有效性，测试环境为一台计算机作为中心服务器，一台作为程序执行的计算机，一台网络负载均衡器和一台数据库服务器。参考文献[7]提出的算法，计算集群综合负载参数，如表2所示。

测试每台云分支服务器用户访问量为500，网络带宽分别为1Mbit/s，10Mbit/s和100Mbit/s环境下，调度节点的响应时间。并发连接数为100～1 000，采用本算法和传统算法相比，调度节点的时间结果如表3所示。

由表3可知，经多次测试，随着请求节点个数即集群中云分支服务器个数的增加，无论集群网络环境带宽多大，通过本算法得到的调度节点时间比传统算法明显缩短。

表3节点调度时间比较

在数据传输过程中，时刻监测集群平均负载情况。在采用该算法进行节点调度选择过程中，测试集群系统的平均负载情况如图5所示。

由图5可知，随着请求个数即云分支服务器的增加，集群系统平均负载呈现上升趋势。但与传统算法本文基于节点负载权值的算法有效降低了集群系统的平均负载，提高系统的性能。说明智慧社区内的云分支服务器进行数据存储与更新过程中，基于节点负载权值的算法有效降低了社区服务系统的负载，提高了社区服务系统的性能和运行速度，大大节省了居民使用服务的人力和时间。

4小结

本文设计的云分支服务器功能广泛、性能稳定、体积小且成本低，已广泛应用于多省社区内，每台云分支服务器最多支持800用户同时访问，其功能和性能指标得到广泛认可，应用前景非常广阔。文中给出了基于该云分支服务器的数据存储与更新方法，能够实时存储和更新本地数据资源，与传统算法相比，本文算法能够有效降低智慧云分支服务器系统的负载，提高了智能服务系统的性能和稳定性。

参考文献：

[1]余红艺.智慧城市：愿景、规划与行动策略[M].北京： 北京邮电大学出版社，2012.

[2]郑从卓， 顾德道， 高光耀. 我国智慧社区服务体系构建的对策研究[J]. 科技管理研究， 2013， 33(9)：53-56.

[3]宫艳雪， 武智霞， 郑树泉，等. 面向智慧社区的物联网架构研究[J]. 计算机工程与设计， 2014， 35(1)：344-349.

[4]安峰. 搭建Web服务的嵌入式WebServer[J]. 单片机与嵌入式系统应用， 2014， 14(3)：43-45.

[5]邓珍荣， 唐兴兴， 黄文明，等. 一种Web服务器集群负载均衡调度算法[J]. 计算机应用与软件， 2013， (10)：53-56.

[6]陈建红， 王志谦. 基于DHCP服务器状态的动态负载均衡算法[J]. 电视技术， 2013， 37(23)：109-111.

[7]孙峻文， 周良， 丁秋林. 基于退火算法的动态负载均衡研究[J]. 计算机科学， 2013， 40(5)：89-92.

段小红(1990— )，女，硕士生，主研集成电路工程；

潘国峰(1968— )，教授，硕士生导师，主要研究方向为应用电子技术、电子信息薄膜、敏感器件研究等，为本文通讯作者；

杨帆(1966— )，教授，博士生导师，主要研究方向为半导体自动检测、图像处理与模式识别、多传感器信息融合及电子器件缺陷识别等。

责任编辑：时雯

Implementation and design of ECBS for intelligent community

DUAN Xiaohong1，PAN Guofeng1，YANG Fan1，HUA Zhong2

(1.SchoolofInformationEngineering，HebeiUniversityofTechnology，Tianjin300401，China；2.TianjinBotroElectronicalTech.Co.，Ltd.，Tianjin300384，China)

Key words：intelligent community； ECBS； load balancing；cluster

Abstract：A powerful Embed Cloud Branch Server(ECBS) is designed to meet the needs of the latest development of Chinese intelligence community. The ECBS can provide WiFi service for community through the extensive layout of ECBS in the community. Community users can visit Internet and use the intelligent service and software with a WiFi connection， which realized the intelligence of community management and service. This paper proposed a scheduling algorithm based on node load weight for storing and updating data of ECBS and it can keep the cluster system of intelligence community load balancing. Proved by application test， it has a good application effect and the performance of ECBS is stable. The product has a certain value of promotion and in line with the development trend of the future intelligence community.

中图分类号：TN915.5

文献标志码：B

DOI：10.16280/j.videoe.2016.01.013

基金项目：国家科技重大专项课题项目(2009ZX02308—004)；国家自然科学基金项目(60972106)

作者简介：

收稿日期：2015-08-16

文献引用格式：段小红，潘国峰，杨帆，等. 面向智慧社区的云分支服务器设计与实现[J].电视技术，2016，40(1)：67-71.

DUAN X H，PAN G F，YANG F，et al. Implementation and design of ECBS for intelligent community[J].Video engineering，2016，40(1)：67-71.