医院信息服务系统中雾计算的设计与应用

时瑞华

(迁西县人民医院， 唐山 063000)

0 引言

云计算在当今社会应用中扮演着重要角色，尤其是在互联网应用中更为凸显。根据分析思科公司的主要数据，截止到去年为止，涉及到该公司的主要数据计算均是通过云服务器来完成，与2013年的数据相比增长了将近4倍[1]。云计算借助其强大的计算与存储功能，为公司运营系统建立起坚固且有效的服务，解决了传统运营系统的低效、低能问题[2]。不止如此，随着现代社会生活对智能产品和移动产品的大量依赖，使其在数量增长方面呈现出了较为疯狂的状态，这些无疑是对传统云计算提出的又一挑战。

雾计算着力实现“智能前端化”就是借助网络设备或其它设备的力量来对有效数据进行提取或存储，使这些数据信息能够在冗长的信息中凸显出来，使它们更接近于终端设备，由此实现对服务器的“减负”效应[3]，也使得应用系统的反应速度更为迅捷，即便在没有互联网的情况下也能为所需要的区域进行数据传递或计算。该系统的应用范围十分广泛，从商场到学校等一些特定的目标区域均可应用，而电网与车联网同样可以得到使用。不仅如此，雾计算的优越特性还体现在对服务区域的覆盖面积上，即便在一些较为偏僻的角落也能享受到由雾计算所带来的数据和计算服务[4]。关于这一点，已普遍得到学术界的关注并有更多的研究者为此而投入。本文就以雾计算在医院信息服务系统应用作为研究的切入点，通过对雾计算的特点和技术的研究，并结合医院真实案例来进行比对分析，进而得出结论。

1 雾计算框架

移动设备用户的信息搜索需要衍生于一定的环境范畴中，以此进行信息的搜索。如，在医院时，他需要搜索与医院相关的信息，进行就餐时，他需要搜索与饮食相关的信息。我们以医院为例，当移动用户在医院这个环境中时，那么移动设备就可通过雾计算框架，将与之相关的信息进行存储，并可迅速的传递到移动设备上，大大提升了数据传递效率和运营成本，这是云端服务所不可比拟的，这种便利性并不依赖于互联网，使服务覆盖面更为广泛。

本文根据雾计算这一理念的提出，进行雾计算框架展示，如图1所示。

图1 雾计算框架

也由此说明之所以被称为雾计算，就是在云端与终端之间建立了一个服务中间层地带，该层就被命名为“雾层”[5]。这些“雾层”的出现就相当于借助雾服务器与周边的移动设备之间的关联来进行计算。与传统方式相比，它的存储性与运算能力更为强大，不仅如此，雾服务器与移动设备之间不仅关乎互联网服务，它们之间还能将数据进行传导，使服务器与移动设备之间的兼容性变得更为强大，有了该层的存在，不仅能够存储更多的数据和极端，并且还能更好的提升移动设备的性能，由此方便了用户的使用。简单的可概括为:第一，数据缓存。第二，本地化计算。第三，无线接入这三大项。

1.1 数据缓存

雾服务器利用其广覆盖的特性，将移动用户所需信息进行集中化网罗，借助主动缓存的方式来实现数据的有效传输。当然，也可通过被动缓存的方式来进行。如，当该服务器被放置于商场中时，那么它就会将与商场相关的信息进行择优选择、存储并下载，十分的便利化，不论是商场物品信息还是餐饮信息均可包括。也由此可见，对于雾服务器的使用其重点也在于其部署位置方面的选择，这也直接决定了有效数据信息的存储及传输等。

互联网中其实早已应用到一些缓存技术，这些缓存技术能够更为方便数据的传输，使数据传输变得更为迅捷。然而，其弊端就在于CDN与移动设备之间的距离问题，由于距离相距比较远，因此使得部分信息内容不能进行有效的传输。而ICN则进一步的缩小了数据缓存与移动设备之间的距离，而雾服务器则在此基础上更为智能化，它能根据用户的需求而进行数据缓存与优化[6]。

1.2 无线接入

雾服务器在设备设置上为了能够满足更多的不同用户需求而选择了多种无线通讯接口，这不仅极大提升了缓存空间，还能加大运算能力，它与传统单一接入方式相比，第一，实现了跨层设计。这种跨层更为注重数据的有效选择性与识别性上，能够对所缓存的数据进行特定环境的认知，方便用户使用。第二，移动感知。通过无线接入使移动设备处在不同的环境中能够使用的更为方便，当移动设备在在大巴车和商场中时，它的特性是不同的，那么有了雾服务器在设备中的无线接入则很好的提供了这种差异性选择优化，它能利用对接入时机的调节在改变移动设备的接入状态，从而更好的满足其实用需求。

1.3 本地化计算

雾服务器的本地化计算服务是面向于移动设备和云服务器而急性的双向服务，这也是它在提供数据缓存和无线接入之外的又一特性显示。如，当雾服务器被布置在商场中时，那么这时的数据就会进行周边地区的信息搜索。当将其应用在物联网中时，其数据收集雾服务器则会利用移动设备来进行，而雾服务器则是将移动设备收集的信息进行有效选取并计算处理，然后将优化后的信息传输到云服务器。云计算就是借助庞大的数据网和虚拟技术来进行数据共享服务的，它不仅有效的减少网络运营成本，并且能够使系统维护更为方便。然而，由于网络的局限性及无线区域覆盖情况等其它方面的限制，使得云计算框架的使用效果不能达到较为理性的状态。而雾计算则很好的将这一问题进行解决，不仅隔断了网络对此技术的限定条件，并且将计算速度?计算精准性进行了提升。

2 雾计算在医院辅助信息服务系统的应用及关键技术

本文以医院场景为研究内容，通过研究由雾服务器所衍生的计算框架在为医患进行服务的基础上，分析该信息系统对医患所提供的服务项，并进行总结。首先，对于医院中的就医流程及相关内容信息进行介绍服务。其次，针对患者的就医需求进行查询服务。最后，为医患提供相应的网络内容服务。

2.1 系统简介

由于雾服务器造价并不高，因此被广泛应用。在医院的各个科室及周边进行部署。通过借助雾服务器与有线局域网之间关联性，和互联网与云服务器之间的连接来实现服务。并且，每个雾服务器都使用了 WiFi技术，通过该技术与雾服务器之间的连接，来进行相关数据信息的搜寻。在搜索或浏览的过程中，雾服务器会将有关内容进行预先下载，下载的过程需要借助云服务器来完成，下载完成后进行数据优化，最后呈现在用户面前的是以网页的形式来出现的，非常的方便。而一旦用户将移动设备与雾服务器进行连接后，就可以进行浏览了。而在患者面对排队困扰时，有了雾服务器，就可随时根据移动设备中的信息提示来计算出自身所处的排队状态和排队时间。而如果该用户并未在医院或周边，也可通过互联网来访问云服务器上的相应网址，查询自己所需的信息内容。

2.2 雾服务器

雾服务器的硬件主要有:存储模块?处理器模块?电源管理模块?通信模块四大部分。在本系统所使用的雾服务器为250 G的固态硬盘和Cortex A8 处 理 器芯片，和以太网 口 和3G / 4G 扩展口，使互联网的接入更为方便。微服务器配备了 2.4 GHz和 5.8 GHz 两个频段上的双天线无线局域网通信模块，如图2所示。

(a) 硬件结构 (b) 软件结构

如图2 ( a )所示。它的软件操作系统和数据展示 Web系统，如图2 ( b )所示。其中，操作系统采用 Linux 3.0 内核; Web 系统的服务器采用Apache ，服务器编程语言采用 PHP ，数据库采用 MySQL ;排队时长计算模块包含 3 个子模块:基于 WiFi 的定位模块?排队行为识别模块和排队时长计算模块。

2.3 多频段负载均衡的接入机制

有了WiFi 接入技术才有了雾服务器上各种应用的可能性，它是基础性条件。由于医院每天人数较多，使用雾服务器的频率较高，甚至会在同一时间放生碰撞，这也更为充分的说明接入机制的关键性。没有良好的接入机制，就不能实现无线频谱资源的运用。以本项研究内容为例。通过使用2.4 GHz和 5.8 GHz两个ISM 频段上的 WiFi接入网络。就会发现过多的给予用户选择自由，势必会产生网络拥堵现象的发生，为了避免该问题的发生，因此，将雾服务器中的WiFi网络设定为服务集标识，并通过设定不同的接入机制来调节。如图3所示。

图3 多频段负载均衡接入机制的主要模块

信道占空比检测模块:在使用过程中根据周期的不同来针对两个频段上的网卡进行检测，检测信道的能量，以此计算出各自的占空比r1和r2 。通过比对r1 和r2之间的关系来计算两个不同频段比之间的空闲。而当移动设备进行搜索 WiFi网络时，则会利用被动监听和主动扫描两种方式来进行。而 WiFi也会借用信标进行数据包的传播，这时的移动设备便会接收到由数据包发出的信道并将SSID信息出现于WiFi控制界面中，用户就可根据就近原理进行选择了 。那么为了避免发生相同的碰撞，因此将信标数据包进行了基础服务集标识上的区别，以此来保障WiFi更好的 接入网络。它是根据每轮中移动设备所监听到的BSSID来提供给用户的。这也是本文中先前所提到的，借助对WiFi两个接入频道的调节，和对信标发送发送周期来控制所对应网络的概率。也就是说，当r1>r2 ，就需将 5.8 GHz 网络的 Beacon 的发送周期设置的大一些，这样就能保证2.4 GHz频段接入的高一些。而当两种频道所接收到是信道相同时，那么就可利用控制其中的频道来进行接入口的管制，以此来保证WiFi更好的接入和使用。

2.4 基于本地信息融合的排队时长查询机制

在医院里，患者对于排队这个问题大伤脑筋，不知到底该在哪一个队伍中去排，为此消耗了许多不必要的时间和精力。其实，在医院中会有多个窗口方便患者服务，但由于患者的不熟悉才使得人满为患的现象比比发生。一些窗口拥堵，一些窗口闲置，为了更好的解决该问题，本系统提出了排队时长查询机制,如图 4 所示。

图4 基于本地信息融合的排队时长查询机制

该机制的设定也是建立在雾服务器监听的基础上，通过比较移动设备的WiFi信号的强弱，在进行监听，由此推出三边定位算法。它利用排队者所发出的移动设备位置信号来进行监听，通过监听它们的频率来推测和识别排队的状况。也借由该监听数据，并经过计算而得出排队时长。计算完毕后，则会将该结果分别传送给就近的雾服务器和云服务器，由此移动用户就可进行最优化选择了。

传统的云计算框架下，移动用户为了能够进行有效的排队信息查询，首先需要将自身信息提供给云服务器。云服务器有了相关的移动设备的位置信息才能准且识别周边的排队信息状况，以此来传输有效的信息服务。因此，当移动设备要进行查询的时候，需要借助云服务器的帮助，这是移动设备的终端服务。当所查信息者与信息源上处于同一环境中时，那么就可利用局部信息和本地计算来进行有效信息的计算获取，这不仅能够有效的节省时间，提升云服务器的使用效率，并且会使该信息的传输更为有效，精准，最为重要的是，它的确方便快捷了许多，能够一步到位将信息传输到移动用户的移动设备上。

3 系统测试与性能验证

为了能够使本次论证更为真实有效，保证数据的精准，因此在特定场景设置中，首先在医院实验部布置了20 台雾服务器，并进行了为期 5天的测试，通过对多个频段的接入机制的传输快慢检测而得出相应的结论，如图5所示。

图5 不同接入机制的传输延迟比较

3.1 多频段负载均衡接入

首先放置了5 部智能手机，这5部手机只针对2.4 GHz频道进行接收。除此之外，还放置了5部 支持两个频段的智能手机进行实验。而用于检测的雾服务器则被放置在一楼大厅位置。实验过程中，需要将两部手机进行轮流式接入，接入的对象为同一个雾服务器。当手机被接入后，则会通过发出相同的速率来对雾服务器进行数据传输。通过实验中的数据收集和它们之间的比对不难发现，2.4 GHz频段的延迟性更为长一些，这就是因为用户群过于集中于该频段的结果，由此造成了较为拥堵的现象。这就好比大家在同一个时间拼命往一辆车上进行拥挤是一个道理，明明是两个频段。而本文中的研究内容，雾服务器便可较好的解决该问题，通过延迟性接入手段的运用，改变随机性接入，从而有效的避免了用户拥堵现象的发生。

3.2 排队时长查询延迟比较

通过文中所提到的，建立在雾服务器上的排队时长计算方法的运用，和对传统云计算框架下的排队时长的计算方式进行比较，发现它们之间在通信开销方面有着很大的不同。那么对于移动终端与云服务器之间关于通信开销的不确定性，因此，在实际案例操作比对中，仅仅侧重于排队时长来进行比较。通过在医院中布置多个雾服务器和通用的 WiFi AP，来保证无线网络的独断性和实验的精准性，在实验过程中，WiFi运用了相对闲置状态的5.8GHz频段。再通过与传统云计算框架下的数据延迟性比对，由此得出雾计算框架的响应延迟为80ms，云计算的响应延迟为140ms，由此说明雾计算更为优越。

4 总结

综上所述，本文通过对传统云计算框架下对移动设备需求的欠缺，而提出了雾计算的智能前端化思想，由此建立了介于提云服务器和移动设备之间的雾层计算框架。该框架服务主要建立在一步到位的连接服务器上，它不仅有着优越的计算功能，还有着较为优越的存储功能，从而实现了本地优化和计算。该雾计算框架利用特殊的介入层中的存储和计算能力来进行有效的数据缓存及优化，而数据缓存?计算及无线接入更是作为雾计算的主要三大特性而加以显现。由此更好的满足了移动设备的连接与有效信息的传输，提高了应用率和使用效率。而本文中以医院作为实地场景来进行分析雾计算框架下的相关信息服务，通过比对分析提出了多频段负载均衡接入机制和基于本地信息融合的排队时长查询机制。经过严密的功能测试发现，该系统在技术层面不仅得到有效的提升，并且在实效性方面同样值得肯定，值得推荐。