基于Spring的轻量级数据访问框架扩展点研究

张 彤，严 南

(成都理工大学工程技术学院，四川 乐山 614000)

1 引言

随着互联网技术的进步，从最初的文本传输到目前的数据多功能处理，对网络服务和访问端的技术要求不断提高[1-3]。就数据访问框架来说，早期数据访问框架计算能力较差，难以满足需求，为此国内外研究学者对数据访问框架扩展点进行了深入研究。

在国外研究中，通过使用SNS、RSS等应用，对框架进行重组，使网络访问框架的运算速度得到提高[4-6]。国内研究者也根据ASP.NET提出了Atlas计算，实现了框架中的Web服务集成，扩展了数据访问框架的应用面。后续研究者发现可以通过在框架中添加可以支撑扩展，信息数据分配的扩展点，分担框架的运算压力。对此通过定义虚函数，并利用虚函数的覆盖对框架进行扩展。除此之外，还有学者提出了利用遗传算法的继承机制，实现代码的复用，以此来建立框架扩展点[7-9]。

虽然上述方法可以实现对框架扩展点的有效构建，但是由于对扩展点之间的协同运算与内部设计考虑不足，存在扩展点运算速度较慢和精度较低的问题，研究成果存在局限性，有待提升。为此基于Spring的轻量级数据访问框架扩展点研究方法，以提升扩展点的协同运算效果为目标进行方法设计，通过框架扩展点并行辨识实现对扩展点的运算协同效果，优化了扩展点的运算能力，并通过数据访问框架分配准确率和数据访问框架运算时延对比验证了该方法的有效性。

2 基于Spring的轻量级数据访问框架拓展点设计

2.1 Spring框架开发

Spring作为开源框架，框架在设计最初是为了对企业系统进行简化[10]。由于该框架具备分层架构，同时在架构中可以自由使用组件，具有较强的兼容性[11-12]。因此，本文选择Spring框架作为访问框架拓展点的开发框架。在框架的视图层采用Ajax进行开发，首先对其中的XMLHttpRequest进行初始化，并通过该对象使用Ajax程序在其中进行数据层面的交换，对象状态包括0未初始化、1读取中、2已读取、3交互中、4完成。完成后通过responstText将对象进程导入至框架文本中。

通过开发将其作为访问框架的主体，为了提高访问框架的处理能力和客户的对接能力，在其中建立扩展点，框架扩展点如图1所示。

图1 框架扩展点示意图

该框架中的扩展点具有灵活点，用于框架中业务的实现，并快速构造领域特性。由于该框架属于开源框架，在进行框架扩展点植入时，适应性更强，框架本身具有多运算层，仅需在框架中添加等参单元即可完成扩展。

2.2 框架扩展点等参单元建立

在框架拓展点上建立等参单元，首先需要确定其中的积分方案，确定拓展点中的积分点个数、坐标以及权重等，并计算积分点中的形函数以及相对应的形函数偏导数。将拓展点中积分点的单元刚度矩阵设为

Ke，r=H(BTDBdet(J))(i，j，k)

(1)

则得出

(2)

式中，Ni代表在第i个节点内的形函数；f1，i、f2，i、f3，i代表在该节点下，ξ、η、ζ的偏导数；(ξ、η、ζ)代表单元内的局部坐标；n代表单元内的节点个数。

计算积分点处的形函数和整体坐标偏导数，形成矩阵，并计算其中的雅克比逆矩阵，获得扩展点的整体坐标，组成扩展点矩阵B，公式为

(3)

对扩展点内矩阵运算进行循环，并累加矩阵中积分点中的单元静刚度与质量矩阵，并确定扩展点内的积分点个数

(4)

式中，s代表积分点个数。为了实现结构物理参数的辨识，运用PMPSCO算法对扩展点内添加适应度函数。在框架结构参数的识别中，在不同的适应度函数影响下，扩展点的计算精度以及对框架的影响均不同。考虑到其中动力时程的相应情况，需要在适应度函数中进行抗噪性和峰值特性的识别，并保证参数可以收集数据并对其中的变形数据进行调整。因此，在构筑适应度函数时需要进一步并行辨识。

2.3 框架扩展点并行辨识

在框架扩展点中添加的适应度函数如下

(5)

式中，Fa代表添加的适应性函数；amea(i，j)代表在框架扩展点结构实测中第i时刻的第j测点的速度响应；amum(i，j)代表在框架扩展点下预测的第i时刻第j测点的响应速度；D代表测点总数；L代表测量数据的总长度。

当添加的适应度函数增大时，代表当前扩展点内节点代表的结构参数接近真实值，在线性结构中采用Newmark积分法预测加速度的响应值，对扩展点初始时刻的位移、速度以及加速度的过程提供激励荷载，并逐步迭代得到后续加速度方法。对输入至扩展点的待识别编码进行并行辨识，辨识中的参数包括子种群数量m、子种群大小以及最大迭代次数。并对其中的种群参数进行初始化，在扩展点中随机产生m′个子种群，为了提高扩展点的运算协同效果，对扩展点进行上下分解，优化扩展点的运算能力。

2.4 框架拓展点协同优化算法

目前框架的拓展点协同能力不强，导致运算效率低下。因此，运用MPSCO算法对拓展点的协同运算进行优化。首先将每个拓展点的m个子群进行上下分解，对上层中子种群的节点在最优位置下进化，并保证其收敛速度。对下层种群内的节点进行最优收敛进化，保证节点可以更好地利用运算空间，上下层的子种群速度与位置的更新如下公式所示

(6)

(7)

(8)

式中，si代表设定的优良节点数量，zj代表设定的优良节点位置。

对轻量级数据访问框架扩展点运算过程进行总结，得出具体的流程如图2所示。

图2 轻量级数据访问框架扩展点运算流程

3 实验验证

为了验证基于Spring的轻量级数据访问框架扩展点研究方法的可行性，设计实验判断扩展点的性能，验证扩展点的有效性，并分析在该扩展点下框架访问数据的处理速度与准确率。为了验证扩展点设计的有效性，在框架上分别采用基于SNS的框架扩展点方法(方法1)和基于ASP.NET的框架扩展点方法(方法2)以及无扩展点框架进行实验对照。

3.1 实验环境概述

实验将PC机主机作为访问框架的搭载主机，实验中搭载主机设备环境，采用内存型号为紫光国芯DDR4 8G，内存容量8GB，传输类型为DDR4的设备。设备CPU采用Intel i5-10600K，CUP主频为4.7GHz，并选用移动硬盘来保存数据，型号为WDBYVG0010BRD-CESN，容量为1TB，接口采用USB3.0型号。实验中网络环境为带宽100M的局域网络，操作系统采用Windows 10系统，Spark版本为1.1.0。

3.2 实验框架访问模式

实验中使用Spring框架开发的访问框架，为了模拟使用中对框架工作模式的多种要求，建立了四种框架工作模式。Template模式通过使用继承的方式，对输入数据串进行抽象异构来实现界面扩展。Strategy模式通过面向接口的编程，来实现访问数据的动态选择。Controller模式则通过结合框架逻辑，对进入框架的访问数据进行逻辑分类，实现动态扩展。Decrotor模式通过对输入数据的角色定义，子类的动态附加功能，实现数据串的动态增加。实验过程中，数据串的分布变化情况如图3所示。

图3 数据串分布变化情况

3.3 实验测试数据

在实验中，添加了多种数据访问类型，并通过设计的轻量级数据访问框架扩展点对用户请求数据进行分类，实验中使用二进制的代码生成多目的数据访问串，实验中使用的数据串如下表1所示：

表1 实验中使用的数据

通过使用上表1中的数据串，导入至数据访问框架中，并对数据串在框架中的访问运算情况进行检测，通过分析运算的准确度与运算时延来判断方法的优劣性。

3.4 实验结果分析

根据上述实验环境与参数设置，进行具体的实验操作。使用上述数据串进行访问，并判断扩展点对不同数据串的功能分配与相关运算情况进行分析，分配运算的准确度情况实验结果如下表2所示。

表2 不同方法数据访问框架分配准确率对比

在表2中，框架一中添加的是本文设计的扩展点，框架二添加的是方法1设计的扩展点，框架三添加的是方法2设计的扩展点，框架四是不使用扩展点的数据访问框架。根据表2中可以看出，在不使用扩展点的框架下，数据访问的分配准确率明显低于其它框架。同时本文框架的准确率对比其它框架准确度更高。说明本文方法得到的扩展点运算结果更加准确，可靠性更高。这是由于该方法在适应度函数中进行了抗噪性和峰值特性识别操作，可以实现对其中变形数据的有效调整。

为了提高实验结果的可靠性，在进行运算速度的对比上，在四种不同的数据串中，分别提取3个数据串，并对比不同框架下的运算时延。实验结果如下表3所示：

表3 不同方法的数据访问框架运算时延对比

通过表3结果可以看出，在运用本文设计的框架后，运行实验对比其它框架时延明显降低，由于本文方法将扩展点进行了协同运算优化，使扩展点内的种群运算速度提高，从而运算效率得到了提升。

通过表2和表3中的实验结果可以证明，本文设计的轻量级数据访问框架扩展点具有较高的实际应用能力。

4 结束语

为了解决传统方法存在的扩展点运算速度较慢和精度较低的问题，提出基于Spring的轻量级数据访问框架扩展点研究方法。通过Spring开源框架，开发数据访问框架扩展点，并对扩展点进行协同运算优化改良。实验结果证明本文设计的框架扩展点，对比其它扩展点，运算效率和精度更高。但在本文设计中，初衷是设计应用在轻量级的数据访问框架下的扩展点。因此扩展点对运算量较大的企业级访问框架中的适用性尚未考虑。在未来研究中，可对其进行改进并进行实验，验证扩展点在数据量庞大的数据访问框架中的使用情况。