基于云计算虚拟化技术的智慧旅游信息服务平台设计①

黎 明

(广东理工学院,广东 肇庆 526100)

0 引 言

云计算将大型应用程序和数据存储在网络云中(而不是本地计算机或服务器),并使用虚拟化技术将应用程序和数据存储在云端,将结果输送给用户,具备可扩展性和资源复用性[1]。虚拟化技术是云计算的核心技术,其将一台物理计算机分成多个逻辑计算机,每个逻辑计算机都可以运行和管理独立的操作系统和应用程序,实现简化管理,优化资源的解决方案。虚拟化技术与云计算彼此独立,不相互影响,同时又相互协作[2]。智慧旅游是运用新一代信息技术,将旅游资源与云计算、虚拟化技术等有机结合,以满足游客个性化需求并提供高品质服务的一种创新方式。通过整合和优化旅游资源,智慧旅游建立了一个有效的、系统化的、集约化的服务体系,为游客提供更智能化、便捷化的旅游体验。以此实现一体化、便捷化、全面化的旅游服务[3]。智慧旅游作为旅游业的创新服务和发展趋势,卜玉菲等人基于浏览器/服务器架构设计信息服务平台[4],该平台利用B/S架构的前兆数据信息完成信息服务与管理,其虽然可提高工作效率,但是由于并不具备虚拟化技术,因而在大数据信息处理时,误差相对较高;余和剑基于微服务架构设计信息资源服务平台[5],该平台利用微服务相关技术完成信息资源服务的管理,其虽然可提升网络资源的利用率,但是会增加企业运行成本。因此,为解决上述问题,设计基于云计算虚拟化技术的智慧旅游信息服务平台,提高旅游资源的信息化配置,提升游客量并降低企业运行成本。

1 基于云计算虚拟化技术的智慧旅游信息服务平台设计

1.1 平台架构

根据云计算的特点构建基于云计算虚拟化技术的旅游信息服务平台,该平台架构由物理层、资源层和交互层三个层次组成,如图1所示。

物理层为用户提供包括网络和平台调度使用的各类资源,实现物理设备的集中化共享[6]。每一个旅游服务系统信息动态在虚拟资源上的运行,其通过动态信息技术架构完成。物理层包含资源管理服务器、网络设备、服务器组,通过虚拟化访问接口和数据访问接口与资源层相连接。

资源层配有云终端和虚拟服务器,两者作用是旅游信息检索、分类、统计、反馈等。资源层对所有旅游信息大数据进行编组和计算,并通过MySQL数据库完成计算结果的查询、分析、研判等完成结果分析以及信息处理,为游客提供所有旅游信息的面向云信息的多用户资源调度服务。包括游客在景区的吃、住、行、游、购、娱等服务信息内容的分类查询。

图1 云计算虚拟技术的智慧旅游信息服务平台架构

交互层包括移动终端和可视化配置,是城市公共旅游服务的集成化实现,其通过现有网络资源,为游客提供相应的可视化界面,游客可通过移动终端,如智能手机或平板电脑,利用相关应用程序或互联网服务,获取旅游信息、预订机票酒店、导航定位、查询景点资讯、了解天气情况、参与在线导览等功能,实现便捷的旅行体验,并满足各类游客的个性化需求。

1.2 基于大数据分析的旅游信息智能协同方法

大数据分析是资源层旅游信息查询的主要依据,是游客获取旅游信息的基础。将物理层获取的虚拟化旅游服务信息数据利用基于大数据智能协同方法完成旅游信息查询。设置大数据分析中数据信息映射为f:R→Rm,在已知条件f的基础上,通过连续迭代算法来解决问题。

设定{x(t),t=1,2,…,N}为非线性时间序列,为获取旅游信息数据协同参数,通过非线性坐标空间重构完成,其公式为:

x(n)=[x(n),x(n-t),…,x(n-(m-1)t)]T

(1)

式中:m为协同嵌入参数,t为信息延迟时间。旅游信息中存在光滑的映射关系,其表示为:

X(n+T)=φ[X(n)]

(2)

给定旅游信息的计算,根据数据规律分析协同旅游特点完成,其计算公式为:

(3)

式中,φ=R→Rm为推算时间的最小值。

如果cfg为大数据分析内坐标值向量,第f簇中心存在的分析属性有g维个;数据簇的二次方误差和为Gd,则目标函数与设计变化向量的最优化关系为:

(4)

如果数据属性可以完全覆盖所有数据信息实体,那么信息集合中提取的旅游特性协同中心的公式如下:

(5)

式中:大数据分析中基于g个数据信息簇的旅游特征协同数据数量{Rg|;dg为数据信息对象到信息簇的距离。

为了提高游客查找旅游信息的便利性和运行速度,在大数据分析中涵盖了多种数据信息时,采用回归非线性方法来进行全域分析研判,其计算公式为:

(6)

式中:未知的旅游种类部分用A表示;大数据分析中信息序列的分析采用非线性时间进行计算获取,结果为ai(i=0,2,….,m-1)。

(7)

旅游信息求解,该信息为大数据分析中的信息序列,求解公式为:

j=0,…,m-1

(8)

非线性时间序列为:

a+A(N)X(N)

(9)

式中:A(N)=[a1,a2,..,am]。采用非线性系数将大数据分析信息简化后得出:

简化后信息即为确定的游客需要的旅游信息。通过移动终端游客即可完成旅游信息交互。则旅游服务平台的流程如图2所示。

图2 旅游服务平台的流程

2 实例分析

为测试设计的云计算虚拟化的智慧旅游信息服务平台性能,选取某旅游景区的服务信息为基本数据,根据文中思路和云计算虚拟平台构建如下平台:选取位于同一局部网的10个PC物理节点,云服务器主机配置为,云服务器主机配置为双核心的Pentium EE,内存大小为16 GB,硬盘选择Pentium企业级SSD;工作机节点的CPU型号为单核心的Pentium 4 EE,4 GHz,内存大小为4 GB,节点之间通过局域网中的千兆交换机进行数据交换。10台PC机的操作系统均为Microsoft Windows 系列。

将基于B/S架构的信息服务与运行管理平台(文献[4]平台)和基于微服务架构的信息资源服务平台(文献[5]平台)作为本文平台的对比平台,展开相关实验。

图3 吞吐量结果

2.1 吞吐量测试

吞吐量是衡量平台在同一时间内不同物理节点数量下的平台数据处理能力。设置平台运行时间为5 min,测试平台在不同物理节点数量下的旅游服务信息大数据处理的吞吐量,测试结果如图3所示。分析图3可知:随着物理节点的增加,平台的旅游大数据处理量呈现逐步增长。说明平台的大数据处理吞吐量较高,可满足旅游服务信息大数据处理的实际应用需求。

2.2 信息协同延时测试

平台的旅游服务信息大数据的智能协同效果,可体现平台的旅游服务信息数据的处理效率。采用三种平台完成数据量大小为30 GB旅游服务信息数据的协同处理延时情况,测试结果如表1所示。根据表1可得:文中平台的旅游服务信息协同处理延时最低,5次测试结果的延时范围均在20 ms～25 ms之间;两种对比平台的协同处理延时均较大程度高于文中平台,并且延时范围波动较大。协同延时越低,越可提升平台对于旅游服务信息大数据的处理效率,因此文中平台具有较好的降低延时性能。

表1 三种平台的旅游服务信息协同延时对比

2.3 协同误差测试

平台在进行旅游服务信息大数据的查询过程中,旅游服务信息的智能协同误差将影响旅游服务信息的查询结果。测试三种平台在1 ms～10 ms的时间内,数据量大小为50 GB时,处理旅游服务信息的智能协同误差,结果如表2所示。

表2 三种平台的旅游服务信息智能协同误差值对比

根据表2可得:在相同的智能协同时间内,文中平台的旅游服务信息智能协同误差值最小;而两种对比平台的智能协同误差值较高。因此文中平台的智能协同误差较小,可更好的保证旅游服务信息查询的准确性。

图4 平台应用前、后旅游服务信息网络资源利用率

图5 平台应用前、后旅游企业运行成本

2.4 应用性测试

平台应用性是平台构建的核心目的,从旅游服务信息网络资源的利用率、旅游企业运行成本和游客的增加量三个方面测试本文平台的应用性。

将平台应用到实验对象中运行1～7日,测试应用平台前、后的旅游服务信息网络资源的利用率、旅游企业运行成本和游客的增加量,测试结果如图4、图5、表3所示。分析图5可知:在同期的1日～7日内,应用平台前旅游服务信息网络资源的利用率均在60%以下,利用率较低,应用平台后,旅游服务信息网络资源的利用率均为90%以上,利用率大幅度提升,是因为平台具备相对应的分布式处理方式,可极大程度提高服务器和网络资源的利用率。

分析图6可知:相同时期内应用平台前实验对象的运行成本均在80万以上,应用平台后的运行成本约下降50%,说明平台具备较好的应用性,其具备的虚拟化技术可较大程度完成游客的在旅游中的服务需求,使人工咨询解答成本极大降低。

分析表3可知:相同时期内应用平台后实验对象的游客量较比使用前的游客有极大幅度的增加,说明平台应用后,可为游客提供良好的旅游服务以及相关信息查询,游客大量增加,证明平台具有良好应用性。

表3 平台应用前、后游客的增加量

3 结 语

设计的基于云计算虚拟化技术的智慧旅游信息服务平台,经实验证明:该平台能有效完成游客对旅游服务相关信息的查询,并且对于旅游服务信息大数据的处理效率较高、协同误差较小;网络资源的利用率大幅度提升,同时可在一定程度上降低旅游公司的运行成本,具备良好的应用性。