云服務(wù)器中的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的研究與設(shè)計(jì)

王曙霞 胡瑞敏 梁意文 熊曾剛

摘 要： 針對(duì)當(dāng)前的云計(jì)算服務(wù)器缺少對(duì)不穩(wěn)定數(shù)據(jù)的識(shí)別與檢測(cè)，設(shè)計(jì)并實(shí)現(xiàn)一種云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)。介紹系統(tǒng)的總體結(jié)構(gòu)，利用數(shù)據(jù)采樣預(yù)處理模塊實(shí)現(xiàn)從源數(shù)據(jù)到挖掘數(shù)據(jù)的映射，完成離散化、數(shù)據(jù)過(guò)濾等處理過(guò)程。依據(jù)2.0 mm ERmet Hard Metric 連接器，采用 RapidIO協(xié)議，通過(guò)接口模塊完成數(shù)據(jù)間的傳輸，以達(dá)到信號(hào)傳輸效率與穩(wěn)定性的要求。通過(guò)數(shù)據(jù)挖掘模塊對(duì)云服務(wù)器中不穩(wěn)定數(shù)據(jù)的確認(rèn)與挖掘，將挖掘結(jié)果傳輸至控制模塊進(jìn)行處理。軟件設(shè)計(jì)過(guò)程中，對(duì)云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)進(jìn)行了詳細(xì)地分析，并給出不穩(wěn)定數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程以及系統(tǒng)部分程序代碼。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有很高的實(shí)用性和可靠性。

關(guān)鍵詞： 云服務(wù)器； 不穩(wěn)定數(shù)據(jù)挖掘； 數(shù)據(jù)采樣預(yù)處理； 數(shù)據(jù)過(guò)濾

中圖分類(lèi)號(hào)： TN915?34； TP311 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）06?0049?04

Research and design of unstable data mining system in cloud server

WANG Shuxia1， HU Ruimin2， LIANG Yiwen2， XIONG Zenggang1

（1. School of Computer and Information Science， Hubei Engineering University， Xiaogan 432000， China；

2. School of Computer， Wuhan University， Wuhan 430072， China）

Abstract： Since the current cloud computing server lacks recognition and detection of unstable data， a mining system of unstable data in cloud server was designed and realized. The overall structure of the system is introduced. With the data sampling pretreatment module， the mapping from the source data to the mining data is implemented， and the process of discretization and data filtering is completed. Based on 2.0 mm ERmet Hard Metric connector， the RapidIO protocol is used to complete the data transmission through the interface module， and meet the requirements of the signal transmission efficiency and stability. The unstable data in the cloud server is validated and mined by means of data mining module. The mining results are transmitted to the control module for processing. In the process of software design， the unstable data mining system in the cloud server was analyzed in detail. The implementation process of unstable data mining and the part program codes of the system are given. The experimental result shows that the system has high practicability and reliability.

Keywords： cloud server； unstable data mining； data sampling pretreatment； data filtering

隨著計(jì)算機(jī)的逐漸發(fā)展及信息技術(shù)的不斷推進(jìn)，人們對(duì)服務(wù)器運(yùn)行穩(wěn)定性的要求越來(lái)越高[1?2]。云服務(wù)器作為一種簡(jiǎn)單高效、安全可靠、處理能力可彈性伸縮的計(jì)算服務(wù)，被越來(lái)越廣泛的應(yīng)用[3?5]。但是，當(dāng)前的云計(jì)算服務(wù)器都只是從入侵的角度考慮服務(wù)器的安全性，沒(méi)有充分考慮不穩(wěn)定數(shù)據(jù)帶來(lái)的影響。因此，研究一種不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)，使云服務(wù)器能夠更加穩(wěn)定、安全地服務(wù)于用戶，向客戶提供高質(zhì)量的服務(wù)具有重要意義，已經(jīng)成為相關(guān)學(xué)者研究的重點(diǎn)課題[6?8]。本文設(shè)計(jì)并實(shí)現(xiàn)了一種云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)，介紹了系統(tǒng)的總體結(jié)構(gòu)、硬件結(jié)構(gòu)以及軟件結(jié)構(gòu)，為實(shí)現(xiàn)云服務(wù)器的穩(wěn)定運(yùn)行提供有效依據(jù)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有很高的實(shí)用性和可靠性。

1 不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)總體邏輯結(jié)構(gòu)

本文設(shè)計(jì)的云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)主要由控制模塊、數(shù)據(jù)采樣預(yù)處理模塊、接口模塊、數(shù)據(jù)挖掘模塊和云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘模塊等構(gòu)成，系統(tǒng)總體邏輯結(jié)構(gòu)如圖1所示。

2 硬件模塊的選擇與設(shè)計(jì)

2.1 云服務(wù)器不穩(wěn)定數(shù)據(jù)采樣處理模塊設(shè)計(jì)

數(shù)據(jù)采樣預(yù)處理模塊主要用于從源數(shù)據(jù)到挖掘數(shù)據(jù)的映射，實(shí)現(xiàn)離散化、數(shù)據(jù)過(guò)濾等處理過(guò)程。數(shù)據(jù)采樣預(yù)處理模塊主要由FPGA、SSRAM、模/數(shù)轉(zhuǎn)換器、以太網(wǎng)接口等構(gòu)成，詳細(xì)硬件結(jié)構(gòu)如圖2所示。

數(shù)據(jù)采樣預(yù)處理模塊以ADS1178芯片為核心，其屬于delta?sigma（Δ?Σ）型模/數(shù)轉(zhuǎn)換器，共存在8 個(gè)差分輸入通道，可同時(shí)對(duì)8個(gè)云通道的輸入數(shù)據(jù)進(jìn)行數(shù)據(jù)采用，采樣電路的數(shù)據(jù)輸出端與 FPGA相連。為后期的不穩(wěn)定數(shù)據(jù)的識(shí)別打下基礎(chǔ)。系統(tǒng)將Cyclone Ⅳ GX 系列的 EP4CGX110CF23C7N 型號(hào)芯片作為FPGA 芯片，該芯片為Altera公司Cyclone系列FPGA 的新一代產(chǎn)品，不僅功耗低，而且成本不高。系統(tǒng)選擇的SSRAM型號(hào)是GS864018?300，其為72 Mb同步突發(fā)傳輸靜態(tài)存儲(chǔ)器。FPGA和以太網(wǎng)接口之間選擇的網(wǎng)橋芯片詳細(xì)型號(hào)是 DP83848C。

2.2 不穩(wěn)定數(shù)據(jù)的傳遞接口模塊

接口模塊主要用于對(duì)不穩(wěn)定數(shù)據(jù)進(jìn)行傳輸，主要由信號(hào)調(diào)直機(jī)、高速數(shù)據(jù)傳輸系統(tǒng)、Ermet Hard 354142型接口和Ermet Hard 973046型接口等構(gòu)成，詳細(xì)硬件結(jié)構(gòu)如圖3所示。因?yàn)楸疚脑O(shè)計(jì)系統(tǒng)之間的數(shù)據(jù)傳輸采用 RapidIO協(xié)議，因此，本文數(shù)據(jù)傳輸接口選擇ERNI公司生產(chǎn)的2.0 mm ERmet Hard Metric 連接器。為了達(dá)到信號(hào)傳輸效率與穩(wěn)定性的要求，本文系統(tǒng)將連接器作為系統(tǒng)輸入端口，將型號(hào)是973046的連接器作為系統(tǒng)傳輸端口。數(shù)據(jù)采集電路對(duì)采集的數(shù)據(jù)進(jìn)行判斷，一旦發(fā)現(xiàn)是疑似不穩(wěn)定數(shù)據(jù)，會(huì)存儲(chǔ)到SSRAM，判斷的過(guò)程是EP4CGX110CF23C7N完成的。

2.3 不穩(wěn)定數(shù)據(jù)的判斷模塊

判斷模塊是整個(gè)云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的核心，主要用于設(shè)置相關(guān)不穩(wěn)定數(shù)據(jù)挖掘參數(shù)，同時(shí)調(diào)用數(shù)據(jù)挖掘模塊完成數(shù)據(jù)挖掘。不僅如此，判斷模塊還存在各子模塊相關(guān)數(shù)據(jù)的維護(hù)與管理。對(duì)不穩(wěn)定數(shù)據(jù)判斷模塊的結(jié)構(gòu)圖如圖4所示。

DSP處理器采用美國(guó)TI公司生產(chǎn)的TMS320C54X芯片，其主要用參數(shù)設(shè)置，完成對(duì)不穩(wěn)定數(shù)據(jù)的判斷；IPC選擇Diamond系列的IPC芯片，其負(fù)責(zé)數(shù)據(jù)的傳輸。DSP處理器類(lèi)似于磁盤(pán)陣列中陣列控制器，在驅(qū)動(dòng)器和SAN間添加了一個(gè)智能層，它與外部連接到SAN。

2.4 不穩(wěn)定數(shù)據(jù)挖掘模塊的設(shè)計(jì)

數(shù)據(jù)挖掘模塊主要負(fù)責(zé)對(duì)云服務(wù)器中的不穩(wěn)定數(shù)據(jù)進(jìn)行深層次的挖掘，同時(shí)將挖掘結(jié)果發(fā)送至控制模塊進(jìn)行處理。數(shù)據(jù)挖掘模塊主要由處理器、智能接口控制器、數(shù)字I/O和職能I/O構(gòu)成，詳細(xì)硬件結(jié)構(gòu)如圖5所示。

數(shù)字I/O選擇的型號(hào)為IONI USB?6501 ，其為低價(jià)位USB數(shù)字I/O設(shè)備。職能I/O選擇的型號(hào)為Eclipse Java，其大大縮減挖掘過(guò)程，提高了挖掘效率。

3 系統(tǒng)軟件設(shè)計(jì)

3.1 總流程圖設(shè)計(jì)

在對(duì)云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)所需執(zhí)行任務(wù)進(jìn)行分析的基礎(chǔ)上，結(jié)合系統(tǒng)軟件設(shè)計(jì)的特性和要求，設(shè)計(jì)了云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的軟件流程圖，如圖6所示。

在云服務(wù)器中，用戶在登陸界面上登陸系統(tǒng)后，如果不穩(wěn)定數(shù)據(jù)挖掘所需的算法及數(shù)據(jù)都存在，則利用數(shù)據(jù)挖掘模塊進(jìn)行數(shù)據(jù)的挖掘，獲取結(jié)果。

3.2 代碼設(shè)計(jì)

根據(jù)上述軟件系統(tǒng)流程圖進(jìn)行代碼設(shè)計(jì)。本文設(shè)計(jì)的云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的軟件，在Windows 7.0環(huán)境下，通過(guò)C++完成，詳細(xì)的軟件程序設(shè)計(jì)流程如下所述：

4 仿真實(shí)驗(yàn)分析

4.1 測(cè)試環(huán)境

為了驗(yàn)證本文設(shè)計(jì)的云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的有效性，需要進(jìn)行相關(guān)的實(shí)驗(yàn)分析。實(shí)驗(yàn)將基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)作為對(duì)比進(jìn)行分析。本實(shí)驗(yàn)研究的云服務(wù)器是由一個(gè)主（Master）節(jié)點(diǎn)和三個(gè)從（Slave）節(jié)點(diǎn)構(gòu)成的，節(jié)點(diǎn)硬件環(huán)境見(jiàn)表1、表2。

云服務(wù)器和客戶端均連接在千兆局域網(wǎng)內(nèi)，網(wǎng)絡(luò)拓?fù)鋱D如圖7所示。

4.2 實(shí)驗(yàn)結(jié)果分析

分別采用本文系統(tǒng)和基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)對(duì)上述測(cè)試環(huán)境下云服務(wù)器的不穩(wěn)定數(shù)據(jù)進(jìn)行挖掘；在數(shù)據(jù)集數(shù)量逐漸升高的情況下，對(duì)兩種系統(tǒng)的挖掘時(shí)間和挖掘準(zhǔn)確率進(jìn)行比較，得到的結(jié)果見(jiàn)表3。

分析表3可以看出，隨著數(shù)據(jù)量的逐漸增加，本文系統(tǒng)和基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的挖掘時(shí)間均逐漸升高，但與基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)相比，本文系統(tǒng)挖掘時(shí)間的增長(zhǎng)幅度明顯降低，而且一直低于基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)。不僅如此，本文系統(tǒng)的的挖掘準(zhǔn)確率一直高于基于蟻群算法的不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)，說(shuō)明本文系統(tǒng)具有很高的挖掘性能，驗(yàn)證了本文系統(tǒng)的可行性和實(shí)用性。

5 結(jié) 語(yǔ)

本文設(shè)計(jì)并實(shí)現(xiàn)了一種云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)，介紹了系統(tǒng)的總體結(jié)構(gòu)，將控制模塊作為整個(gè)云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)的核心，通過(guò)控制模塊設(shè)置相關(guān)的數(shù)據(jù)挖掘參數(shù)、調(diào)用數(shù)據(jù)挖掘模塊完成數(shù)據(jù)挖掘以及對(duì)各子模塊相關(guān)數(shù)據(jù)進(jìn)行維護(hù)與管理。

利用數(shù)據(jù)采樣預(yù)處理模塊實(shí)現(xiàn)從源數(shù)據(jù)到挖掘數(shù)據(jù)的映射，完成離散化、數(shù)據(jù)過(guò)濾等處理過(guò)程。依據(jù)2.0 mm ERmet Hard Metric 連接器，采用 RapidIO協(xié)議，通過(guò)接口模塊完成數(shù)據(jù)間的傳輸，以達(dá)到信號(hào)傳輸效率與穩(wěn)定性的要求。通過(guò)數(shù)據(jù)挖掘模塊對(duì)云服務(wù)器中不穩(wěn)定數(shù)據(jù)進(jìn)行挖掘，將挖掘結(jié)果傳輸至控制模塊進(jìn)行處理。軟件設(shè)計(jì)過(guò)程中，對(duì)云服務(wù)器中不穩(wěn)定數(shù)據(jù)挖掘系統(tǒng)進(jìn)行了詳細(xì)的分析，并給出不穩(wěn)定數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程以及系統(tǒng)部分程序代碼。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有很高的實(shí)用性和可靠性。

參考文獻(xiàn)

[1] 魏中賀，李少波.基于云制造的數(shù)據(jù)挖掘研究[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，32（1）：75?80.

[2] 時(shí)念云，王文佳，馬力.基于普適云的大數(shù)據(jù)挖掘[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2013，22（11）：7?12.

[3] 竇波，陳曉云，李均委.基于數(shù)據(jù)挖掘分析的電力營(yíng)銷(xiāo)稽查監(jiān)控系統(tǒng)[J].新疆電力技術(shù)，2014（3）：92?94.

[4] 甘楊蘭，趙梅，牛森，等.基于云仿真環(huán)境數(shù)據(jù)挖掘的服務(wù)分類(lèi)方法[J].計(jì)算機(jī)仿真，2014（10）：460?465.

[5] 郭鑫，顏一鳴.一種動(dòng)態(tài)云模型下樹(shù)數(shù)據(jù)挖掘算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2013，34（12）：2749?2752.

[6] 李化明，王家云，馬利華.基于知識(shí)依賴(lài)度約簡(jiǎn)數(shù)據(jù)挖掘的個(gè)性化服務(wù)研究[J].大學(xué)圖書(shū)情報(bào)學(xué)刊，2015，33（1）：90?94.

[7] 厲一梅.基于云計(jì)算的電力數(shù)據(jù)挖掘軟件和優(yōu)化服務(wù)[J].電子世界，2014（6）：13?14.

[8] 李華，陳立云，張星.云計(jì)算條件下數(shù)據(jù)挖掘技術(shù)對(duì)高校信息服務(wù)水平的提升作用[J].電子技術(shù)與軟件工程，2014（10）：197.