CN106161487A - 服务器的信息处理方法 - Google Patents

Abstract

本发明公开了一种服务器的信息处理方法，包括服务器接收任务处理请求，服务器将任务处理请求的任务分割为多个子任务，服务器将多个子任务分配至多个分布式服务层进行数据处理，服务器将分配至多个分布式服务层中的多个子任务传送至多个算法服务层进行数据处理，服务器将在多个算法服务层中进行数据处理后的多个子任务合并，以产生处理后的任务。

Description

服务器的信息处理方法

技术领域

本发明涉及一种服务器的信息处理方法，特别是涉及一种用于医保***中的服务器的信息处理方法。

背景技术

随着网络及云端技术的普及，各种信息能以高可靠度和高实时性的传输方式沟通。而数据中心(Data Center)配合网络的应用更使不同***间的数据管理、数据统计以及数据建立的效率获得巨量的提升。因此，目前许多***中，数据处理的趋势在于使用网络，利用数据中心的服务器(Server)通过云端传输来实现批量、自动化以及***的整合，例如考虑将云端网络应用在医保***中实现自动化方案。

传统的医保***中，病患去医院看病或是药店买药时，使用他人的医保卡进行消费的现象非常普遍。在使用人力核定医保卡的消费时常常没有进行身份的识别认证，使不具有医保卡的人享受到医保基金的福利。这种现象除了造成病患数据错误外，同时也浪费了大量的医疗资源和社会成本。并且，由于病患与医保卡的数据不匹配，甚至会发生处方签配对错误的严重结果。因此，开发一种身份识别***，应用于使用医保卡看病时的身份认证***中以确认病患与医保卡的登记人是否一致，以及利用网络提供病患与医保卡登记人的身份数据以供比对、查询及监督，实具有其必要性。

然而，发展较复杂的验证机制或识别机制需要具有强大数据处理的服务器，鉴于此，本发明将提供一种软硬件一体化的服务器，且具备有效保障***的性能，使医保侦测机制可被快速、实时、甚至跨区域的应用。

发明内容

本发明实施例提出一种服务器的信息处理方法，包括服务器接收任务处理请求，服务器将任务处理请求的任务分割为多个子任务，服务器将多个子任务分配至多个分布式服务层进行数据处理，服务器将分配至多个分布式服务层中的多个子任务传送至多个算法服务层进行数据处理，及服务器将在多个算法服务层中进行数据处理后的多个子任务合并，以产生处理后的任务。

本发明另一实施例提出一种服务器的信息处理方法，包括服务器接收多个文件数据存取请求，服务器获取多个文件数据的地址，服务器检查缓存空间内的数据，若缓存空间内的数据与多个文件数据存取请求一致，则服务器将缓存空间内的数据载出以合并成复合数据，及服务器将所述复合数据进行存取分发。

附图说明

图1为本发明实施例中服务器***的架构图。

图2为图1实施例的信息调度机制的示意图。

图3为图1实施例的分布式调度信息传送机制的示意图。

图4为图1实施例的信息数据处理方法的流程图。

其中，附图标记说明如下：

100 服务器***

10 服务器集群

BS₁至BS_N 刀片服务器

VM1₁至VMP₁、VM1₂至VMP₂、VM1_N至VMP_N 虚拟机

XS₁至XS_N 监管平台

T 任务

T₁至T_K 子任务

D₁至D_K 分布式服务层

A₁至A_K 算法服务层

N₁至N_K、PA、MA 节点

T₁’至T_K’ 处理后的子任务

S₁至S₄ 步骤

具体实施方式

图1描述了本发明实施例中服务器***100的架构图。如图1所示，服务器***100包含服务器集群10，而服务器集群10包含N个刀片服务器(Blade Server)BS₁至BS_N，N为正整数。每一台刀片服务器BS₁至BS_N的底层运行监管平台XS₁至XS_N，上层运行虚拟机(Virtual Machine)。在本实施例中，每一台刀片服务器BS₁至BS_N上层运行虚拟机的个数可为相异，如图1所示，刀片服务器BS₁上运行了P₁个虚拟机VM1₁至VMP₁，刀片服务器BS₂上运行了P₂个虚拟机VM1₂至VMP₂，而刀片服务器BS_N上运行了P_N个虚拟机VM1_N至VMP_N。本实施例中的刀片服务器BS₁至BS_N底层的运行监管平台XS₁至XS_N可为虚拟化平台XenServer。这些运行监管平台XS₁至XS_N通过使用XenServer应用程序编程接口(API)以及核心壳层(Shell)脚本，可以对服务器集群10监管，包含监管磁盘、网络、中央处理器负载。同时可监管服务器集群10于操作***上的故障、网络拥塞、意外错误并有效解决。由于本发明的服务器***100是以虚拟化的技术执行，因此当某些虚拟机发生故障时，服务器***100可以直接删除故障的虚拟机，然后生成或启动新的虚拟机并将任务数据迁移(Task Migration)。同样地，当虚拟机内的磁盘出现错误，服务器***100可卸除故障磁盘。控制器15连接于每一台刀片服务器BS₁至BS_N，负责控管刀片服务器间的网络带宽、传输地址、能源消耗等分配。由于本发明的服务器***100为应用于医保***中，使用医保卡看病时的身份认证以确认病患与医保卡的登记人是否一致，以及利用网络提供病患与医保卡登记人的身份数据以供比对、查询及监督。因此，服务器***100必须要使用软硬件一体的机制，使处理任务信息的负载均衡，并具备有效率的图片存储方案。以下将详细介绍本发明的服务器***100，在处理任务信息的负载均衡方案以及有效率的图片存储方案。

图2为本发明服务器***100的信息调度机制的示意图。为了表示方便，图2仅表示了单一信息的任务处理流程。如图2所示，服务器***100利用虚拟化的技术，将任务(Job)T分割为多个子任务(Task)T₁至T_K，而K为正整数。服务器***100也使用虚拟化的技术，通过软件将服务器***100建立K个处理节点，如节点N₁至节点N_K。节点N₁至节点N_K可为包括主从式的节点(Master/Slave Nodes)，每一个节点N₁至节点N_K都具有接收任务及分发任务的能力。在图2中，每个节点N₁至节点N_K中可利用软件分为分布式服务层D₁至D_K以及算法服务层A₁至A_K。当服务器***100接收任务处理请求时，主节点(Master Node)或处理器会将处理请求的任务T分割为多个子任务T₁至T_K。服务器***100会将多个子任务T₁至T_K分配至多个节点N₁至节点N_K。举例来说，服务器***100会将子任务T₁分配至节点N₁，子任务T₂分配至节点N₂，子任务T₃分配至节点N₃，子任务T_K分配至节点N_K。当子任务T₁至T_K分配至对应的节点N₁至节点N_K后，子任务T₁至T_K将被分配至节点N₁至节点N_K内，对应的分布式服务层D₁至D_K中，以进行数据调度、负载平衡、及对外提供状态传输接口(Restful或SOAP)的处理。随后，服务器***100会将子任务T₁至T_K继续分配至节点N₁至节点N_K内，对应的算法服务层A₁至A_K中，执行数据分析及算法的处理。例如当服务器***100应用于医保***时，算法服务层A₁至A_K可执行人脸识别分析算法的处理。在本实施例中，分布式服务层D₁至D_K可利用软件Java实现，而算法服务层A₁至A_K可利用软件C++实现。分布式服务层D₁至D_K与算法服务层A₁至A_K之间，可利用JSON的数据交换语言格式，通过简单对象存取协议(SimpleObject Access Protocol，SOAP)接口进行通讯。但本发明不受此限制，其它实施例中，可使用任何软件实现分布式服务层D₁至D_K及算法服务层A₁至A_K，也可使用任何通讯协议或数据转换格式进行通讯。并且，本实施例中的节点N₁至节点N_K，可为刀片服务器BS₁至BS_N内启动对应数量的虚拟机，也可以使用单一多核心(Single VM Multi-Core)的虚拟机，以软件建构所有节点。因此，本发明的服务器***100的信息调度机制视为一种虚拟化的多工***(Multiplex System)，利用各节点N₁至N_K平行处理的观念，能高效率的处理信息任务。以下将更进一步地介绍本发明服务器***100基于多工方式的信息调度机制流程。

图3为本发明服务器***100的分布式调度信息传送机制的示意图。在图3中，为了简化说明，仅考虑单一信息的任务处理流程以及节点PA、MA、N₁至节点N_K。当服务器***100通过接口(Restful或SOAP)接收任务处理请求时，会将任务处理请求的任务T送至节点PA中预先解析、预处理以及决定分配路径和排程。服务器***100随后由主节点(Master Node)MA或利用处理器将任务T分割为多个子任务T₁至T_K，并将多个子任务T₁至T_K分配至对应的节点(Slave Nodes)N₁至N_K。而节点N₁至N_K中的分布式服务层D₁至D_K即开始处理对应的子任务T₁至T_K。此时，服务器***100会开始计算每一个节点N₁至N_K处理子任务T₁至T_K的运行时间。当节点N₁至N_K完成处理子任务T₁至T_K后，便会将处理后的子任务返回，在图3中定义为处理后的子任务T₁’至T_K’。举例来说，节点N₁用了R₁的时间处理子任务T₁，并将处理后的子任务T₁’返回，节点N₂用了R₂的时间处理子任务T₂，并将处理后的子任务T₂’返回，节点N₃用了R₃的时间处理子任务T₃，并将处理后的子任务T₃’返回，节点N_K用了R_K的时间处理子任务T_K，并将处理后的子任务T_K’返回。而服务器***100会将进行数据处理后的多个子任务T₁’至T_K’合并，以产生处理后的结果。然而，在本发明中，若某些特定节点处理子任务的运行时间超过预定时间，则服务器***100会将特定子任务的任务排程取消，并重新分配至运行时间最短的子任务所对应的节点。举例来说，服务器***100在预定时间R_TH之间，只接收到了节点N₂至节点N_K的处理后的子任务T₂’至T_K’，并计算出其运行时间为R₂至R_K。此时，节点N₁尚未完成子任务T₁的处理，也表示节点N₁处理子任务T₁的运行时间R₁已经超过了预定时间R_TH。此时，服务器***100会通过节点MA(Master Node)将子任务T₁在节点N₁的排程取消，并将子任务T₁重新分配至运行时间R₂至R_K中，最小的节点。当所有处理后的子任务T₁’至T_K’都返回时，服务器***100会将进行数据处理后的多个子任务T₁’至T_K’合并，以产生处理后的结果。不同于传统服务器***中，当某一任务排程受到传输拥塞(Congestion)时会使整个多任务***产生大量延迟，本发明的服务器***100使用了自动重传请求(Automatic Repeat-Request，ARQ)的概念，将传输拥塞或是节点延迟的影响降至最低，保证高效率的任务处理速度。然而，为了更进一步的提升服务器***100的工作效率，任务数据的存取速度也是必要的考虑，有快速的数据存取速度并配合上述实施例中的分布式调度信息传送机制，将使服务器***100的工作效率更增加。当本发明服务器***100应用于医保***中时，于病患数量庞大且需要大量人脸侦测的需求，能使医保侦测机制具备更佳的流畅度和低延迟性。以下将详细说明本发明的服务器***100的信息处理方法，特别是针对高效率的信息数据的存取方法。

这里用一个例子来描述本发明服务器***100的信息数据的访问方法。首先，为了改善传统服务器***中，小文件在操作***(例如Linux)中因数量庞大且节点有限而发生读取及写入效率低落的问题，本发明服务器***100使用了编码技术，当小文件被命名时，将磁盘中的位置进行编码。例如服务器***100将多个小文件被命名时，其物理磁盘号、虚拟磁盘号、文件***目录、及文件起始位置进行编码。这种将多个小文件的地址进行编码的技术(也称为寻址技术)，可以高效率地定位档案(图片)的位置，并获取档案内容，同时，也可以有效解决操作***或软件层的故障问题，且不影响文件档案的储存和读取。当服务器***100接收多个小文件数据的存取请求时，就会搜寻出多个小文件数据的编码地址。在本实施例中，为了加速多个小文件数据的存取及编辑，服务器***100使用了Nginx框架，并使用了对应的Nginx模块。而Nginx模块提供了网络服务器的基本功能。服务器***100通过Nginx模块进行多个小文件数据(图像)的存取，并将其处理结果回报。当服务器***100搜寻出多个小文件数据的编码地址后，会检查缓存空间内的数据，例如检查随机存取内存(Random Access Memory，RAM)中的数据。若缓存空间内的数据与多个小文件数据存取请求一致时，服务器***100将缓存空间内的数据载出以合并成复合数据(大文件数据)。若缓存空间内的数据与多个小文件数据存取请求不一致时，服务器***100就会通过Nginx模块，执行如图4中的步骤S₁至S₄，如下：

步骤S₁：生成读取任务，加入任务消息阵列；

步骤S₂：由磁盘读取文件数据至共享缓存；

步骤S₃：通知Nginx模块读取完成；及

步骤S₄：产生文件编译码，执行文件数据存取分发。

当多个小文件数据不在缓存空间内时，服务器***100将会依据步骤S₁生成读取任务，并将读取任务排程加入任务消息阵列。接下来，服务器***100将会依照步骤S₂，直接由磁盘读取文件数据至共享缓存。当文件数据读取完成时，服务器***100会依据步骤S₃通知Nginx模块读取完成。最后，服务器***100会依据步骤S₄产生文件编译码，将多个小文件数据合并成复合数据(大文件数据)，并执行大文件数据的存取分发。在本实施例中，服务器***100可通过主节点MA进行大文件数据的存取分发，分发时依据磁盘内数据被存取的频率、数据处理算法的复杂度及负载均衡指针进行存取分发。此外，服务器***100在文件数据被存储时也考虑了多重备份的问题，即服务器***100可以将文件数据在多个物理磁盘中进行备份，因此当磁盘故障时，能有效地重新存取文件数据。当本发明服务器***100应用于医保***中时，文件数据可为病患在医保卡上的图片数据，或是病患真实的脸部照片数据、指纹数据、病历数据等等。通过服务器***100，医保***中的侦测机制可被快速且实时的数据存取实施。

综上所述，本发明提供了一种服务器的信息处理方法，可应用于医保***或任何需要大量数据或任务存取的环境下。服务器的信息处理方法概念为使用虚拟化的技术，实现软硬件一体化的服务器，并利用自动重传请求配合多工处理机制，降低任务处理的延迟时间。并且服务器利用了Nginx模块，通过寻址技术将多个小文件数据的地址编码，并将多个小文件数据读取合并为大文件的复合数据再进行存取分发，有效解决了传统服务器中，非使用寻址技术而将文件按照内存顺序逐一搜寻造成读取速度低落的问题。因此，本发明的服务器的信息处理机制，具有低延迟的任务处理时间以及高效能的数据读取速度。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种服务器的信息处理方法，其特征在于，包括：

所述服务器接收任务处理请求；

所述服务器将所述任务处理请求的任务分割为多个子任务；

所述服务器将所述多个子任务分配至多个分布式服务层进行数据处理；

所述服务器将分配至所述多个分布式服务层中的所述多个子任务传送至多个算法服务层进行数据处理；及

所述服务器将于所述多个算法服务层中进行数据处理后的多个子任务合并，以产生处理后的任务。

2.如权利要求1所述的信息处理方法，其特征在于，其中所述服务器将所述多个子任务分配至所述多个分布式服务层进行数据处理，是所述服务器将所述多个子任务分配至所述多个分布式服务层进行数据调度、负载平衡、及对外提供状态传输接口的处理。

3.如权利要求1所述的信息处理方法，其特征在于，其中所述服务器将分配至所述多个分布式服务层中的所述多个子任务传送至所述多个算法服务层进行数据处理，是所述服务器将分配至所述多个分布式服务层中的所述多个子任务传送至所述多个算法服务层执行数据分析及算法的处理。

4.如权利要求1所述的信息处理方法，其特征在于，还包括：

所述服务器将所述多个子任务分配至所述多个分布式服务层进行数据处理后，开始计算所述多个子任务的每一个子任务的运行时间；

若所述多个分布式服务层的特定分布式服务层用以运行所述多个子任务中的特定子任务的运行时间超过预定时间，则所述服务器将所述特定子任务的任务排程取消；及

所述服务器将所述特定子任务重新分配至所述多个分布式服务层中并非所述特定分布式服务层的另一个分布式服务层进行数据处理。

5.如权利要求4所述的信息处理方法，其特征在于，其中所述服务器将所述特定子任务重新分配至所述多个分布式服务层中并非所述特定分布式服务层的另一个分布式服务层进行数据处理，是所述服务器将所述特定子任务重新分配至所述多个子任务中，运行时间最短的子任务所对应的分布式服务层进行数据处理。

6.如权利要求1所述的信息处理方法，其特征在于，其中所述服务器将分配至所述多个分布式服务层中的所述多个子任务传送至所述多个算法服务层进行数据处理，是所述服务器将分配至所述多个分布式服务层中的所述多个子任务，以JSON的数据交换语言格式，通过简单对象存取协议(Simple ObjectAccess Protocol)接口，传送至所述多个算法服务层进行数据处理。

7.一种服务器的信息处理方法，其特征在于，包括：

所述服务器接收多个文件数据存取请求；

所述服务器获取所述多个文件数据的地址；

所述服务器检查缓存空间内的数据；

若所述缓存空间内的数据与所述多个文件数据存取请求一致，则所述服务器将缓存空间内的数据载出以合并成复合数据；及

所述服务器将所述复合数据进行存取分发。

8.如权利要求7所述的信息处理方法，其特征在于，还包括：

若所述缓存空间内的数据与所述多个文件数据存取请求不一致，则所述服务器将磁盘中的数据载出以合并成复合数据。

9.如权利要求7所述的信息处理方法，其特征在于，其中所述服务器将所述复合数据进行存取分发，是所述服务器根据数据被存取的频率、数据处理算法的复杂度及负载均衡策略进行存取分发。

10.如权利要求7所述的信息处理方法，其特征在于，其中所述服务器获取所述多个文件数据的地址，是所述服务器获取所述多个文件数据的物理磁盘号、虚拟磁盘号、文件***目录、及文件起始位置。