CN114048020B - 一种基于大数据客房管理*** - Google Patents
一种基于大数据客房管理*** Download PDFInfo
- Publication number
- CN114048020B CN114048020B CN202111104444.6A CN202111104444A CN114048020B CN 114048020 B CN114048020 B CN 114048020B CN 202111104444 A CN202111104444 A CN 202111104444A CN 114048020 B CN114048020 B CN 114048020B
- Authority
- CN
- China
- Prior art keywords
- data
- server
- sub
- backup
- management system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
- G06F11/1464—Management of the backup or restore process for networked environments
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提出了一种基于大数据客房管理***包括:多个硬件终端,多个客户端,应用服务器,数据存储服务器,数据备份服务器以及web服务器;应用服务器接收多个硬件终端采集的数据,并传输给所述数据存储服务器,同时将Web服务器返回的监测和控制数据信息实时传输给多个硬件终端;数据存储服务器实时存储应用服务器上传的数据,并且上传给数据备份服务器进行数据备份;数据备份服务器用来实现管理***中的大数据的备份功能,并支持历史数据的查询;web服务器,用于在客户端访问管理***的时候,通过web服务器向数据备份服务器提出数据查询请求,并将反馈的数据展示在客户端。
Description
技术领域
本发明涉及客房管理技术领域,具体涉及一种基于大数据客房管理***。
背景技术
随着物联网的出现及快速发展,各行各业、各领域的设备和终端通过接入网络能快速的汇聚到一起,这标志着大数据时代已经来临。大数据是信息时代不断发展过程中的产物,在社会科技的高速发展下,当今社会的大数据研究己经深入覆盖到全球的各个领域,跟每个人都息息相关,大数据的洪流己经席卷全球。大数据源源不断地从复杂多样的物联网传感设备和应用***中产生,未来将会以更快、更多样化、更复杂的方式持续快速增长。
酒店客房管理的物联网大数据产业具备了良好基础,面临难得的发展机遇,目前没有一个通用的开放性的服务平台,是现存非常困难和严重的问题。大数据资源流通困难,管理能力不强,数据的价值很难被最大限度实现;同时管理***不够开放,客房终端设备接入兼容性较差,数据服务事故频繁发生。
例如现有技术中,专利文献CN107886611A公开了一种用于自助式酒店的客房安全管理***,包括移动终端、智能锁和服务器:智能锁包括二维码识别设备和通信模块;服务器包括数据库a和数据库b;数据库a中存储有客房预订信息;数据库b中存储有客房位置、价格信息;移动终端向服务器发起访问,服务器根据移动终端所做的客房筛选,提取数据库b中存储的空置客房信息,并反馈至移动终端。但是,该技术方案随着入住人员要求的不断提高,管理***的支持能力不足,工作效率低。
再专利文献CN212433841U公开了一种基于云服务器的智慧酒店服务***,包括带有房卡收发装置的自主入住终端、多个客户终端、管理终端和云服务器,多个客户终端和管理终端均与云服务器通信连接,客户终端包括控制处理模块、以及均与控制处理模块连接的激活模块、网络通信模块、用于展示酒店服务项目的酒店服务模块和用于展示合作商家服务项目的商家服务模块,云服务器包括控制模块、身份认证模块、计费模块和存储模块,控制模块分别与多个客户终端和管理终端通信连接,身份认证模块、计费模块和存储模块均与控制模块连接。但是,该技术方案大数据资源流通困难,管理能力不强,数据的价值很难被最大限度实现。
发明内容
为了解决上述技术问题,本发明提出了一种基于大数据客房管理***,包括:多个硬件终端,多个客户端,应用服务器,数据存储服务器,数据备份服务器以及web服务器;
所述应用服务器接收多个硬件终端采集的数据,并传输给所述数据存储服务器,同时将Web服务器返回的监测和控制数据信息实时传输给多个硬件终端;
所述数据存储服务器实时存储应用服务器上传的数据,并且上传给数据备份服务器进行数据备份;
所述数据备份服务器用来实现管理***中的大数据的备份功能,并支持历史数据的查询;
所述web服务器,用于在客户端访问管理***的时候,通过web服务器向数据备份服务器提出数据查询请求,并将反馈的数据展示在客户端。
进一步地,所述web服务器包括负载均衡服务器以及多个子服务器;所述web服务器采用加权轮询算法,由负载均衡服务器向各个子服务器分配所述多个客户端发送的请求。
进一步地,所述加权轮询算法具体包括如下步骤:
步骤1:收集不同的子服务器负载因子的值,所述负载因子包括:子服务器CPU的利用率L(ci)、子服务器内存的利用率L(mi)和子服务器带宽的利用率L(ni);
步骤2:将每个子服务器的各个利用率和对应的利用率阈值进行比较,子服务器CPU的利用率阈值为Y(ci),子服务器内存的利用率阈值为Y(mi),子服务器带宽的利用率阈值为Y(ni);
若L(ci)>Y(ci)、L(mi)>Y(mi)或者L(ni)>Y(ni),则将这台子服务器的权值设置为0,时间周期T内不再对这台子服务器分配任务,反之,当L(ci)<Y(ci)、L(mi)<Y(mi)且L(ni)<Y(ni),则根据每个子服务器的各负载因子的权重向量T(i)计算该子服务器实时负载的值M(i);
步骤3:计算子服务器处理能力极值N(i)和子服务器实时负载率R(i);
步骤4:将各个子服务器实时负载率R(i)的值和子服务器的阈值Y(i)进行比较,
若R(i)>Y(i),将这台子服务器的权值设置为0,否则进行下一步;
步骤5:计算子服务器的计算权值C(i),根据为子服务器设置的权值W(i)计算子服务器真实分配的权值CW(i);
步骤6:计算各个子服务器之间真实分配权值CW(i)的配比,根据这个真实分配权值CW(i)的配比轮询分配请求任务。
其中,T(i)=[T(ci),T(mi),T(ni)];L(i)=[L(ci),L(mi),L(ni)];T(ci),T(mi),T(ni)分别表示子服务器的CPU、内存和带宽的权值;L(ci),L(mi),L(ni)分别表示子服务器CPU、内存和带宽的利用率;
其中,P(i)=[P(ci),P(mi),P(ni)],P(ci),P(mi),P(ni)分别表示子服务器CPU处理速度,内存大小,带宽吞吐量;
子服务器实时负载率R(i)=M(i)/N(i);
进一步地,所述管理***采用数据分布存储备份机制,融合了应用服务器的数据处理、数据存储服务器的数据存储以及数据备份服务器的数据备份三个过程,应用服务器作为数据采集节点,数据存储服务器作为数据合并节点,数据备份服务器作为数据备份节点。
进一步地,所述应用服务器中包括数据采集模块和数据发送模块,数据采集模块采集多个硬件终端产生的最新数据,数据格式包含硬件终端编号和发送日期,数据发送模块将所述最新数据发送给数据存储服务器。
进一步地,所述数据存储服务器包括内存管理模块和多个缓冲区;所述内存管理模块根据接收到的数据的大小,将其分配到多个缓冲区,并周期性地执行数据合并操作,将合并后的数据发送给数据备份服务器,同时释放相应的多个缓冲区的空间;数据备份服务器将接收到的合并后的数据与当前历史数据库中的数据合并,最终产生一份新的历史数据库。
进一步地,所述数据备份服务器使用层次表和序列表相结合的方式来存储数据,第一层次结构中存储数据的类型信息,第二层次结构中存储每个类型信息下所有的硬件终端设备信息,每一种硬件终端设备信息通过序列表结构按照硬件终端设备传输数据的时间进行排序。
进一步地,所述数据备份服务器中存储的数据组的格式为{类型,设备,时间};数据查询时,数据备份服务器使用数据过滤机制过滤查询请求中的无效数据。
进一步地,当所述数据备份服务器存储容量不足时,管理***弹性的增加数据备份服务器来扩容,设置多个数据备份服务器构成分布式的备份***,共同对历史数据库进行备份,服务所述多个客户端对所述历史数据的查询请求。
本发明的基于大数据客房管理***,不仅采用加权轮询算法,基于各个子服务器的权重配比来分配子服务器的负载服务,来缓解WEB服务器传输上的压力,还将负载均衡的分配最大平均化,不会出现相连的请求被同时分配到相同子服务器的情形,进一步为了支撑客房管理***在事务处理和数据存储方面的需求,采用数据分布存储备份机制和数据过滤机制,大大增加了数据的吞吐量,保证了数据传输。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所 需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于大数据客房管理***的整体结构示意图;
图2为本发明的在WEB服务器上进行加权轮询算法的示意图;
图3为本发明的加权轮询算法的流程图;
图4为本发明的数据分布存储备份机制的示意图;
图5为本发明的数据备份服务器使用层次表和序列表存储数据的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本发明的具体实施例附图中,为了更好、更清楚的描述智慧型酒店***中的各元件的工作原理,表现所述装置中各部分的连接关系,只是明显区分了各元件之间的相对位置关系,并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示,为本发明的一种基于大数据客房管理***的整体结构示意图,包括:多个硬件终端1、2……n;多个客户端1、2……n;应用服务器;数据存储服务器;数据备份服务器以及web服务器。
多个硬件终端1、2……n为设置在客房内的传感器、控制器等智能终端。例如,空调传感及控制终端、温湿度监测终端、智能门锁终端以及电视、电话通信终端等。
多个客户端1、2……n包括移动通信设备和PC端安装的浏览器软件和APP,客户端的用户经过浏览器软件或者APP访问Web服务器得到管理***中多个硬件终端的数据展示,并且通过浏览器软件和APP监测和控制智能终端的状态。
应用服务器,维持与多个硬件终端1、2……n之间数据传输的持久性,不仅负责接收多个硬件终端1、2……n传输给数据存储服务器的数据,还需要负责将Web服务器返回的监测和控制数据信息实时传输给多个硬件终端。
数据存储服务器,提供管理***中的大数据实时存储功能,数据存储服务器中存储了应用服务器上传的多个硬件终端1、2……n的数据。
数据备份服务器,用来实现管理***中的大数据的备份功能,与数据存储服务器保持数据一致,实时的对大数据做好***备份,保障数据的完整性与安全性,相对于数据存储服务器里面存储的数据操作,数据备份服务器支持数据的查询,在一定程度上有效的减轻了数据存储服务器的操作压力。并且web服务器根据客户端提出的请求而过滤出来的结果也会实时存储到数据备份服务器。
web服务器,用于给多个客户端1、2……n提供门户网站和APP软件入口,用户在客户端访问管理***的时候,通过web服务器向数据备份服务器请求数据,然后将反馈的数据展示在客户端。web服务器提供了管理***中的多个硬件终端1、2……n数据展示的可直接浏览界面,同时也提供接口方便客户端反向控制多个硬件终端1、2……n。
本发明在web服务器上进行加权轮询算法,用来缓解web服务器传输上的压力。如图2所示,为本发明的在web服务器上进行加权轮询算法的示意图。由于数据传输过程中单个服务器的压力负荷过重,因此,本发明中将web服务器具体设置为包括负载均衡服务器以及多个子服务器1、2……n。多个客户端1、2……n的请求通过web服务器中的加权轮询算法进行处理,然后由负载均衡服务器轮流地分配给各个子服务器。负载均衡服务器,用来接收和分担多个客户端1、2……n的请求,负载均衡服务器连接多个子服务器1、2……n,并根据加权轮询算法的结果,从而决定将多个客服端1、2……n的请求转发分配到不同的子服务器1、2……n,有效缓解了web服务器数据传输的压力,保证了数据传输的效率,这种方式成本低廉、配置简单、使用灵活,大大增加了数据的吞吐量,保证了数据传输。
具体地,子服务器实时的负载因子是一个动态的数据,它是由子服务器中负载因子的利用率和对应的权值相乘得到的。一定的时间周期T内,优选地T=10s,负载均衡服务器收集一次子服务器的负载因子的值,这些负载因子的值是动态变化的,根据收集到的负载因子的值,首先将这些负载因子的值和对应设定的阈值进行比较,在收集到的负载因子值小于对应设定的阈值的情况下,计算各个子服务器的处理能力极值和每个子服务器的实时负载值,这两个值相比得到一个值,这个值叫做负载率。如果负载率小于服务器的阈值,计算当前子服务器的权值,根据权值进行轮询处理请求任务。
其中,根据计算出的子服务器的权值求出各个子服务器的权值比,这个权值比能够很好地代表当前子服务器的性能。这个权值比不包含负载率大于等于服务器的阈值的子服务器,根据这个比值确定子服务器的权值,可以确保子服务器的正常运行。
多个客户端1、2……n向服务器发送请求的时候,请求先被发送到负载均衡服务器,负载均衡服务器对子服务器进行实时反馈负载状态,即负载因子的信息,然后负载均衡服务器根据权值轮询算法把请求的分配到不同的子服务器1、2……n,不同的子服务器1、2……n处理完成请求之后,把处理结果通过负载均衡服务器反馈到多个客户端1、2……n。
如图3所示,加权轮询算法的流程如下:
步骤1:收集不同的子服务器1、2……n负载因子的值,本实施例中涉及到的负载因子的值为:子服务器CPU的利用率L(ci)、子服务器内存的利用率L(mi)和子服务器带宽的利用率L(ni)。
步骤2:将每个子服务器的各个负载因子的值和各自对应的阈值进行比较,即,子服务器CPU的利用率阈值Y(ci),子服务器内存的利用率阈值Y(mi)和子服务器带宽的利用率阈值Y(ni);
若存在L(ci)>Y(ci)、L(mi)>Y(mi)或者L(ni)>Y(ni),则将这台子服务器的权值设置为0,这个时间周期T内不再对这台子服务器分配任务,反之,当L(ci)<Y(ci)、L(mi)<Y(mi)且L(ni)<Y(ni),则根据负载因子的权重向量T(i)计算该子服务器实时负载因子的值M(i);
T(i)=[T(ci),T(mi),T(ni)];
L(i)=[L(ci),L(mi),L(ni)];
其中,T(ci),T(mi),T(ni)分别表示每个子服务器的CPU、内存和带宽的权值,且它们的和为1;L(ci),L(mi),L(ni)分别表示子服务器CPU、内存和带宽的利用率。
步骤3:计算子服务器处理能力极值N(i)和子服务器实时负载率R(i);
其中,P(i)=[P(ci),P(mi),P(ni)],P(ci),P(mi),P(ni)分别表示子服务器CPU处理速度,内存大小,带宽吞吐量。
步骤4:将各个子服务器实时负载率R(i)的值和子服务器的阈值Y(i)进行比较,其中,Y(i)=[Y(ci),Y(mi),Y(ni)];
若R(i)>Y(i),将这台子服务器的权值设置为0,否则进行下一步;
步骤5:计算子服务器的计算权值C(i),
C(i)=(R-R(i))/R;
根据为子服务器设置的权值W(i)计算子服务器真实分配的权值CW(i):
步骤6:计算各个子服务器之间真实分配权值CW(i)的配比,根据这个真实分配权值CW(i)的配比轮询分配请求任务。
加权轮询算法的实现到此全部完成。在web服务器中加入加权轮询算法不仅可以基于各个子服务器的权重配比来分配多个客户端的请求服务,并且还能将各个子服务器的负载均衡的分配最大平均化,不会出现相连的请求被同时分配到相同子服务器的情形。
为了支撑客房管理***在事务处理和数据存储方面的需求,在优选实施例中,如图4所示,本发明采用数据分布存储备份机制,它融合了应用服务器的数据处理、数据存储服务器的数据存储以及数据备份服务器的数据备份查询三个过程,其中,应用服务器作为数据采集节点,数据存储服务器作为数据合并节点,数据备份服务器作为数据备份节点。
具体地,应用服务器中包括数据采集模块和数据发送模块,数据采集模块采集多个硬件终端1、2……n产生的最新数据,数据格式为{‘ZD001’:‘2018.12.01’},‘ZD 001’表示硬件终端编号,‘2018.12.01’表示发送数据的日期,数据通信模块接收到硬件终端的数据之后,定时刷新智能终端的最后通信时间,若在规定的一定时间周期内没有得到从硬件终端发出的新数据或连线请求时,就认为这个硬件终端处于离线状态。因此,多个硬件终端为了保证自己可以保持在线状态,会一直以固定的频率向应用服务器发送连线请求。
应用服务器的数据发送模块将采集到的数据发送给数据存储服务器,数据存储服务器包括内存管理模块和多个缓冲区,内存管理模块根据接收到的数据的大小,将其分配到多个缓冲区。为了应对数据存储服务器内存容量的限制,内存管理模块会周期性地执行数据合并操作。当多个缓冲区内存中积累的数据越来越多时,数据合并操作会将多个缓冲区上所有的数据与数据备份服务器上存储的当前数据库历史数据合并,最终在数据备份服务器上产生一份新的历史数据库。在合并完成后, 内存管理模块删除所有已经被合并的数据,并释放相应的多个缓冲区的空间。因此,数据存储服务器的缓冲区中保存的数据相对于整个数据库而言是很小的一部分,对于不同客户端的查询请求而言,需要在数据备份服务器中执行数据搜索。
数据备份服务器具体地使用层次表和序列表相结合的方式来存储数据,存储结构示意图如图5所示。其中第一层次结构中存储数据的类型信息,例如图5中所示的类型信息分为传感器与控制器,第二层次结构中存储每个类型信息下所有的硬件终端设备,例如图5中所示,传感器可以分为温湿度传感器、RFID传感器;而控制器可以分为空调控制器、智能门锁终端;每一种硬件终端设备的每个取值中又存储有一个序列表结构,序列表结构按照硬件设备传输数据的时间信息进行排序。因此,在数据备份服务器中存储的数据组的格式为{类型,设备,时间}。web服务器请求在数据备份服务器中进行数据查询时,数据备份服务器使用数据过滤机制来过滤查询请求过程中的无效数据访问,进一步提升了数据检索的效率。例如,数据备份服务器中存储了obj1、obj2、obj3三个对象,它们的数据格式分别为{‘A’,‘ZD001’,‘2018.12.01’}、{‘B’,‘ZD002’,‘2017.12.01’}、{‘C’,‘ZD003’,‘2016.12.01’}。当web服务器发送数据查询请求时,例如查询某客房的温湿度传感器在2017年12月份的传感数据时,数据备份服务器自动提取该查询请求的类型为传感器B,某客房的硬件终端设备温湿度传感器编号为ZD002,因此只需要找到数据格式为{‘B’,‘WD002’,‘2017.12.**’}的数据,过滤掉不符合该数据格式的其他数据,如此执行过滤操作效率非常高。
在优选实施例中,可以设置多个数据备份服务器共同管理一致的数据库历史数据,同时服务对该历史数据的查询请求,它们构成了一个分布式的备份***,当存储容量不足时,管理***可以弹性的增加数据备份服务器来扩容。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (6)
1.一种基于大数据客房管理***,其特征在于,包括:多个硬件终端,多个客户端,应用服务器,数据存储服务器,数据备份服务器以及web服务器;
所述应用服务器接收多个硬件终端采集的数据,并传输给所述数据存储服务器,同时将Web服务器返回的监测和控制数据信息实时传输给多个硬件终端;
所述数据存储服务器实时存储应用服务器上传的数据,并且上传给数据备份服务器进行数据备份;
所述数据备份服务器用来实现管理***中的大数据的备份功能,并支持历史数据的查询;
所述web服务器,用于在客户端访问管理***的时候,通过web服务器向数据备份服务器提出数据查询请求,并将反馈的数据展示在客户端;
所述管理***采用数据分布存储备份机制,融合了应用服务器的数据处理、数据存储服务器的数据存储以及数据备份服务器的数据备份三个过程,应用服务器作为数据采集节点,数据存储服务器作为数据合并节点,数据备份服务器作为数据备份节点;
所述数据存储服务器包括内存管理模块和多个缓冲区;所述内存管理模块根据接收到的数据的大小,将其分配到多个缓冲区,并周期性地执行数据合并操作,将合并后的数据发送给数据备份服务器,同时释放相应的多个缓冲区的空间;数据备份服务器将接收到的合并后的数据与当前历史数据库中的数据合并,最终产生一份新的历史数据库;
所述数据备份服务器使用层次表和序列表相结合的方式来存储数据,第一层次结构中存储数据的类型信息,第二层次结构中存储每个类型信息下所有的硬件终端设备信息,每一种硬件终端设备信息通过序列表结构按照硬件终端设备传输数据的时间进行排序;
所述数据备份服务器中存储的数据组的格式为{类型,设备,时间};数据查询时,数据备份服务器使用数据过滤机制过滤查询请求中的无效数据。
2.根据权利要求1所述的基于大数据客房管理***,其特征在于,所述web服务器包括负载均衡服务器以及多个子服务器;所述web服务器采用加权轮询算法,由负载均衡服务器向各个子服务器分配所述多个客户端发送的请求。
3.根据权利要求2所述的基于大数据客房管理***,其特征在于,所述加权轮询算法具体包括如下步骤:
步骤1:收集不同的子服务器负载因子的值,所述负载因子包括:子服务器CPU的利用率L(ci)、子服务器内存的利用率L(mi)和子服务器带宽的利用率L(ni);
步骤2:将每个子服务器的各个利用率和对应的利用率阈值进行比较,子服务器CPU的利用率阈值为Y(ci),子服务器内存的利用率阈值为Y(mi),子服务器带宽的利用率阈值为Y(ni);
若L(ci)>Y(ci)、L(mi)>Y(mi)或者L(ni)>Y(ni),则将这台子服务器的权值设置为0,时间周期T内不再对这台子服务器分配任务,反之,当L(ci)<Y(ci)、L(mi)<Y(mi)且L(ni)<Y(ni),则根据每个子服务器的各负载因子的权重向量T(i)计算该子服务器实时负载的值M(i);
步骤3:计算子服务器处理能力极值N(i)和子服务器实时负载率R(i);
步骤4:将各个子服务器实时负载率R(i)的值和子服务器的阈值Y(i)进行比较,
若R(i)>Y(i),将这台子服务器的权值设置为0,否则进行下一步;
步骤5:计算子服务器的计算权值C(i),根据为子服务器设置的权值W(i)计算子服务器真实分配的权值CW(i);
步骤6:计算各个子服务器之间真实分配权值CW(i)的配比,根据这个真实分配权值CW(i)的配比轮询分配请求任务。
4.根据权利要求3所述的基于大数据客房管理***,其特征在于,
其中,T(i)=[T(ci),T(mi),T(ni)];L(i)=[L(ci),L(mi),L(ni)];T(ci),T(mi),T(ni)分别表示子服务器的CPU、内存和带宽的权值;L(ci),L(mi),L(ni)分别表示子服务器CPU、内存和带宽的利用率;
其中,P(i)=[P(ci),P(mi),P(ni)],P(ci),P(mi),P(ni)分别表示子服务器CPU处理速度,内存大小,带宽吞吐量;
子服务器实时负载率R(i)=M(i)/N(i);
5.根据权利要求4所述的基于大数据客房管理***,其特征在于,所述应用服务器中包括数据采集模块和数据发送模块,数据采集模块采集多个硬件终端产生的最新数据,数据格式包含硬件终端编号和发送日期,数据发送模块将所述最新数据发送给数据存储服务器。
6.根据权利要求1所述的基于大数据客房管理***,其特征在于,当所述数据备份服务器存储容量不足时,管理***弹性的增加数据备份服务器来扩容,设置多个数据备份服务器构成分布式的备份***,共同对历史数据库进行备份,服务所述多个客户端对所述历史数据的查询请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111104444.6A CN114048020B (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据客房管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111104444.6A CN114048020B (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据客房管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048020A CN114048020A (zh) | 2022-02-15 |
CN114048020B true CN114048020B (zh) | 2022-04-26 |
Family
ID=80204522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111104444.6A Active CN114048020B (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据客房管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048020B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115175123B (zh) * | 2022-09-08 | 2022-11-18 | 中赣通信(集团)有限公司 | 基于业务的可变监测网络及其运营方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506701A (zh) * | 2016-12-28 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种服务器负载均衡方法及负载均衡器 |
CN108006901A (zh) * | 2017-12-06 | 2018-05-08 | 昆山市帝源环保设备有限公司 | 智能空气净化***及空气质量智能控制方法 |
CN111324462A (zh) * | 2020-02-20 | 2020-06-23 | 杭州梦视网络科技有限公司 | 一种具有Web负载均衡技术的***及方法 |
CN111459664A (zh) * | 2020-03-19 | 2020-07-28 | 北京美住美宿科技有限公司 | 一种可均衡负载的酒店管理*** |
CN113110933A (zh) * | 2021-03-11 | 2021-07-13 | 浙江工业大学 | 一种具有Nginx负载均衡技术的*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8239535B2 (en) * | 2005-06-06 | 2012-08-07 | Adobe Systems Incorporated | Network architecture with load balancing, fault tolerance and distributed querying |
-
2021
- 2021-09-22 CN CN202111104444.6A patent/CN114048020B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506701A (zh) * | 2016-12-28 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种服务器负载均衡方法及负载均衡器 |
CN108006901A (zh) * | 2017-12-06 | 2018-05-08 | 昆山市帝源环保设备有限公司 | 智能空气净化***及空气质量智能控制方法 |
CN111324462A (zh) * | 2020-02-20 | 2020-06-23 | 杭州梦视网络科技有限公司 | 一种具有Web负载均衡技术的***及方法 |
CN111459664A (zh) * | 2020-03-19 | 2020-07-28 | 北京美住美宿科技有限公司 | 一种可均衡负载的酒店管理*** |
CN113110933A (zh) * | 2021-03-11 | 2021-07-13 | 浙江工业大学 | 一种具有Nginx负载均衡技术的*** |
Also Published As
Publication number | Publication date |
---|---|
CN114048020A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109032801B (zh) | 一种请求调度方法、***及电子设备和存储介质 | |
Chaczko et al. | Availability and load balancing in cloud computing | |
CN109840253A (zh) | 企业级大数据平台架构 | |
CN112231075B (zh) | 一种基于云服务的服务器集群负载均衡控制方法及*** | |
CN111614769B (zh) | 一种深度学习技术的行为智能分析引擎***及控制方法 | |
WO2023279912A1 (zh) | 一种数据处理方法、装置、***、计算机设备、可读存储介质及计算机程序产品 | |
CN108111586A (zh) | 一种高并发支持的web集群***及方法 | |
CN109600798A (zh) | 一种网络切片中多域资源分配方法及装置 | |
CN114048020B (zh) | 一种基于大数据客房管理*** | |
CN107277162A (zh) | 一种基于网络云的智能家居管理***及方法 | |
CN108156225A (zh) | 基于容器云平台的微应用监控***和方法 | |
CN109714222A (zh) | 高可用的分布式计算机监控***及其监控方法 | |
CN108304443A (zh) | 基于流数据反演的数据委托回放监测*** | |
CN115665173B (zh) | 一种基于MQ的WebSocket通信方法、***和存储介质 | |
CN108282523A (zh) | 一种基于sdn的负载均衡*** | |
CN107682222A (zh) | 一种信息监控方法、装置及*** | |
CN104572859B (zh) | 一种分布式复杂事件处理*** | |
CN111796934A (zh) | 任务下发方法、装置、存储介质和电子设备 | |
CN105554444B (zh) | 安防监控***及方法 | |
CN117745514B (zh) | 智能服务器集群的图像分配方法、装置、设备及介质 | |
CN115756875B (zh) | 面向流式数据的机器学习模型在线服务部署方法及*** | |
CN112905351B (zh) | 一种gpu和cpu负载调度方法、装置、设备和介质 | |
CN112073303B (zh) | 邮件任务收敛管理方法、装置、设备及可读存储介质 | |
CN117992243B (zh) | 用于中间件的负载均衡方法、装置和计算机设备 | |
US10402842B2 (en) | Updating costs for assets via a messaging system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |