论文题名: | 智能车载终端接入平台与高并发处理技术的研究与实现 |
关键词: | 智能车载终端;接入平台;结构设计;数据采集;传输协议;集群处理 |
摘要: | 随着车联网与大数据技术的发展,面向智能交通综合应用的车辆管理服务平台架构由传统的分散式、本地化,走向集中式、扁平化,平台端资源消耗越来越大,空间上分布于各地的智能终端设备的传输与解析面临前所未有的挑战。本课题致力于解决日益增长的车联网数据的实时采集、可靠传输与高效处理解析问题,避免重复数据,保证数据的质量和可靠性,为海量智能车载终端的接入提供基础条件。 本文的主要研究内容可分为智能车载终端统一接入平台、数据缓冲与转发、高并发数据处理三大部分。第一部分,利用Boost.Asio网络通信库的前摄器模式实现高并发的数据采集,提供大量车辆信息采集的入口,为车辆监管系统中后续数据的使用提供数据支持;第二部分,利用Kafka服务器暂存车辆轨迹信息,缓冲海量数据压力,实现系统解耦和数据的转发;第三部分,进行高并发数据的解析与处理,此过程利用线程池机制,减少了因线程的创建和销毁造成的时空开销和因线程抢占资源导致的系统阻塞现象。本方案对传统数据采集系统中因终端数据量大、种类多带来的资源占用高问题进行了改进,实现了平台无关性,并支持异步数据处理及多传输协议,避免了内存泄露、CPU占用高、数据库访问太慢等问题。此外,在设计过程中,利用智能指针、集群横向扩展、IO多路复用及连接超时等技术,提高了服务器集群处理的并发终端数量,保证了高并发数据处理的高效性。 由终端接入平台的实验部分可以得出,当面对海量终端接入时,连接稳定,系统内存占用较少,数据无丢失,能够实现数据的实时处理,保证了数据采集的质量和数据解析的可靠性。 |
作者: | 刘静 |
专业: | 计算机应用技术 |
导师: | 吴仲城 |
授予学位: | 硕士 |
授予学位单位: | 中国科学技术大学 |
学位年度: | 2018 |
正文语种: | 中文 |