云計算技術的優勢匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇云計算技術的優勢范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

科學技術飛速發展，信息技術進步成為現如今時代的重要話題，圖書館發展緊隨得到了越來越多的關注，而計算機云技術的推出，更是為圖書館有序、健康發展創造了良好的契機。

1 計算機云技術

計算機云技術，即云計算（Cloud Computing），指的是一種分布式計算技術，其最基本的概念，是經由網絡把龐大的計算處理程序自動分拆成海量的相對小的子程序，再通過一系列服務器對應構成的大型系統通過檢索、計算，從而向用戶提供最終處理結果。借助計算機云技術，網絡服務提供人員可在極短時間之內，實現對海量信息的處理，提供類似超級計算機一般強大效能的網絡服務。

2 計算機云技術在高校圖書館中的優勢

計算機云技術在高校圖書館中的應用存在多方面的優勢，具體表現為：

2.1 安全可靠

計算機云技術在高校圖書館中的應用，為數據存儲問題提供了極大的安全保障。計算機云技術經由“云”的一端為用戶提供安全可靠的數據存儲，經對計算機云技術的應用，用戶無需再擔心病毒入侵、數據丟失等問題。此外，憑借嚴密的權限管理，還有助于實現用戶相互的數據共享。

2.2 存儲數據可實現資源共享

計算機云技術在高校圖書館中的應用，把圖書館中的圖書數據存儲于“云”的一端，通過使終端與網絡連接，便能夠達成對這一部分數據信息的同時訪問或者使用，進而有效實現不同設備相互的資源共享功能。

3 云計算技術在高校圖書館中的應用

3.1 Iaas層次的應用

3.1.1 建立高校圖書館私有云

建立高校圖書館私有云指的是借助虛擬機技術，對圖書館已經存在的或最新購置的IT設備進行整合，以產生IT設備資源地。把圖書館現存或新購置的一系列異構存儲設備轉化為云存儲，借助云平臺管理軟件對相關資源進行統一調度、劃分，為圖書館各式各樣應用提供使用。

3.1.2 將圖書館應用部署至高校自身信息中心

此類方式是把圖書館各項應用均部署至高校自身信息中心的云端，即為高校圖書館的私有云。將圖書館內所有的服務器及存儲物理設備消除掉，僅留存下客戶端及網絡設備。各項應用均是對高校信息中心服務器資源池、存儲資源池的使用，圖書館結合每一應用具體需求對計算使用量進行申請。該類技術應用手段的優勢在于：a.可有效降低高校圖書館對服務器、物理存儲設備的運行維護成本，改善基礎設施使用效率；b.防止產生高校對圖書館IT設備資金投入缺失的問題；c.強化圖書館信息資源服務可靠保障，防止出現受IT設備老化影響造成圖書館信息資源服務斷線問題。

3.2 SaaS層次的應用

SaaS層次的應用是基于Internet來提供軟件服務的。生產商把軟件安置自身服務器上，用戶經由網絡定制自身需求的軟件，并根據買入服務多少、使用時間來計費。用戶無需再專門購置軟件，且不需要對軟件進行維護，此部分工作均通過服務商來展開。服務商為用戶提供網絡應用的一并，還可向用戶提供用戶提供本地數據存儲及離線操作等服務。就好比北京某科技公司，基于廣域性網絡化運行環境設立起智能化的信息交互平臺，推出的“中國專業圖書館網――基于WEB的集群圖書館管理系統”有效實現了圖書館用戶的全自動化業務管理。

3.3 綜合層次的應用

3.3.1 圖書館私有云

借助CALIS本地平臺，使高校圖書館快速建立自身數字圖書館云平臺，符合與相關應用系統鏈接要求。這一本地云平臺能夠安裝于IaaS/HaaS/PaaS上，同時可部分安裝于遠程公共PaaS/HaaS/IaaS上。此部分圖書館云平臺可對CALIS提供一系列服務進行集成、獲取。此外，圖書館私有云還可對一些服務進行開放，促進每一館相互的資源、服務的集成與共享。

3.3.2 圖書館公共云

借助CALIS公共服務平臺PaaS、SaaS服務平臺，CALIS每一信息中心均可很好地建立起高校數字圖書館公有云。此部分公共云一方面能夠于CALIS自身云計算信息中心IssS/PaaS中架構，一方面能夠把一些應用置于性格云計算信息中心提供的遠程HaaS上。

4 計算機云技術在高校圖書館中的發展趨勢

在知識經濟時代，各所高校的圖書館中，在計算機云技術的有效支持下，自動化管理系統轉變成了標準的數據信息系統。然而，此類數據僅僅可在本行業內開展實用，無法為以外的行業所瀏覽、使用，如此便造成圖書館同其他行業相互產生一道壁壘，數據信息共享面臨極大的挑戰。

鑒于此，就高校圖書館管理者而言，為了提升圖書館自身數據信息使用效率，應當研究制定出一套圖書館自身數據信息同國家、全球圖書館的數據交流計劃，促進計算機云技術有效應用的同時，還可有效共享全球范圍內的圖書館數據資源。

5 結束語

總而言之，經對云計算技術的有效應用，將在各所高校圖書館相互建立起一個共享的“云端”，促進高校圖書館用戶服務模式的全面改革，給雷服務計算模式變換勢必影響著高校圖書館一系列要素的轉變，其中各方面有點必將對高校圖書館形成深遠的影響。在不久的將來，計算機云技術的日趨成熟，定將進一步促進高校圖書館有序、健康發展。

參考文獻

[1]孫濤，喬志和，李娟.虛擬云技術在計算機實驗室建設管理中的應用[J].大慶師范學院學報，2013，（03）：139-141.

[2]陳征.云計算在高校圖書館中的應用[J].湖北經濟學院學報（人文社會科學版），2015，12（01）：159-160，206.

[3]閆文軒，潘黎明.云計算在高校數字圖書館中的應用[J].武漢紡織大學學報，2012，25（03）：72-74.

[4]Li Xia.Research on the CRM-based Mode of individlized information service in the university library[J].Journal of Modern information，2009，（11）：162-163.

[5]王長，艾，姚建文.云計算環境下數字圖書館信息資源安全策略研究[J].情報雜志，2010，（3）：184-186，161.

作者簡介

篇（2）

中圖分類號：TE319 文獻標識碼：A 文章編號：1671-7597（2013）22-0106-01

1 什么是云計算

云計算技術的實質是將網絡中的各種軟硬件資源進行集合，并對資源進行統一管理和分配，協同合作完成用戶提出的需求與業務，其關鍵技術包括以下幾個方面。

1）虛擬機技術。

虛擬機技術就是將服務器進行虛擬化，將多個虛擬服務器當成一個服務器，集合多個服務器的資源，統一進行分配和管理，以實現對數據的處理和運算。

2）數據存儲技術。

云計算的存儲技術是利用分布式系統、計算機集群的原理，整合網絡中數量龐大的各種類型的存儲設備，通過軟件集合的方式共同工作，達到向外部提供業務訪問和數據存儲的功能。目前數據存儲技術主要有Google的GFS（Google File System，非開源）以及HDFS（Hadoop Distributed File System，開源），目前這兩種技術已經成為事實標準。

3）并行計算。

并行計算是指利用大量的計算資源同時執行多個計算過程來解決計算問題，可以有效的提高計算效率與處理速度。并行計算的運行原理是將一個大的問題化整為零，分成多個小的問題，分別對這些問題計算處理，最后將計算完成的結果進行整合處理，返還給用戶。

2 我國石油工業發展現狀與趨勢分析

隨著國際石油行業的發展，國內石油企業開始意識到信息化在企業發展中的重要性。我國的石油行業目前正在由傳統模式向信息化、數字化進行轉變。信息化的企業可以為企業管理者提供更多的資源，更高效的管理模式。

企業信息化需要重點解決以下問題。

1）信息檢索花費大量時間。

缺少統一的信息共享策劃，目前階段在企事業單位內，信息的傳輸和利用效率還比較低。例如生產設施的科研資料、設計資料不能有效傳遞到生產運營階段，很多設計和施工階段的資料都存放在檔案館，造成生產運行和維護階段沒有準確資料進行設備維護，另外已建生產系統設施運行的生產經驗也無法傳遞到的設計階段。經過數年的實踐證明，信息資源共享可以有效的提高企業的生產效率，就國際石油企業的發展看，信息技術的應用增強了企業各部門的協同工作，加快了企業對市場的反應能力。

2）需要全生命周期的生產設施管理。

項目的科研、設計、施工、試運行、生產運行、運行維護各階段之間資料不能有效傳遞，造成設計的資料在生產階段無法利用。在運行維護階段缺少準確的資料維護設備。

3）缺少行業信息化建設標準。

石油行業中各級企業的地理信息資源分布一般比較分散，油田勘探開發、煉油生產、化工生產、產品銷售、工程設計、工程建設等部門都有各自的信息管理系統，多個系統的功能重疊，企事業單位之間無法順利的共享信息資源，導致了系統的重復建設。

4）信息展示不直觀。

信息展示沒有空間信息和圖形作為載體，顯得空洞、乏味，不夠直觀。

3 云計算技術在石油行業的應用

3.1 構建統一的“數字油田”地理空間框架數據庫

建設統一的基礎地理數據庫，包括各級比例尺的二維矢量數據庫、影像數據庫、三維基礎地理數據庫等。

3.2 制定“數字油田”建設參考標準

制定石油企業地理信息標準和生產設施數字化參考標準，為“數字油田”的基礎數據采集、交換、共享、服務提供實施基礎。

3.3 研制“數字油田”相關模型，探索“數字油田”建設流程

分析研究石油生產設施全生命周期中各階段的特點，在統一的地理信息框空間架上使用數字化技術深化描述石油生產設施科研、設計、施工、運行、維護和改造的過程，分別建立生產設施設計模型、工程建設管理模型、生產營運模型、維護與改造模型等，同時探索“數字油田”建設流程，進而實現石油行業板塊之間的信息資源的有序流動，節約投資，延長生產設施的壽命提高投資回報率。

3.4 整合各類專業信息資源，建立“數字油田”綜合資源庫

通過生產設施數字化建模，收集整理生產設施各類設計、施工和改造的基礎數據，建立各類專業地理數據庫，與基礎地理數據庫共同組成“數字油田”綜合資源庫，為生產設施全生命周期管理提供基礎。實施過程中不斷完善各類生產設施基礎信息收集、整理、數字化建模、入庫流程和方法。

3.5 建設“數字油田”典型生產營運指揮應用

充分利用“數字油田”綜合資源庫的建設成果，與生產實際工作需求緊密結合，選擇數字化基礎好的板塊建設生產營運典型應用，為全面建設集團化生產營運指揮平臺積累實施經驗。

3.6 試點實施“數字油田”

在石油上中下游選擇規模較大，基礎條件較好的企業，建立總部和企業兩級分布式平臺，利用“云技術、云存儲”技術，實現集團內總部和企業對基礎信息和運營動態的數據共享，促進石油行業的生產設計、施工、運行指揮、維護等流程改造，促進石油企業管理方式的變革。

4 結論

通過云計算技術使得在互聯網中可以自由的交換各種資源，比如硬件、軟件、硬件、平臺等。云計算具有虛擬化、通用性、超大規模、高可靠性等諸多特點。云計算雖然是新興的技術，出現的時間不長，單卻給信息界帶來了巨大的改變。雖然有了云計算后，使得人們感受到了它的方便和高效，但是這項技術也對安全提出了更高的要求。作為云計算技術的受益者，只有清楚的認識到它在提供便捷的服務的同時所隱含的安全風險，并且針對這些風險和安全問題進行有效的規避、解決，才能充分發揮云計算的優勢，使其為我們創造更多的效益。

參考文獻

[1]劉鵬.云計算（第2版）[M].電子工業出版社，2011.

[2]吳朱華.云計算核心技術剖析[M].人民郵電出版社，2011.

篇（3）

1 計算機模擬系統在鉆井工作中的應用

1.1 鉆井概述

所謂鉆井就是在油田開采之前，選擇相應的地表位置進行向上或一側的打孔，直至到油層的位置。根據對鉆井的目的分類大致可分為區域普查井、探井、開發井以及特殊用途井等；根據鉆井的鉆入角度的不同，可以大致分為直井、定向井、水平井等；根據對鉆井的鉆入深度不同進行分類大致可分為淺井、深井、中深井、超深井以及特超深井等。

1.2 鉆井的發展史

鉆井最開始時期是人們想獲得地下的鹽，以供人們生活所使用，在偶然的情況下獲得了地下的石油，為此人們也將利用鉆井的形式來獲取地下更多的石油，這也是我國石油工程中的第一口油井。在1521年之前鉆井的方法都是采用人工掘井的方式，從這以后才研制出人力沖擊鉆的鉆井方法，一直到1859年科技不停的發展，也研制出我國第一臺沖鉆機械，到現今為止，鉆井發展中經歷了旋轉鉆、自動化沖鉆機械等一直到當今油田工程中所使用的計算機模擬系統的鉆井方法，為石油工程的發展創造出更有利的條件。

1.3 影響鉆井的主要因素

在鉆進下鉆的過程中，會出現很多因素影響下鉆的工作效率，大致可分為可控制因素和不可控制因素，每一種影響鉆井的因素都可能決定鉆井的成功與否。可控制因素，主要是指通過一些手段和技術能對其控制的因素，比如，在鉆井中使用的鉆頭類型、下鉆鉆壓、器械的轉速、泵機的壓力、以及地表機泵的設備等；不可控制因素，主要是只客觀存在的通過設備和技術無法改變的因素，例如，儲油層的深度、所鉆地層的可鉆性、所鉆地層的壓力、所鉆地層的巖性以及研磨性等。鉆井的成功率是石油企業重點關注的問題，為了能提高鉆井的成功率就需要對可控制的因素進行不斷的優化，而優化的基本策略要根據鉆井中所涉及到的可研性、地應力、巖性等進行相關的優化，尤其是對所鉆地層的參數，這將決定在鉆井過程是否能精確的達到相應的油層位置。

1.4 計算機模擬系統在鉆井中的應用

利用傳統的鉆井方式在鉆井的過程中，對所鉆位置的地質情況、深度等沒有較好的數據分析，就算是有合理的管理制度，有效的指揮措施，但是在不知情的情況下進行鉆井，也會對鉆井的效益產生一定的影響，巖層地質的復雜性是無法想象的，因此，要運用鉆進技術和優化鉆進的手段來提高鉆進的工作效率。通過對多方面的優化研究表明，利用計算機模擬系統將其應用到鉆井工作中會為鉆井工作帶來很大的幫助，尤其是對不可控制因素的了解更明顯。計算機模擬系統主要針對鉆井施工所在地的地質情況分析；施工方案的模擬；注水泥設計的模擬；對下鉆工具的力度掌控；對實際井眼偏離設計井眼軌道的修正；對鉆井控制的模擬；對所鉆地質的倒向控制；對鉆頭和其他器械的選擇和參數上的配置；鉆井模擬教學等。

2 計算機油藏模擬技術的應用

隨著社會科技的不斷進步，油田行業的發展也在不斷的加速，同時在油田開發和勘探方面的費用也越來越高，不僅需要掌握油田開發地質的各種參數數據，還要根據不同的地質特征來制定相關的分布圖的模型，尤其是油藏的位置模型非常重要，要采用相關的油藏技術對其進行三維空間定量的研究，才能有效的描述油藏的位置，進而制作模型。所謂油藏技術，就是對油藏的流體、沉積、構造等特征進行三維油藏地質的模擬。因此，油藏技術可以說是在油田開采行業中占有非常重要的地位，促進油田行業的發展，還需要從優化油藏技術的角度出發。根據當今形式的發展，我國將計算機技術與油藏技術相互結合的使用稱為計算機油藏模擬技術，更進一步優化油藏技術，為油田行業做出巨大的貢獻。其中利用計算機油藏模擬技術制作較為常用的模型有黑油模型、裂縫模型、組份模型、蒸汽驅模型、化學驅模型等。

2.1 黑油模型

黑油模型被油田行業廣泛的應用，其中在砂巖油氣田的開發中經常用到，黑油模型由三組份形成的三維三相模型，其中三組份主要包括水、氣、油等三部分組成。根據當今的發展趨勢，傳統的開發方案已經不足以滿足現在油田開發的需求，尤其是對油田新區的開發，需要對開放方案進行處理和優化，而通過計算機模擬技術開發的黑油模型能有效的滿足當今油田開發的需求，在油田新區的開發中得到廣泛的應用，另外黑油模型還可利用到油田老區，用來確定油田老區開采之后剩余油資源的分布，進而達到增加油產量，提高油田開發的效果。除此之外，黑油模型還在地下水層儲氣等油礦方面得到廣泛的應用。根據它的使用情況可以推斷出，黑油模型不僅是油藏模擬技術中使用的最廣泛的模型，同時它還是其他油礦開采模型發展的基礎，在油田行業中的應用極大。

2.2 裂縫模型

油氣藏的種類多種多樣，裂縫油氣藏的開采是比較多的，根據名字大概可以分析出存在裂縫之間的油氣藏。事實就是如此，裂縫性油氣藏是由滲透性比較強的自然裂縫和巖層延性緊密的基質巖塊組成的，由此可以看出，這類油氣藏的開采相對比較困難一些，并不是由單一性質的孔隙介質組成的油氣藏，對于此類油田的開采措施也做了相應的優化策略。根據計算機模擬技術的應用，針對這類裂縫油氣藏的開采建立了裂縫模型的開采模式，裂縫模型主要是采用雙重介質滲流的開采模式，對于這樣特殊的油氣藏模擬來說是非常有效的。主要應用于華北、四川等地，根據我國的油氣藏分布情況來看，大多數的裂縫性油氣藏都處在華北、四川等一帶。較為常見的裂縫油氣藏主要由花崗巖、石灰巖、變質巖等物質構成。

2.3 組份模型

隨著計算機技術的不斷發展，在石油工程中應用的計算機模擬技術也針對各種不同的油氣藏制定相應的模擬技術。尤其是在針對開采難度較大輕質油藏、凝析油氣藏以及揮發性較強的油氣藏等，由于這些油氣藏的油質極其的不穩定，甚至會出現物化反應的情況。因此，針對這種不穩定的油氣藏僅僅采用以上的模擬方式是無法來完成的，在利用油、水、氣等采用多孔介質來描述流體流動的情況的基礎上，還需要對油氣相中的烴類成分瞬間相變的程度做以了解，這種模擬技術的形式又叫組份模型。組份模型主要應用范圍在帶油環和低水的凝析油氣藏以及純凝氣藏等開采難度比較困難的油氣藏中。組份模型在計算機模擬技術的研究領域中是比較復雜的一項研究，模擬研究內容主要包括干氣、氮氣、二氧化碳等氣體注入以及循環注氣開采、衰竭開采等方向的研究，通過多項的研究可以解決在油氣藏開采中遇到的相關問題，比如：對類型的準確判斷性、開采方式的選擇合理性、對流體的評介、地面分離工藝、確定開工程序、最后開采的收益情況估計等多種的分析以及相關的解決方式，對于油氣藏開采工程師來說，這無疑是給予他們最有力的依據，并做出正確的開采方針。從此看來，計算機模擬技術為石油工程領域做出了重大的貢獻，充分促進了石油工業的發展。

2.4 蒸汽驅模型

在多種多樣的油氣藏中，其中有一種油氣藏是非常特殊的，稠油油田的油氣藏中的油質粘稠度是非常大的，有些油氣藏的油質稠度甚至不會出現流動，對于這類的油氣藏開采是十分復雜而麻煩的，而且，最重要的是不能充分的對這類油氣藏進行開采。據統計，我國所有油田的油氣藏中有10%的油氣藏屬于這種稠油型的油氣藏，對于這種稠油油田的開采如果繼續使用常規的辦法的話，會非常浪費資源、人力以及物力，而且還不能有效的進行開采，比正常開采的利潤要降低的很多，依靠注水和天然的能量來開發這種類型的油田根本得不到多大的利潤。稠油油田的開采已經被國家列為重點關注的問題，為此做出了相應的研究成果。利用蒸汽驅的熱力學原理和蒸餾的作用，來對這種油質稠度較大的油氣藏進行開發，實現降低油氣藏油質的稠度，提高油質的流動性，進而達到油田開采高利潤的目的，這種方式名為蒸汽驅模型。很明顯通過計算機模擬技術研制的蒸汽驅模型的利用，在稠油油田開采中取得了很大的成就。蒸汽驅模型的原理是在采用方法上除了采用一般油田注熱水的方法外，還采用蒸汽驅和蒸汽吞吐的方法來實現降低油質的稠度。蒸汽吞吐主要是應用在油質稠度較大但還達不到沒有流動性程度的油氣藏開采中，應用很廣泛，而蒸汽驅的應用則是繼蒸汽吞吐更深一層的工作，主要應用在油質稠度特別大，甚至失去流動性的油氣藏的開采中。就使用程度上來說，蒸汽驅的使用條件要高于蒸汽吞吐的使用條件，在使用蒸汽驅的過程中，要求油氣藏的埋藏深度不得過深，而且油氣藏的厚度要保證在10米以下，要保證在開采位置的泥巖夾層較少的地方進行工作，否則將會對蒸汽驅造成一定的影響。因此，這也是蒸汽驅由于要求過高很少進行實地試驗的原因。另外，蒸汽驅模型的應用還可對油田開采中蒸汽吞吐的效果進行預測以及對蒸汽吞吐設計最佳的吞吐周期。因此，蒸汽驅模型的采用，大大促進了石油工業的發展，為油田工業創造了更多的利潤。

2.5 化學驅模型

在石油工程中，采油量與產業利益有著直接聯系，如何在原有的方式上增加產油量是我國石油工程中重點研究的課題。終于不負眾望，在經過長時間的實驗和研究之后，通過利用化學的原理達到在原有的程度上增加油產量，名為化學驅模型。化學驅模型主要是通過對注入水中加入一些化學溶劑，目的是為了降低地下相互之間的界面張力，由于在油氣藏中有很多部分的原油都會由于界面張力的作用，使這些原油無法被開采出來，而化學驅模型可以解決這個問題，降低地表下相應的界面張力，使得在地下被束縛的原油有重新的流動被開采出來，直接增加了原油的采收率，這也是通過礦場實地試驗以及試驗室模擬實驗充分證實的，是能有效增加原油產量的一種重要方法。但是，在使用化學驅模型的過程中還需要注意最關鍵的環節，就是對化學溶劑的調制，要根據不同油田的不同特點進行調制，化學溶劑的調制要根據計算機模擬技術中所提供的相關參數進行計算，如：液相粘度、滲透率、原油的飽和度等相關的計算，同時要結合地下的界面張力進行分析，這個計算過程是比較繁瑣的，而后達成的目的就是要控制驅替相與被驅替相兩者之間界面張力的變化，同時還需要注意在通過化學溶劑實現到較小的張力之后所存在的巖石之間相互吸附的問題。

根據現今石油工程開采的情況分析，很多油氣藏在開采的過程中的吸附過程都會對聚合物或活性劑造成一定的損耗，在此同時也降低了段塞驅替該有的效果，而且還增加了驅動水帶的推進速度直接超過段塞的推進速度，這種情況之下極有可能出現驅動水超越的現象，這對油氣藏開采也會造成一定的影響。據統計，我國石油工程開采中，只有極少一部分油氣藏在采用這種方式進行開采，其主要是因為化學驅模型的驅替過程比較繁瑣復雜，而且由于很多油氣藏開采工作都受到技術和經濟的限制，使得化學驅模型很少被應用，而大多的研究成果都是從實驗室和理論研究上得來的。但是，可以斷定的是化學驅模型確實能有效的幫助油田工程解決兩大難題。一，可以利用化學驅模型對開采堿水驅、微乳液驅、聚合物驅、活性水驅等相關的過程進行模擬，預測相關因素的開采條件，優化相應的開采工作，從而達到提高開采效率的目的，是作為開采方案設計的有力依據；二，對油氣藏開采中使用的驅油機的相關因素進行了解，如，壓力的分布情況、驅油的特性、飽和度的分布情況等都是與驅油機息息相關的因素，了解這些才能掌握驅油機的整個驅油過程，進而促進石油工程的良好進行。

3 結束語

本文針對于計算機模擬技術在石油工程中的運用進行了具體的分析和研究，通過本文的探討，我們了解到，通過有效的運用計算機模擬技術，能夠解決石油工程中的很多難題，能夠節省大量的時間，并且有助于促進石油開采的效率，使石油企業能夠獲得更大的經濟效益，促進石油企業的長遠發展，進而推動我國社會經濟的長遠發展。

參考文獻

[1]高興坤,孫正義,李紅宣.計算機模擬技術在鉆井工程中的應用及展望[J].石油鉆探技術,2007(05).

[2]李春雨.計算機在石油工程地質中的應用[J]. 石油工業計算機應用,2006(02).

[3]張天雷,曹邦功,王衛平,蔣多元.計算機系統資源管理在石油勘探領域中的應用[J]. 勘探地球物理進展,2008(06).

作者簡介

篇（4）

1、云計算概述

云計算是近幾年來最熱門的互聯網詞匯之一。自從1983年由Sun Microsystems公司提出“網絡是電腦”的概念，到2006年亞馬遜推出彈性計算云（Elastic Compute Cloud，EC2）的服務，云計算的理念逐步從抽象走向具體。2006年8月9日，Google公司首席執行官埃里克·施密特在搜索引擎大會（SESSan Jose 2006）首次提出“云計算”（Cloud Computing）的概念，這標志著云計算正式登上信息技術領域的舞臺。

宏觀上來看，云計算是有效整合計算資源的新型業務模式，它是基礎的服務器虛擬化技術和基礎架構即服務（IaaS，Infrastructure as a Service）兩者的結合。其本質是使某一個或多個數據中心的計算資源虛擬化并進行整合封裝，以租用資源的方式向上層提供各種方式的服務。簡單來說，就是將位于不同地點的計算資源在后臺整合起來，統一為某一需求或應用進行服務。

云計算的優勢主要體現在，按需采用“即用即付費”的方式分配計算、存儲和帶寬資源，使資源實現合理分配與利用；動態擴展功能和部署新服務的高可擴展性，決定云計算擁有十分廣闊的應用前景；各類資源的高利用率等。同時，云計算還集成了并行計算的良好特性：分布式計算中任務分解、分別執行、結果匯總的計算模式；網格計算中將地理上分布、系統異構的多種計算資源互連協同解決大型應用問題的作業模式；對等計算中計算資源的組織和發現方式；公用計算中將聚合計算資源封裝成公共服務的資源高用率使用模式；虛擬計算環境iVCE下用戶將富余資源按需聚合和自主協同的思想。

云計算服務包含三個層次：由底層硬件或虛擬機資源構建的基礎設施即服務（IaaS）、構建在云基礎設施上，主要用來開發各種云計算應用軟件平臺即服務（Paas）和基于云平臺開發的各類應用服務的軟件即服務（saaS）。

2、云數據庫

2.1 云數據庫概述

云數據庫（Cloud DB），是一個面向云計算的數據庫資源管理平臺，旨在通過云計算的方式整合現有的大量位于Internet后臺的數據庫資源，為云計算應用的基礎結構級別的數據庫資源訪問、發現、整合等多方面問題提供通用的解決方案。

目前，云數據庫的研究工作在國內正處于起步階段。Google、Microsoft、百度、新浪、騰訊、盛大等眾多擁有豐富數據資源或計算實力的信息技術企業正走在云計算大潮的前列。各大云計算平臺服務商都在急速提升平臺優勢，拓寬合作層面，因此各企業利用現有的的云平臺進行數據計算和處理，推出創新服務，是企業和平臺供應商的共贏之道。

2.2 云數據庫的優勢

從云數據庫的實現原理來看，云計算采用分布式存儲的方式來存儲數據，采用冗余存儲的方式來保證存儲數據的可靠性。另外，云計算系統需要同時滿足大量用戶的需求，并行地為大量用戶提供服務。因此，云計算的數據存儲技術必須擁有高吞吐和高傳輸的特點。1，數據管理技術必須能夠高效的管理大數據集，同時必須在規模巨大的數據中找到特定的數據。云計算的特點是對海量的數據存儲、讀取后進行大量的分析，數據的讀操作頻率遠大于數據的更新頻率，云中的數據管理是一種讀優化的數據管理。同時在云后臺，云安全的各種措施與應用對于保障云數據庫的安全性方面提供了可靠保證。

在應用層面來看，云計算較目前比較常用的關系數據庫在性能上存在很大的優勢。首先，云數據庫本質上大多是非事務的，并且犧牲了一些高級查詢能力以換取更好的性能。另一方面，云數據庫通常又是非關系的，因此，云數據庫的使用上忽略了許多的規則。例如JOIN操作，這一操作在當數據分散到不同機器上的時候會占用較長時間，因此不適合云計算分布式的底層設計。

3、云數據庫在企業中的應用

將云數據庫應用到企業的管理系統中，在很多問題上都能給出較好的解決方案，如將云計算的理念引入數據庫系統、基于云計算的平臺與設施在數據庫管理系統中的應用問題、數據庫管理系統對云計算的質量與性能要求即評價問題、云環境下數據庫資源的安全與保密問題等。首先，基于云計算的系統能夠節約計算機、網絡交換器等硬件設備的購買和維護成本。同時可以為企業提供相對經濟的應用軟件服務。

典型的云數據庫管理系統一般分為兩部分：一部分為服務端，另一部分為客戶端。服務端主要是企業基于云數據庫搭建的信息管理系統，一般架設在企業的服務器或大型主機，由企業相關部門統一管理。客戶端主要應用于各辦公室，辦公人員通過該客戶端進行登陸并發出應用請求，通過網絡發至服務端，充分發揮了云數據庫的高可靠性、便捷易用性及超大規模等特點。

4、云數據庫在企業應用的優勢

作為一種能夠減少企業成本和提升IT靈活性的有效途徑，云計算最近得到了更多企業的關注和長足發展的動力。

4.1 降低企業運營成本

IBM全球高效能隨需解決方案副總裁趙維義指出，云計算環境可節省為企業降低營運成本，又具備企業營運所需要的安全性及創新服務。云計算可以實現多任務同時進行而不影響效率，因此提供的云服務可以同時由成千上萬的客戶端存取，這在很大程度上能夠降低企業的運營成本。

4.2 影響企業的三大因素

云計算在眾多領域中都能發揮重要作用，這些領域包括企業內部產品的試驗、創新、虛擬世界、電子商務、社交網絡和科學研究。云計算從深度和廣大方面都極大地影響著企業的發展。

篇（5）

中圖分類號：TP311文獻標識碼：A文章編號：1009-3044(2011)04-0837-01

列車運行圖和行車時刻表是設計列車運營調度的基礎，對鐵路集團的運輸服務水平、運營收入和車輛的周轉效率起著重要的作用。

1 實驗內容

在列車的行駛過程中，希望列車在叉道口的等待時間最小，但應同時兼顧乘客的利益和鐵路集團的收入。因此，考慮在路口平均等待時間、路口無等待通過率和旅行時間為評價指標時對行車時刻表建立優化分析模型。如鐵路全長395km，共有站臺13座，叉道路口21個，發車時間為7：00到19：00，單車載額1800人，平均票價20元。線路最小發車間隔90分鐘，最大發車間隔180分鐘；低峰滿載率50%，高峰滿載率80%；最小乘客候車時間指標0.7，最小滿載率指標0.5，最小企業運營收入指標0.6，叉道口等待時間指標期望值0.8，建立該鐵路上的列車優化模型。

2 實驗實施的條件（所需場地、設備、實驗耗材等）

實驗硬件部分包括：各種計算機、服務器、打印機、投影儀等和各種網絡設備，并構成網絡環境。軟件部分包括：網絡和系統軟件、數學實驗軟件平臺、各種實驗輔助工具。

數學實驗軟件平臺由若干種數學軟件組成，它提供各種強大運算、統計、分析、求解、作圖等功能，是實驗室的主要組成部分。其中，MATLAB是矩陣實驗室（Matrix Laboratory）的簡稱，是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環境，主要包括MATLAB和Simulink兩大部分；Mathematica系統是美國Wolfram研究公司開發的一個功能強大的計算機數學系統。它提供了范圍廣泛的數學計算功能，支持在各個領域工作的人們做科學研究和過程中的各種計算。它的主要使用者包括從事各種理論工作（數學、物理、…）的科學工作者，從事實際工作的工程技術人員，高等、中等學校教師和學生等。這個系統可以幫助人們解決各種領域里的涉及比較復雜的符號計算和數值計算的理論和實際問題。

3 實驗步驟

數學模型是從現實原型中抽象出來的，它依賴于現實原型。因此，首先應當了解和熟悉現實原型，掌握并積累有關的資料和數據，在此基礎上才有可能對客體事物的特征、關系及變化規律作出客觀的推斷、并確定其數學模型的類型。所以實驗內容的第一步是掌握實際問題的背景與有關的資料數據，收集某些列車的票價、營運收入、滿載率、經過站臺數和叉道路口等數據。

建立數學模型，要從實際問題的特定關系與具體要求出發，根據有關的科學理論選擇起關鍵作用的變量和常量，并區分出重要的和次要的、必須考慮的和可以忽略不計的因素。這就是說，要抓住問題的本質特征，考察主要因素的數量關系，從而提出假設。從第一步收集的數據資料進行分析，抓住問題的本質特征，進行化簡并提出假設，如假設票價采用平均票價，而且為一定值，不隨營運季節的改變而改變。

對事物對象及對象之間量的關系都要進行抽象，并用數學概念、符號、表達式等去刻劃事物對象及其關系，構成數學模型。如果現有的數學工具不夠用，就要根據實際情況建立新的數學理論和方法來構造數學模型。對第一步收集的數據資料進行分析，進行數學抽象，建立相應的列車運營調度的優化模型。

篇（6）

中圖分類號：E8文獻標識碼：A文章編號：1006-4311（2012）04-0319-030引言

后勤保障過程中的軍事運輸行為，需要實現軍事效益與經濟效益的統一[2]，戰場情況復雜多變，實現軍事效益要求在規定運輸時間內，找到最大置信水平的運輸路徑；實現經濟效益則要求在規定運輸費用內，找到最大置信水平的運輸路徑。此外，現代戰爭中的交通運輸包括眾多運輸方式的組合，多式聯運是指采用兩種或者兩種以上的運輸方式，把物資從起始地運送到目的地。因此，研究多式聯運的運輸路徑優化更加貼近于實際，也更有意義。

筆者基于多式聯運，考慮當各路段通行時間和物資中轉時間為隨機變量時，在給定的時間和費用指標約束下，建立時間和費用的最大置信水平的多目標優化模型。

1戰時交通運輸路徑優化模型

1.1 路網建立根據戰時的軍事運輸任務，建立從運輸起點到終點的網絡圖G=（V,A,D,T1,T2,K），其中：V代表節點集，設節點總數共計n個，節點序號采用自然數序列編碼，起點編為“1"，終點編為“n”，即節點的總個數，A代表弧的集合，即路段集合，D代表各路段的距離集合，d■■∈D，表示路段（i，j）之間第k種運輸方式的距離，T1代表各路段的時間權集，T2代表運輸方式轉換時間權集，K表示運輸方式集合（公路、鐵路、航空等）。

在戰時的軍事運輸中，必須考慮必經點和禁止點、必經路段和禁止路段問題。對于禁止點和禁止路段的處理，在賦權圖中可將與禁止點和禁止路段相連的路段以及自身從網絡圖中刪除，因此最后得到的節點集合V應該是除去了禁止點和禁止路段包含節點的路網節點集合，而弧集A則是除去禁止路段和與禁止點、禁止路段相連路段的整個路網路段集合。對于必經路段，可將路段的起、止點轉化為必經點，這樣與原有的必經點一起構成必經點集合，設為VM。此外，設Vk表示所有可能存在運輸方式轉換的節點集合。

1.2 時間的確定運輸分隊通過各路段的時間變量，以及運輸方式轉換時間變量可能服從某種分布函數，可以為正態分布、均勻分布等等，則時間權集集合定義為T1=t■■（i，j）∈A，k∈K，t■■表示節點（i，j）之間，以k種運輸方式通過該路段的時間；T2=t■■i∈VK，m，n∈K；，t■■表示在階段i從第m種運輸方式轉換到第n種運輸方式的轉換時間，節點i前后運輸方式相同時，t■■=0。如當通過某一路段的時間變量服從正態分布時，可以記為t■■~N■，?滓■■2■，其中■表示節點（i，j）之間，以k種運輸方式通過該路段的時間均值，?滓■■為時間的均方差；某一運輸節點運輸方式轉換的時間變量服從均勻分布時，可以記為在t■■~U（ta，tb），其中ta和tb分別為時間的上、下界。另外一些情況下，以各種時間通過某路段或完成維修器材從一種運輸方式轉換為另一種運輸方式的的時間可能無法獲得它的準確分布函數，只能根據先前經驗獲得估計時間變量的概率（或稱為頻率）。

1.3 模型建立設X=x■■（i，j）∈A，k∈K表示起點到終點一條路徑，其中x■■∈{0，1}。如果x■■=1，則表示運輸分隊經過（i，j）這條路段，且采用的運輸方式為k，否則x■■=0，則表示弧（i，j）不在這條路上或未采用第k種運輸方式。假設維修器材在兩個節點間只能選擇一種運輸方式和一條運輸路徑。

結合各路段的通行時間和維修器材運輸方式轉換時間，可以得到運輸分隊通過該路徑的總時間函數定義：T=■■t■■x■■+■t■■

多式聯運下的運輸費用由各路段運輸費用和節點運輸方式轉換費用兩部分構成。

設c■■表示采用第k種運輸方式時，單位維修器材的單位運輸距離的資金耗費，則當采用第k種運輸方式時，路段（i，j）間進行單位維修器材器材運輸所需的費用C■■可表示為：C■■=c■■×d■■

設C■■表示在節點i，單位維修器材從第m種運輸方式轉換到第n種運輸方式的轉換費用， 則可建立從運輸起始點到運輸終點之間，多式聯運下的運輸總費用函數C可表示為：

C=■■x■■×C■■+■■C■■=■■x■■×c■■×d■■+■■C■■

這樣，當運輸路徑決策同時考慮運輸時間和運輸費用目標時，就可以建立起隨機機會約束優化模型。

min Tmin min C s.t.

P{T?燮Tmin}?叟?琢 （1） ■■x■■=1 （2）

■■x■■-■■x■■=0，?坌j=2，3，…，n-1（3）

■■x■■=1（4）

■■x■■=1，■■x■■=1，?坌m=VM（5）

x■■∈{0，1} ?坌（i，j）∈Ak∈K（6）

其中：（1）式中T為運輸分隊的運輸總時間函數、?琢為置信水平、Tmin為優化目標，即T的?琢悲觀值；C為運輸分隊的運輸費用函數。上述優化的含義是運輸分隊以時間T不低于置信水平?琢，在時間Tmin內到達終點，且費用要盡可能低。（2）式為起點約束方程表明運輸分隊從起點出發，只能選擇一條運輸路段和一種運輸方式作為運輸道路。（3）式為中間節點約束方程，該約束符合中間節點的流量平衡要求，即運輸分隊進入某一中間節點必須還要從該節點出發，不能停留或消失。（4）式為終點約束方程，該約束表明，運輸分隊最后到達了終點。（5）式為必經點約束方程，該約束方程表明運輸分隊出行的路徑中必須包含每一個必經點。（6）式為0-1約束。

通過求解所建立的模型，就可以搜索出給定運輸時間要求下，運輸費用最小的最大的置信水平路徑。

2基于蟻群算法的模型求解

2.1 模擬求解方法各種分布隨機數的產生參見文獻[12]，假定已得到了一條路徑，路段總數為m，途經了n次運輸方式轉換，由該路徑包含的各路段通過時間和維修器材運輸方式中轉時間所得到m+n個隨機時間變量記為t1，t2，…，tm+n。則有模擬求解算法為：

Step1：給定模擬的總次數N，置i=1；

Step2：分別依據第j個時間變量的概率分布函數或經驗分布，產生滿足需求的0-1之間的隨機數，進而得到對應的通行時間tj，其中j=1，2，…，m+n，計算；Ti=■tj

篇（7）

關鍵詞：

甩掛運輸； 軸輻式網絡； 掛車中心； 時間窗； 啟發式算法

中圖分類號： U169.71；U492.22

文獻標志碼： A

0 引 言

軸輻式網絡是道路運輸的常見形式，胡志華等[1]對該物流網絡進行過樞紐重配置優化研究.甩掛運輸集汽車列車運輸與裝卸甩掛作業技術于一體，是一種集約、高效的運輸組織模式.常見的甩掛模式有：一線兩點，兩端甩掛；循環甩掛；一線多點，沿途甩掛；多線一點，輪流拖帶[2].

現有文獻中有關帶有掛車的車輛路徑問題（Vehicle Routing Problem， VRP）的研究主要分為兩類.一類問題可以被描述為：一輛貨車配備一輛或者若干輛可以與之接掛或分離的掛車組成汽車列車.針對這類問題展開的研究主要有：SEMET等[3]首次討論了“公路列車”（拖帶一輛或多輛掛車的貨車）的VRP；GERDESSEN[4]提出了VRPT（Vehicle Routing Problem with Trailers）的兩種現實情境；CHAO[5]將帶有掛車的VRP定義為TTRP（Truck and Trailer Routing Problem），并首次為該問題建立數學模型而不是描述性模型；SCHEUERER[6]、LIN等[79]和VILLEGAS等[1011]分別設計啟發式算法、模擬退火算法和超啟發式算法求解TTRP；DERIGS等[12]對TTRP的變形問題進行研究；胡志華[13]為該問題建立子回路分割模型.

另一類問題則是對目前國內所推廣的“甩掛運輸”的研究.該類問題與前述問題的區別在于：（1）甩掛運輸問題中牽引車僅提供動力部分，沒有裝貨的空間，而前述問題中的貨車車頭既是動力引擎又提供裝貨空間；（2）與前述問題拖掛分離的目的不同，甩掛運輸中拖掛分離的目的是為了提高牽引車的利用率.雖然兩類問題都存在其現實意義與研究價值，但是本文的研究內容主要集中在對第二類問題即甩掛運輸問題的研究.

在甩掛運輸相關文獻中，HALL等[14]運用基于預測路徑生產率的控制規則判斷在循環甩掛中何時釋放牽引車.SMILOWITZ[15]運用嵌入列生成的分支定界法對帶有柔性任務的多資源路徑規劃問題進行求解.FRANCIS等[16]對SMILOWITZ[15]的模型及算法進行了改進，得到了更好的解.ZHANG等[17]對同一問題[1516]進行動態調度研究，運用兩階段算法對問題進行求解，目標是使運輸成本最小.TAN等[18]在LEE等[19]模型的基礎上加入掛車約束，首次建立了甩掛運輸問題的數學模型，運用混合多目標進化算法得到問題的帕累托最優解.胡志華等[20]研究集裝箱集散環境下空重箱循環甩掛的調度問題，建立混合整數規劃模型，運用兩階段優化方法求解該問題.繼而，胡志華[21]將該方法應用于集裝箱碼頭間互拖的集卡甩掛運輸調度問題.LI等[22]研究單車場牽引車與半掛車路徑問題（tractor and semitrailer routing problem），運用啟發式算法得到牽引車數量和每輛牽引車的路徑，但文章缺乏對該問題的數學建模.袁野等[23]對單一客戶點甩掛運輸的建模進行了分析.

分析文獻可以看出，現有文獻集中在對循環甩掛和多線一點、輪流拖帶這兩種甩掛模式的研究上.在問題描述方面，對多線一點、輪流拖帶的軸輻式網絡結構缺乏明確的定義.在建模方面，對甩掛運輸問題的數學建模，尤其是針對不同甩掛運輸模式的特色建模，還處于研究初期，需要進一步完善.在算法方面，除文獻[1517]運用分支定界法對問題進行求解外，其余文獻主要集中在啟發式算法上.本文基于已有的研究成果，運用啟發式算法求解軸輻式網絡下的集裝箱甩掛運輸調度問題，對該種模式的問題提取和模型建立進行深入研究.

本文對軸輻式網絡下的集裝箱整箱運輸牽引車調度問題進行研究，研究貢獻集中在：（1）對軸輻式集裝箱甩掛運輸的網絡進行明確的定義及闡述；（2）提出三階段啟發式算法迅速給出調度方案，保證甩掛企業實際應用的時效性；（3）對牽引車數量，掛車中心數量、位置，掛車數量、分布，以及緊急任務數量等重要參數進行敏感性分析，為甩掛企業經營人進行合理的資源配置提供參考.

1 問題描述

如圖1所示，橢圓中的軸輻式網絡由中央集散中心（或港口）與分布在周圍的客戶點、掛車中心（TrailerCenter，TC）和連接各點的弧構成.牽引車的路徑閉合，即從集散中心出發，最終回到集散中心.

出口集裝箱甩掛運輸操作流程為：牽引車從集散中心出發，先到TC掛一輛空掛車，再回到集散中

心的堆場取空箱運至客戶點處，并將載有空箱的掛車甩下，然后從客戶點返回集散中心或者駛向下一任務的開始節點.甩下的空掛車停留在客戶點處進行裝箱作業.待客戶點處裝箱完畢后，牽引車將從客戶點將重掛取回至集散中心，重箱與掛車分離，落至堆場等待干線運輸.需要說明的是，為客戶點送空掛的牽引車和取重掛的牽引車可以不是同一輛.進口集裝箱甩掛運輸操作流程則與之相反.

根據集裝箱流向和客戶的需求，將牽引車的任務類型分為4種：取空箱、送空箱、取重箱、送重箱.4種任務類型兩兩組合可以形成16種任務子序列，當某個任務子序列為兩個送箱任務相連時，牽引車需要在兩任務中間訪問TC取空掛車；當相連任務為取箱任務時，牽引車需要訪問TC還空掛車.本文根據調度的不同階段，將任務分為緊急任務、普通任務和超期任務.緊急任務被定義為：在本規劃期的牽引車路徑規劃完成后，企業接到的新任務或任何需要優先于其他任務完成的任務.普通任務被定義為：本規劃期內不需要被優先完成的任務.超期任務被定義為：已經接受客戶申請，但因公司資源條件限制，無法在本規劃期內完成的任務.加入對緊急任務的處理是本文的創新點之一.

為了日常調度的實用性和時效性，啟發式算法在解決VRP中被大量應用.本文采用三階段啟發式算法對問題進行求解，三階段算法分別調度緊急任務、普通任務以及超期任務.在80個客戶點、100項任務、不同資源配置下的50項實驗中，該算法均能在5 s之內給出調度方案，極大地滿足企業在實際調度工作中對時效性的需求.

2 數學模型

在文獻[18]和[23]的基礎上進行擴展，建立如下數學模型.

2.1 模型假設

一輛牽引車僅能掛一輛掛車；牽引車與掛車在各任務節點的掛/甩掛車時間已知且不變；所有掛車均載有40英尺的集裝箱.

2.2 參數和變量

2.2.1 參數

G=V，D為運輸網絡；V=0，1，…，i，…，I為節點集合，其中節點0表示集散中心，其他節點表示客戶點及TC；D為節點之間弧的集合，Dij為兩節點i與j之間的路網距離；Ck為牽引車k的每千米油耗；K為牽引車總數；M為任務總數；Ma為緊急任務數；Mb為普通任務數；ma為緊急任務序號；mb為普通任務序號；

T為牽引車在規劃期內能夠完成的任務數上限；Tma，2為所有緊急任務的結束時間；Tmb，1為第一個普通任務的開始時間；Thpm為牽引車從緊前任務h終點到掛車中心p，再到緊后任務m起點的行駛時間；Thm為牽引車從緊前任務h終點到緊后任務m起點的行駛時間；Tm為牽引車從任務m起點到終點的行駛時間；Hm，1為任務m在起點的操作時間；Hm，2為任務m在終點的操作時間；Tk，1為牽引車k開始工作的時間；Tk，2為牽引車k結束工作的時間；TEm為任務m的最早開始執行時間；TLm為任務m的最晚開始執行時間；NSK為送空箱任務集合；NSZ為送重箱任務集合；NQK為取空箱任務集合；NQZ為取重箱任務集合.

2.2.2 決策變量

2.3 數學模型

式（1）為優化目標，即方案總成本最小；式（2）表示每個任務僅被執行一次；式（3）保證所有牽引車的任務分配有序；式（4）表示所有普通任務要在緊急任務之后被完成；式（5）～（8）表示每項任務的時間序列，其中式（5）是同一牽引車執行前后兩項任務的時間遞推；式（9）表示每輛牽引車的工作時間均在規劃期內；式（10）保證滿足任務的時間窗要求；式（11）和（12）保證每輛牽引車的路線是閉合的；式（13）～（15）表示對TC的訪問約束，式（13）中當牽引車執行第一項任務時，只有涉及送掛車時才會產生訪問TC取掛車的情況，執行其他任務時前后兩項任務均需送掛車才會產生訪問TC取掛車的情況.

3 三階段啟發式算法

設計啟發式算法進行求解.根據任務的待執行緊迫程度，將其分為緊急任務、普通任務和超期任務等3種，而任務性質的劃分則依賴于決策函數（緊迫度函數、懲罰函數和距離函數）.

任務的緊迫度越高，緊迫度函數值越大；任務執行方案對其時間窗違反程度越高，懲罰函數值越大；距離函數則是執行該任務所需行駛的總距離.

3.1 三階段啟發式算法總體流程

算法總體思路為優先分配緊急任務，然后分配普通任務，最后推遲或外包超期任務，具體見圖2.

3.2 三階段啟發式算法具體步驟

3.2.1 分配緊急任務

緊急任務的緊迫度函數值相同，因此當同時出現多個緊急任務時，分別計算各任務的懲罰函數值后再進行分配.具體流程見圖3.

3.2.2 分配普通任務

緊急任務分配結束后，以任務的緊迫程度和子序列的懲罰函數值為標準進行普通任務的分配，具體流程見圖4.

3.2.3 外包或推遲超期任務

當存在超出規劃期的任務時，將這些超期任務推遲至下一規劃期或外包，具體見圖5.

4 算例實驗

通過改進文獻[18]中的算例，本文分別從牽引車數量、TC數量、掛車數量和緊急任務數量這4個方面驗證算法的有效性，并分析各因素對整體調度方案的影響.

軸輻式網絡由一個集散中心、若干個TC以及80個客戶點組成.TC和客戶點的位置隨機分布在100×100的網格上，集散中心位于網格中心.任意兩點之間采用歐氏距離.另外，本文的規劃期為早8：00到晚8：00（1天內）.牽引車行駛速度為60 km/h，單位掛/甩掛車時間為30 min.違反時間窗的懲罰因數a=b=1.

4.1 牽引車數量

本例共有11項實驗，牽引車數量從15輛逐一變化至25輛，任務數量均為100個，TC有5個，均勻分布在網絡中.每個TC的可用掛車均為6輛.

由圖6可以看出，牽引車的數量能夠直接影響任務的完成情況.當牽引車數量上升至19輛時，未完成的任務數下降至0，說明該系統內牽引車最低保有數量為19輛.牽引車從15輛逐漸增多，遲到懲罰成本降幅超過提前懲罰成本的漲幅；當牽引車數量超過20輛并繼續增多時，提前懲罰成本大幅上升，并且覆蓋了遲到懲罰成本的減少，造成總懲罰成本曲線呈“U”型.

4.2 TC數量

為研究TC的地理分布對調度方案總成本的影響，設置TC數量不同的算例，共8項實驗，TC數量有1，3和5個等3種情況.TC分布方式有：TC1～TC5均勻分布，僅設TC1，僅設TC2，僅設TC3，僅設TC4，僅設TC5，設置TC1，TC3和TC5，設置TC1，TC2和TC4等8種.掛車在TC均勻分布，總數均為30輛.

由圖7可以看出，TC的數量和分布方式會直接影響任務的完成情況和系統整體調度方案.總體而言，TC數量越多，分布越均勻，牽引車行駛的總里程及方案的總懲罰成本越小.當僅設置單一TC，且TC分布在1，3，4，5等4個位置時，出現了未完成任務.而當TC位于2位置時，總里程和總懲罰成本較其他算例更優，證明TC的選址也會影響經營成本.

圖7 TC數量不同時的算例運算結果

4.3 掛車數量

該算例包括5組25項實驗，TC數量均為1個，分布方式分別為TC1，TC2，TC3，TC4和TC5.每項實驗任務數量均為100個，牽引車數量為20輛，每組實驗TC的掛車數量（NT）從23輛逐漸增至27輛.

由表1可見，在各TC的掛車數量增加的過程中，當掛車數量為23輛和24輛時以及第3組和第5組中當掛車數量為25輛時，因掛車數量難以滿足需要未能給出規劃結果.掛車數量不僅影響經營成本，還會直接影響經營質量：掛車數量過少無法完成既定的任務，而過多又會增加公司經濟負擔和管理成本.

4.4 緊急任務數量

設置緊急任務數量不同的6項實驗，任務數均為100個，牽引車數量均為20輛，TC可用掛車數均為30輛，5個TC均勻分配掛車，緊急任務的數量從0逐漸增長到5個.

由圖8可以看出，初期隨著緊急任務數量的增加，提前懲罰成本和遲到懲罰成本均逐漸下降，優先處理緊急任務可以使整體方案違反時間窗的程度降低；當緊急任務數量上升至5個時，遲到懲罰成本仍保持下降趨勢，但提前懲罰成本增加，導致總懲罰成本上升幅度較大.這說明緊急任務的數量較多時，為盡快完成任務，對時間窗上限的違反程度較高.

圖8 緊急任務數量不同時的算例運算結果

5 結束語

本文建立了軸輻式網絡中甩掛運輸車輛調度問題的模型，提出了基于啟發式規則的三階段調度算法.基于牽引車數量不同、掛車中心數量不同、可用掛車數量有限和緊急任務數量不同等4個類型的算例實驗，提出了配置牽引車和掛車數量以及優化掛車中心地理位置的具體方法，并闡述了緊急任務數量對調度計劃的影響.全面剖析了甩掛運輸系統調度時各因素的影響，為營運者提供一定的決策借鑒.

未來的研究將考慮甩掛運輸新模式下的調度優化問題，例如牽引車對開、相遇后司機折返等.

參考文獻：

[1]胡志華， 洪雯婷， 胡青蜜. 軸輻式物流網絡擴張的樞紐重配置優化[J]. 上海海事大學學報， 2015， 36（1）： 1924.

[2]高洪濤， 李紅啟. 道路甩掛運輸組織理論與實踐[M]. 北京： 人民交通出版社， 2010： 1819.

[3]SEMET F， TAILLARD E. Solving reallife vehicle routing problems efficiently using tabu search[J]. Annals of Operations Research， 1993， 41（4）： 469488.

[4]GERDESSEN J C. Vehicle routing problem with trailers[J]. European Journal of Operational Research， 1996， 93（1）： 135147.

[5]CHAO I M. A tabu search method for the truck and trailer routing problem[J]. Computers & Operations Research， 2002， 29（1）： 2251.

[6]SCHEUERER S. A tabu search heuristic for the truck and trailer routing problem[J]. Computers & Operations Research， 2006， 33（4）： 894909.

[7]LIN S W. Solving the truck and trailer routing problem based on a simulated annealing heuristic[J]. Computers & Operations Research， 2009， 36（5）： 16831692.

[8]LIN S W， YU V F， CHOU S Y. A note on the truck and trailer routing problem[J]. Expert Systems with Applications， 2010， 37（1）： 899903.

[9]LIN S W， YU V F， LU C C. A simulated annealing heuristic for the truck and trailer routing problem with time windows[J]. Expert Systems with Applications， 2011， 38（12）： 1524415252.

[10]VILLEGAS J G， PRINS C， PRODHON C. GRASP/VND and multistart evolutionary local search for the single truck and trailer routing problem with satellite depots[J]. Engineering Applications of Artificial Intelligence， 2010， 23（5）： 780794.

[11]VILLEGAS J G， PRINS C， PRODHON C. A GRASP with evolutionary path relinking for the truck and trailer routing problem[J]. Computers & Operations Research， 2011， 38（9）： 13191334.

[12]DERIGS U， PULLMANN M， VOGEL U. Truck and trailer routing problems， heuristics and computational experience[J]. Computers & Operations Research， 2013， 40（2）： 536546.

[13]胡志華. 基于混合進化算法的甩掛配送問題[J]. 公路交通科技， 2013， 30（5）： 147152.

[14]HALL R W， SABNANI V C. Control of vehicle dispatching on a cyclic route serving trucking terminals[J]. Transportation Research Part A： Policy and Practice， 2002， 36（3）： 257276.

[15]SMILOWITZ K. Multiresource routing with flexible tasks： an application in drayage operations[J]. IIE Transaction， 2006， 38（7）： 555568.

[16]FRANCIS P， ZHANG G， SMILOWITZ K. Improved modeling and solution methods for the multiresource routing problem[J]. European Journal of Operational Research， 2007， 180（3）： 10451059.

[17]ZHANG G， SMILOWITZ K， ERERA A. Dynamic planning for urban drayage operations[J]. Transportation Research Part E： Logistics and Transportation Review， 2011， 47（5）： 764777.

[18]TAN K C， CHEW Y H， LEE L H. A hybrid multiobjective evolutionary algorithm for solving truck and trailer vehicle routing problems[J]. European Journal of Operational Research， 2006， 172（3）： 855885.

[19]LEE L H， TAN K C， OU K. Vehicle capacity planning system： a case study on vehicle routing problem with time windows[J]. IEEE Transactions on Systems Man and Cybernetics Part A Systems and Humans， 2003， 33（2）： 169178.

[20]胡志華， 曹楊， 王云霞. 集裝箱集散的空重箱循環甩掛調度方法[J]. 武漢理工大學學報， 2012， 34（10）： 6873.

篇（8）

中圖分類號：TP393 文獻標識碼：A

0. 引言

云計算技術是近些年新出現的應用技術，能夠在網絡技術的應用下，將軟硬件系統加以整合成價值更高的分布式系統，從而來實現數據可靠性存儲以及高效處理。在當前社會迅速發展背景下，加強對云計算技術的應用就比較重要。云計算技術在當前的電子商務以及IDC中心能方面都有著相應的應用，也發揮著積極的作用。

1. 云計算技術的內涵和主要特征

1.1 云計算技術的內涵分析

云計算技術主要是面向服務器方式來為用戶提供計算資源的，是資源交付以及使用的重要模式。在對網絡的應用下，從而獲得需要的資源，在云當中的資源使用是能夠進行無限擴展的，對云中的資源也能隨時獲得。用戶在對云計算技術的應用中，只要能掌握應用的功能即可，結合自身對資源的需求在云計算技術下都能得到實現。

對云計算技術的統一性概念至今還沒有形成，從諸多對云計算技術的定義綜合來看，云計算主要是通過云加終端的技術模式。其中的云就是對網絡的代稱，而終端則是服務設備，云計算是將虛擬技術作為主要的服務模式的，所以云計算并非是孤立存在的，是通過多個方面進行綜合形成的一個概念。云計算在具體的工作中是將服務形式對網絡中用戶進行提供必要計算機網絡資源，在資源的豐富性要遠遠優于傳統的計算機技術資源存儲。云計算技術在當前的各個領域中都有著應用。

1.2 云計算平臺的主要特征分析

云計算平臺的特征體現得比較顯著，對底層的軟硬件實施細節進行了屏蔽，能夠有效提供鏈接服務標準接口，這樣就方便用戶和網絡進行連接實現資源的共享。在當前云計算平臺的不斷發展下，已經和云計算的技術框架相符合，由于實際應用不同，在平臺類型方面也會有著一定的差距。例如綜合性的云計算平臺主要是提供上層服務資源的，在基礎資源方面主要是提供網絡服務的，而在虛擬化技術方面主要是提供基礎資源的相關服務。

但是不管是哪種類型的云計算平臺，體現出的特征都是比較顯著的。

第一，在靈活性特征上比較鮮明，在需要的規模方面能夠按照實際需求加以調整。在對虛擬技術的應用下，能夠實現按需服務的目標，這樣就能有效地降低云計算平臺應用成本，對實際的需求也能有效地保障。在云計算平臺的應用下，能夠對數據的共享輕松地實現。

第二，云計算平臺的應用特征還體現在應用時不用關心底層實現，只要能夠對提供的接口加以調整即可完成工作，在平臺的方便性特征上就比較突出。除此之外的數據安全可靠特征也比較鮮明，云計算的數據信息存儲的安全性要能得到有效保證。

第三，云計算平臺的另一特征就是高性能特征。由于云計算平臺是大規模數據中心，在提供的服務方面也比較優越，在資源的利用上是無限量的。云計算為用戶提供了諸多存儲管理的數據控件，在計算能力方面也比較強大，這些功能就使得在應用過程中有著無限的資源。

2. 云計算的體系結構和應用優勢分析

2.1 云計算的體系結構分析

從云計算的體系機構層面來看，云計算作為比較強大的云網絡，將其和網絡以及服務器相連接，就能在資源上得到無限擴大，在存儲能力以及計算能力都是史無前例的。從云計算的體系結構層面來看，主要有幾個重要的要素（如圖1所示）。其中的云用戶端是比較關鍵的。這是用戶請求服務的交互界面，是對云使用的入口，通過瀏覽器進行注冊然后登入和定制服務，然后對用戶進行管理和配置。在管理系統和部署工具要素上，主要是提供管理服務的，然后對云用戶實施管理，進行對用戶授權和認證等。也能對可用計算資源進行管理，結合實際的請求來轉發相應的應用程序，對資源的調動和部署按照實際加以實施。

另外，在云計算體系結構中的服務目錄要素方面，主要是用戶在獲得了相應權限后，對服務列表進行選擇以及定制。也能對定制的目錄進行操作，這樣就會在用戶端的界面顯示相應的圖表以及服務的內容等。在監控結構方面主要是對系統資源使用情況的監控，對節點的同步設置以及資源的監控，按照資源能夠合理地分配給用戶。在服務器集群的結構要素方面，通過管理系統進行實際的管理，對一些計算實施高效的處理，在進行存儲的時候對數據切割算法加以應用。

2.2 云計算技術的應用優勢分析

云計算技術在實際中的應用中有著諸多的優勢發揮，在具體的應用過程中，允許用戶自定義資源使用的時間，這就對資源的閑置或者是過載問題的出現有了避免。并且在分布式處理以及并行式處理的特性上展現得比較顯著，這就對數據處理需要的時間得到了很大程度的縮短。云計算平臺能夠為用戶提供比較安全可靠的數據存儲中心，在完善的權限管理規則以及數據備份技術等綜合性應用下，就能對數據信息的安全完整性得到有效保障。

另外，云計算中的一些功能都是在云端的，這就在客戶端的要求得到了有效降低。在對云計算技術的實際應用過程中，能對不同類型以及性能的設備加以應用進行訪問云空間，進行執行相應的操作，有的在網頁的應用下就能得到有效完成。在云計算技術的應用下，能夠對數據間的共享和傳輸也比較的方便。所以在具體的應用過程中就有著很大的優勢。

3. 云計算技術的實際應用和發展趨勢

3.1 云計算技術的實際應用分析

云計算技術在實際中的應用范圍比較廣泛，例如在ICT業務平臺中的應用上就發揮著重要的作用。以往的ICT運行模式有著諸多缺陷，資源浪費問題比較突出，在管理的效率也比較低，對實際的需求得不到有效滿足。但是在云計算技術的應用下，就能夠對這一業務平臺實現升級，能夠建立集中性的資源池管理的體系，對用戶能夠提供Paas、Saas等服務，這樣就大大地提升了服務效率。客戶只需要對瀏覽器進行操作就能完成數據系統的訪問管理，在使用上比較方便，也對這一業務的不兼容終端的問題得到了有效解決，從整體上提升了業務水平。

云計算技術在IDC數據處理平臺中的應用作用的積極發揮也比較突出。主要是在虛擬技術的應用下，能對這一控制中心的軟硬件資源實施有效整合，對其中的各種資源實施動態化的管理監控等。不能為用戶提供IaaS的相關業務服務，對用戶也能出租硬件資源，這樣就比較便于系統部署工作的完成，在資源的分配方面也能合理化地完成。在云計算技術的應用作用下，能夠在計費功能上得到充分發揮，能結合資源的使用情況實施付費，這樣就有效地對投入成本得到了降低，在管理的平臺方面也能實現規范化以標準化的目標。

3.2 云計算技術的發展趨勢探究

云計算技術在實際應用中發揮著積極作用，在未來的發展中，云計算技術將會有著更大的發展潛力。云計算對互聯網的應用以及產品應用模式等方面都會產生很大的影響，主要的發展方向就向著手機云計算以及商業發展和時代資源這幾個方向邁進。在移動終端設備的迅速發展下，云計算技術的兼容性就得到了體現，為客戶在移動終端的服務上得到了進一步發展，能夠將手機和云計算技術得到有機結合。這樣就能更為便捷地實現高效云計算的應用功能。

結語

總而言之，云計算技術的不斷發展過程中，對社會的進步發展起到的作用也愈來愈大，在相應的維護工作有效性以及經濟性方面將更為重要。云計算的實際應用中的優勢發揮，將會進一步地為這一技術的推廣起到積極作用，在社會效益上就會有更大的價值體現。

參考文獻

[1]李瑛，胡新煒.云計算關鍵技術分析研究[J].現代電子技術，2014（14）：65-66.

[2]許知博，劉釗.基于云計算的工廠信息監測系統設計[J].電子科技，2011（8）：148-150.

[3]曹青.云計算技術的應用及展望[J].江蘇通信，2012（2）：59-62.

篇（9）

前言

云計算技術應用于實際之后，能夠有效的提升各種新型企業的經營管理效率，企業各管理部門整合數據資源過程中不可趨勢的環節。當前階段，云計算技術在各行業的應用不但提升了企業的工作效率，而且為人們的生產生活帶來了極大的便利。IDC系統在運行的模式是一種是融合了集中式收集和數據存儲以及數據處理等多項功能單位的綜合管理系統，其在同云計算技術融合之后，能夠有效實現系統的應用價值。因此，依托云計算技術的IDC系統在應用于實踐后著較高的經濟價值和社會效益。

1云計算技術的概述

云計算是一種在實際應用過程中提供便捷、可靠網絡訪問的全新模式，它根據使用量來進行付費，能夠快速對計算機資源進行有效的資源配置，并根據用戶的需要將資源快速的提供給用戶，實現了各種網絡資源的智能化服務，而且，還大大節省了管理成本的投入。云數據管理系統的運作是借助先進云計算技術的有力支撐才得以實現的，在云計算技術的支撐下，網絡數據遵從管理系統的統一調配，實現了網絡數據的儲存、檢索、調用[1]。云計算技術在時下的應用，為信息時代的互聯網產業創造了全新的發展環境，鑄造了更為廣闊的發展舞臺，可謂是對互聯網產業的發展奠定了基礎。云計算技術的應用實踐經驗表明，云計算技術在數據的部署和任務的調度上都具有比較強的節能效果，基于此開發出的綠色云數據動態聚集法能夠與IDC系統進行良好的融合，且取得了不俗的應用反饋。

2云計算技術在IDC系統中的實際應用分析

2.1云計算技術在IDC系統中的應用

所謂的IDC系統又稱為互聯網數據中心系統，其可視為一種全新的產業運作模式。從技術框架的角度看來，IDC管理系統是一種基于現有物理機房體系實現資源分配的綜合性數據化管理系統。在通信產業平臺的建設方面，IDC系統一個主流的發展趨勢是整合以Hadoop為開源的云計算技術。IDC系統在同云計算技術結合后能夠在云計算技術的支撐下通過網絡數據虛擬化技術加以輔助，從而有效的強化IDC系統的分布式存儲能力。如今，我國IDC業務在各領域鋪展開來，適用的企業變得越來越多，其不但能夠對互聯網終端數據使用效果形成有力保障，而且能夠有效的避免IDC系統在以往應用中出現的數據平臺“崩潰”現象。可以說，云計算技術在IDC系統中具有很強的現實應用價值。

2.2云計算技術和IDC系統的構建

云計算技術和IDC系統的有機結合能夠最大程度的發揮出兩者自身的優勢，取得做好的效益。依托云計算技術的IDC系統能夠將服務器、存儲設備以及應用軟件等資源以標準化的形式服務于客戶，具體可分為管理層、物理層、虛擬層、業務層這四種構架形式。在構架的物理層上包含有存儲設備、寬帶網絡設備以及實體服務器等內容，這些可充分的給運營商IDC準備好物理資源，而虛擬層則是主要進行物理層設備的虛擬化，使其成為一個總的基礎設施資源，這樣能夠對海量數據進行存儲，并能夠實現管理好資源的分配；而在管理層上則是主要發揮管理的調控作用，實現對IDC業務的支持，做好計費管理、安全管理以及動態部署等工作。

2.3云計算技術在IDC系統中應用的優勢

IDC系統是一種較為特殊的商業運作模式，其維持正常運作離不開云計算技術的支持。總的看來，云計算技術可以對原始網絡數據信息進行定位處理，實現數據的備份和數據遷移的準備。此外，云計算技術還能夠對數據信息處理的過程進行高效的智能化評估，這將會對數據的信息查詢和調配處理做好充足的準備。其中，進行云數據管理的查詢技術應用時，也需要用到云計算技術的數據控制環節。在實際應用中，由于進行互聯網技術平臺的服務或整合時，涉及資源對象的規模非常大，而且所用服務器的數量也非常多。在不同環境和地點運行IDC系統，運行中的服務器難以實現服務器設備的有效地管理。面對當下數據資源的內容不斷擴容，整個IDC系統持續提供高品質服務的難度越來越大，這時候云計算技術的支撐作用的應用價值就變得尤為顯著[2]。

3云計算技術在IDC系統中的實現

對IDC系統有效的實現商業運作和商業服務的研究，能夠了解和明確云計算技術在IDC系統中的應用。就當前云計算技術在IDC系統中實際的應用情況而言，最具實用性和擴展性是云數據的查詢技術，其能夠在異構環境中實現有效的運行，通過豐富而靈活的用戶接口，做到對不同用戶差異化需求的全方位滿足。現有環境下，IDC系統的運作模式存在一些的特殊性，即便擁有云計算技術的有效支撐，仍需要積極的適應當下發展趨勢積極的進行探索和創新，以便更好的實現商業化，不斷實現運行模式的創新，積極的去尋找有利于鞏固現有運行模式的渠道和方法。從IDC系統的整個發展過程看來，它是我國實現高科技技術做支撐進行商業模式創新的一個縮影，在實現的過程中需要增加對相關技術內核的調試工作，以便更好的去適應現代企業發展的需要，更好的與企業發展進行融合.IDC系統在同云計算系統融合后能夠達到強強聯合的現實效果，從而極大的促進了IDC系統的發展[3]。

4結束語

我國的計算機技術在當下固有的科學技術中擁有無可比擬的技術優勢，這些為云計算技術在網絡通訊領域的發展提供了良好的契機和廣闊的平臺。隨著我國的網絡規模在不斷擴大，急需一種嶄新的高水平運行管理模式來承載主機托管、資源調配、故障排除等工作，基于云計算技術的IDC系統能夠較好的滿足當下的需求，呈現出較高的經濟價值。

參考文獻

[1]趙彤林,宗華.云計算技術在IDC系統中的應用與實現研究[J].通訊世界,2016(7):76-76.

篇（10）

1 引言

煤礦行業作為我國的一種重要的傳統能源行業，在國民經濟、人民生活等眾多領域中起著舉足輕重的作用。但現階段我國的煤礦企業普遍存在著監控的建設水品嚴重的滯后。而與其相對的是近些年來，計算機互聯網技術革命性的發展與爆炸式的傳播，使得信息技術滲透了人們生活的每個角落。在很多地方已經將信息技術這種重要的輔技術作為一種衡量現代化水平的標準。

而現階段我國的煤礦企業基本上受制于信息系統不發達，從而使得各個部門之間缺乏高效的數據共享，同時，系統內部的各個應用之間也難以連通，不利于系統集成，致使系統內溝通繁瑣。不止如此，缺乏有效的監控技術也使得領導缺乏及時有效的數據用于推斷預測企業的發展與行業的發展趨勢。這些問題在一定程度上嚴重的制約了我國的煤礦行業發展，利用現有的信息技術完全可以大大改善這種現象。因此，將監控的技術引入我們煤礦行業勢在必行。而將云計算技術引入煤礦行業可以有效的將信息資源集中到各個管理機構，從而推進煤礦行業的監控建設，促進煤礦行業的發展，保證煤礦企業的生產安全。

2 云計算技術的發展現狀

云計算技術，是一種基于互聯網的計算方式，通過云計算技術，可以按需將共享的軟硬件資源和信息提供給計算機和其他設備。從圖1可以看出，云計算技術的實現主要取決于數據計算的能力和分布式計算能力，即簡單的說為計算與計算能力。可以看出云計算技術能將很多應用、數據通過傳感器采集，將海量的信息高效的收集并處理，進而提取出有用的信息進一步用于企業信息的融合、推理和決策進而完成煤礦企業的網絡視頻監控系統。因為云計算技術的擁有各類的應用，不同種類的數據能通過不同的傳感器，監測方法等手段獲取，能適用于煤礦行業的數據網絡視頻監控系統的統一管理。由于云計算技術具有高性能，并且易擴展的硬件虛擬化技術，能夠提高資源的利用效率。而云計算技術吸引人的地方在于它所提供的這種計算和計算能力幾乎是無限的，而且相當廉價。

由于云技術擁有上述優點，一些大公司在云計算技術領域也做出了各種成功的嘗試：（1）谷歌公司作為互聯網企業中的巨擎在云計算技術方面也是不甘示弱，其搜索引擎分布在200多個地區超過百萬臺服務器上。其云計算技術的規模可見一斑，而這些設備的數量還隨著互聯網的發展在迅速的增長著。其推出的云計算技術主要有三個技術：分別是Google file system（GFS），MapReduce，BigTable。GFS技術是由Google公司開發的一個大型的分布式文件系統，即在云計算技術中起到了計算的作用。它是系統的中客戶端、主服務器以及數據塊服務器；MapReduce技術能將大量異構數據使用map函數對任務進行分解然后在單個節點上執行各個相應的子任務，而后通過收集得到的信息，最終得到進過分析的結果。這種技術就能使得在海量的異構數據中能將十分復雜的分析分解成任意個子任務從而靈活的調節，實現全局最優化；BigTable技術是一個大型的分布式數據庫，是以GFS，MapReduce作為基礎的，它設計的目的是管理結構化數據。（2）Amazon公司使用簡單計算服務和彈性計算云，提供計算和計算服務。將這這類服務作為產品向有需要的企業提供有償服務，并且取得了客觀的收入。從一個側面反映出現今時代企業對信息產品的需求；（3）IBM公司為客戶提供了“藍云”計算平臺，是一種方便簡潔的云計算技術平臺。（4）微軟也推出了Windows Azure中文名為藍天的操作系統，是一種在互聯網架構下打造的一款新云計算技術平臺。

而我國云計算技術在2008年之后迅猛的發展了起來。2008年，IBM在無錫建立了云計算技術中心，也是中國首個云計算技術中心，而后在北京也成立的大中華區云計算技術中心，阿里巴巴也在南京建立國內首個用于電子商務的云計算技術中心。廣東電子工業研究院在廣東東莞建立云計算技術平臺。

3 基于云計算技術的煤礦企業監控體系的構建

煤礦企業的網絡視頻監控系統需要滿足有以下三方面的要求：（1）煤礦企業自身的管理需要；（2）上級部門的管理需要；（3）各個企業、部門之間的信息共享。由于不同煤礦企業所需要的監控信息系統功能不完全相同，而從企業本身以及上級部門對信息系統的要求也是各有側重。因此在設立云計算技術信息系統時，就不得不考慮到不同對象所需求的功能。

對于煤礦企業來說，信息系統一般需要有：（1）對生產的管理。對生產情況的綜合匯總，生產的計劃、調度等環節的管理，同時對于生產過程的監控等功能。（2）對監控的監控。對于一些危險氣體（瓦斯，一氧化碳）的監控，井下的溫濕度，風速等的監測，井下人員的情況的記錄等功能。（3）對于人員的管理。對于煤礦企業員工的信息的匯總與統計等功能。（4）對于資金的管理。（5）對于企業的管理。這方面類似于一般公司的情況，通過將獲得的生產、安全信息及時的分析匯總給相應的管理人員提供更直觀的信息。幫助領導做出更正確的選擇。（6）方便信息的交流。在同一平臺下實現各個部門，單位的信息共享，提高信息的使用率，有效的簡化手續。

而對于上級管理部門則需要系統具有除了安全的監控、和資源的共享外。還要能將平臺上所有的資源的整合功能。

而基于云計算技術的網絡視頻監控系統，由于一般情況下，我國煤礦企業缺乏這類高素質人才的儲備，同時如果自己建立云計算技術平臺花費不菲。且一般情況下，煤礦企業沒有大量需要保密的信息，因此可以選擇一個云服務商來為企業服務，這種情況能大大的減少花費并且能得到高質量的產品。但如果需要有高度的保密性，則需要自己搭建一個云計算技術平臺，也就是私有云。這種私有云是只有授權的成員才可以使用的一種云計算技術系統，能夠很好的保障數據的安全性和服務的質量。

當前云服務商提供的云儲存業務主要有：（1）微軟的SQL Data Services，其具有很好的擴展性，但比較難以對數據進行管理；（2）谷歌的App Engine Datastore，它所支持的數據類型比較寬泛，能適用于不同類型數據的儲存，但具有一定的封閉性，在這個系統內建立的應用只能用這個系統的數據儲存，而其他平臺的應用不能與之連接；（3）亞馬遜的SimpleDB，這個平臺相對起步較晚，但相對谷歌的平臺它能實現與其他應用進行連接；（4）IBM的Oracle等。這些云儲存平臺都十分的安全可靠，并且具有可擴展，完全適用于當前煤礦行業的網絡視頻監控系統的建設需要能直接使用，且價格適中。

選擇好了云服務商后，可以通過VPN（虛擬專用網）將煤礦企業的信息進行傳輸。由于VPN具有安全高效的特點，利用VPN組建的煤礦企業的信息系統傳輸網絡，在成本較低的情況下能將數據信息安全快速的進行傳輸。快速的將用戶與基于云計算技術的信息系統平臺連接在一起。從而構建成一個完整的基于云計算技術的監控網絡。

4 云計算技術在煤礦企業信息化中的作用

由于云計算技術的特點與我國煤礦企業的監控發展要求是一致的，十分適合煤礦企業的發展需要，在煤礦企業的監控建設中能起到如下作用：

（1）有效的降低成本，現在我國的煤礦企業都是相對較大的企業，監控的投資相對來說比較龐大。而如果使用云計算技術，在支付少量費用的情況下，能減少硬件設備的購買及更新換代，不在要購買價格昂貴的服務器和大容量的計算器，也不用支付對于這些設備維護的一些投入，比如維護人員，設備，空間等等費用。

（2）穩定的服務器運行，現在煤礦企業的一些相關數據都是儲存在服務器上，如果服務器故障，可能造成煤礦企業數據的丟失。而在云計算技術情況下，由于是龐大的服務器連接而成的網絡使得由于某臺服務器的故障而造成的數據丟失在很短時間內能將數據拷出，再開啟其他服務器而后完整的拷貝先前的數據。因此能大大降低由于服務器運行故障而帶來的影響，實現幾乎是無間斷的安全服務。

（3）煤礦企業信息的有效整合，在云計算技術模式下，煤礦企業之間能構筑成共同的信息資源的同享空間，使得更多的煤礦企業享受到云計算技術的“福利”，分攤監控帶來的成本，大幅度提高信息系統的運行效率。

5 結束語

云計算技術作為一項革命性的技術，在許多行業中都有著巨大的發展空間及應用價值。在煤礦企業監控中引入云計算技術技術有著明顯的優勢，通過這個技術的實踐，它在簡化管理，加強安全監控等方面具有不可比擬的優勢，十分適合我國煤礦企業的發展。利用云計算技術能實現對煤礦資源的合理開發利用，使得煤礦行業能可持續發展。

將云計算技術引入到煤礦企業的監控建設中是一種十分有前景的嘗試，可以預見的云計算技術能推進我國煤礦企業的升級。但作為一個長期復雜的建設工程，在這個建設過程中定會有一些困難的出現。希望通過相關部門的共同努力，讓基于云計算技術的網絡視頻監控系統能早日實現，并且進一步推進我國煤礦企業的發展。

[參考文獻]

[1] 劉正偉， 文中領， 張海濤. 云計算技術和云數據管理技術[J]. 計算機研究與發展. 2012， 49（18）. 26-31