数据库资源调度

数据库资源调度（精选八篇）

数据库资源调度 篇1

自20世纪80年代以来,数据库建设已涉及相当多的中国水利业务,并且得到了广泛应用[1],如全国水文数据库系统,基本达到了国际先进水平[2]。目前,基于数据库的防汛会商、洪水预报、防洪调度等应用已趋于成熟,具备了一定的全国范围内的防洪调度决策指挥能力[3,4,5]。然而,随着我国经济社会对防洪保安的要求不断提高,以及流域调度工作思路从洪水调度向洪水调度和水资源调度相结合转变,从汛期调度向全年调度转变,从水量调度向水量水质统一调度转变,从区域调度向流域与区域相结合调度转变,致使对防洪调度及水资源管理的要求越来越高。

尽管信息技术在防洪调度和水资源管理业务中得到了一定程度的应用,但总体上还处于信息源建设和信息一般统计查询阶段,信息资源的开发程度较低。进入20世纪90年代,信息技术的发展沿着从在线事务处理向在线分析处理、从数据服务向信息和知识服务的方向发展,数据挖掘技术在这个发展过程中也应运而生,并且得到了广泛应用。数据挖掘技术是按照既定的业务目标,对大量的数据进行探索,揭示隐藏其中的规律性并进一步将之模型化的先进、有效的方法[6],在防洪调度及水资源管理方面具有很好的应用前途。为此,在中华人民共和国水利部948项目的资助下,2005年1月由水利部水利信息中心、河海大学、水利部太湖流域管理局共同开展了防洪调度及水资源管理数据挖掘系统(FCD&WRMDMS)的研究工作,项目历经3年多得已完成,并于2008年4月通过了水利部组织的验收鉴定。

2 研究成果

本项目在引进、消化、吸收美国SAS数据挖掘软件的基础上,围绕我国防洪调度及水资源管理的需求,一是探索了数据挖掘技术在防洪调度及水资源管理方面的应用理论、方法及技术,为水利信息系统从在线事务处理型向在线分析及知识应用型发展提供了技术实践与方法示范;二是研究了商品化数据挖掘软件与防洪调度及水资源管理需求相结合的具体方法,并吸收其技术优点,为减少行业内的重复开发和定制适合于业内需求的数据挖掘系统积累了经验,主要取得了以下研究成果:

(1)在水文数据库的基础上,结合防洪调度和水资源管理所需的相关数据,建立了太湖流域、中央节点的防洪调度和水资源管理数据仓库系统。

(2)分析研究了数据应用的基本模式,提出了数据挖掘的主题,建立了基于数据仓库的数据挖掘和在线分析系统。并在以下几个方面有所创新[7]:(1)提出了扩展小波神经网络模型法,建立了河道水位和流量预测方法;(2)提出了水文时间序列中基于统计分析的关联规则优化算法;(3)建立了具有多站变量时间序列的带自回归误差的回归预报模型,实现了水位预测及相关因子分析;(4)提出了基于增量数据的流量预测方法,使用流量增量数据作为应变量,大大提高了神经网络模型的拟合程度,从而提高了预测精度。

(3)通过对我国防洪调度及水资源管理需求的详尽分析,建立了基于SAS数据挖掘软件的FCD&WRMDMS,较好地解决了商用数据仓库和数据挖掘软件在水利系统的可用性和适用性问题。FCD&WRMDMS采用功能强大的SAS/BASE作为管理中心,实现了数据仓库与数据抽取、转换、装载(ETL)、数据挖掘,采用SAS/EM和SAS/EG作为分析工具,有机集成了各种数据挖掘算法,全面支持防洪调度及水资源管理等领域活动,具有广阔的推广应用前景。

(4)FCD&WRMDMS于2007年在太湖流域管理局和水利部水利信息中心进行了推广应用,取得了良好的经济和社会效益。实践证明使用FCD&WRMDMS可以提高水文预报的精度和时效,增长水文水资源的预见期,进一步扩大了防洪调度和水资源管理辅助决策的内涵和外延。

3 系统结构

FCD&WRMDMS所需处理的数据对象以水文数据为基础,建立防洪调度及水资源管理数据仓库,通过数据挖掘为防洪调度及水资源管理提供决策支持服务[8]。总体框架如图1所示。

FCD&WRMDMS数据库主要包括水文、水雨情实时、气象、工情及水质等数据库。FCD&WRMDMS数据仓库总体架构如图2所示。FCD&WRMDMS知识库主要存放数据挖掘所需要的领域知识,如洪水预报值合理性分析与修正经验综合规则事实库、水库调度综合规则事实库,以及分蓄洪区综合规则库等。

图2中原始数据层是系统所有数据来源,由各类数据库组成。数据仓库层是将各种来源的数据按照系统设计的规范组织和管理起来,形成数据仓库,为后续的数据分析提供完整的数据源。数据仓库从源数据库中获得原始数据,首先按主题要求形成当前的基本数据层,然后按综合决策的要求构成防洪调度与水资源管理所需的综合数据,由SAS软件的WA模块来实现。OLAP服务器层对分析所需要的数据进行有效集成,根据数据仓库提供的数据,通过相应处理,形成前端联机分析所需的数据。OLAP服务器层功能主要由SAS软件的EN、EG模块来支持。前端应用层主要包括各种报表、查询、数据分析等工具,用以实现防洪调度与水资源管理过程中所需的各种信息查询。

4 系统功能

FCD&WRMDMS旨在提供统一的、高度集成的、一致的水文信息源,支持防洪调度及水资源管理工作中众多具有明确应用主题的分析型应用,如洪水演进规律分析、太湖水位变化周期研究、历史洪水特性分析、水位预报、洪水预报、降雨和径流关系与趋势分析等,同时也是进行各类多维分析的基础。FCD&WRMDMS不偏重于某个具体业务,而是一个基于公共水文信息源的面向主题的挖掘系统,具体分析业务需要的数据可以由此获得,并能得到挖掘分析,保证了不同挖掘主题所需数据一致性和挖掘过程的规范性。FCD&WRMDMS功能模块如图3所示。

该系统划分为2个主要子系统:数据挖掘和信息管理子系统。数据挖掘子系统主要完成数据挖掘的过程,由定义主题、数据准备、分类和训练、方案预测、方案优化等功能组成。定义主题主要是对挖掘主题定义的管理;数据准备模块用于将多种异构的数据源转换为SAS格式;分类模块用来进行聚类分析和综合评价分析;训练模块训练形成各种预报和分析模型;方案预测模块根据需求调用相应的模型对新方案进行预测;方案优化模块利用预报和分析模型产生优化的预报和分析方案。信息管理子系统主要是对防洪调度与水资源管理的基本信息进行管理,包括防洪信息、水资源信息、洪水预报等管理。

5 与现有应用系统的逻辑关系

FCD&WRMDMS可单独运行,与现有的水利业务应用系统互不干扰,在防洪调度及水资源管理决策过程中为领导提供辅助决策依据,同时也可进一步完善现有的决策支持系统,如为洪水预报系统提供相关因子分析、算法优化、防汛调度模型等。

当然,FCD&WRMDMS所需的数据要从现有的数据库中提取,包括水雨情、水文、工情、水质等数据库,这种提取方法并不影响现有应用系统的使用,也不会影响数据库中的数据。将提取的数据存入数据仓库后,通过数据展现和数据挖掘技术为防洪调度及水资源管理提供决策支持服务,FCD&WRMDMS与现有应用系统的逻辑关系图如图4所示(虚线部分为其他项目已实现的任务,实线部分为本项目要完成的任务)。

6 结语

当前,中国各级水行政管理部门都在大力推进水利信息化建设步伐,多年来建立了以国家水文数据库为代表的多类数据库,特别是国家防汛抗旱指挥系统工程和水利电子政务工程等全国性信息化工程的实施,无论在硬件设施或数据基础方面都为项目成果的应用提供了良好的支撑环境。FCD&WRMDMS研究项目在SAS软件引进、消化、吸收的基础上,通过防洪调度及水资源管理数据挖掘系统的研究,以及在水利部水利信息中心和太湖流域管理局的示范应用,在水文序列相似性查找,洪水传播时间估算,关联规则挖掘、洪水水位流量预报,以及异常检测方面探索了SAS软件在水利系统的可用性和实用性,项目研究单位认为,选择SAS作为构建FCD&WRMDMS的基础是可行的,在中国水利系统具有广泛的推广应用前途。

摘要：采用美国SAS数据挖掘软件,在对我国防洪调度及水资源管理需求详尽分析的基础上,探索了数据挖掘技术在防洪调度及水资源管理方面的应用理论、方法及技术;研究了商品化数据挖掘软件与防洪调度及水资源管理需求相结合的具体方法,建立了太湖流域和中央节点的防洪调度和水资源管理数据仓库系统;分析研究了数据应用的基本模式,提出了数据挖掘的主题,运用SAS数据挖掘套件建立了基于数据仓库的防洪调度及水资源管理数据挖掘系统。

关键词：防洪调度,水资源管理,数据挖掘,分析型应用

参考文献

[1]余达征,史金松.江西水文数据库系统研究[J].河海大学学报,1992,(3):60～65.

[2]余达征.试论全国分布式水文数据库系统的分析与设计[A].中国科学技术协会首届青年学术年会论文集[C].北京:中国科学技术出版社,1994,22～26.

[3]余达征,索丽生.关于防洪调度智能决策支持系统的分析与设计[J].水文,1999,(2):18～22.

[4]余达征,索丽生.数据仓库技术及其在防洪调度智能决策支持系统中的应用[J].水利水电技术,1999,(2):43～45.

[5]余达征,索丽生.基于数据仓库的数据开采技术及其在防洪调度智能决策支持系统(FCDIDSS)中的应用[J].水文,2001,(2):5～8.

[6]汪嘉冈.SAS V8基础教程[M].北京:中国统计出版社,2003.

[7]李士进,张晓花,万定生,等.基于DTW的测站水位影响关系估计[J].江南大学学报(自然科学版),2007,(6):678～682.

数据库资源调度 篇2

［关键词］知识密集型公众服务业人力资源调度员工需求

一、知识密集型公众服务业与人力资源调度问题

企业从投入到产出的过程通常涉及到多种生产要素。当某种生产要素在价值较昂贵或者数量上稀缺时，就应当在生产过程中对该要素进行合理恰当的配置，即对该要素进行调度。

人力资源是生产过程中必不可少的一项要素，并且在许多行业中是非常重要的生产要素。特别是在医疗保健、金融、航空运输等行业和警察、紧急救援、法院等政府部门中，由于其运作过程严重依赖于员工的专家知识，人力资源是其生产过程中最重要的生产要素。由于这些行业的服务对象都是广大人民群众，可以统称为知识密集型公众服务业。

除了对员工专家知识的依赖外，知识密集型公众服务业的运作过程还有另一个特性，人力资源和运作流程可以在一定程度上分割，即某个员工不需要对一定的流程或事务负责到底，这一特性使人力资源可以调配。人力资源的重要性和可调配性使知识密集型公众服务业面临着人力资源调度问题。

知识密集型公众服务业的另外两个特点加剧了人力资源调度问题的重要性。其一是知识密集型公众服务业的人力成本在成本结构中占有重要的地位，如在国内医院，人力成本占到总成本的1/5，而在国外则高达1/2。其二是知识密集型公众服务业的服务对象是广大人民群众，所针对的又是基本生活需求，低劣的服务质量将会导致恶劣的社会影响。如何充分发挥现有人力资源的作用，在节约人力成本的同时提高运作流程的效率和效果，不但将为知识密集型公众服务业创造良好的经济效益，同时还能够有效满足广大人民群众的基本生活需求，产生良好的社会影响。

但对知识密集型公众服务业来说，人力资源调度的难度同样十分突出。与其他调度问题不同，人力资源调度问题要受到法律法规、劳动合同、人类工效学、服务需求时间、人力资源层次性等方面的约束，这些约束大大增加了人力资源调度的难度。由于被调度对象是自然人，人力资源调度过程必须遵守相关法律和劳动合同的规定。人类工效学的研究表明，一些排班方式，如白班-夜班-白班，无法使员工得到有效的休息。为了保障服务的质量，人力资源调度应当遵守这些规律。

知识密集型公众服务业都必须长时间地，甚至是无间断地提供服务，如大多数医院都是全年无休的，人力资源调度过程还面临着克服服务需求时间与人类生理习惯之间矛盾的问题。人力资源的层次性是指员工存在着知识水平和权限的差异，通常情况下高水平或高权限的员工可以替代低水平低权限的员工（可能导致一定的额外成本），但反之则不能。层次性约束是指人力需求与人力资源层次的相关性，如医院中每个班次必须配备一定数量的高级职称医生。

二、员工需求

人力资源调度问题与其他调度问题的最大差别在于其被调度对象对问题的求解存在着要求，即员工对排班存在着要求。如果在调度过程中不考虑员工的需求，必然降低员工的工作满意度和组织运作的效率与效果。而员工满意度和顾客满意度之间存在着正相关关系，低的员工满意度将导致低的顾客满意度。只有在求解人力资源调度问题的过程中充分考虑员工需求，才能提高员工的工作满意度、激发员工的工作积极性、提升员工的创造力，从而提高组织运作的效率和效果。特别对前述医院等行业来说，由于人力资源是其最重要的生产要素，员工的工作积极性与服务的质量有着直接关系，提高员工满意度对提高服务质量有着重要意义。因此，如何充分考虑员工需求从而提高员工满意度是人力资源调度过程中不能回避的问题。

但人力资源调度问题难以考虑所有的员工需求。为了能得到更好的工作和休闲方式，员工需求通常过泛，甚至是互相矛盾，如多数员工都不情愿上夜班。并且人力资源调度过程必须满足法律法规、人类工效学、人力资源需求等“硬约束”。在员工需求不可能全面满足的情况下，需要对员工需求有选择地满足或拒绝。

由于现代社会生活节奏的加快，员工需求存在着不稳定性。特别对于高知识人才来说，他们不仅对休闲娱乐有着更高的需求，还必须不断的进行学习和继续教育，其需求更易变动。员工需求的易变性要求采用动态的方法求解人力资源调度问题。

三、交互式人力资源调度系统框架

对人力资源调度问题的求解，国外已经有了许多的研究。这些研究将人力资源调度问题看作组合优化问题，应用数学规划、约束逻辑规划、人工智能、局部搜索、启发式算法、基因算法、模拟退火、禁忌搜索等数值方法寻求能够最小化人力成本的调度方案。但这些研究没有将员工需求考虑在内，尽管能够降低人力成本，却无法保障员工合理的生活与学习需求，降低员工的工作满意度。

为了能在求解人力资源调度问题时充分考虑员工需求，作者提出了基于HTTP协议的交互式人力资源调度系统框架。该系统的组成如下图所示，调度服务器是系统的核心，由Web服务模块、员工需求分析模块和调度算法模块组成。

在调度开始时，员工首先通过Web浏览器提交自己的员工需求。Web服务模块在收集了所有的员工需求后，交由员工需求分析模块分析。员工需求分析模块在剔除了不合理及互相矛盾的员工需求后，将剩余的员工需求提交给调度算法模块。调度算法模块应用成熟的数值算法对人力资源调度问题求解，当有解时将排班结果通过Web服务模块发布给员工。如果因为员工需求过多而导致问题无解时，则员工需求分析模块尽一步剔除部分员工需求，如此往复，直到问题有解。

参考文献:

[1]刘晖:谁持医改柳叶刀.21世纪经济报道,2007.3.5

[2]Cheang B., Li H., Lim A. et al. Nurse rostering problems - A bibliographic survey[J]. European Journal of Operational Research. 2003, 151(3):447～460

[3]崔蕓:浅析顾客满意度与员工满意度之间的内在联系[J]. 开封大学学报,2006,(4):19～21

[4]Ernst A.T., Jiang H., Krishnamoorthy, M., Sier D. Staff scheduling and rostering: A review of applications, methods and models [J]. European Journal of Operational Research,2004,153(1):3～27

[5]Burke Edmund K., De Causmaecker Patrick, Berghe Greet Vanden, Van Landeghem Hendrik. The state of the art of nurse rostering [J]. Journal of Scheduling, 2004, 7(6):441～449

[6]Ernst A.T., Jiang H., Krishnamoorthy, M., Sier D. An Annotated Bibliography of Personnel Scheduling and Rostering [J]. Annals of Operations Research, 2004,127:21～144

数据库资源调度 篇3

The imaging satellites reconnaissance usually consists of information acquisition and data transmission.Information acquisition is acquiring target image information by satellite-borne reconnaissance devices.And data transmission is transmitting acquired image information back to ground stations[1].The satellite data transmission scheduling problem is a process of allocating resources.According to data transmission,ground stations and antennas are allocated within a certain time period under the condition of satisfying time windows and resource constraints[2].Ant colony optimization is a new simulated algorithm.It is realized through simulating the foraging behaviors of real ant colony and has the advantages of being easy to combine,robustness and parallelism[3,4].Ant colony optimization does not need the environmental prior information to complete global optimization.It can be achieved only through positive feedback effect and learning ability of ant colony[5,6].Experimental results show that,many typical discrete combinational optimization problems can be solved by ant colony opti-mization.This is because this algorithm can perform uncertainty search in discrete space[7,8].

1 Problem Description

The satellite data transmission scheduling problem is allocating execution time and ground stations to data transmission within given time[9,10].This problem is described as finishing mission planning of multiaerial ground station system under such conditions:1)under the constraint of time windows,2)in view of transfer time between ground station antennas and task weights,3)aiming at maximizing the total task weights[11,12].The following symbols are defined for describing the satellite data transmission scheduling problem:

(1)m time windows(W={w1,w2,…,wm}),the starting and ending time for time window wiare Siand Eirespectively.

(2)n tasks(A={a1,a2,…,an}).Time needed for missions and priorities are D={d1,d2,…,dn}and P={p1,p2,…,pn}respectively.The starting and ending time for task i are siand eirespectively.

(3)Decision variables of tasks are T={t1,t2,…,tn}.If the ith task can be finished,then ti=1.If not,ti=0.

(4)There are l antennas in ground stations and their transfer time is R={r1,r2,…,rl}.

(5)The starting and ending time for scheduling are Tsand Terespectively.

Satellite data transmission scheduling model is described as below:

in which,constraint condition egua.(1.1)indicates that the length of a time window can not be exceeded by transfer time between antennas and the length of time to complete tasks in the time window.Here,Ai denotes a set of tasks arranged in the ith time window and ridenotes the transfer time between antennas to implement these tasks.Constraint condition equa.(1.2)indicates that if task ajis executed in time window wi,then its starting time sjand ending time ejmust be within time window[Si,Ei].Constraint condition equa.(1.3)indicates that the stated time interval[Ts,Te]must contain the starting and ending time of all tasks.

2 Proposed Approach

The optimization flow of ant colony optimization proposed in the paper is:1)define and initialize pheromones,2)artificial ants construct feasible solutions according to state transition rule,3)update pheromones based on relevant updating rules,4)terminate optimizing process when the current optimizing state satisfies terminal condition,if not,execute 2)and 3)repeatedly.The concrete optimization framework of ant colony optimization to data transmission scheduling problems is shown as fig.1.

2.1 Define Pheromones and Initialization

‘The probability that given tasks are arranged in each time window’in this paper is defined as the pheromones in scheme space.Here,pheromones can be defined as a matrix K with the dimensionality of m×n.m denotes the total number of tasks and n denotes the total number of time windows.Element K[i][j]denotes the probability of task i being arranged in time window j.In this phase,all elements of matrix K can be initialized toλ0(a smaller numerical value).

2.2 Construct Feasible Solution

2.2.1 A set of tasks that can be arranged intime windows

The set of tasks that can be arranged to the kth time window at t moment is denoted by allow(k,t).Its definition is shown as fig.2(described by Matlab language).

2.2.2 State transition rule

The next task aiis selected for time window k according to the following probability.

where,

AA(i,k)=[K(i,k)]a[η(i)]b[λ(i)]c.

Pr(ai,k,t)denotes the probability of executing task aiin time window k at t moment.λ(i)denotes the total execution time heuristic value of task ai,.η(i)denotes the priority heuristic value of task ai,η(i)=pi.K(i,k)denotes the pheromone heuristic value of task aiarranged to time window k.a,b,c denote the weights of above three heuristic values respectively.

2.2.3 Feasible solution structural mechanism

A feasible solution structural mechanism is proposed to the data transmission scheduling problem(it can be seen from fig.3 that this mechanism is described by Matlab language).It can be described as that:the available tasks are arranged to each time window successively(these tasks are selected from the set of tasks available in current time window in order based on state transition rule),until this time window cannot arrange other tasks in.And the above process is repeated until all time windows cannot arrange any task.in.

2.3 Update Pheromones

2.3.1 Local updating rule

After each iteration,the current level of pheromones can be updated based on local updating rule by ants with optimal scheduling obtained from this iteration.The local updating rule is used to update pheromones on the basis of optimal scheduling.Its concrete definition is as follows:

where,i denotes task number,k denotes time window number and QLdenotes the increase of pheromones in local updating phase.

2.3.2 Global updating rule

The current level of pheromones can be updated based on global updating rule by ants with the global optimal scheduling obtained from the process of iteration by ant colony optimization.The global updating rule is used to update pheromones on the basis of current global optimal scheduling.Its concrete definition is as follows:

where,i denotes task number,k denotes time window number and QGdenotes the increase of pheromones in global updating phase.

2.3.3 Pheromone volatile rule

After each iteration,the current pheromone will be updated according to the pheromone volatile rule.In order to reduce the probability of ant colony optimization falling into local optimum,the pheromone level will be restricted into[τmin,τmax].Its concrete definition is as follows:

Hereρ(0≤ρ≤1)denotes the pheromone volatile coefficient.

2.4 Terminal Condition

The terminal condition in this paper is to control the whole optimization flow of ant colony optimization.The examples of the data transmission scheduling problem all come from real system and their optimal scheduling is unknown.Therefore,the terminal condition is defined through presetting maximum iteration.

3 Experimental Results and Analysis

12 typical test cases are generated randomly to verify the effectiveness of the proposed approach.The ant colony optimization,genetic algorithm and simulated annealing algorithm are all realized by Matlab language.And the cases are solved by these three algorithms in computer with Pentium IV processor,2.4GHz and 2 G RAM[13,14].In order to eliminate the randomness in the optimization process,three approaches are proposed to solve each case 50 times.

The expected targets when solving the data transmission scheduling problems are as follows:(1)to maximize the sum of priority values for accomplished tasks,(2)quick responsiveness,namely that when the constraint condition and initial condition of resource scheduling are known,the searching method can give out a better feasible scheduling scheme quickly at the shortest time.On basis of the above analysis,the following evaluation indexes are defined as:P1 denotes the time cost by scheme scheduling(sec.)and P2 denotes the sum of priority values for accomplished tasks in initial scheme.The optimization results of all cases solved by the three algorithms are shown as table 1.

Experimental results indicate that,the ant colony optimization can solve the data transmission scheduling problem quickly and effectively.Its computation time is obviously superior to the simulated annealing algorithm and genetic algorithm.And with the aspect of the performance index‘the sum of priority values for accomplished tasks in obtained scheduling scheme’,the ant colony optimization is also dominant.In a word,the ant colony optimization is better than the other algorithms in solving precision and time.And it is feasible to the data transmission scheduling problem.

4 Conclusion

Innovation of this paper:the data transmission scheduling method is constructed based on the ant colony optimization,and the experimental results suggest that the ant colony optimization is feasible to solve the data transmission scheduling problem.

In total,the ant colony optimization can solve the data transmission scheduling problem effectively.But its computational time should be shortened.

ORACLE数据库的任务调度 篇4

企业信息管理系统通常需要进行数据库相关的例行的数据处理和计算任务, 需要定时地自动执行程序, 完成数据库备份、报表数据的生成、数据的提炼和数据库的性能优化, 包括重建索引等工作。

为了有效的管理、计划、调度、监控这些任务的执行, ORACLE数据库管理系统提供了先进、灵活的计划任务调度系统, 该系统使用DBMS_SCHEDULER PL/SQL程序包的函数和存储过程, 实现在企业环境下任务的有效管理、计划, 自动控制大量例行任务的执行时间、地点, 降低了系统的运维费用, 减少人工操作的出错几率, 提高了例行任务的可靠行。

ORACLE的计划任务调度系统, 既可以运行数据库系统的内部程序, 例如:PL/SQL程序块、PL/SQL存储过程、JAVA存储过程;也可以执行外部可执行文件, 例如:操作系统的脚本、批处理文件和应用程序。可以在本地运行, 也可以在其他系统安装调度代理程序后, 在远程系统中执行计划任务。

以下从调度方式、任务优先级等几个方面简要介绍一下ORACLE的计划任务调度系统。

调度系统的调度方式有三种:第一种是基于时间的调度, 在特定的日期时间触发任务, 运行一次或循环执行, 循环执行的任务可以定义各种复杂多变的时间间隔, 例如:节假日之外的每周一、周三的3:00, 或者每个业务季度的最后一个周三等。

第二种是基于事件的调度, 系统或业务事件触发调度程序执行任务, 应用系统可以检测事件并通知调度程序, 调度程序根据事件类型, 执行特定的任务。事件包括:系统收到文件;事务失败;库存低于安全水平等。

第三种是依赖性调度, 根据前置任务的执行结果调度任务的执行, 使用任务链定义分支、嵌套等复杂的依赖关系。

任务的资源分配和优先级:在管理系统中, 有的任务比较重要, 具有较高的优先级, 应保证该任务得到充分的系统资源并优先执行。调度系统通过任务类和基于日程的优先级控制, 调度系统可以根据业务需要给任务分配不同的优先级, 保证关键的任务得到充分的资源并优先执行。

将具有部分相同系统属性和行为的任务组织为一个任务类, 一个任务类里的任务具有共同特征和行为模式。

通过定义任务类的资源消费组属性, 并依据当前的资源计划, 控制该类成员任务的分配资源, 保证关键任务配有足够的系统资源。

同时给该类的成员任务分配不同的优先级, 控制计划任务的执行顺序。可以基于日程分配任务的优先级, 同一个任务在不同的时间具有不同的重要性, 相应的, 通过调度程序在不同的时间段给任务分配相应的优先级。

调度对象:调度系统使用模块化方式管理, 使用调度对象定义调度系统的配置。调度对象定义了计划任务的执行时间、执行地点及执行的操作, 包括:Programs、Schedules、Jobs、Destinations、Chains、File Watchers、Credentials、Job Classes、Windows、Groups。这些对象属于某个模式, 可以对其赋予权限。Job Classes、Windows、Groups只能属于SYS模式。下面分别介绍这些对象:

程序对象 (PROGRAM) :程序对象定义了调度系统执行的操作, 包括存储过程、PLSQL程序块、外部应用程序等类型, 运行时输入相应的参数。程序与任务相互独立, 新定义的JOB, 指向已有的程序, 多个JOB使用同一个程序, 或者在不同的时间、用不同的配置运行相同的程序。

日程对象 (SCHEDULE) :SCHEDULE说明JOB执行的时间及频率, SCHEDULE可以被多个JOB共享。包括基于时间的SCHEDULE和基于事件的SCHEDULE。

任务对象 (JOB) :核心的调度对象, 使用一组元数据集描述用户定义的操作, 定义执行的操作 (WHAT) 、日程 (WHEN) 、地点 (WHERE) 和执行者 (WHO) , 大多数其他的调度对象都是支持任务的定义。

任务执行的操作可以直接在任务属性中说明, 直接指向数据库程序或外部程序, 也可以先定义PROGRAM对象, 指向数据库程序或外部程序, 再在任务属性说明PROGRAM对象。

任务的执行时间使用以下两种方式定义:在任务属性中直接设置任务的开始时间、结束时间、重复的间隔, 或者说明触发JOB运行的事件;先定义日程 (SCHEDULE) 对象, 定义了开始时间、结束时间、重复的间隔, 或者触发事件, 设置任务的日程属性, 可以指向已定义的日程 (SCHEDULE) 对象。

定义JOB的执行地点:将任务的执行地点属性指向目标对象 (DESTINATION) , 该任务将在目标对象定义的远程位置执行;将任务的执行地点属性指向一组目标对象 (DESTINATION) , 任务将在组目标对象定义的多个远程位置执行。

目标对象 (DESTINATION) :DESTINATION对象定义了任务的执行位置。外部DESTINATION设置远程主机名称和IP地址, 以运行远程外部任务。数据库目标对象说明远程数据库实例, 运行远程数据库任务。任务默认在本地系统运行。

文件监视器对象 (FILE WATCHER) :根据定义的文件位置、文件名等属性, 当本地或远程系统收到文件时, 通过事件或调度程序触发任务的执行。

身份对象 (CREDENTIALS) :存储用户名密码, 任务使用该对象定义的身份信息在数据库或操作系统执行。在执行以下任务时需要提供身份信息:远程数据库任务、本地或远程外部任务和文件监视器相关任务。

任务链对象 (CHAINS) :通过任务链对象可以实现依赖调度, 根据前置的一个或多个任务的执行结果启动关联任务的执行。一个任务链包括多个步骤以及定义步骤之间关系的依赖规则, 这些规则定义了步骤或任务链的启动或停止的条件, 包括:前面步骤的执行成功、失败、完成及退出代码。任务链步骤组成了一个决策树, 根据不同的情况决定了什么时间执行什么操作及执行路径。

任务可以指向一个任务链, 该任务称为任务链任务, 用任务来启动任务链, 多个任务可以指向一个任务链, 并可以同时运行, 形成该任务链的多个实例。

任务类 (JOB CLASS) :调度管理员生成任务类, 通过任务类可以统一设置属于该类的所有任务的属性, 例如:日志等。可以将任务分配为一个已定义的任务类, 使其继承该类的通用属性, 例如:可以设置任务类的SERVICE属性, 说明在RAC环境下执行任务的数据库实例;定义任务类的资源消费组属性, 根据当前的资源计划, 给该类的成员任务分配资源;任务类的成员任务分配定义的优先级, 控制任务的执行顺序。

窗口 (WINDOWS) :调度管理员生成窗口对象。窗口定义为一个时间段, 用于在某个时间段内自动启动任务或更改在任务之间的资源分配。

数据库资源调度 篇5

实时数据库技术是传统数据库技术的发展, 主要被应用在需要快速处理大量数据并不断刷新的实时数据处理的领域。在目前的实时数据库研究中, 大部分研究的都是实时性的研究, 而忽略了数据的实时更新, 和数据有效性, 以及如何设计高效的实时数据库系统使系统资源效率更高还有较大的研究空间。

1 实时数据库系统概述

实时数据库技术是在传统数据库技术的基础上按照实时系统的特性进行改进而产生的一种新型数据库技术, 是数据库技术的一种。相交于传统数据库技术而言, 实时数据库对外界环境的变化所产生的相应更为可靠。但是, 为了判断实时数据库的系统的正常与否, 需要综合考虑从外界环境测得的实时数据值的准确性和获得该数据所用的时间满足条件与否。因此, 在研究实时数据库系统时, 必须要考虑到时间有效性和外部状态与参数之间的转换。对实时数据对象来说, 从真实世界的外界环境中得到的数据值的时间限制非常严格, 而在真实世界中, 被测参数的值可能会不断变化, 实时系统测得的数据值会随着时间失效, 因此, 这类数据被称为为实时数据。实时数据区别于普通数据之处就在于, 实时数据值只在规定的时间段内才是有效的。只有当一个实时数据的值能真实的反映被测实物的某一具体参数的具体状态时, 该数据才能看作有效的。而在目前的研究中, 最常用来确定数据的有效性的方法是:为每一个数据规定一个有效期, 每个实时数据只在其有效期内才有效。在实际的应用中, 有效期时长的确定要综合考虑很多种可能影响市场的因素。举例来说, 时间间隔长度较短的数据对应的是变化迅速的实体, 而为保证实时数据的及时性与正确性, 实时数据库系统必须要不断的刷新数据, 并将最新的数据及时的进行存储。

2 实时事务与事务调度

2.1 实时事务

实时数据库和其他普通数据库之间最明显的区别就体现在实时性上。实时数据库系统必须要满足某种在设计时已经规定好了的时间条件:实时数据库中的数据值只在某一时间预先设定的的时间段内才是有效的, 而一旦超过了预先设定的时间区域那么这一数据值将会失效。影响系统的实时特性的因素多种多样。包括实时事务本身所具备的实时特征;实时数据库系统本身的数据最大输入量和最大输出量以及数据处理能力的最大值综合地决定了系统对外界环境进行响应的极限;用户根据自身实际情况所提出来的某些具体的特殊要求所导致的时间特性等。而对这些要求, 实时数据库系统都应该尽量兼顾, 保证最大程度的满足。

而在实时数据库系统内, 所有的操作都可以被称作是实时事务, 我们通常把数目不等的数据库操作可以看作一组, 将这一组操作合起来, 这一组操作的集合称作事务。而实时事务区别于普通事务的一点就是, 实时事务需要在规定的时间范围内执行, 并且要在这一时间范围内正确的执行, 保证执行的正确性。

2.2 事务调度

在实时数据库系统的正常工作过程中, 对于数据库系统内各个时间点发起的事务都需要通过实时调度来进行管理事务, 以保证事务的执行正确且兼顾到实时性。而在事务的调动过程中需要保证一些特性。

首先是事务的原子性。实时事务在被调度的过程中, 要尽量保持事务各个操作之间联系的完整性和一致性, 尽量保证做到事务内操作全部执行, 或均不执行。但是在与时间特性发生冲突时, 为了满足时间特性要求, 可以看情况适当放宽要求, 但是必须要保证数据的精确性。

其次是事务的一致性。在对实时事务进行调度的过程中要严格保证事务时间和逻辑一致, 在特殊情况下可以允许一定的模糊。

还有是独立性。实时事务之间一般要保持相互独立。但是在某种情况下要允许部分事务与实时数据库系统内部的工作之间有同步和依赖性, 例如数据需要依赖于通信接口的工作等。

3 总结

实时数据库技术被应用到了人们日常生活的方方面面, 应用也将越来越广泛, 要保证实时数据库的正常运行, 就需要设计人员在进行实时数据库的设计时, 必须要保证实际用户的需要得到满足、应用领域的特点也应该被充分考虑到等, 在最大程度上满足实时数据库的及时性和时效性的特点, 并且要兼顾系统的资源使用情况, 提高系统的资源使用效率, 为实时数据库在以后的使用过程中能够正常合理的运行提供保证。

摘要：实时数据库技术是传统数据库技术的发展, 在传统数据库的基础上又具备了实时处理的特性。实时数据库在事务处理过程中, 要保证数据的时效性和及时性。因而, 在实时数据库的设计过程中, 如何保证系统能够在有效运行的同时还要尽量减少系统的资源使用, 提高系统的运行效率就成了一个重要课题。本文基于实时数据库系统运行过程中的数据时效性和及时性进行分析, 对传统的事务调度算法进行改进, 结合实时数据时间有效性的方法与最优化的优先级分配原则, 保证实时数据库的优化设计。

关键词：实时数据库,事务调度,优先级

参考文献

[1]韩建军, 李庆华, Abbas A.Essa.实时数据库中具有时态限制的事务调度算法[J].小型微型计算机系统, 2005 (07) :1229-1232.

[2]唐皓.实时数据库设计及实现和事务调度算法的研究[D].哈尔滨工业大学, 2013.

数据库资源调度 篇6

钢厂属于高位企业的一种, 每年的生产事故报告中, 钢厂事故总是名列前茅。因此, 钢厂生产过程中需要严格控制, 尤其是供电控制。钢厂属于高耗能企业, 电力消耗大, 对电网安全运行和调度提出了较高的要求, 促进厂网协调, 保障钢厂生产安全、高效节能生产、经济运行, 维护电网稳定运行。分析钢厂并网产生的影响, 并提出合适的解决方法。

1 并网对电网的影响分析

钢厂生产过程中存在四大生产工序, 分别为烧结、炼铁、炼钢、轧钢。四大环节, 环环相扣, 只要某一环节出现问题, 所有的环节都要受到影响, 尤其是在高温、高压下运行的设备, 比如高炉、转炉、加热炉、LF炉等。钢厂中的生产设备对电力供应具有较强的依赖性和敏感性, 异常、不稳定、突然中断等不正常的电力供应均可能造成生产设备的易燃、易爆甚至引发重大伤亡事故, 所以分析并网对电网的影响十分必要。

分析发现, 并网主要形成以下几方面的影响:易产生电磁环网, 产生暂态稳定问题, 增大电网短路容量, 引发主变重载运行, 增加预测负荷的难度。

1.1 电磁网

采用当前的接线方式, 一旦运行方式安排出现问题, 很容易造成网中网。比如主变检修或者增加线路, 都需要对运行方式进行调整, 调整过程中造成两辅助电站的主变侧合环工作, 从而产生高低压电磁环网。在此情形下长时间运行将影响电网安全稳定运行, 严重时造成大面积停电事故, 引发一连串的反应。

1.2 暂态稳定问题

当钢厂多台自备发电机同时并网, 而并网线相对较少时, 大容量的发电机组遇到特殊情况将导致暂态稳定问题, 从而造成局部电网失稳。

1.3 增加预测负荷的难度

钢厂一般采用的为冲击性负荷。工艺生产过程的轧钢环节负荷的波动范围大概为十几万千瓦, 同时还要根据每天产品、产量调整运行的负荷, 这严重影响了电网负荷的预测。高炉煤气发电是钢厂自备发电机组所采用的发电形式, 煤气量制约着发电量, 产品结构和数量又制约着煤气量, 生产线的工作与否影响电网的负荷, 使得网供负荷难以预测, 影响整个电网的运行稳定和发电计划的制定。

2 解决方案

为了同时满足钢厂的正常生产、节能减排、经济的要求和电网运行稳定以及发电厂的发电计划的制定, 提出了两种解决方案, 一是供电公司和电网, 另一是钢厂。

2.1 供电公司采取的解决方案

首先要求供电公司协助钢厂作出合理的运行安排。严格按照相关规定布置钢厂的电网, 环网布置、双回线布置、单回线布置、平行双回线布置等是钢厂电网布置通常采用的方式, 不同的布置方式满足不同的运行方式, 通常钢厂采用多种方式并存的运行方式, 这样在运行过程中可以有效避免重大电网事故。、

其次是校核潮流的稳定性。钢厂工厂采用的供电网络比较复杂, 存在电网暂态问题, 因此供电公司需要帮助钢厂内部需要建立供电网络的数据库, 遵照《电力系统安全稳定导则》, 计算和分析潮流稳定。再根据计算结果和分析的情况, 调整钢厂的运行方式, 避免事故的发生。运行过程中不允许两回110千伏的并网合环中同时存在1台或多台发电机组, 因为一旦某一回路发生跳闸, 将造成功率转移, 引发发电机组失稳。

再次要准备校核短路容量。校核过程中需要钢厂采取最大的运行方式, 在此运行方式下准确校核备用电站和辅助电站的额短路容量, 然后根据校核结果设定最大遮断容量开关, 避免了钢厂运转不正时对整个电网的影响。

2.2 钢厂采取的措施

由于电网安全运行中的一道防线是低频、低压切负荷装置, 所以钢厂需要制定合理的低频、低压解列, 并提出合理的减小负荷的方案。从钢厂自身的安全去考虑, 合理的低频、低压也是保证在电网频率降低时钢厂运转正常, 关闭非必要的设备和减少非必要的操作, 保证钢厂发电机的电荷与电网的剩余负荷平衡, 维持发电机组的负荷孤网运行。选择合适的解列点是制定方案的关键, 切除负荷有利于降低钢厂的能耗, 达到节能减排和降低生产成本的目的。

钢厂的并网运行要求设定的继电保护值与电网相匹配, 因此, 钢厂需要加强对继电保护定值的管理, 钢厂变电站的定值应该和供电公司的保护定值统一核算, 最好的方式是由供电公司提供相应的核算人员进行统一调度整定计算, 由此才能保证钢厂与电网的继电保护定值相匹配, 从而避免设备跳闸, 减少了大面积停电事故发生的几率。

规范和加强钢厂检修和管理。钢厂应该清晰地认识到设备的负荷特性, 记录并分析生产运行信息, 掌握生产设备、工艺流程对电力的需求, 并不断的寻找合理的负荷管理机制。钢厂需要根据生产的需要对第二天的负荷进行核算并报送供电公司以备供电公司合理配置供电负荷。钢厂需要每天或者定期对内部电网、设备和继电保护等装置进行检查和修复。

3 结束语

数据库资源调度 篇7

关键词：结构相似度定位,数据库存储,存储软件

0 引言

随着计算机技术、信息技术的快速发展,产生了越来越多的数据信息资源。如何将这些大规模集成软件的数据库存储资源利用起来,放在一个公共访问区域,方便所有用户和科技工作者访问,从而提高大规模集成软件的使用率是下一代计算机信息技术发展需要解决的首要问题。现代集成软件调度和资源分布的弊端主要体现在资源分布地区差异大,不同地区资源持有程度严重不同,成为制约集成软件信息技术发展均衡的首要因素。另外,资源成本高、使用率低下、共享技术落后也是影响信息现代化发展的瓶颈。因此,需要研究一种高效的大规模集成软件的数据库存储资源优化调度算法,以提高集成软件的运行和开发效率[1,2,3]。

1 大规模集成软件的数据库存储空间结构模型与信息流分析

1.1 大规模集成软件的数据库存储空间结构模型基础

为了实现对大规模集成软件的数据库存储资源优化调度,首先采用遗传算法构建大规模集成软件的数据库存储模型,进行数据存储结构编码。遗传算法通常用最简单的编码方式来表示一个相对复杂的问题,编码是变量集合,并对该编码集进行运算处理,最后再通过一组编码来表示遗传算法以及优胜劣汰的选择,同时对后面的搜索进行学习指导并确定一个搜索方向[6]。

遗传算法在执行数据库大规模集成软件数据库存储空间结构的过程表述为:①首先随机产生一个任意种群,即所需求解问题一个解的集合;②每个初始种群中的个体都应有一个解,每个个体携带基因的不同性质决定了每个个体特征不同,遗传算法通过一个适应度函数对每个个体特征进行辨别打分;③通过数据编码计算后,算法会根据每个个体的适应度配合不同的辨别选择方案,挑选出部分个体进入下一代,选择个体的策略应要让高适应度个体比低适应度个体更容易进入下一代,即高适应度个体进入下一代的概率要高于低适应度个体;④对选择出来的个体通过交叉和变异操作产生适应度更高个体,经过这样反复操作,种群多样性得到提高。通过上述分析,得到大规模集成软件的数据库存储空间结构模型如图1所示。

在大规模集成软件的数据库存储空间中,进行数据存储子空间的多维矢量特征重构。设在大规模集成软件的数据库存储空间进行软件分布式调度的概念格结点G1=(M1α,M1β,Y1),G2=(M2α,M2β,Y2),自适应网格分布的适应加权函数为:

其中,为子代基因的中心矢量,用输入数据包传输和监测信息x(k)减去输出y(k),可以得到M个大规模集成软件数据库存储空间的节点采样,并得到大规模集成软件数据库存储空间的瞬时特征频率为:

其中,t0为初始采样时间检测,a为自然选择机制的软件特征信息的幅值,数据的聚类中心满足。将v插入有序集R1(u)中,由此实现数据库的结构分析和编码特征优化。

1.2 数据库存储资源信息流模型构建

在上述数据结构和存储空间分析的基础上,构建数据库存储资源信息流,在C/S构架下的隐通道中进行数据采样,在数据库资源信息采样时刻t和t+τ进行信息特征提取,得到关联的初始化大数据资源子集为x(k-1),….,x(k-M)。假设信息流为数据序列{xn},通过选择适当的相位θ1(k),在时间片Δ内令自适应权值,通过子代基因逆转技术,对遗传算法进行变异处理,使得子代基因有更强的自适应能力。结合后续的子代基因逆转,设S为支配点u的环形区域,令A={a1,a2,...,an}为大规模集成软件数据库中特征矢量的模糊聚类中心,基于Internet的Web架构模式得到软件资源流数据库。简化用户操作数据库,扩展数据库应用范围,在软件调度子空间中的特征分解中心频率输出的矢量模型为:

其中,根据方向矢量在时频域内的特征采样,以特征值降值排列,进行解析滤波处理,得到大规模集成软件数据库存储空间的指向性增益。采用波束形成方法进行冗余数据滤波,滤波函数为:

若冗余数据的子空间均为窄带的,数据库存储软件调度的计算性能通过训练集进行特征分类,构建资源分类属性集。B={b1,b2,...,bm}为数据库存储软件调度特征挖掘的属性类别集,得到数据库存储软件调度的加权特征参量迭代式为:

其中,μ是大数据分布的收敛步长,ia表示数据库存储软件映射与调度尺度a的有限数据集属性。通过在矢量空间中进行特征信息流分析,为进行调度算法优化设计提供准确的数据基础。

2 算法改进设计与实现

在上述进行了存储空间结构分析和数据信息流模型构建的基础上,进行数据库存储调度算法改进设计。传统方法采用DctAF框架式云缓存调度方法,当软件集成深度和数据库的差异信息特征较大时,云缓存调度的计算开销过大,效率不高。为了克服传统方法的弊端,本文提出一种基于结构相似度定位的数据库存储软件调度算法,首先构建大规模集成软件的数据库存储空间结构模型,对存储软件调度信息进行矢量重构和信息流模型构建,采用结构相似度定位方法进行数据库存储资源的特征提取和融合处理,得到数据库中大数据采样的支配节点信息融合采样代价函数为:

其中:

输入的数据库存储软件大数据时间序列u(k)经过自适应平滑滤波和自适应子空间加权处理,把有限数据集合X分为c类,提取数据库存储软件大数据信息流的时间序列为{x(t0+iΔt)},i=0,1,...,N-1。通过结构相似度特征提取,得到相似度定义为:

其中,λ0表示各数据库存储软件节点与资源整合聚类中心的目标函数值。此时,大数据系统中分布空间的聚类中心特征分量为CF,记为CF=[F,Q,n,RT1,RT2,RW],对于数据库存储软件的实体AU,取αj=minΨj,相似性特征测度v(A)>0。当满足约束目标函数,数据库存储软件尺度整合信息的初始聚类中心矢量收敛值为Vj1=(v1j1,v1j2,…,v1jn)。在ASP.NET中,由于数据库系统本身的多样性,为了使O/R Mapping能访问各种数据库系统,设X和Y为类判别属性集合,在软件嵌入式的网络系统中,设数据调度的资源方位时刻t内的有效性调度的检测阈值ε满足2-λt<ε,λ>0。基于Z变换,结合变换式xi=2εi-1,构造出特征分解的软件属性分类种类序列Χ=x1,x2,...,xn。

使用多个不同权限的用户频繁访问系统,得到数据库存储软件资源业务量,用参量X的二项式表示为Sn=x1+x2+...+xn。进一步采用尺度整合方法进行自适应尺度修正,得到稳态调度的收敛尺度满足正态分布函数,即满足,进行软件关联博弈线性规划。通过对数据库存储软件资源业务量的优化约束,得到可靠度统计量。根据正态分布特性,得到基于结构相似度定位的大规模集成软件的数据库存储调度博弈函数满足:

根据上述描述,得到本文设计的数据库存储软件调度流程如图2所示。

3 仿真实验与结果分析

为了测试本文算法在进行大规模集成软件数据库存储资源优化调度中的性能,进行仿真实验。实验建立在Matlab仿真软件基础上,试验平台为通用PC机,CPU为IntelCoreTMi7-2600,仿真模型包括:关系副本选择、网络站点选择、通信传输能力以及网络节点处理等。构建全局数据状态和动态数据状态,实现大规模集成软件的数据库存储调度。首先进行数据库中的资源信息特征采样,采样时间间隔为T=2.3s,采样频率为15Hz,得到数据库存储资源的时间序列波形如图3所示。

以上述采样数据为研究对象,进行数据库存储软件调度仿真实验,将数据调度的执行时间作为测试指标,得到仿真结果如图4所示。

可以看出,采用本文算法,通过数据库存储软件调度,数据查询特征相关匹配度达到97.3%,比传统算法提高了25.6%。大幅缩短了迭代时间。特别在查询关系数较大时,寻优时间较传统算法大幅缩短。采用该方法进行大规模集成软件数据库存储资源调度,效率与收敛性较高,吞吐性能较好,展示了较好的应用性能。

参考文献

[1]刘经南,方媛,郭迟,等.位置大数据的分析处理研究进展[J].武汉大学学报:信息科学版,2014,39(4):379-385.

[2]吴鸿华,穆勇,屈忠锋,等.基于面板数据的接近性和相似性关联度模型[J].控制与决策,2016,31(3):555-558.

[3]张博,郝杰,马刚,等.混合概率典型相关性分析[J].计算机研究与发展,2015,52(7):1463-1476.

[4]吴涛,陈黎飞,郭躬德.优化子空间的高维聚类算法[J].计算机应用,2014,34(8):2279-2284.

[5]余晓东,雷英杰,岳韶华,等.基于粒子群优化的直觉模糊核聚类算法研究[J].通信学报,2015(5):74-80.

数据库资源调度 篇8

1 数据库及电网调度自动化系统概述

数据库是按照数据的结构来进行组织、存储以及管理数据的一个仓库, 在日常的经济管理以及相关的电力管理当中, 有着重要的应用和发挥。数据库是存储在一起的相关数据的集合, 并且使其结构化并且系统化, 为多方面的应用进行服务, 其中相关的数据信息独立的存储于使用它的程序。电网调度自动化系统, 是利用信息的采集以及命令的执行来对发电厂以及变电站之中的我运动终端进行有效的控制盒管理, 而数据库系统在电网调度的自动化当中, 有着极为重要的应用和发挥, 根据对数据库当中的数据进行收集和处理, 进而达到对电网系统的控制效果。

2 电网调度自动化系统对于数据库的特殊要求

由于电网调度自动化系统的相关特点, 其对于数据库技术也有着特殊的要求。在其中的诸多方面当中, 最为突出的就是数据的快速访问以及数据的可恢复性这两点。

数据快速访问实质上指的是从用户向数据库的管理系统发出相关的存取数据的请求直到相应存取操作完成, 这当中所需要消耗的时间应该尽可能的短。这其中的时间称之为数据库的响应时间。在电网调度自动化系统之中, 根据其相关的特点, 实时数据库的响应时间应该控制在1.5毫秒之下, 而为了达到这个要求, 最为重要的一点就是需要提升数据库管理系统的响应速度, 通过完善数据库的相关设计, 来达到缩短以及减少存取路径的效果。一般的用于事务处理的数据库系统其响应时间大概在1秒左右, 所以电网的监控系统数据库响应速度比其快一千倍之多。

数据库的可恢复性, 是指计算机系统或者是数据库的系统在发生相关的故障之后, 能够快速的恢复到故障发生之前的状态。而根据电网实时监控系统的相关要求来看, 需要计算机数据库系统在出现单一故障的时候, 能够在一个数据更新周期的时间之内, 迅速的恢复系统的相关数据, 恢复到正常的工作状态当中。为了更进一步的保障数据库的可恢复性, 一般是采用两台主计算机同时运行的方式, 一台作为主要的运行机器, 而另外一台则是作为备用机器。两台计算机相互配合工作, 当主机出现故障的时候, 备用计算机会自动的切换成为主计算机, 并且快速的将数据库的运行副本调出, 迅速的将其恢复至故障之前的状态, 保证系统的稳定运行。

3 数据库技术在电网调度自动化系统中的应用

在进行了上文的电网调度自动化系统对于数据库技术的特殊要求之后, 可以对数据库技术在其中的主要应用情况有一个大致上的了解和掌握, 接下来将进行详细的解析。在最早期的电网调度自动化系统当中, 所需要的实时数据较小, 并且数据是采用的分散管理的形式。而在70年代初期, 由于安全系统以及监控系统等的引入, 数据的处理量逐渐的增大, 并且数据的种类也越来越多, 这也就对数据的处理和分析等工作提出了更高的要求, 也就出现了相应的建立在文件管理基础之上的数据库系统。

现如今, 由于技术的进步和逐渐的成熟, 电网调度自动化系统当中也增加了更多的功能, 例如经济调度、发电控制、状态估计以及检修计划等等, 这些都对数据的处理提出了更加高的要求, 所以, 数据库及其相关技术在电网调度自动化系统当中时刻都发挥了重要的作用。第一点, 使用数据库及其相关技术, 可以使数据以较为集中的形式来进行管理, 这样就可以保证数据的一致性和统一性, 消除其中的数据重复存储情况, 在一定程度上节约了存储的空间;第二点, 数据库及其相关技术的应用, 可以使数据和应用程序之间相对独立, 在数据的存储这一点上, 仅仅做到物理独立是不够的, 更要保证其数据之间的逻辑性相互独立, 这样就可以保证数据的物理地址发生改变或者数据的逻辑结构、数据名称发生变更等等行为都不会对应用程序的操作和使用造成影响, 而相对应的, 应用程序发生相关的变更, 也不会对数据的物理结构或者逻辑结构产生影响, 保证了系统的稳定运行;第三点, 数据库的使用可以使数据的存放以及管理更加集中, 并且其特点也可以根据每一个应用程序的具体要求, 来将集中存放的数据实时的转化成为运行时所需要的排列格式;第四点, 数据库还在电网调度自动化系统当中数据名称以及数据关系方面有着重要的应用, 例如可以根据某个变电站的某号开关, 去查询和这一开关相互对应的另外一个变电站的某号开关的实际电压, 这一方面的作用在实际的操作当中有着非常重要的意义;第五点, 数据库技术的应用, 可以使电网系统当中的新应用程序得以不断的加入, 并且帮助进行旧程序的修改和完善;第六点, 数据库相关技术的应用还可以方便集中存放的数据规模得到不断的扩充和加大, 并且保证物理结构以及逻辑结构得以不断的更新, 这样就从根本上保障了实时监控以及发电控制、安全控制等方面的要求, 在最大程度上保证了系统的正常稳定运行。

在数据库系统当中, 所有的数据都被统一的纳入到各个表格的各个行列当中, 这样就可以确定数据的逻辑结构, 而这一点应用在电网调度自动化系统当中起到了极为关键的作用。在各个表格之上, 赋予其名称, 表格当中的各行都可以通过该表格当中某一列的值来进行唯一的确定。这一点也就在数据库当中诸多数据类型的情况之下, 保证了所有的数据都被有效的纳入到了确定的位置当中。在数据结构当中, 将每个表的特性以及其相关数据和表格之间的联系详细的记录下来, 所以, 只需要指明表格的名称、某一列的名称或者是某一行的关键值, 就可以唯一的对其向对应的数据位置进行确定, 并且可以通过数据之间的相互联系以及数据表格之间的联系, 来对数据的确切位置进行唯一的确定, 这一点在实际的电网调度自动化系统当中发挥着极其重要的作用, 通过这样的方式, 就有效的为数据的集中化管理创造了有利的条件, 在电网系统当中的各个应用程序所实际需要的数据并不需要进行单独的存储, 同时也不需要进行单独的应用管理, 而是通过集中存放来进行管理, 在最大程度上保证了电网系统的正常稳定运行。

同时, 实时的数据库系统在实现过程当中, 还有一些存在的问题, 例如采用怎样的数据模型、如何更好的实现快速的存取等。针对采用的数据类型, 需要根据实际的状况, 采用层次模型、网状模型以及关系模型等, 而实现快速的存取, 可以将经常存取的内容数据存放至内存之中, 提升存取的速度, 同时, 还可以将相关的表格进行长固定, 并且连续的进行存放, 党针对某个表达使用行序号来作为查询的对象之时, 就可以快速的找到需要搜索的行。

4 结语

综上所述, 根据对电网调度自动化系统当中数据库技术的详细分析, 对其实际的应用情况进行了深入的探究, 旨在加强实际当中的操作和使用, 更好的推动此项技术的进步。

摘要：数据库及其相关技术在电网调度自动化系统当中有着极为重要的作用, 对系统当中的相关事务处理发挥着不可替代的意义。文章将深入的对具体的应用情况进行分析探究, 从实际的角度出发, 分析数据库在电网系统当中的必要性、特殊要求以及存在的一些问题, 力求更好的推动相关技术的发展, 为电力系统作出积极贡献。

关键词：数据库,电网调度,自动化系统,应用

参考文献

[1]周文.论电网调度自动化系统当中的数据库技术[J].现代电力工业科技, 2008, 9.

[2]孙兵.浅议数据库在电网系统中的应用[J].电力科学研究, 2010, 7.