电力企业服务的改进措施探究范文

改进的企业服务总线模型

企业服务总线可支撑现有需求规模下所有集成接口的运行与管理。但是随着集成接口的不断增多、数据传输频度逐步提高、传输量逐渐增大，越来越复杂的集成需求与场景对企业服务总线性能提出了更高要求，不仅要求企业服务总线具备高传输能力，并且能实时监控服务的运行/统计信息，在服务出现异常时能及时准确定位异常产生的位置、原因，为解决异常提供参考，同时需要能够对服务质量进行完整、有效的度量以促进服务的重用与持续优化。因此，对现有企业服务总线模型进行改进设计，增加服务带宽控制模块、服务管理模块（包括异常处理与服务监控）及服务治理度量与服务推荐模块，改进的企业服务总线模型如图2所示。

1服务带宽控制

服务带宽控制采用漏桶（LeakyBucket，LB）算法对业务请求进行流量过滤和整形。业务请求先被放入一个输入缓冲队列中，漏桶控制组件根据系统分配给该业务的流量带宽，将业务消息放入输出缓冲队列供消息路由组件分发，并且使用加权公平队列（WeightedFairQueuing，WFQ）算法，以分配给该业务的带宽作为权重调度各业务流，将消息路由至其他服务消费者组件或服务引擎组件。WFQ和LB算法共同保证了总线上各业务流量的稳定。

2服务管理

异常管理：对企业服务总线的异常情况进行细化、分类，根据不同异常事件提供相应的策略、预警机制与处理流程，同时，建立异常处理知识库，并进行统一管理，以及时、有效地处理潜在或发生的异常情况。服务监控：可通过Java管理扩展（JavaManagementExtensions，JMX）来监控企业服务总线以及注册于其上的各种服务的运行状态。可将基于定制的SLA规则、QoS指标作为衡量企业服务总线运行环境的应用服务器及各种资源的指标。

3服务质量

度量在根据业务需求对服务进行选择时，不仅应考虑服务的功能属性，服务的非功能属性（即QoS）也至关重要。业界对QoS分类的定义各有不同，根据电力企业的际情况，并结合服务的设计时与运行时管理，将QoS分为：1）设计时QoS：包括规范性、标准支持性、可重用性等。2）运行时QoS：包括响应时间、吞吐量、可靠性（包括稳定性、准确性）、可用性（包括可见性、可访问性、可组合性等）、异常处理、事务完整性、安全性（包括身份验证、授权、机密性、统计性、可追踪性、可追溯性、数据加密性、不可否认性等），以及执行费用、信誉度等。在此基础上，能对QoS度量指标进行定制与组合，进行多维度的统计与分析，并可输出用户友好的自定义报表。

4服务推荐

基于用户反馈评级和服务监控分析对服务质量进行评估，进而根据用户需求动态选择最合适的服务，其中包括：可根据用户的不同需求，基于响应时间、可靠性、可用性等指标对服务能力进行评估，以及基于响应时间、可靠性、可用性、重用性、业务规范或技术标准遵从性等指标综合对服务分级进行评估，并进行偏差分析，提供服务推荐列表。

关键技术

1基于WFQ算法的带宽分配

通过对集成场景进行分析汇总，将集成场景中的业务类型分为3类，采用流量调度算法，根据各类型业务的实际需求动态分配各业务流的带宽。业务类型分类见表1所列。分配算法如下，假设系统总带宽为BWtotal，第一类所需带宽BW1r，第二类所需带宽BW2r第二类业务的最小保证带宽为BW2m。

1）为第二类业务分配最低保证带宽后带宽余量为BWrest为：BWrest1=BWtotal–BW2m。

2）分配第一类业务所需所有带宽，带宽余量BWrest2为：BWrest2=BWrest1–BW1r。

3）将剩余带宽继续分配给优先级较高的第二类业务，带宽余量BWrest3为：BWrest3=BWrest2–(BW1r–BW1m)。

4）将剩余的带宽按需求分配给第三类业务。采用动态带宽分配算法，当系统负载逐渐加大时，保证第一类业务的最大分配带宽，确保第二类业务带宽最低保证带宽，同时第三类业务带宽则较小，甚至趋近于0。

2异常管理与服务监控

在企业服务总线现有异常处理的基础上，捕获服务调用异常、应用服务器内部异常、企业服务总线内部异常、网络异常等，对此进行细化与分类，根据不同的异常事件提供相应的策略（如数据持久化、消息重发、抛出详细错误信息等），并且基于不同的业务需求，利用定制的SLA、QoS指标等监控服务调用过程中的消息内容大小、调用频度、响应时间以及各个节点的执行时间（最大、最小、平均）、吞吐量、异常处理时间、故障率、非授权调用等，一超过指定阈值，即通过发送邮件、JMS消息等警告通知指定的处理责任人，此外，还针对不同级别的异常情况提供了应急预案，以及相应的自动流程与人工流程处理，建立了异常知识库，对发生过的异常情况及其解决方案进行记录，参照第三方经验，累积最佳实践，以及时、有效地处理潜在或发生的异常情况。

在此过程中，可根据实际需求，基于XMLSchema，XSLT，XQuery等对服务交互过程中的消息格式与内容进行校验，确保符合相应的数据模型如公共信息模型（CommonInformationModel，CIM），以及消息中所传递的XML数据的格式良好与正确，一旦不符合规范要求，则提示警告信息。对服务的监控结果进行统计与分析，提供基于Ajax，Flex等的可定制、多样化的图表展示（如饼图、趋势图、柱状图、表格等），并生成HTML、Excel或PDF等格式的报表文件，为服务质量的度量提供依据。

3服务质量度量与服务推荐

服务的功能与性能评价是以用户满意度为目标，以服务质量为衡量标准的。在对QoS进行度量时，应考虑到其整体性与可扩展性，便于用户根据各自领域的不同特点进行扩展,因此，需要从以下方面实现。

1）定义QoS模型：根据用户所处的特定领域定义相应的QoS指标、QoS指标之间的关系、QoS指标的度量方法。相应地，企业服务总线中，能导入或导出相应的QoS模型，以对指定的服务交互进行监控并采集QoS信息。

2）采集QoS信息：对于QoS信息的采集应确保其真实性、实时性与完整性，因而不能依靠单一的数据源，而应分别从以下方面获取：①服务提供者：包括服务提供者在服务之前进行服务测试与评估时的QoS信息，以及对已服务的QoS信息的及时更新，从而实时反映QoS的持续优化。②服务监视器：通过服务监视器对经由企业服务总线进行的服务交互进行实时的监控，根据定制的QoS模型获取相应的QoS信息，一旦超出QoS指标的阈值，则发送警告通知并启动相应的异常处理流程。③服务消费者：在服务交互完成后，由服务消费者根据服务是否满足其特定领域的需求对服务进行分别评价反馈，为服务提供者进行QoS的持续优化提供参考信息。

3）存储QoS信息：此时，需要接收并汇聚由各个采集端发回的QoS信息并将其存储，并提供外部访问的查询接口，具体涉及以下方面：①高效的QoS信息采集：由于在企业服务总线上注册并交互的服务数量众多，QoS信息接收端必须高效地处理大量请求，如利用基于JavaNIO技术的开源框架XSocket4，可对内存缓冲区直接操作，提高I/O效率，实现高吞吐量的QoS信息接收接口；②高效的大容量数据存储与访问机制：应支持大容量数据的存储机制，将所有历史数据较好地组织和保存，并提供很好的访问效率。传统的关系数据库提供了较好的结构化存储于CRUD（增删改查）效率，但这里需要存储的QoS信息为统一的格式，且其操作多为“增加”和“查询”，一旦查询的数据量过大，会带来性能瓶颈，并且很少用到传统关系数据库所提供的并发、事务处理等功能，因此，可考虑使用分布式文件系统（如Hadoop）来存储大量的QoS信息，并提供高吞吐量的数据访问。同时，由于各个服务的重要性和调用频率不一，查询请求在各个服务间的分布也不同，因此，可利用内存数据库将调用频率较高的服务的索引信息和QoS信息缓存到内存中，以提高访问效率。

4）QoS度量：在对QoS进行度量时，应尽可能准确、全面地考虑特定时间段以及不同网络环境、硬件、基础软件，不同用户所处环境及其特征所造成的影响。因此，除了利用QoS模型进行静态度量，还应根据QoS属性的变化规律和将来的趋势，对服务进行动态度量，授权用户可根据时间、环境、用户因素等对QoS模型中的度量方法进行适时的维护与调整，以得到QoS的综合评估值。服务推荐模块对基于统一描述、发现和集成（UniversalDescription，Disco-very，andIntegration，UDDI）的服务注册中心进行扩展，支持注册并验证带有QoS度量信息的Web服务，按其功能进行分类存储。基于服务推荐模块，用户可利用关键字的逻辑组合（NOT，AND，OR等）、语义描述以及QoS指标范围查询，获取服务推荐列表，并从中选择符合其需求的服务或服务组合；同时，用户亦可根据其需求进行预订，一旦有适合的服务或服务组合，服务推荐模块会自动发送通知给用户。

结语

改进的企业服务总线模型可有效地解决电力企业信息化中大规模集成的问题，主要体现在以下方面：1）通过基于WFQ算法的服务带宽调度控制，确保服务调用时带宽分配的公平性与最小时延性，避免了高并发、数据量大时的消息拥堵问题；2）对服务的运行状态基于定制的QoS模型及SLA指标等进行实时监控，并基于企业服务总线的现有异常处理，进一步细化与分类，建立统一的异常管理，为QoS度量提供重要参考信息；3）通过对不同数据源的QoS信息的采集、存储与综合分析，尽可能全面、准确地进行QoS度量，为满足用户需求进行服务推荐，并为促进服务的重用与持续优化提供了重要手段。

作者：李曙光苏胜刘迪单位：北京中电普华信息技术有限公司