code修改方案:
一,消息接收和消息处理修改:
1,现有socket接收线程数为cpu_num+2,为静态,功能与方案相符且性能稳定,当前不进行修改,针对TDOA分站不稳定的状态处理,后续添加;
2,将消息处理创建的线程池方案改造成静态线程和静态内存分配,涉及修改:
a,新增动态缓冲区初始化,获取,释放功能代码;
b,创建静态线程,处理socket接收到的消息;
c,CYAServerDlg::OnReceive,将此函数里的malloc获取内存方案改为使用a初始化的缓冲区方案,删除QueueUserWorkItem创建的线程;
d,主要改造:
WINAPI _parse_data_server(),
CYAServerDlg::parse_data_server(),
WINAPI _parse_package_data(LPVOID lparam),
CYAServerDlg::parse_package_data(BYTE* DataBuffer, int nLen, DWORD dwConnID ),
删除此流程里的malloc(),改QueueUserWorkItem创建线程处理消息为向b创建的线程发送消息
3月4日:
定位系统问题:定位坐标不连续问题,
当前进展:
1,添加系统定位手段,在业务处理流程添加打印计数。
2,系统代码编写,测试完成。
3,系统集成进行中。
定位手段概述:
1,Server启动TCP socket,监听定位消息。
2,Client发送TCP消息到Server,Server解析消息,进行相应的处理,向client输出debug 信息,例如:client 发送“show sync status”, Server将发送打点计数信息:
STATION_SYNC_BRANCH_5 = 3,
STATION_SYNC_BRANCH_6 =2,
依据打点在程序中的位置,我们可以进行问题定位。
2,初步添加流程打点计数,分析发现TDOA消息有重发现象,此问题会导致TDOA无法完成,定位tag无可用时延进行定位计算,导致定位坐标丢失。
问题1,同步消息出现重发现象,
数据1:
接收到的TCP消息数LocationSystemCount[6]:2277,
实际接收到的TDOA 0xa78e消息数LocationSystemCount[9]:2355,
重发比例:2355-2277/2355 = 3.31%
数据2:
接收到的TCP消息数LocationSystemCount[6]:50631,
实际接收到的TDOA 0xa78e消息数LocationSystemCount[9]:50762,
重发比例:50762-50631/50762 = 0.2%
此问题需要硬件同事协助继续分析。
问题2,同步消息数超限,初步评估是链路异常导致的消息缓存异常。
数据1:
总同步消息数:LocationSystemCount[9]:2355
缓存超限丢弃的消息数:LocationSystemCount[12]:1527
同步成功消息数:LocationSystemCount[69]:778
同步计算失败比例:1527/2355 = 64.8%
数据2:
总同步消息数:LocationSystemCount[9]:50762
缓存超限丢弃的消息数:LocationSystemCount[12]:33987
同步成功消息数:LocationSystemCount[69]:16724
同步计算失败比例:33987/50762 = 66.9%
1,压力测试时消息发送无定位结果问题定位完毕,解决完成;
2,压力测试结果:
测试环境:笔记本电脑,CPU 双核,2.3G, 4G内存
20000包/s, 90分站,80张卡,CPU占用率65%,内存未明显增加。
3,异常计数LocationSystemCount[55]与鸿振一起分析,解决完毕;
郑伟在加入团队后,编写程序打点计数工具、压力测试工具,解决系统内存泄露、宕机问题,保证采集系统的稳定运行,表现突出的开发经验和技术能力。
在TDOA时间同步测试,NLOS测试中,以数据说话,为解决现场问题提供依据和方向,做事严谨、有方法
卡尔曼滤波
MQTT (Message Queuing Telemetry Transport,消息队列遥测传输)
OTA(Over-the-Air Technology)空中下载技术
查询大量数据,实时输出
这个项目大开眼界,比特币地址当作域名,网页通过BT下载,不需要服务器,也不需要DNS照样访问。也就是说,这种网站没法封锁和取缔。
谷歌的三宝(GFS,MapReduce,BigTable)
1. Bloom Filtering
基本的Bloom Filtering支持快速的插入和查找操作,是一种hash表技术。基本的数据结构非常简单,容量为m的位数组,k个hash函数,将输入的n个元素存储在位数组里面。
每次插入一个新的元素,先计算该元素的k个hash指,将位数组对应hash值位置为1. 查找某个元素时,同样的先计算k个hash值,然后查询看是否对应位数组中得k位是否都是1,是则断定元素存在。
基本的Bloom Filtering算法可以用于允许误差的快速判重操作。集合的交集、并集的计算。
Bloom Filtering有个改进的版本counting bloom filtering可以支持数据的删除操作,countering bloom filtering和基本的bloom filtering相比,位数组中每一位的取值扩展成多位,基本的bloom filtering用1bit表示一位。插入一个元素时,所有的k位都加1,删除时都减1,查找时如果k个值都大于0则判定为存在。CBF中有个很重要的参数,即每一位的位数为多少。可以通过理论证明,位数一般取4就足够了,可以支持同一个数据插入16次。
bitmap可以看做bloom filtering的特例
2. Hash表技术
d-left hash hash表负载均衡技术。将hash表分成d段,设计d个hash函数,更具负载选择一个合适的段存放数据。查找时要计算d个hash值,分别在d段中找。
常用于统计次数。
3. 堆技术
堆有两个典型的应用:
多路归并排序
求TopK
多路归并排序时,降序排序时用最大堆,升序排序用最小堆。
TopK时,求TopK最大时,用最小堆,求TopK最小时用最大堆。求topK最大时,利用最小堆堆维护K个值,当新扫描的值大于堆顶元素时,堆顶元素删除,插入新的值。这样扫描完一遍数据,既可以求得topK最大。
4. 双层桶(多层桶)设计
hash表技术是一种direct addr 技术,但是当数据范围分布过广、且数据量非常大的时候,采用hash表直接direct addr技术就不行了,这是可以使用多层hash技术。将原始数据范围分成小段,每一段内存可以装载,段内可以使用direct addr table技术。可以用多层分级快速定位到小段。