摘要
随着车联网与大数据技术的发展,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,如何实现海量车载终端数据的高并发实时采集是一个亟待解决的问题。针对该问题,提出基于Boost.Asio网络通信库的解决方案。该方案以前后端分离的方式,将数据采集与数据解析分开实现,利用Boost.Asio的前摄器模式实现高并发的数据采集,利用Kafka消息队列提高系统可扩展性,并结合线程池及智能指针技术,对传统数据采集系统中数据量大、种类多带来的资源占用高问题进行了改进。实验结果表明,该系统在有大量连接的情况下,内存占用较少,连接稳定,数据无丢失,保证了数据采集的质量和可靠性。
-
单位中国科学技术大学; 中国科学院