论文（设计）基于聚类调度负载均衡的WebGIS 模型.doc

《论文（设计）基于聚类调度负载均衡的WebGIS 模型.doc》由会员分享，可在线阅读，更多相关《论文（设计）基于聚类调度负载均衡的WebGIS 模型.doc（10页珍藏版）》请在三一办公上搜索。

1、基于聚类调度负载均衡的WebGIS模型基金项目: 国家863项目：面向网络的三维空间信息服务技术研究与软件开发(No.2009AA12Z211).作者简介: 黄颖(1981-), 女, 博士, 主要研究方向为GIS,网络地理信息系统及其应用等. E-mail: mayying_2003.黄颖, 谢忠, 吴亮, 郭明强中国地质大学信息工程学院, 教育部地理信息系统软件及应用工程中心, 湖北武汉 430074摘要: 为了提高网络地理信息系统(WebGIS)并发访问性能,研究了现有WebGIS负载均衡技术的缺陷,分析了在大用户量并发访问情况下利用协作任务聚类技术解决WebGIS负载均衡的必要性和可行

2、性,提出了基于聚类调度负载均衡的WebGIS模型,重点研究了聚类调度负载均衡算法,最后建立试验床,通过一系列的试验结果验证了本模型良好的并发性.关键词: WebGIS; 负载均衡; 聚类调度. 中图分类号:TP301.6文章编号:收稿日期:A WebGIS Model based on Cluster Scheduling Load-balancing Algorithm HUANG Ying, XIE Zhong, WU Liang, GUO Ming-qiangFaculty of Information Engineering, China University of Geoscienc

3、es, GIS Software Research and Application Engineering Center of the Ministry of Education, Wuhan 430074, ChinaAbstract: In order to improve the concurrent access performance of WebGIS, this paper studies deficiencies of load-balancing technologies in the current webgis and analyzes the necessity and

4、 feasibility to solve load-balancing in webgis based on collaborative tasks clustering technology under the situation of large volume of concurrent accesses. A webgis model based on cluster scheduling load-balancing algorithm is proposed. The key is to research the cluster scheduling load-balancing

5、algorithm. A test-bed is established. A series of test results prove that the model has good global load balancing performance.Key Words: webgis; load-balancing; cluster scheduling.0 引言WebGIS是Internet技术应用于GIS开发的产物,它的基本思想是在互联网上提供地理信息,实现地理数据的远程互操作和互运算,并进行在线分析和数据挖掘.随着网络技术和GIS技术的发展,WebGIS已成为空间信息发布和共享的主要

6、途径,在跨平台、分布式的数据共享和互操作领域的需求日益强烈(何江等,2004).在WebGIS环境中,任务调度系统是其重要的组成部分,空间计算已从单任务向顺序性、并行性、协作性任务发展.大型协作性空间计算往往被分解为多个计算子任务,分解后的各个子任务之间依赖关系对WebGIS中大型协作性空间计算任务调度和负载均衡提出了新的挑战.目前主流的一些WebGIS系统,如ArcGIS Server、MapGuide Enterprise、GeoBeans等在某些方面具有良好的表现,但仍存在网络传输和地图服务器负担过重,并发访问能力不适应日益扩大的 WebGIS系统规模的不足,该缺陷制约了WebGIS的应

7、用.本文通过分析现有WebGIS负载均衡技术的缺陷,提出一种有效的基于聚类调度负载均衡的WebGIS模型,有效提高了WebGIS系统并行处理能力,并建立试验床,通过一系列的试验结果验证了本模型良好的全局负载性.1 现有WebGIS负载均衡技术及其缺陷现有WebGIS系统主要从硬件和软件2个方面解决负载均衡问题.硬件上通过专用的负载均衡器或提高地图服务器的CPU处理速度、增加内存容量等办法(江飞等,2006)提高系统性能,但代价昂贵.软件方法提供了廉价而有效的负载均衡机制,目前已有相关探索,如最短任务队列法、基于网络轮询法、比例系数法等.以上算法的基本思想是通过计算当前任务大小与当前网络负载量,

8、最终把目标任务传送给当前网络上负载最小的一台处理器处理.目前已有的对WebGIS中负载均衡的研究大多是针对单任务、顺序性任务.单任务、顺序性任务是WebGIS中空间计算任务的简单形式,解决的问题比较简单且未能体现任务之间的数据关联与优先约束关系;而传统的DAG(Directed Acyclic Graph,有向无环图)任务图只刻画了任务的计算量、通信量与优先关系,只能作为同构计算环境的调度模型(康志伟和张胜,2006),在为协作性任务选取资源时需要综合考虑任务的计算量、任务之间的依赖关系及资源的负载能力、资源之间的网络状况,显然,一个能够综合描述上述各种因素的调度模型和基于该模型的高效的求解方

9、法是协作性任务调度的关键.2 基于聚类调度负载均衡的WEBGIS模型网络地理信息服务中的三大类问题使得用户请求WebGIS系统响应时间的延长.一是数据提取；二是数据传输；三是数据显示(李锐等,2009).测试发现:地图服务器在处理数据加载和空间分析操作时所用的时间与处理结果从地图服务器传输到Web站点显示所用的时间相差了好几个数量级.当后台的数据量越大,这种差别就越发明显.随着WebGIS系统用户数和网络流量呈几何级数增长,对地图服务器的并发性能提出了很高的要求.因此,并发访问能力和响应速度一直是WebGIS模型的主要改进方向.WebGIS的体系结构经历了从集中式体系结构、分布式两层体系结构到

10、分布式多层体系结构的演变(刘晖和王玉娥,2009).目前主流的分布式多层WebGIS模型主要有以下两种:(1)基于Web服务+组件的WebGIS模型(康志伟和张胜,2006;李光辉等,2008),如图1（a）所示;(2)基于Socket+组件的WebGIS模型(郭明强等,2008; 谭靖等,2008;边馥苓和周泽兵,2008),如图1（b）所示. (a)(b)图1 目前主流分布式多层WebGIS模型Fig.1. The current mainstream distributed multi-tier webgis modela.基于Web服务+组件的WebGIS模型; b.基于Socket+

11、组件的WebGIS模型张胜、李光辉等均采用Web Service直接调用GIS组件来实现网络地理信息服务.Web Service可以供网上任何能够发现它的应用程序调用，甚至其他的Web Service也可以调用它.利用Web Service，可以很好地实现服务在Web层次上的互操作（罗显刚等,2006）.但是，通常的Web Service调用是一种静态引用的调用过程，在跨越网络防火墙时，由于大量的数据传输和分布式数据处理工作效率不是很理想（吴信才和吴亮,2006）.另外，Web Service依赖于IIS(Internet Information Services,互联网信息服务)或其它Web

12、服务器,性能受到极大的限制,在进行大型的空间计算任务时,很难支持大用户量并发访问,服务器的并发处理能力较弱.目前的WebGIS系统Web服务器与地图服务器间紧密耦合,不同平台的服务器进行部署需要复杂的接口完成交互,系统的集成和维护代价较大.张胜等人的研究中服务组件可以通过一个配置文件“集成”到应用服务器框架中实现服务的组合；李光辉等通过一定的负载均衡算法将地图服务器“附加”进WebGIS系统.以上方法都部分地实现了业务逻辑和组件的重用性.但其所设计的地图服务器的功能均不可扩展,若需要在WebGIS系统中扩展一些企业级应用功能则显得力不从心.郭明强、谭靖、周泽兵等均采用了基于Socket的通信机

13、制.虽然基于Socket的通信机制能够快速处理客户端提出的各种请求,但在请求前必须与地图服务器端的Socket监控程序建立连接通路.在实际应用中,客户端与服务器端将一直保持Socket连接,因此,在WebGIS客户端必须通过Session保存Socket连接,当访问用户量较大时,过多的创建Socket通信连接将占用WebGIS客户端和地图服务器端大量资源,极大地限制了WebGIS系统的并发处理能力.为了解决以上问题,本文提出了一种有效的聚类调度负载均衡WebGIS模型.摈弃了Socket通信以及Web服务与组件紧密藕合的方式,整个体系采用Web 服务+负载均衡调度器+地图服务器的机制,所有的G

14、IS应用功能均由独立的地图服务器上的空间计算任务完成,用户在使用过程中直接调用服务,然后由服务发送操作请求到负载均衡调度器,通过聚类调度负载均衡算法分配给相应的地图服务器处理, 地图服务器多线程并发处理完成任务的并发操作,有效提高了WebGIS系统的并发能力,容错能力及可伸缩性.模型结构图如图2所示.图2基于聚类调度负载均衡的WebGIS模型Fig.2. The cluster scheduling load-balancing webgis model本模型由客户端(Web Browser)、WebGIS 门户(WebGIS Portals)、Web服务总线(Web Service Buse

15、s)、负载均衡调度器(LoadBlancers)和地图服务器(Map Servers)五个层次组成,层间结构清晰,耦合度低,相互联系形成一个有机整体,较大地提升了WebGIS系统性能.各层通过分布式部署,使模型具有可伸缩性,易于维护和配置,降低了使用成本.2.1 客户端与WebGIS门户客户端采用普通的Web浏览器浏览WebGIS门户站点.WebGIS门户站点通过IIS或Tomcat等网络信息服务器,把来自客户的请求以SOAP信息包的形式通过HTTP协议发送给Web服务总线相应接口,实现客户端GIS计算.2.2 Web服务总线层以统一的分布式Web服务接口的形式向用户提供集成和共享的GIS服务

16、相关功能,并通过HTTP协议向负载均衡调度器发送以XML描述的任务请求列表.Web服务总线包括四类服务接口:空间数据服务接口,元数据服务接口,OGC服务接口,其他自定义扩展接口.2.3 负载均衡调度器层通过聚类调度负载均衡算法,合理分配来自Web服务总线的XML处理请求,解决多个地图服务器的负载均衡问题.消息监听器监听到来自Web服务总线的请求后,立即通知总控模块.总控模块下包含任务求解机制,根据聚类调度负载均衡调度算法把来自服务总线的XML处理请求发送到多台分布式部署的地图服务器结点上,达到均衡负载的目的.处理完毕后通过动态反馈机制返回给客户层.为解决负载均衡调度器的单点故障问题,本模型提供

17、了负载均衡调度器的容错处理机制.2.4 地图服务器层处理负载均衡器分配的地图服务处理请求,并把结果返回给负载均衡器聚合处理,最后呈现给客户层,为用户提供高效的地图服务.采用组件、多线程、缓存等技术提供栅格和矢量数据相关服务.服务配置容器：包括多线程并发处理器及缓存管理器.多线程并发处理器：负载均衡调度器主要负责多个单用户请求的任务分解,而多线程并发处理器解决多地图服务器多任务并发问题.二者相辅相成,可大幅度提高整个WebGIS模型的并发处理性能.缓存管理器：包括用户会话状态缓存池及数据操作对象缓存池.（1）用户会话状态缓存池：保存用户访问的地图状态对象,以保证系统出现故障时服务器上所有用户的请

18、求状态不丢失,以便用户继续透明请求地图服务.（2）数据操作对象缓存池：可将用户已创建的数据对象缓存,以便重复使用,从而在一定程度上减少频繁创建对象所造成的开销.地图服务器功能库：包括功能组件库与功能扩展库.（1）功能组件库：采用组件式的开发思想,以接口的方式提供各种GIS功能,是GIS应用的最终实现者.每个功能组件根据不同粒度实现不同GIS功能,多个功能组件可根据需要动态组成一个新的应用,实现组件的复用.（2）功能扩展库:提供可定制的GIS功能组件,开发人员可根据系统需求将个性化的功能组件嵌入到地图服务器功能库中,降低开发成本,加快开发进度,提供系统的灵活性和扩展性.同时提供系统运行状态报告.

19、异构数据中间件:包括异构空间数据库中间件和异构属性数据库中间件,用于操作多源异构空间数据和属性数据.2.5 数据层包括栅格数据库、矢量数据库和属性数据库,保存WebGIS系统所需的各种数据信息.3 聚类调度负载均衡机制3.1 负载均衡算法（1）动态计算负载均衡权值当地图服务器结点初次加入到地图服务器集群中使用时,根据结点的软硬件配置情况对每个结点都设定一个初始负载权值（通常硬件配置越高的结点默认值越低）,在负载均衡器上也先使用这个权值初始化地图服务器负载权值列表、地图服务器结点信息表及服务器状态列表.然后,随着结点负载的变化,负载均衡调度器对权值进行动态调整.结合每个结点当前的权值,可以计算出

20、新的权值的大小.动态权值的目的是要正确反映结点负载的状况,以预测结点将来可能的负载变化.对于不同类型的系统应用,各个参数的重要程度也有所不同.典型的WebGIS应用环境下,可用处理器、内存资源和当前处理能力（服务响应时间）就非常重要；如果用户以长事务为主,则CPU使用率和可用内存就相对重要一些.为了方便在系统运行过程中针对不同的应用对各个参数的比例进行适当调整,我们为每一个参数设定一个常量系数,用来表示各个负载参数的重要程度.各地图服务器负载权值主要由以下三方面决定:地图服务器的软硬件性能线性综合参数Hi,权值为W(h);负载均衡调度器与地图服务器之间的网络状况参数Ti,权值为W(t)；地图服

21、务器即时处理能力Pi,权值为W(p).动态计算负载权值流程如下：首先,根据地图服务器软硬件配置信息计算地图服务器软硬件配置所占权值.各个硬件配置的性能值和权值定义如表1所示.其中,Ci, Mi, Di,Ni, Oi1, W(c)+ W(m)+ W(d)+ W(n)+ W(o)=1.表1 性能值、权值定义表Table 1 The definition of performance value and weight param硬件名称性能值权值CPUCiW(c)内存MiW(m)硬盘DiW(d)网卡NiW(n)操作系统OiW(o)根据上述参数和服务器软硬件配置权值计算地图服务器软硬件性能线性综合参数

22、Hi： (1)上述公式中动态性能参数W(c)表示CPU使用率、W(m)表示内存使用率、W(d)和W(o)表示磁盘IO访问率、W(n)表示网络带宽使用率.其次,计算出软硬件性能线性综合参数后,再根据地图服务器的网络延时ti计算出各个地图服务器的网络状况参数,其计算公式如下： (2)然后再向各个地图服务器提交运算任务,根据运算时间pi(负载均衡调度器向地图服务器提交运算任务并得到结果所花的总时间)计算各个地图服务器处理能力权值,其公式如下： (3)通过式(1)-式(3),可得出各个地图服务器的动态负载权值： (4)负载均衡调度器周期性的运行动态采集程序,查询该结点的各负载参数,并计算出动态权值Li

23、.（2）生成协作性空间计算协作聚类当负载均衡调度器接收到Web服务器发送的一个协作性空间计算任务请求时,从协作空间计算任务描述器得到空间计算任务的非循环有向图即各子任务执行的时序关系及各个子任务之间的依赖关系,根据各个子任务之间的通信时间和计算时间把子任务构成协作任务聚类.设得到任务图如图3所示：任务图描述：G=(T, E, e, c)T= t1, t2, tn -n个子任务E=(ti, tj) | ti, tj之间需要进行通信e(ti)-ti的计算时间c(ti, tj)-ti, tj的通信时间在考虑通信时间时,硬件统一时钟,同样性能,任何两机之间,相同通信量的通信代价一样.计算时间是根据协作

24、性空间计算任务描述器中各个子任务对网络和服务器资源的需求信息等计算得到的.图3 协作性计算任务图Fig.3. The collaborative computing tasks为了提高系统的总体效率,执行任务复制,在多个服务结点上同时有同一个任务的副本,这样因为减少了子任务的通信时间而使整个空间计算任务提前完成.本调度策略需要计算出G中每个子任务的最早可能的开始时间,如果该调度使每个子任务均能在最早可能开始的时间开始执行,则该调度方案是最优的.下列算法用于求某一任务v的最早开始时间s(v).贪心调度函数：设聚类C=v1,2,k,1, 2, k是v的所有父任务结点,显然,v的最早开始时间不会早于

25、1,2,k 的最早完成时间：定义为f1,2,k 最大弦值函数：maxg(C)=maxg(u, w)| uV-C, wC,（u,w) E 其中,g(u, w)为边(u, w)的弦值：g(u, w)=s(u)+e(u)+c(u, w)即：边(u, w)的弦值为u的最早开始时间+u的耗时+u与w的通信时间这个时间可能就是w的最早开始时间.因为w的前导任务结点中还可能存在迫使w晚开始的任务结点.显然,在一个给定的调度中,对于vV,s(v) maxf(1,2,k), maxg(C)其中,C为v和v的所有父任务结点的集合：C=v, 1,2,k .如图4所示.g(u,w)=13,g(v,w=8),则s(w)

26、=13.算法流程：1) C=v;2) var-g=maxg(C);取v的最早可能开始时间的初值；3) var-s=var-g;重复下列步骤,直到从中跳出4) 从C和V-C中选出wC和uV-C,使得g(u, w)=var-g;5) C=Cu; 6) var-f=f(C-v) 7) var-g=maxg(C) 8) 如果var-smaxvar-f, var-g 则C=C-u；转4；表示u不能加入C,否则 var-s=maxvar-f, var-g9) 返回var-s图4 子任务最早开始时间Fig.4. The earliest start time of sub tasks上述算法在计算给定任务结

27、点v的最早开始时间的同时,计算出v的协作任务聚类C,C中的任务将被分配到同一个空间计算服务结点进行处理.从协作任务图中的根结点开始,逐层地对每个顶点v计算其C(v),最后考虑如果C(v)C(w),则只用保留C(w),这样,图4最后得到的协作任务聚类如图5所示.（3）分配协作任务聚类得到上述协作任务聚类C1,C2,C3,C4后,根据各个协作任务聚类的计算成本S(i)把它们进行排序,然后保存到协作任务聚类列表,以供负载均衡调度器使用.当负载均衡调度器接收到任务请求后,负载均衡调度器先根据保存的地图服务器各结点信息列表中的地图服务器地址信息检测各个地图服务器当前工作是否正常,并修改相应的服务器列表信

28、息.根据协作任务聚类列表中各个协作任务聚类的计算成本和各个空间计算服务节点当前的负载权值对各个协作任务聚类进行分配,服务结点负载权值越大,所得到的任务聚类的计算成本就越小,反之则越大,从而减少协作性空间计算任务的完成时间和平衡空间计算节点负载的目的.（4）动态反馈过程：地图服务器定时收集负载权值,并以XML消息机制发送给负载均衡调度器,负载均衡调度器定时更新负载权值列表.当地图服务器处理完收到的请求后,立即把结果返回给负载均衡调度器,负载均衡调度器把各个地图服务器的处理结果整合在一起,然后返回给Web服务器.图5 协作任务聚类Fig.5. The collaborative tasks clu

29、ster3.2 容错机制（1）在功能组件层,对各种数据操作均进行了异常处理,以保正系统正常运行,当操作失败时,功能组件层把错误信息通知给地图服务器,地图服务器再把错误消息发送给Web服务总线层, Web服务总线层根据结果的各种情况组织反馈结果发送给客户端.（2）负载均衡器与地图服务器之间的通信也进行了容错处理,如果在系统运行过程中,地图服务器重启或者由于其它原因而停止服务时,当用户继续提交请求时,负载均衡器会尝试向上次使用的地图服务器发送请求,如果连接不上,会尝试连接其它服务器,从而为用户提供不间断的稳定的服务.（3）在地图服务器中,缓存机制使得客户端与服务器保持连接状态,当客户端由于某种原因

30、丢失操作状态而在中途重新提交请求时,地图服务器会从缓存池中获取用户操作的历史数据信息,然后完成数据操作请求,此过程对用户是透明的,用户像之前正常情况一样获取相应的正确的处理结果.使客户端可以持续访问地图服务器,获得正确的空间数据处理结果.4 性能分析在文献(郭明强等,2008)中,作者提出了一种基于Socket与地图服务器场的分布式WebGIS计算模型。该模型虽然可以在一定程度上提高整个WebGIS系统的处理速度,但是它是以花费更多的硬件为代价,其中的地图服务器的核心机制并未有所改善,其缺点是当并发访问用户数过大时,地图服务器不能正常的提供服务,导致很多请求得不到响应,甚至使服务器一直处于瘫痪

31、状态.本文提出的WebGIS模型做了上述的改进,性能得到提高,在一定程度上减少了服务器大型空间计算的耗时,并提高了服务器在大用户量访问时的并发处理能力.在VS2005环境下,对上文提到的基于服务+组件,基于Socket与地图服务器场的分布式WebGIS计算模型及本文提出的模型进行了性能对比.使用位于高速局域网内的4台PC机构建试验床,其中2台PC机做地图服务器,1台PC机做Web服务器,1台PC机做地图服务调度器.各个测试机配置如表2所示.通过LoadRunner对系统进行压力负载测试.测试数据:1G地图数据.图6（a）描述的是本模型与其他两个模型在加载地图事务时平均响应时间的比较.图6（b）

32、是地图放大操作平均响应时间的比较.从测试结果可以看出,原来的两种模型用户数越大,平均响应时间增长越快,当用户数超过100时,地图加载事务平均响应时间已经超过300秒,实际使用过程中用户很少会等待这么长的时间.而本文提出的基于聚类调度负载均衡的WEBGIS模型在用户数量增加时,地图服务器平均响应时间平稳增长,具有较好的稳定性、并发性和抗高负载能力.表2 硬件配置参数Table 2 Hardware configuration param角色CPU地图服务器CPU：AMD Athlon 64 X2 DualCore Processor 4400+ 2.31GHz 2.00GHz内存：2G硬盘：46

33、4G; 网卡：100M地图服务器CPU：AMD Athlon 64 X2 DualCore Processor 4400+2.31GHz 2.00GHz内存：2G硬盘：464G; 网卡：100MWeb服务器CPU：Intel(R) Core2 Duo 2.4GHz 2.39GHz内存：2G硬盘：250G; 网卡：100M负载均衡调度器CPU：Intel(R) Pentium D 2.66GHz 2.68GHz内存：2G硬盘：185G; 网卡：100M (a) (b)图6 加载地图与地图放大事务平均响应时间比较Fig.6. The comparation of the average respo

34、nse time of load mapa.加载地图事务平均响应时间; b.地图放大操作平均响应时间5 总结与下一步工作本文针对目前WebGIS体系的弊端,提出基于聚类调度负载均衡的WebGIS模型,有效解决了WebGIS计算模型容错性差、并行处理能力弱、用户状态对象无法同步等问题,并对新旧WebGIS模型进行了性能对比测试,实验结果证实了本文提出的WebGIS模型在性能、容错性等方面具有较高的提升,具有较好的稳定性、并发性、抗高负载能力和异常处理能力,并且支持用户对服务器功能进行扩展以满足用户不断变化的需求.下一步的研究工作将集中在如下两个方面:(1)地图服务器间的数据迁移;(2)大型空间计

35、算的分解.ReferencesHe, J., Liu, R.Y., Liu, N.,2004.The Design and Implementation based on COM+. Journal of Zhejiang University, 31(6):712(in Chinese with English abstract). Jiang, F., Zhou, B.Q., Wang, H.F.,2006.An Effective Loading-Balancing Framework for Distributed WebGIS. Microcomputer Information,.

36、22(10): pp.215-217(in Chinese with English abstract).Kang, Z.W., Zhang,S., 2006. Design and Implementation of .NET-based WebGIS System. Computer Engineering, 8(5):106(in Chinese with English abstract).Li, R., Wang, H., Yu, Z.W., Zeng, W., 2009. Cost Based Load Balancing for Network Geographic Inform

37、ation Service. Acta Geodaetica et Cartographica Sinic,. 38(3): 242(in Chinese with English abstract).Liu H., Wang, Y.E., 2009. Research on architecture and application of WebGIS. ENGINEERING OF SURVEYING AND MAPPING, 18(2): 70(in Chinese with English abstract).Li, G.H., Li Y.M., Zhu, M.Z., 2008. Des

38、ign and implementation of GIS application server. Micro Computer Information, 24(12-1):203(in Chinese with English abstract).Guo, M.Q., Huang, Y., Xie, Z., 2008. Design and implementation of distributed WebGIS model based on server farm. Geography and Geo-Information Science, 24(6):13(in Chinese wit

39、h English abstract).Tan, J., Yang, W.M., Zhang, B.P., Wan, L., 2008. WebGIS Based on Self-defined Protocol. Computer Engineering, 34(13): 248(in Chinese with English abstract).Bian, F.L., Zhou, Z.B., 2006. Real-time monitoring system based on socket in WebGIS. Science of Surveying and Mapping, 31(4)

40、:88-89(in Chinese with English abstract).L, X.G., X, Z., W, L., L, D., 2006. Research and realization of WFS based on GML. Earth Science-Journal of China University of Geosciences, 31(5):640-644(in Chinese with English abstract).W, X.C., W, L., 2006. Service-Oriented distributed spatial information

41、supporting system. Earth Science-Journal of China University of Geosciences, 31(5):88-89(in Chinese with English abstract).附中文参考文献何江,刘仁义,刘南,2004.基于COM+的WebGIS系统设计与实现.浙江大学学报,31(6):712.江飞,周保群,王惠芳,2006. 一种有效负载均衡的分布式WebGIS体系结构模型.微计算机信息,22(10):215-218.康志伟,张胜,2006.基于.NET技术的WebGIS系统的设计与实现.计算机工程,8(5):106-10

42、8.李锐,王浩,喻占武等,2009.基于开销代价的网络地理信息服务负载均衡算法研究.测绘学报,38(3):242.刘晖,王玉娥, 2009. WebGIS及其体系结构研究.测绘工程, 18(2):70.李光辉, 李艳明,朱美正, 2008.GIS应用服务器设计与实现.微计算机信息, 24(12-1):203.郭明强,黄颖,谢忠,2008.一种基于服务器场的分布式WebGIS计算模型设计与实现.地理与地理信息科学,24(6):13.谭靖,杨为民,张百平,2008.基于自定义协议的网络地理信息系统.计算机工程,34(13):248.边馥苓,周泽兵, 2006. 基于Socket通信的WebGIS实

43、时监测系统.测绘科学,31(4):88-89.罗显刚,谢忠,吴亮等,2006. 基于GML的WFS研究与实现.地球科学-中国地质大学学报,31(5):640-644.吴信才,吴亮,2006. 面向服务的分布式空间信息支撑平台.地球科学-中国地质大学学报,31(5):585-589.Editors note: Judson Jones is a meteorologist, journalist and photographer. He has freelanced with CNN for four years, covering severe weather from tornadoes t

44、o typhoons. Follow him on Twitter: jnjonesjr (CNN) - I will always wonder what it was like to huddle around a shortwave radio and through the crackling static from space hear the faint beeps of the worlds first satellite - Sputnik. I also missed watching Neil Armstrong step foot on the moon and the

45、first space shuttle take off for the stars. Those events were way before my time.As a kid, I was fascinated with what goes on in the sky, and when NASA pulled the plug on the shuttle program I was heartbroken. Yet the privatized space race has renewed my childhood dreams to reach for the stars.As a

46、meteorologist, Ive still seen many important weather and space events, but right now, if you were sitting next to me, youd hear my foot tapping rapidly under my desk. Im anxious for the next one: a space capsule hanging from a crane in the New Mexico desert.Its like the set for a George Lucas movie

47、floating to the edge of space.You and I will have the chance to watch a man take a leap into an unimaginable free fall from the edge of space - live.The (lack of) air up there Watch man jump from 96,000 feet Tuesday, I sat at work glued to the live stream of the Red Bull Stratos Mission. I watched the balloons positioned at different altitudes in the sky to test the winds, knowing that if they would just line up in a vertical straight line we would be go for launch.I feel this miss