农产品安全追溯系统的云计算技术性能提升设计陈联诚，胡月明※，张飞扬，段文杰，余平祥（华南农业大学信息学院，广州 510642）摘 要：农业生产及环境的信息采集是农业信息系统的重要环节，无线传感器网络以它的低成本、无线传输等优势广泛应用于农产品安全追溯的信息采集中。由于无线传感器网络长年不间断信息采集的积累，数据库的大信息量及网站用户高访问量将对网站服务器造成高负载的压力，这将导致网站的响应速度大大降低。采用高存储、高负载处理性能云计算计算技术，能提高网站访问的响应速度，提高网站的访问性能。该文设计了基于私有云的农产品安全追溯网站，研究了Hill-Climbing 搜索算法优化云平台配置及MapReduce 对大数据的并行计算，提高了私有云上的农产品安全追溯系统的性能。通过将网站系统迁移至私有云的前后的比较试验，说明将网站系统迁移至私有云后各方面性能得到较大提升，网站访问响应速度提高了33%。关键词：设计，农产品，网站，云计算，追溯，水产品，负载均衡doi：10.3969/j.issn.1002-6819.2013.24.035中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2013)-24-0268-07陈联诚，胡月明，张飞扬，等. 农产品安全追溯系统的云计算技术性能提升设计[J]. 农业工程学报，2013，29(24)：268－274.Chen Liancheng, Hu Yueming, Zhang Feiyang, et al. Performance improving design on cloud computing for agriculturalproducts safety traceability system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions ofthe CSAE), 2013, 29(24): 268－274. (in Chinese with English abstract)0 引 言 在推进农业信息化建设的进程中，农业生产、供应、销售链的信息采集是不可缺少的环节。无线传感器网络作为一种全新的信息采集技术，凭借其低功耗、低成本、无线传输等特点，已逐渐渗透到农业领域[1-5]。在国外Lee W S 等提出的传感技术在农作物精确种植中的应用，利用无线传感技术精确采集农业现场数据信息，实现农作物的精确管理[6]。国内一些科研院所和高校展开了相关研究，刘卉等研究基于物联网的保育猪舍环境监控系统取得了较好效果[7]。对于以无线传感器为采集端的农业信息系统，无线传感器网络不间断的采集、传输、存储数据以收稿日期：2013-06-24 修订日期：2013-11-10基金项目：广东省农村信息化建设专项资金项目（201210112600794）；广东省教育部产学研结合项目（2012B091100110）；广东省教育部产学研结合项目（2011B090400547）；广东省科技厅专业镇中小微企业公共服务平台建设（2012B040500060）；广东省科技厅专业镇中小微企业服务平台建设（2012B040500015）作者简介：陈联诚（1946－），女，汉族，福建古田，教授，硕士生导师，主要从事农业信息系统研究。广州 华南农业大学信息学院，510642。Email:liancheng@scau.edu.cn※通信作者：胡月明（1964－），男，汉族，湖南，教授，博士生导师，主要从事地理信息应用研究。广州 华南农业大学信息学院，510642。Email:ymhu@scau.edu.cn及大量用户查询数据，都将对系统服务器造成较高的压力，导致系统网站访问及查询的响应时间上升。网站访问的响应时间是网站性能的关键因素，因此农业信息系统需要一个具有大容量存储能力、能处理并发高访问量的支持平台[8]。云计算是一种通过Internet 以服务的方式提供动态可伸缩的虚拟化的资源的计算模式，云计算是并行计算、网络存储、负载均衡等传统计算机和网络技术发展融合的产物，它具有多服务器协同工作能力、能分解高并发访问量及大信息存储造成的负载压力[9]。所以，继农业物联网之后，把云计算技术引入农业是必要的。云计算技术在农业领域起步较晚，目前已经运用到一些项目中。赵青松等为了提高作物生长模型的计算速度，提出了云环境下作物生长模型算法的实现方案[10]。杨锋等在Hadoop 的基础上研究海量农业数据资源组织存储与检索技术，提出基于Hadoop 的大文件分块存储方法和海量农业数据资源检索方法[11]。因此，把云计算技术引入到农业领域具有重要意义[12-13]。本项目承担农产品安全追溯系统的研发，包括农、林、牧、渔，品种繁多，系统的物联网信息采集系统长年不间断采集生产环境数据，系统数据量大，项目需要有大数据处理能力的云计算技术；其次，由于云平台内的硬件及软件资源可以共享、资·农产品加工工程·第24 期 陈联诚等：农产品安全追溯系统的云计算技术性能提升设计269源可以弹性配置，使用本系统的企业可直接利用云平台进行产品的发布及安全追溯，并且可以共享云平台的资源，不需要独自购买硬件软件、独自配套专业技术管理队伍，因此可以大大降低企业的开发及运营成本；再次，由于农产品安全追溯项目应用要求，项目将逐步在各地推开应用，使用平台的企业队伍不断扩大，这些企业将聚集在项目的‘平台’下进行生产经营，这个平台将引导农产品生产经营走向集团化、工厂化生产。所以，把云计算技术应用于本项目将大大提升项目的适用意义。本文设计了基于私有云的农产品安全追溯系统并实现了系统网站的性能提升。项目研究云计算技术对大信息量存储及客户高访问量的高负载处理性能，通过测试私有云处理高访问量时的响应时间等性能，检测私有云分解处理高负载的能力。1 系统整体结构及基本原理本文设计的基于云计算技术的农产品安全追溯系统逻辑上可划分为3 大子系统：私有云、农产品安全追溯子系统、无线传感器网络环境信息采集子系统，现已有一套信息采集子系统部署在珠海生产基地。本项目中的私有云采用基于Amazon 的EC2 系列的品高云平台构建通过虚拟化技术整合现有的物理服务器及网络资源，为农产品安全追溯系统提供并行计算和存储能力。农产品安全追溯子系统采用.NET 技术开发，运行于IIS 网站服务器和SQLServer 数据库集群中，并由Nginx 代理服务器对网站的高访问请求进行负载均衡。信息采集子系统采用基于Atmel 单片机、CC1000 芯片和各类型传感器组成的以生产过程中的温度、pH 值、湿度等为检测目标的无线传感器网络，传感数据经由GPRS移动网络上传到服务器，对数据进行转化处理后存储至SQL Server 数据库集群，客户可根据需求下载所需的信息。项目先构建私有云，然后把农产品安全追溯子系统迁移到私有云，再把无线传感器网络采集子系统与私有云对接，完成了基于云计算技术的农产品安全追溯子系统构建；最后通过优化系统的各项配置及运用并行计算等技术，提升系统性能。系统工作原理是无线传感器网络把采集到的现场环境信息数据传送到云端服务器。私用云自动分配大数据量的存储。大量客户追溯产品信息时，私有云能自动均衡大访问量、高负载的信息查询任务，并运用并行计算技术，使多台服务器协同工作，快速查询并反馈客户追溯的信息。2 方法及实现2.1 基于云计算技术的农产品安全追溯网站的构建2.1.1 私有云的构建本项目用Amazon 的EC2 的品高云开发软件在4 台物理机上构建小型私有云，一台作为云控制器（CLC），负责管理和调度集群控制器（CC）的计算资源和网络资源，以及存储控制器（SC）的存储资源；另外3 台既作为集群控制器也作为存储控制器，运行EC2 实例来提供实际计算和存储能力。农产品安全追溯系统的整体布局规划及结构如图1 所示，其中IP 地址为192.168.1.174 和192.168.1.175 的实例负责支撑农产品安全追溯子系统的运行，并由一台IP 地址为192.168.1.173 的外部Nginx 代理服务器对用户的高访问请求进行负载均衡。IP 地址为192.168.1.173 的实例用于接收和处理信息采集子系统发送的数据。另外，项目还拟用并行计算对农产品监测结果进行综合分析，需在私有云上启用3 台Linux 实例并部署一个小型Hadoop集群，并将每日的采集信息上传至Hadoop 中进行1次MapReduce 统计，统计结果保存至SQL Server数据库。图1 基于私有云农产品安全追溯网站结构框图Fig.1 Structure block diagram of agricultural product safetytrace website based on private cloud在构建了私有云后，即可进行农产品安全追溯系统网站的云端迁移及无线传感器网络与私有云的对接，构建基于云计算技术的农产品安全追溯系统。2.1.2 农产品安全追溯网站的云端迁移此前农产品安全追溯系统网站及数据库均由广州市某数据中心托管，因此需将网站和已有数据下载并迁移到EC2 实例中。网站部署在IIS 网站服务器中，数据则存储在SQL Server，其中2 台SQL农业工程学报 2013 年270Server 启用对等复制功能，以保证2 个实例内的SQL Server 数据库实时同步。最后将Nginx 负载均衡器的后端路径分别指向这2 个实例的IP，并采用默认轮询策略实现高访问量的负载均衡。图2 农产品追溯系统网站首页Fig.2 Homepage of agricultural product safety trace website2.1.3 信息采集无线传感器网络与私有云的对接无线传感器网络通过网关上的GPRS 模块将数据传上互联网，因此私有云中需要通过专门的数据接收程序与无线传感器网络的GPRS 模块对接。首先修改无线传感器网络的网关模块，将数据连接指向私有云对外地址上的8010 端口；然后在私有云的网关上做地址映射，将对外的8010 端口映射到私有云内IP 地址为192.168.1.173 的实例的8010 端口；再后调整192.168.1.173 的实例中的数据接收程序，数据存储则指向同实例内的SQLServer 数据库；最后将此数据库与云计算平台内的SQL Server 数据库集群同步并加入到集群中。至此完成无线传感器网络与私有云的对接。2.2 基于私有云的追溯系统网站性能提升及检测试验2.2.1 用Hill-Climbing 搜索算法优化基于私有云的追溯系统网站的性能配置影响农产品追溯系统网站性能的主要因素是系统运行过程中用户访问网站的并发数和运行时硬件资源使用状况，这些资源除了构建私有云的物理机的CPU、内存使用量、网络情况及3 个实例中CPU、内存的使用量外，还与另外4 台负责提供访问压力的测试机的CPU、内存使用量有直接的关系。如果将18 个主要影响因素及它们交互作用的影响进行组合，用穷举法搜索策略，在给定的时间内很难得到优化结果的。本文采用Hill-Climbing 启发式搜索算法优化私有云内的农产品追溯系统的性能配置。Hill-Climbing（爬山法）是启发式搜索的一种情况。“搜索”是人工智能的一种基本技术，“启发”是关于发现和发明规则及方法的研究。在状态空间的搜索中，启发式被定义成一系列规则，它指导搜索向最有希望的方向进行从而降低了搜索的复杂性。在搜索过程中扩展当前结点并估价它的子结点，最优的子结点被选择并进一步扩展。当搜索达到一种状态，该状态比它的所有子结点都要好，则搜索停止[14-18]。为避免搜索结果隐入局部最大值的缺陷，搜索算法中采用了随机选取多个搜索起点的方法，逐步优化局部解，加快了满意解的产生速度。对于农产品追溯系统网站云Hill-Climbing 搜索算法性能的提升中，性能指标可以分为事务部分、Web 资源部分、资源使用部分。由于能够测试出来的指标过多，因此本文中选择平均事务响应时间、响应时间标准差、响应事务量、失败事务率、每秒点击数以及CPU 使用率这6 个最能反映影响用户访问网站时的感受的指标作为主要性能指标。在优化搜索过程中扩展当前6 个维的结点并估价它的子结点，最优的子结点被选择并进一步扩展。为避免搜索结果陷入局部最大值的缺陷，搜索算法中采用了随机选取多个搜索起点的方法，逐步优化局部解，加快了满意解的产生速度。2.2.2 MapReduce 对大数据并行计算的处理云计算的核心技术之一是MapReduce，它为并行系统的数据处理提供了一个有效的解决方案[19-21]。一个MapReduce 操作分为2 个阶段：Map 阶段和Reduce 阶段。Map 负责把任务分解成多个任务，Reduce 负责把分解后多个任务处理的结果汇总起来[22-25]。图3 说明了用 MapReduce 来处理大数据集的过程。用map 函数接受数据并产生<key, value>形式的中间输出，将所有具有相同中间key 值的value 集合到一起传递给reduce 函数，reduce 函数接收一个如<key, list(value)>形式的输入，然后对这个value 集合进行处理，最后产生一个<key, value>形式的输出[26-30]。这样云平台就把大数据分成多个任务，分派给多个计算节点进行并行计算，因此云平台上系统的性能就进一步得到提升。以本系统中对养殖个体健康行为监测模块为例，对于3 次/s 采集到的海量数据及复杂的分析流程，用Map 把任务分解成多个任务，再用Reduce 把分解后多任务处理的结果汇总起来，最后得到养殖个体属于‘健康、病态、死亡、失踪’的监测结果。2.2.3 基于私有云的追溯网站的性能检测基于私有云的农产品追溯系统网站性能测试结构框图如图4 所示。第24 期 陈联诚等：农产品安全追溯系统的云计算技术性能提升设计271图3 MapReduce 处理大数据集的过程Fig.3 Process of MapReduce dealing with big data图4 性能测试连接图Fig.4 Connect diagram of performance testing本次测试使用LoadRunner8.1 作为测试软件，由4 台测试机组成压力输出机群，机群最高能模拟1,800 个用户并发访问追溯网站，软件同时能检测并显示出网站平均事务响应时间等性能参数。图4 左边是对常规服务器内网站访问压力测试的结构图，测试机群将模拟1 800 个用户并发访问常规服务器的农产品追溯系统网站；图4 右边是对基于私有云上网站的压力测试结构图，测试机群模拟1 800 个用户并发访问私有云上的网站，访问压力通过Nginx 负载均衡器自动分配到2 个实例内的农产品追溯系统网站。性能测试的每个并发线程执行的事务操作包括：1）访问农产品追溯系统网站的主页，新闻公告等子页面；2）网站3 次连接数据库并对通知公告数据库表进行条件查询，完成后将查询到的信息显示到网页上。3）网站4 次连接数据库并对新闻信息数据库表进行条件查询，完成后将查询到的信息显示到网页上。4）网站6 次连接数据库并对饲料信息数据库表进行条件查询，完成后将查询到的信息显示到网页上。试验将对常规服务器内网站和私有云上网站进行各3 次重复试验，以获取高负载运行状况下性能优化后私有云上网站与常规服务器上网站在响应时间等性能参数的比较。3 结果与分析比较私有云内各个服务器与资源配置相应的常规服务器性能测试数据，测试结果如表1 所示。表1 性能检测结果Table 1 Result of performance test云平台 Clound platform性能指标Performanceindex试验1Test 1试验2Test 2试验3Test 3平均值Mean常规服务器平均值Normalservermean提升效果Improvementefficiency平均事务响应时间Averagetransactionresponse timet/s15.2 15.3 14.3 14.9 22.3 减少33%响应时间标准差Response timeStd. deviation3.7 4.9 3.5 4.0 5.8 减少31%响应事务量Transactionsummary/万件15.1 14.9 15.1 15.1 13.3 增加13.7%失败事务率Percentage offailTransaction/%0.15 0.16 0.17 0.16 0 增加16%每秒点击数Hits per second/次2643 2761 2770 2725 2380 增加14.5%CPU 使用率Processortime/%85.385.490.2,89.689.989.7 88.4 100 减少11.6%从测试结果可以看出：1）私有云上的追溯系统网站对事务响应要比常规服务器上网站对事物平均响应时间缩短了1/3，说明私有云上的网站应对高并发访问的响应速度加快了，这样在网站访问的高峰时期也能保证访问的顺畅。网站响应时间是网站性能的一个重要标志，说明运用私有云有效地提高了追溯网站响应性能。2）在相同时间内私有云上的追溯网站完成的事务总数比常规网站多了13.7%、每秒点击数多了14.5%，表明经过私有云性能提升后，追溯系统处理事务能力提高了。3）私有云上的实例CPU 使用率比常规网站少了11.6%，表明当并发数是1 800 人时，常规服务器CPU 已是满负载了，而私有云平台内各个服务器还有潜力承担更多的负载。4）私有云的追溯网站在高负载时平均事务响应时间的方差为4.048，说明网站响应时间工作较稳定，在承担较大的并发访问压力时，私有云上的农业工程学报 2013 年272网站还能保持稳定的响应状态。4 结 论农产品安全追溯系统经过云计算技术的性能提升后，网站及数据库有更多的运算资源，可以应对无线传感器网络自动采集系统大数据量的传输与存储，可以承担更大的网站访问量和数据库负载量，从上一节的分析中可以看出，系统各方面性能得到较大提升，对事物响应时间缩短了1/3,相同时间内完成事务总数多了13.7%，特别是网站的响应时间提高了33%。网站访问的响应时间决定信息网站质量，影响信息网站的访问量，所以它对以物联网为信息采集端的农产品安全追溯系统质量提升起重要作用。本文研究方法可适用于类似信息网站。[参 考 文 献][1] 刁智华，陈立平，吴刚，等. 设施环境无线监控系统的设计与实现[J]. 农业工程学报，2008，24(7)：146－150.Diao Zhihua, Chen Liping, Wu Gang, et al. Design andimplementation of wireless monitoring and controlsystem for protected environment[J]. Transactions of theChinese Society of Agricultural Engineering (Transactionsof the CSAE), 2008, 24(7): 146－150. (in Chinese withEnglish abstract)[2] 段志超，杜克明，孙忠富，等. 基于ARM-Linux 和GPRS的农业环境无线远程监控系统[J]. 农业网络信息，2008(6)：12－15.Duan Zhichao, Du Keming, Sun Zhongfu, et al. Wirelesselemonitoring system for agriculture environment basedon ARM-Linux and GPRS[J]. Agriculture NetworkInformation, 2008(6): 12－15. (in Chinese with Englishabstract)[3] 李秀红，孙忠富，肖春华，等. 基于μC/OS-II 嵌入式技术的农业环境远程监控系统实现[J]. 农业工程学报，2007，23(10)：156－161.Li Xiuhong, Sun Zhongfu, Xiao Chunhua, et al.Development of remote monitoring system based onμC/OS-II embedded technology for agriculturalenvironment[J]. Transactions of the Chinese Society ofAgricultural Engineering (Transactions of the CSAE),2007, 23(10): 156 － 161. (in Chinese with Englishabstract)[4] 周国祥，周俊，苗玉彬，等. 基于GSM 的数字农业远程监控系统研究与应用[J]. 农业工程学报，2005，21(6)：87－91.Zhou Guoxiang, Zhou Jun, Miao Yubin, et al.Development and application on GSM-based monitoringsystem for digital agriculture[J]. Transactions of theChinese Society of Agricultural Engineering (Transactionsof the CSAE), 2005, 21(6): 87－91. (in Chinese withEnglish abstract)[5] 骆凯，李淼，胡泽林. 基于WSN 的农业信息远程监控系统的设计与实现[J]. 自动化与仪器仪表，2008(4)：14－17.Luo Kai, Li Miao, Hu Zelin. Design and realization ofremote monitoring system of agricultural informationbased on WSN[J]. Automation and Instrumentation,2008(4): 14－17. (in Chinese with English abstract)[6] Leea W S, Alchanatis V, Yang C, et al. Sensingtechnologies for precision specialty crop production[J].Mputers and Electronics in Agriculture, 2010, 74(1): 2－33.[7] 朱伟兴，戴陈云，黄鹏. 基于物联网的保育猪舍环境监控系统[J]. 农业工程学报，2012，28(11)：177－182.Zhu Weixing, Dai Chenyun, Huang Peng. Environmentalcontrol system based on IOT for nursery pig house[J].Transactions of the Chinese Society of AgriculturalEngineering (Transactions of the CSAE), 2012, 28(11):177－182. (in Chinese with Englishabstract)[8] Bo Yifan, Wang Haiyan, The application of cloudcomputing and the internet of things in agriculture andforestry[C]//IJCSS, 2011 International Joint Conferenceon Service Sciences, 2011: 168－172.[9] 张建勋，古志民，郑超. 云计算研究进展综述[J]. 计算机应用研究，2010(1)：429－433.Zhang Jianxun, Gu Zhimin, Zheng Chao. Survey ofresearch progress on cloud computing[J]. ApplicationResearch of Computers, 2010(1): 429－433. (in Chinesewith English abstract)[10] 杨锋，吴华瑞，朱华吉，等. 基于Hadoop 的海量农业数据资源管理平台[J]. 计算机工程，2011，37(12)：242－244.Yang Feng, Wu Huarui, Zhu Huaji, dt al. Massiveagricultural data resource management platform based onhadoop[J]. Computer Engineering, 2011, 37(12): 242－244. (in Chinese with English abstract)[11] 赵青松，陈林，孙波，等. 基于Hadoop 的云环境下作物生长模型算法的实现与测试[J]. 农业工程学报，2013，29(8)：179－186.Zhao Qingsong, Chen Lin, Sun Bo, et al. Algorithmimplementation and tested of crop growth model basedon hadoop of cloud computing[J]. Transactions of theChinese Society of Agricultural Engineering (Transactionsof the CSAE), 2013, 29(8): 179－186. (in Chinese withEnglish abstract)[12] 王诗丛，郑立华，李民赞，等. 基于云计算平台的农田GIS 模块的开发和实现[C]//中国农业工程学会2011年学术年会论文集，2011.[13] 叶勇，张友华，乐毅，等. 食品安全追溯研究[J]. 华中农业大学学报：社会科学版，2011(2).Ye Yong, Zhang Youhua, Yue Yi, et al. Traceabilitystudy of food safety issues[J]. Journal of HuazhongAgricultural University: Social Sciences Edition, 2011(2).(in Chinese with English abstract)第24 期 陈联诚等：农产品安全追溯系统的云计算技术性能提升设计273[14] 毛卫英，谌明，贺贵明. 随机技术在瞎子爬山法中的应用与实现[J]. 计算机工程与设计，2002，23(2)：60－64.Mao Weiying, Chen Ming, He Guiming. Application andimplementation of randomization in hill-climbing[J].Computer Engineering and Design, 2002, 23(2): 60－64.(in Chinese with English abstract)[15] 史忠植. 高级人工智能[M]. 北京：科学出版社，1999.[16] 人工智能和知识工程[M]. 南京：南京大学出版社，1997.[17] Sreerama Murthy, Simon Kasif, Steven Salzberg. OCI :Randomized induction of Oblique decision trees [R].Johns Hopkins university, 1994 .[18] Kolluru Venkata Sreerama Murthy. On Growing BetterDecision Trees From Data[D]. The Johns HopkinsUniversity, 1995.[19] 金海. 漫谈云计算[R]. 中国计算机学会通讯，2009，5(6)：22－25.[20] 吴吉义，平玲娣，潘雪增，等. 云计算：从概念到平台[J]. 电信科学，2009(12)：23－30.Wu Jiyi, Ping Lingdi, Pan Xuezeng, et al. Cloudcomputing: Concept and platform[J]. TelecommunicationScience, 2009(12): 23－30. (in Chinese with Englishabstract)[21] 陈康，郑纬民. 云计算：系统实例与研究现状[J]. 软件学报，2009，20(5)：1337－1348.Chen Kang, Zheng Weimin. Cloud computing: Systeminstances and current research[J]. Journal of Software,2009, 20(5): 1337 － 1348. (in Chinese with Englishabstract)[22] 尹国定，卫红. 云计算—实现概念计算的方法[J]. 东南大学学报：自然科学版，2003，33(4)：502－506.Yin Guoding, WeiHong. Cloud computing: a method torealize conceptual computing[J]. Journal of SoutheastUniversity (Natural Science Edition), 2003, 33(4): 502－506. (in Chinese with English abstract)[23] 武永卫，黄小猛. 云存储[R]. 中国计算机学会通讯，2009，5(6)：44－52.[24] Luis M V, Luis Rodero Merino, Juan Caceres, et al. Abreak in the clouds: Toward a cloud definition[J]. ACMSIGCOMM Computer Communication Review, 2009,39(1): 50－55.[25] Robert L G, Gu Yunhong, Michael Sabala, et al.Compute and storage clouds using wide area highperformance networks[J]. Future Generation ComputerSystems, 2009, 25(2): 179－183.[26] Daniel J A. Data management in the cloud: Limitationsand opportunities[J]. Bulletin of the IEEE ComputerSociety Technical Committee on Data Engineering, 2009,32(1): 3－12.[27] 郑启龙，吴晓伟，房明，等. HPMR 在并行矩阵计算中的应用[J]. 计算机工程，2010(8)：49－51.Zheng Qilong, Wu Xiaowei, Fang Ming, et al.Application of HPMR in parallel matrix computation[J].Computer Engineering, 2010(8): 49－51. (in Chinesewith English abstract)[28] 徐志伟，廖华明，余海燕，等. 网络计算系统的分类研究[J]. 计算机学报，2008，31(9)：1509－1515.Xu Zhiwei, Liao Huaming, Yu Haiyan, et al. Notes onclassifying network computing systems[J]. ChineseJournal of Computers, 2008, 31(9): 1509－1515. (inChinese with English abstract)[29] 王朋，赵保华. 基于云计算的异构平台虚拟机动态迁移策略研究[J]. 江西科学，2013，31(2)：238－242.Wang Peng, Zhao Baohua. Research of dynamicmigration strategies for virtual machine betweenheterogeneous platform based on cloud computing[J].Jiangxi Science, 2013, 31(2): 238－242. (in Chinese withEnglish abstract)[30] 王晓思，孙静，林峰，等. 基于云计算和RFID 技术的农产品物流信息系统研究[J]. 安徽农业科学，2013，41(7)：3201－3202.Wang Xiaosi, Sun Jing, Lin Feng, et al. Agriculturalproducts logistics information system based on cloudcomputing technologies and RFID technology[J]. Journalof Anhui Agricultural Science, 2013, 41(7): 3201－3202.(in Chinese with English abstract)Performance improving design on cloud computing for agriculturalproducts safety traceability systemChen Liancheng, Hu Yueming※, Zhang Feiyang, Duan Wenjie, Yu Pingxiang(College of Information, South China Agricultural University, Guangzhou 510642, China)Abstract: Information collection of the production, supply and marketing chain in agriculture is an absolutelynecessary part in the driving process of construction of agricultural informationization. As a new technique incollecting information, and relying on its low cost, low power consumption and wireless transmission, a WirelessSensor Network (WSN) has already permeated into the agriculture area. For an agricultural information systemwhich employs a wireless sensor as its collection terminal, there is no doubt that the uninterrupted process forinformation collection, transmission, and storage, as well as inquiries from a large number of users, puts so muchpressure on the system server, resulting in a low speed for web access and inquiry. The response time and response农业工程学报 2013 年274rate when visiting a web site are key points of a web site’s performance. A supporting platform that has thecapacity of mass storage and dealing with high concurrency traffic, therefore, is necessary for a Safety TracingSystem for Agricultural Products. A cloud computing platform has an ability of cooperative working with multipleservers, and is able to share the load pressure caused by dealing with mass storage and high concurrency traffic.Following the agricultural Internet of Things, it is necessary to introduce a cloud computing platform toagriculture. The research group has undertaken 13 projects assigned from Science and Technology Department ofGuangdong along with Economy and Information Commission in the past two years, including breeding safety,tracing, and electronic business for agricultural products. In order to meet the demand from the Economy andInformation Commission, different platforms will be combined into one - Safety Tracing and Trade Platform forAgricultural Products. Recently, the research team has paid attention to setting up the Safety Tracing Platform onthe basis of the breeding Internet of Things, dealing with some agricultural products like chickens, rabbits, fish,flocks, and herds. As a result of there being so many kinds of products and mass data required, it is quitenecessary to bring a cloud computing platform into this system. It can raise the response rate of visiting a web siteand improve the visiting performance by using a cloud computing technique that has a good performance on highstorage and heavy load processing. A Safety Tracing System for Agricultural Products based on a cloud computingplatform has been designed, and the performance of a system web site has been promoted. Based on a cloudcomputing platform, the Safety Tracing System for Agricultural Products described in this paper can be dividedinto three sub-systems logically - a cloud computing platform, a Safety Tracing Subsystem for AgriculturalProducts, and an Information Collection Subsystem in a WSN environment which is installed in a ZhuhaiProduction Base. The Bingo cloud platform based on Amazon EC2 was used to develop a private cloud in a cloudcomputing platform. The SQL Server database and NET language were used to develop a Safety TracingSubsystem for Agricultural Products. WSN was adopted in an Information Collection Subsystem to collectindicators like temperature, PH value, and humidity during the production. As the first step of the project, thecloud computing platform was constructed, the Safety Tracing Subsystem for Agricultural Products was put ontothe platform, and the Wireless Sensor Acquisition Subsystem was connected with the platform, and theconstruction of the Safety Tracing Subsystem for Agricultural Products based on a cloud computing platform hasbeen finished so far. Secondly, a search algorithm called Hill-Climbing was used to optimize the Safety TracingSubsystem for Agricultural Products based on a cloud computing platform. Then, to deal with mass data,Mapreduce was used for concurrent processing. The map function receives data and outputs key-value pairs as themiddle output after processing. The output from the map function was processed by the Mapreduce frameworkbefore being sent to the reduce function. This processing sorts and groups the key-value pairs by keys. Then thereduce functions receive the pairs with the same key and give the final output. This is the advantage of cloudcomputing: a mass data is cut up into pieces and are passed to CPUs for concurrent processing, which improvesthe performance of the system on the cloud platform. Here is how the system works: wireless sensor transmits thedata of the field information collected from a locale to the cloud database. The cloud computing platform willautomatically assign the storage to the data. When customers trace the product information, the platform willautomatically balance the tasks of information querying with high traffic and heavy load, making several serversworking cooperatively so that it can return the information to customers quickly. Besides, the platform also canuse Mapreduce to cut up a mass data into pieces for many CPUs to process concurrently. Research on the heavyload processing performance of cloud computing platform when dealing with storing mass data and high trafficwas conducted and the response time of dealing with high traffic based on the platform were described in thispaper. The capacity of processing by sharing the heavy load also examined. By comparing the capacity of thecloud computing platform server with that of a general server, the results indicated that there is an all aroundadvance after carrying the system from a general server to a cloud computing server. The response rate of visitinga web site was raised by 33%.Key words: design, agricultural products, websites, the cloud computing, trace, aquatic product, load balancing（责任编辑：刘丽英）