信息化系统【多篇】

【概述】信息化系统【多篇】为网友投稿推荐，但愿对你的学习工作带来帮助。

1.1系统产品选型

大多数企业并不具备专业的网站程序开发人员，为节约成本，缩短门户建设工期，可以考虑直接购买成熟的门户产品来应对迫切的业务需要。微软公司的SharePoint产品备受关注，目前在越来越多的企业中被应用开来。

1.2MicrosoftSharePoint简介

MicrosoftSharePoint是一个易于使用的门户建设平台，应用它业务人员可以迅速创建自己的团队网站、个人博客、企业门户等多种类型网站。MicrosoftSharePoint是一种用于配置Web应用程序和站点的技术。它是基于IIS的网站解决方案，通过与IIS相集成，并依靠后端的SQLServer数据库来存储配置数据和内容。简而言之，SharePoint组合了3种不同的体系结构（IIS、．NET和SQLServer）作为其核心。

2系统部署

粗略地来说部署一个标准的SharePoint2010门户需要考虑以下3类服务器：Web服务器、应用程序服务器、数据库服务器。Web服务器负责SharePoint页面的呈现。应用服务器是那些提供各种应用服务资源的总称，包括查询服务、索引服务等。数据库服务器，SharePoint2010中包含多个数据库，例如管理配置库以及内容数据库等。

3性能优化

3.1网站预热

问题描述：SharePointServer是通过网站的形式向最终用户提供服务的，而这个网站是基于的技术实现的。由于技术的特点，网站启动之后，页面在第一个用户第一次访问的时候，会需要进行所谓的编译，而这个时间，对于该用户来说，可能会显得有点长，这也是大家普遍反映的问题，为什么第一次要比较慢，而以后就较快了。另外，由于网站会使用到应用程序池的技术，而应用程序池会定时或者不定时地进行回收。回收之后的网站，如果再次访问，那么又会发生编译。这就是为什么有些用户反映说，为什么之前都比较快，而突然第二天又慢了，然后又快了。解决方案：可启用Powershell，通过脚本的方式来实现编译。

3.2分离用户和数据库信息

问题描述：SharePoint在SQL设置了大量的请求———每个需求一个页面的请求会导致向数据库发送大量的请求，更不要说服务、检索和其他操作了。解决方案：为了缓解用户与数据库信息间的冲突，前端服务器和SQL连接应当被分离，让它们分别通过独立的物理网络或虚拟LAN。这需要在每一个前端Web服务器上至少配置两个独立的网络接口卡，通过设置静态路由确保信息被路由至正确的接口卡。

3.3调整SQL参数

问题描述：默认状态下，SQL会让数据库文件以很小的规模递增，大约以每次1MB或是以数据库大小的固定百分比为限（通常是10％）。这些设置导致SQL在反复的造成数据库浪费，在数据库增大的同时妨碍了其他数据的写入。解决方案：如果空间足够大可以重新将数据库设置为推荐的最大值（100GB），将自动增长设置为一个固定值（如10MB或20MB）。

3.4数据库分散部署

一个SharePoint门户部署完成后同时会产生多个数据库文件，主要分为：应用程序库、管理配置库和内容库，如果数据库采用多台服务器架构的集群模式，在部署时可按照数据库的功能将不同数据库分散到不同的物理数据库服务器上，用以降低单个数据库服务器的系统资源开销。

4结束语

关键词：云计算；办公信息系统；系统架构

中图分类号：TP399 文献标识码：A文章编号：1007-9599 (2011) 19-0000-02

Design of Office Information System under Cloud Computing Environment

Li Xuejun,Hu Junpeng

(Shandong Electric Power Corporation,Jinan250001,China)

Abstract:Cloud Computing is a new computing model developed based on Grid Computing.The paper mainly discussed the architecture design of Office Information System with help of Cloud Computing methodology.It brings value to the realization of all-in-one Office Information System platform with the combination of information technology,business management and System develop strategy.

Keywords:Cloud Computing;Office Information System;System architecture

一、引言

在办公信息系统实现过程中，架构设计是重要的一环，它的核心任务就是通过规划信息系统架构，搭建衔接用户和系统开发人员沟通的“桥梁”。架构规划是对构成系统的各构件的行为模式，构件之间的接口和协作关系等问题的决策总和。它不仅规定信息系统的结构与行为，而且还会对信息系统的性能，可重用性，经济性和技术约束，甚至是美学进行探讨，可以说，它是信息系统详细设计等阶段的先导和基础，是信息系统详细设计人员的工作指南，一旦确定，将决定整个办公信息系统的面貌和信息系统运作效率的上限，因而是办公信息系统研究的重点。

二、云计算的概述

从概念上说，云有狭义和广义之分。狭义的“云”概念出现在云计算产生的初期，一般把能够提供大量资源的网络称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展。广义的“云”概念更多是指一种资源池，是一些可以自我维护和管理的虚拟计算资源，通常为一些大型服务器集群，包括计算服务器、存储服务器、宽带资源等。云计算平台将所有计算资源集中起来，并由软件实现自动管理。

（一）云计算体系的一般结构。云计算体系结构一般分为三层（如图1-1），分别为：（1）基础设施层。主要包括计算资源和存储资源，整个基础设施也可以作为一种服务项用户提供，即IaaS（Infrastrure as a Service）。IaaS向用户提供的不仅包括虚拟化的计算资源、存储，同时还包括保证用户访问时的网络带宽等。（2）平台层。在基础设施之上的平 ……此处隐藏17881个字……面的语义描述进行统一化关键词提取，例如：用户访问过的页面具有“电脑”的语义，并且“电脑”这个关键词被使用的频率高于其他与它具有语义关联的关键词，那么就以“电脑”这个关键字描述所有具有该语义描述的页面，这样可以对用户兴趣统一化描述，便于后面的关联挖掘。同时，根据以上原则，获取用户输入操作过程中生成的具有语义的信息，统一化所提取的关键字，作为用户兴趣事件的兴趣项。(4)由于在语义网中，Web的内容挖掘和结构挖掘是相互缠绕的，因此Web语义的结构挖掘是与Web内容的语义挖掘同时进行的。Web结构的语义挖掘可用于Web页面分类，从而获取不同Web页面间相似度及关联度的信息，并辅助整理Web站点服务器中的日志文件，提高用于Web使用的语义挖掘和Web内容的语义挖掘的数据的质量。同时，Web结构挖掘可以通过一个Web页面的超链接挖掘出该页面所在的网络层次。由于结构挖掘可以确定挖掘网页在该网络中的位置，并且计算链入链出数，因此可以通过对页面的结构挖掘和用户浏览行为确定网页的等级[17]。等级越高，说明其在网络中权重越高，则推荐的优先度越高。最后，根据提取出的所有关键词，整理出各个用户的兴趣事件I,用于以下关联分析。挖掘关联推荐规则本文采用FP-Growth算法，通过建立FP-tree来进行关联规则挖掘，以发现同一事件中出现的不同项的相关性达到构建用户行为模式的目的，从而形成推荐规则。首先根据以上陈述，通过Web语义挖掘，对用户行为进行首次扫描，把所有发生的兴趣项中小于支持度α,即兴趣项出现频数小于预设值α的项剔除，剩余事件为频繁项。这里为了使挖掘过程更直观，将所有表示用户兴趣的兴趣项都用符号Ij表示。假设在一次数据挖掘中所有用户的不同兴趣项共有11个，分别为I1,I2,…,I11,其中用户100(用户编号)的兴趣事件是{I6,I1,I3,I4,I7,I9,I4,I7},以此类推，用户500的兴趣事件是{I1,I6,I3,I5,I10,I7,I4,I11}。这里设支持度为α=3(该值可自设),那么只有兴趣项I6,I3,I1,I4,I7是频繁项(表中的项集无时序顺序，只是表示在一次事件行为中出现过。这里排序只是为了方便构建FP-tree,即按照项的递减支持度计数排列),得到表1,其中第三列表示频繁项集，I6,I3的频数是4,其余的频数为3。例如表1所示：接下来以Null为根节点，I6,I3(频数最大)分别为其子节点构建FP-tree。根据以上频繁项集的排列，形成事件的分支，比如第一个事件{I6,I3,I1,I4,I7}就可以构建一个分支。当为一个事件考虑增加分支时，沿共同前缀上的每个节点数加1,为跟随前缀后的项创建节点并连接，用实线表示。比如将第二个事件{I6,I1,I3,I2,I4}加到树上是，将I6,I1,I3各增加计数1,然后为{I2,I4}创建分支。创建一个项头表，以方便遍历，每个项通过一个节点链指向它在树中的出现，用虚线表示。对FP-tree的挖掘步骤如下：(1)从项头表开始挖掘；(2)沿循每个(频繁)项的链接来遍历FP-tree;(3)通过积累该项的前缀路径来形成一个条件模式基：例如包含I2的所有频繁项集中，I2的前缀有I6I3I1、I6和I3,它们出现的频数分别为1、1、1。现在要做的是在频繁项中挖掘出频繁出现的关联项集，即哪几个项在所有事件中同时出现的频数不低于3。步骤如下：(1)为条件模式基中的每一项累积计数；(2)为模式基中的频繁项构建FP-tree。例如I4的条件模式基分别为：I6I3I1∶2,和I6I3I1I2∶1,而I6I3I1I2∶1包含I6I3I1,因此I6I3I1同I4一起出现过3次，满足支持度3,因此保留，认为I6I3I1I4是频繁项集，即这4项是有关联关系的，并且它们的子集表示的项与项之间也是具有关联性的；而I6I3I1I2作为I4的前缀只出现过一次，因此认为I6I3I1I2I4不频繁，因此无关联性。按此规则可以挖掘出其他关联项集。所挖掘出的关联规则表达了用户兴趣习惯，例如频繁关联项集I6I3I1I4表示当用户对I6感兴趣，那么他就可能对I3I1I4中的任何一个感兴趣，即I3I1I4是该用户的用户关联兴趣集，也可以看做是用户的偏好路线。

生成用户行为模式层用户行为模式的生成是个性化信息推荐的一个重要环节，该模式的准确程度直接影响信息推荐质量。该模式分别包括两个部分：“个性模式”和“群体模式”。(1)“个性模式”描述的是具体用户的兴趣集，这是在对Web内容以及结构挖掘时就分析得出的，即节中所生成的用户兴趣集。由于它的产生途径，这些信息必定都是该具体用户所感兴趣的，但是这些兴趣间不一定有什么关联关系，因此单单依靠该模式是不能推理出所有用户感兴趣的信息；(2)“群体模式”则描述的是当一个用户对某一信息A感兴趣时，他可能还会对信息B、信息C等也感兴趣，这就节中根据一大群用户的兴趣偏好所分析出来的用户兴趣关联集。根据此模式，可以推理出新访问者可能感兴趣的信息，但是不能完全描述某一个具体用户所感兴趣的个性化信息。因此，只有通过结合以上两个分模式，才可以准确的推理不同用户可能感兴趣的网页，实现较完全的页面推理。之后将生成用户行为模式存放入用户行为序列数据库，以便信息推荐时进行扫描。信息推荐层该层属于在线模块，推荐的网页信息不再局限于用户访问序列，而是根据包含用户行为关联规则的用户行为模式来进行页面推荐的。具体过程如下：Web服务器首先要对用户类型识别，分析是老用户(曾经访问过该页面)还是新访问者：(1)如果是新访问者，那么就根据访问者的实时行为方式，按照“Web语义挖掘层”中用户感兴趣信息的识别方法，仅针对该用户的行为，在线提取出表现新访问者兴趣的关键字，结合本体对该关键字进行语义扩展，并利用现在语义检索技术，由信息推荐引擎根据信息内容搜索相关页面，进行页面推荐。如果新访问者感兴趣的信息在已有用户行为模式中有记录，那么同时也根据用户行为模式中的关联规则向新访问者进行信息推荐，挖掘其潜在兴趣。(2)如果是注册用户或者曾经访问过该Web站点的用户，首先扫描用户行为序列数据库，根据用户行为模式由Web服务器中的推荐引擎寻找满足用户兴趣需求的页面进行推荐。之后再根据用户的实时行为进行信息推荐，步骤如上所述。在推荐过程中，可以利用网络爬虫crawler自动获取网页的链接而不是网页中的详细内容，并与网络上的数据交互并进行搜索。然后与本体链接，计算数据与用户兴趣信息的相关度，从而达到为用户选取相关网页的目的。同时在web结构挖掘过程计算出的等级高的网页，将会作为优先推荐给用户的页面，如文献[18]提到的基于本体的crawling框架。进行信息推荐后，分析用户行为反应：如果用户对推荐的信息进行了阅读或相关操作，那么说明推荐信息是符合用户兴趣偏好的，原有的用户行为模式没有过时；如果用户没有选择推荐的信息而是做出了其他选择，那么说明用户兴趣有所变动，需要对用户兴趣重新分析，如果新的关联的次数超过支持度，那么要在原有的规则上重新分析用户兴趣关联规则，同时修改用户行为模式，更新推荐策略。

总结与分析

你也可以在搜索更多本站小编为你整理的其他信息化系统【多篇】范文。