網絡化分布式軍事信息云架構解決方案的設計與實現

潘 越 楊晨凱 陸澤健 黃 勝 陳 龍

(中國電子科學研究院 北京 100041)

網絡化分布式軍事信息云架構解決方案的設計與實現

潘 越 楊晨凱 陸澤健 黃 勝 陳 龍

(中國電子科學研究院 北京 100041)

針對傳統軍事信息系統“煙囪”現象嚴重，大規模數據處理能力出現瓶頸，信息按需服務能力不足的問題，提出基于云計算和大數據技術的網絡化分布式軍事信息云架構解決方案。首先設計了軍事信息云體系架構和軟件架構，基于云計算理念將戰場資源進行多域虛擬和高效整合，形成一體化資源協同軍事信息云，用戶通過端系統向軍事信息云獲取服務。其次設計軍事信息云關鍵組成架構，包括分布式敏捷數據集成共享架構、基于大數據技術的數據倉庫架構和基于實時流計算引擎的信息服務架構?；谔岢龅木W絡化分布式軍事信息云架構，能夠提升軍事信息系統互聯互通互操作、海量數據分析挖掘和信息按需精準服務能力，促進部隊一體化聯合作戰能力形成。

網絡中心戰 敏捷集成 數據倉庫 信息服務

0 引 言

新世紀以來，美軍為應對信息化發展帶來的機遇和挑戰，不斷推進新軍事變革，爭奪信息優勢和決策優勢。2000年5月，美軍參謀長聯席會議頒發了《2020年聯合構想》，該構想以聯合作戰為中心，規定了美軍未來15～20年發展的戰略目標，指出聯合部隊獲取全面優勢的因素，以及為贏得未來戰爭勝利聯合部隊應具備的能力等，強調“利用信息優勢，提高偵察、監視和預警能力”[1]。2009年9月，美國空軍參謀長諾頓·施瓦茨上將和美國海軍作戰部長加里·拉夫黑德上將簽署了一份備忘錄，要通過空軍、海軍的共同努力開發出一種新的作戰概念，即現在所謂的“空海一體戰”。2012年，美國四大軍種的副參謀長簽署了一份諒解備忘錄，該備忘錄確立了在建設聯合部隊過程中實施“空海一體戰”概念的框架[2]。在“空海一體戰”概念中，根據任務進行編組的部隊實時緊密地協調網絡化活動，以在所有域中展開協調一致的行動，而不拘泥于特定軍種的作戰程序、戰術或武器系統，強調對部隊及其活動進行配置，以使部隊能夠作為一個整體在所有作戰域實施一體化作戰[3]。由此可見，美軍在未來戰爭中更加強調網絡化、聯合、協同作戰。

為應對軍事技術變革帶來的挑戰，本文將對外軍信息系統發展情況進行闡述。分析網絡中心戰條件下軍事信息系統能力需求，提出一種基于大數據、云計算、數據倉庫等技術的分布式網絡化軍事信息云架構設計方法，以提升信息共享、數據分析挖掘和信息按需服務能力，滿足未來網絡中心戰條件下一體化作戰需求。

1 外軍信息系統發展

1.1 平臺中心戰信息系統

海灣戰爭以前(1991年以前)，美軍信息系統建設主要依托于各軍兵種獨立建設，從指揮控制系統(C2)，到后來的指揮控制通信系統(C3)，再到指揮控制通信情報系統(C3I)，重點建設了全球軍事指揮控制系統(WWMCCS)等信息系統，主要用于全球范圍內履行大規模常規作戰和核作戰任務[4]。到20世紀90年代初，美軍已建成功能要素相對完備的戰區級C3I系統，并在海灣戰爭中發揮了巨大作用，引發世界各主要軍事強國對信息系統的普遍重視。美軍在該階段研制的信息系統實現了指控、通信、情報功能的有機結合，基本解決了軍兵種獨立作戰指揮的問題。但由于缺乏統一的頂層設計，客觀上形成了一批“煙囪”系統。

1.2 一體化作戰信息系統

海灣戰爭以后(1992年至2003年)，美軍針對海灣戰爭暴露出的各軍兵種信息不能互連互通、聯合作戰能力差、信息系統“煙囪”林立問題開展了C4ISR體系設計和建設，旨在將各軍兵種信息系統綜合集成為一體化的系統，并啟動了公共操作環境(COE)、共享數據環境(SHADE)等一批信息基礎設施建設。重點建設了全球指揮控制系統(GCCS)等信息系統，用于替代WWMCCS，實現跨軍兵種、跨戰區一體化聯合作戰[4]。2003年，美軍在全球625個基地完成GCCS部署。該階段建設的信息系統促進了各軍兵種“煙囪”系統的整合，系統一體化水平明顯提升。但由于信息系統之間缺乏通用數據結構支撐，系統間互操作性差，各軍兵種間無縫數據交換、按需服務、高效協作能力不夠。

1.3 網絡中心戰信息系統

網絡中心戰時代(2004年至今)，為進一步提升聯合作戰能力，加快向“網絡中心”轉型，美軍啟動了NCW系統建設。2004年確定的核心建設領域包括快速反應和可靠的網絡資源與服務、無縫安全可靠的連通性和互操作性、分布式協同支持等。海軍提出部隊網(ForceNet)建設構想，發展協同作戰能力(CEC)，空軍提出星座網(Constellation Net)建設構想，發展網絡中心協同瞄準能力(NCCT)。陸軍提出陸戰網(Land War Net)建設構想，發展未來戰斗系統(FCS)。重點開展網絡使能指揮能力(NECC)系統等信息系統建設，NECC即聯合指揮控制系統(JC2)，基于統一的結構、以網絡為中心，支持作戰人員高效、準確、及時指揮部隊聯合作戰，實現一體化、持續、跨越多層次的指揮控制能力[4]。美軍在新世紀實施的一系列構想設計和系統建設，為C4ISR系統向“網絡中心”轉型奠定了基礎。

2 系統能力需求

網絡中心戰條件下，需依托強大的網絡信息系統，將分布在廣域空間內的各種傳感器、指控系統和武器平臺連接成統一高效的大系統，將信息優勢轉變為作戰行動優勢，信息系統需具備以下能力。

2.1 互聯互通互操作能力

消除“煙囪”系統、冗余和非互通的系統，避免“信息孤島”現象。統一架構和技術體制，高效協同裝備和系統，使得傳感器節點、指揮控制節點、武器節點相互之間以及上下縱橫層次之間互聯互通互操作，為信息、知識共享創造條件。

2.2 海量數據分析挖掘能力

在網絡中心戰條件下，各類裝備和系統產生的數據呈指數級增長，逐漸表現出大數據特征，同時數據作為戰略資源成為新的爭奪點，必須對海量數據進行快速處理，從不完全、有噪聲、模糊的數據中挖掘提取有潛在軍事應用價值的信息和知識。

2.3 信息按需精準服務能力

平臺中心戰條件下，系統將處理后的信息發送給所有用戶，用戶需對信息進一步處理以開展下一步行動。然而不同的用戶所需的信息以及接收信息的條件是不同的，網絡中心戰條件下，實現基于網絡的精準交戰必須結合用戶實際需求，將所需的信息在適當的時間與地點發送。

3 總體架構設計

3.1 體系架構

網絡化分布式軍事信息云基于“云計算”理念，采用云技術實現戰場資源的高效整合。將地域、空域、時間域分散的傳感器、指控系統和武器系統進行協同組網。從體系層面實現陸、海、空、天各作戰域的戰場資源進行融合，匯聚成“云”，完成戰場數據網狀交互，具備全域性、分布式、網絡化特點。

網絡化分布式軍事信息云以“云”為核心，特征是多域虛擬存在和資源高度融合，具備全域性、分布式和互聯互通互操作性。網絡化分布式軍事信息云從組織層級上主要包括區域信息系統和總部信息系統，區域信息系統對所負責區域的傳感器進行統一管控。并對獲取的信息進行處理，為區域武器用戶和指揮用戶提供可定制的信息服務?？偛啃畔⑾到y對全局傳感器資源進行協同，處理生成全局唯一的態勢信息，并對跨區域聯合軍事行動提供信息服務。網絡化分布式軍事信息云體系架構如圖1所示。

圖1 軍事信息云體系架構

3.2 軟件架構

網絡化分布式軍事信息云軟件架構主要包括基礎設施層、平臺服務層、數據服務層、軟件服務層四層。

基礎設施層(IaaS)通過資源虛擬化技術，對計算、存儲、網絡等異構資源進行統一管理，形成計算資源池、存儲資源池和網絡資源池，并進行全生命周期資源分配和調度。

平臺服務層(PaaS)為軟件和服務的開發部署提供支撐平臺，為分布式數據集成共享提供基礎服務框架，主要包括服務支撐環境、基礎支撐環境、分布式數據集成共享框架、運行監控等。

數據服務層(DaaS)對分布在各節點的結構化、半結構化和非結構化數據集中統一進行數據聚合、數據同步、數據清洗等，支持構建基于大數據的數據倉庫，支持開展數據挖掘、聯機分析處理等業務。

軟件服務層(SaaS)基于統一規范的接口，為各類用戶提供靈活定制、即時部署、快速集成的應用軟件服務，支持各類用戶能夠隨時隨地開展作戰決策、戰術行動、武器打擊等業務應用。

“云”將地理分散的各類資源相互連接形成網絡化戰場資源池，每個作戰節點基于“端”系統，既向“云”提供信息，又從“云”獲取信息服務，同時可根據作戰任務需求，動態調配資源。整個“云”作戰體系具備自我修復功能。即使單裝備或局部系統發生損毀，也不會造成整個作戰體系喪失戰斗力。通過在“云”上完成資源調配、信息融合、目標指示、火力控制、打擊評估等流程，縮短OODA(observation，orientation，decision，action)鏈路時間，實現目標早期發現、遠程截獲、先敵摧毀。

4 關鍵組成架構設計

4.1 分布式敏捷數據集成共享架構

數據集成共享架構為敏捷的、模塊化的集成架構，主要功能為數據集成共享，用戶能夠很方便地從異構數據源增加、查詢和轉換信息，數據集成共享架構的核心為分布式數據集成共享框架。分布式數據集成共享框架為通用數據層軟件，從底層的數據結構中抽象出服務和業務邏輯，為系統提供新數據源的快速整合能力?；谠摽蚣?，用戶可以快速地對異構本地及遠程系統數據文件進行操作，而無需關心軟件的底層實現。分布式敏捷數據集成共享架構如圖2所示。

圖2 分布式敏捷數據集成共享架構

分布式數據集成共享框架基于交互式平臺，是一個帶有高級編程接口的彈性集成框架，在維持互操作性基礎上使可定制的數據交換變得更容易。高級編程接口提供一個已定義的、可擴展接口來支持快速高效集成多樣化的數據系統或應用系統。分布式數據框架具有配置便捷、應用整合能力強的特點，具備快速的數據發現獲取能力。

分布式數據集成共享框架采用OSGi商業標準和最佳實踐來開發部署模塊化代碼，支持模塊的熱插拔，具備敏捷化自適應部署能力。開放服務網關協議技術OSGi是Java動態化模塊化系統的一系列規范，主流Java應用服務器都采用了OSGi，成為Java模塊化的工業標準，支持自適應、松耦合系統的動態構建[5]。數據集成共享框架組成包括核心的數據目錄框架、目錄生成模塊、數據轉換模塊、數據操作模塊、數據模塊、聯邦模塊、數據目錄代理模塊、事件生成模塊、數據資源模塊、端點、數據目錄插件等。主要模塊功能如下：

數據目錄框架模塊：分布式敏捷數據集成共享框架的核心模塊，連接框架各個模塊，默認調用的是標準目錄框架，向下對數據框架中各模塊轉發操作請求，向上對接口模塊轉發操作響應。

目錄生成模塊：用于提供文件目錄存儲的模塊，數據框架中使用Solr建立文件索引，提供文件目錄存儲解決方案。

端點模塊：為客戶端和目錄框架之間的服務代理，提供了多種類型的服務接口，包括基于RESTful的CRUD接口、搜索接口和FTP接口。進行應用整合時，可對相應類型的接口進行調用，也可根據實際需求，開發其他類型的接口。

數據操作模塊：該模塊主要包含增刪改查、數據源、資源及轉換操作等類型操作的相關接口和實現，向上為對外接口模塊提供操作接口，向下經目錄框架模塊對各模塊實現操作調用。

4.2 基于大數據技術的數據倉庫架構

數據倉庫DW(Data Warehouse)針對企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合，數據倉庫研究和解決從數據庫中獲取信息的問題，具備面向主題、集成性、相對穩定的、反映歷史變化的數據集合[6]。數據倉庫提供了決策支持系統(DSS)和聯機分析應用數據源的結構化數據環境[7]。大數據針對信息爆炸時代數據洪流問題，采用特殊的技術，以有效處理大量容忍時間內的數據。大數據具備大量、高速、多樣、價值、真實性等特征。大數據關鍵技術主要包括大數據采集、大數據預處理、大數據存儲管理、大數據分析挖掘、大數據展現和應用技術等。大數據已經成為一種戰略性資源，大數據技術日益受到政府、企業和學術界的重視[8-10]。

大數據和數據倉庫針對海量數據進行分析處理，大數據是業務視角，數據倉庫是技術視角，通過將大數據技術和數據倉庫技術進行深度結合、相互補充，能夠進一步提升信息系統針對大規模異構多源數據的分析處理能力。基于大數據技術的數據倉庫架構如圖3所示。

圖3 基于大數據技術的數據倉庫架構

數據整合層通過操作性數據存儲區ODS快速接收數據采集過程的大量數據，縮短數據采集時間。同時對跨系統、多數據源的數據統一采集，提高數據采集可靠性和一致性，統一數據接口，保存加載數據，減少數據源系統負載，提高系統效率。

支撐服務層提供了MapReduce批處理計算框架、Spark內存計算框架、HDFS分布式文件系統、HBase非關系型數據庫、數據抽取轉換加載模塊、機器學習框架，為大規模結構化數據、半結構化數據、非結構化數據的分析處理提供技術支撐。

分析應用層基于傳統的數據倉庫OLAP分析工具進行多維分析，從多角度、多側面剖析數據。利用大數據挖掘分析工具對海量異構數據進行關聯、回歸、分類、聚類、預測、診斷分析，最大限度挖掘提取有價值的信息，為作戰指揮和部隊軍事行動提供決策信息依據。

針對海量異構數據存儲和管理問題，采用分布式文件系統HDFS和分布式數據庫系統Hbase技術，HDFS采用主/從結構，能夠處理超大文件，采用分布式存儲形式，能夠運行于廉價的商用機器集群上。Hbase是面向列存儲的分布式和可擴展的非關系型數據庫，能夠很好地利用HDFS分布式處理模式，可以實現高性能的并發讀寫操作，能夠對數據進行透明切分，使得存儲具有水平伸縮性。

針對大規模數據并行分析計算問題，采用MapReduce技術對計算請求進行均衡分擔與并行操作。MapReduce是高性能批處理分布式計算框架，用于對海量數據進行并行分析和處理，通過將分析任務分為大量的并行Map任務和Reduce匯總任務實現分布式并行計算。MapReduce具有高度可擴展性和容錯能力，高效實現彈性計算，具有動態靈活的資源分配和調度方法，非常適合于大規模數據集的分布式并行計算。

針對數據挖掘和機器學習大量快速迭代計算問題，采用Spark技術實現高效內存計算。Spark是一個高速通用計算引擎，是對MapReduce有效補充，支持分布式數據集的迭代計算。相比MapReduce計算，在內存中以接近實時的速度完成所有數據分析，批處理速度比MapReduce快10倍，內存中的數據分析速度快近100倍。此外，提供了SparkR接口，能夠在R語言環境使用機器學習庫，Spark適用于構建大型、低延遲的數據分析應用。

4.3 基于實時流式計算引擎的信息服務架構

針對現代化復雜戰場環境下高并發大容量信息服務需求，必須對多節點、突發性、無限性、無序性的信息流進行即時處理。因此需要采用分布式、實時性高的引擎技術，本文采用基于Storm信息服務技術架構。Storm是分布式、高容錯的實時計算引擎，使得持續不斷的流計算變得容易[11]。Storm在實時分析、在線機器學習、持續計算、分布式遠程調用等領域得到廣泛應用[12]。

Storm采用Master/Slave結構，分布式計算由Nimbus和Supervisor兩類服務進程實現。Nimbus和Supervisor之間的所有協調工作是通過Zookeeper實現的。Nimbus進程運行在主節點，負責任務指派、資源分配和故障監測，并且全局只有一個。Supervisor進程運行在工作節點，負責監聽分配給它的機器，根據Nimbus指派在必要時啟動和關閉Worker工作進程，每個進程又產生一個或多個線程Executor，線程用來執行Task任務[13]。Storm分布式計算引擎模型如圖4所示。

圖4 Storm分布式計算引擎模型

基于Storm技術的信息服務框架原理流程如圖5所示。Storm調度器采用默認的round-robin機制，將每個Spout、Bolt實例分配到配置好的Worker中，并將所有Worker盡量等量分配到每臺Slave節點。Storm提交運行Topology程序，Topology處理每個最小消息單位的Tuple，也就是一個任意對象的數組。Topology由Spout和Bolt構成，Spout是發出Tuple的節點，Bolt可以隨意訂閱某個Spout或者Bolt發出的Tuple。Spout和Bolt統稱為component。瀏覽、檢索、訂閱、推送分別是四個不同的流源頭，每個源頭一個進程，將數據直接發送給下游的Bolt。為保證數據有序性，每個Tuple發送時會保存Tuple在隊列中具體位置的唯一ID，最后根據ID順序匯總計算結果。每種行為的數據格式分別不一樣，對每個來源的數據都進行特定的數據解析，獲取需要的信息tuple，傳遞給過濾Bolt，基于身份認證機制，只能給特定的身份和權限的用戶提供所需信息，發送Bolt將信息發送給下游的用戶系統。

圖5 基于Storm引擎的信息服務架構

5 結 語

在美軍大力推進軍事變革并提出網絡中心戰和空海一體戰背景下，信息系統在戰場中的作用提升到前所未有的高度。針對網絡中心戰條件下聯合作戰需求，本文提出了一種基于云計算理念的網絡化分布式軍事信息云架構。設計了分布式敏捷數據集成共享架構、基于大數據技術的數據倉庫架構和基于實時流式計算引擎的信息服務架構等關鍵組成架構。該架構打破常規信息系統局限性，能極大提升戰場信息融合共享、海量數據處理和信息按需投送能力，有效滿足未來網絡中心戰條件下聯合作戰需求。

[1] Shelton H H. Joint Vision 2020 [R]. US Government Printing Office, Washington DC: Director for Strategic Plans and Policy, J5; Strategy Division 2002.

[2] Terry S Morris. Securing Operational Access: Evolving the Air-Sea Battle Concept [M]. The National Interest, 2015.

[3] Jon von Tol. Air-Sea Battle: A Point-of-Departure Operational Concept[M]. Washington: Center for Strategic and Budgetary Assessments, 2010.

[4] Executive Office of the President. Big data research and development initiative[R].Executive Office of the President,2012.

[5] Executive Office of the President. Fact sheet: Big data across the federal government[R]. Executive office of the President, 2012.

[6] William H Inmon. 數據倉庫 [M]. 北京，機械工程出版社，2006: 20.

[7] 李春葆, 李石君, 李筱馳. 數據倉庫與數據挖掘實踐[M]. 電子工業出版社, 2014: 17.

[8] Chen H, Chiang R H L, Storey V C. Business intelligence and analytics: from big data to big impact[J]. Mis Quarterly, 2012, 36(4):1165-1188.

[9] 李春立，陳貽來. 一體化聯合作戰指揮 [M]. 北京：軍事科學出版社，2004:15-49.

[10] Vilas A F, Redondo R P D, Arias J J P, et al. Context-aware personalization services for a residential gateway based on the OSGi platform[J]. Expert Systems with Applications, 2010,37(9):6538-6546.

[11] Petkov V, Gerndt M. Integrating parallel application development with performance analysis in periscope[C]//IEEE International Symposium on Parallel & Distributed Processing, Workshops and Phd Forum. IEEE, 2010:1-8.

[12] Jonathan L, Eisbruch G, Simonassi D. Getting started with storm[M]. Sebastopol: O’ Reilly Media Inc, 2012.

[13] Anderson Q. Storm real-time processing cookbook[M]. Birmingham: Packt Publishing, 2013.

DESIGNOFNETWORKDISTRIBUTEDMILITARYINFORMATIONCLOUDARCHITECTURESOLUTIONANDITSIMPLEMENTATION

Pan Yue Yang Chenkai Lu Zejian Huang Sheng Chen Long

(ChinaAcademyofElectronicandInformationTechnology,Beijing100041,China)

Aiming at the problem that the traditional military information system “chimney” is serious, the large-scale data processing capability bottlenecks and the information on-demand service capacity is insufficient, this paper proposes a network distributed military information cloud architecture solution based on cloud computing and big data technology. First, this paper designs the military information cloud architecture and software architecture. Based on the computing concept, the battlefield resources are integrated in multi-domain, virtual and efficient, so as to form integrated resources and military information cloud. Users can obtain service from military information cloud through the end system. Secondly, we design the key frameworks of the military information cloud, including the distributed agile data integration and sharing architecture, the data warehouse architecture based on big data technology and the information service architecture based on the real-time stream computing engine. Based on the proposed network of distributed military information cloud architecture, it can enhance the interconnection and interoperability of military information system, massive data analysis and information on-demand precision service capabilities, and promote the formation of joint combat capability.

Network centric warfare Agile integration Data warehouse Information service

TP391

A

10.3969/j.issn.1000-386x.2017.10.016

2016-11-29。電子信息裝備體系研究國防科技重點實驗室基礎研究項目(DXZT-JC-ZZ-2011-015)。潘越，高工，主研領域：信息系統總體設計仿真。楊晨凱，博士。陸澤健，博士。黃勝，博士。陳龍，博士。