【正文】 正問題。l 自動(dòng)編譯數(shù)據(jù)庫中的 PL/SQL 和 Java l 更快的觸發(fā)器，包括更加有效地調(diào)用每行觸發(fā)器l 更快的簡單 SQL 操作l 更快的 Oracle Data Guard 和 Oracle Streams 復(fù)制l 與網(wǎng)絡(luò)文件系統(tǒng)（ NFS） 存儲設(shè)備更快、更可靠的直接連接、更快的升級 l 大型文件更快的備份/還原更快的備份壓縮2）客戶端采用目前比較流行的兩種形式，包括IOS客戶端和安卓客戶端，通過客戶端為飛手和管理者提供簡單快捷的植保流程的確認(rèn)和查閱，并可通過客戶端進(jìn)行數(shù)據(jù)的采集上傳。3）數(shù)據(jù)采集通過數(shù)據(jù)導(dǎo)入，傳感器直接對接等方式，進(jìn)行數(shù)據(jù)傳輸和對接。從傳感器和其它待測設(shè)備等模擬和數(shù)字被測單元中自動(dòng)采集非電量或者電量信號,送到上位機(jī)中進(jìn)行分析，處理轉(zhuǎn)換成數(shù)字信號。通過平臺提供的數(shù)據(jù)采集算法，結(jié)合基于計(jì)算機(jī)及專用測量軟硬件的產(chǎn)品來實(shí)現(xiàn)靈活的、自定義的測量和采集系統(tǒng)4）系統(tǒng)采用SpringMVC的輕量級架構(gòu)，即可保證系統(tǒng)的運(yùn)行穩(wěn)定性，也可保證運(yùn)行java的穩(wěn)定性。該框架優(yōu)點(diǎn)主要l 有清晰的角色劃分：控制器(controller)、驗(yàn)證器(validator)、命令對象(mand obect)、表單對象(form object)、模型對象(model object)、Servlet分發(fā)器(DispatcherServlet)、處理器映射(handler mapping)、試圖解析器(view resoler)等等。每一個(gè)角色都可以由一個(gè)專門的對象來實(shí)現(xiàn)。l 強(qiáng)大而直接的配置方式：將框架類和應(yīng)用程序累都能作為JavaBean配置，支持跨多個(gè)context的引用，例如，在web控制器中對業(yè)務(wù)對象和驗(yàn)證器validator)的引用。l 可適配、非侵入：可以根據(jù)不同的應(yīng)用場景，選擇何事的控制器子類(simple型、mand型、from型、wizard型、multiaction型或者自定義)，而不是一個(gè)單一控制器(比如Action/ActionForm)繼承。l 可重用的業(yè)務(wù)代碼：可以使用現(xiàn)有的業(yè)務(wù)對象作為命令或表單對象，而不需要去擴(kuò)展某個(gè)特定框架的基類。l 可定制的綁定(binding)和驗(yàn)證(validation):比如將類型不匹配作為應(yīng)用級的驗(yàn)證錯(cuò)誤，這可以保證錯(cuò)誤的值。再比如本地化的日期和數(shù)字綁定等等。在其他某些框架中，你只能使用字符串表單對象，需要手動(dòng)解析它并轉(zhuǎn)換到業(yè)務(wù)對象。l 可定制的handler mapping和view resolution：spring提供從最簡單的URL映射，到復(fù)雜的、專用的定制策略。與某些web MVC框架強(qiáng)制開發(fā)人員使用單一特定技術(shù)相比，Spring顯得更加靈活。l 靈活的model轉(zhuǎn)換：在Springweb框架中，使用基于Map的鍵/值對來達(dá)到輕易的與各種視圖技術(shù)集成。l 可定制的本地化和主題(theme)解析：支持在JSP中可選擇地使用Spring標(biāo)簽庫、支持JSTL、支持Velocity(不需要額外的中間層)等等。l 簡單而強(qiáng)大的JSP標(biāo)簽庫(Spring Tag Library)：支持包括諸如數(shù)據(jù)綁定和主題(theme)之類的許多功能。他提供在標(biāo)記方面的最大靈活性。l JSP表單標(biāo)簽庫：，使用在JSP編寫表單更加容易。l Spring Bean的生命周期可以被限制在當(dāng)前的HTTp Request或者HTTp Session。準(zhǔn)確的說，這并非Spring MVC框架本身特性，而應(yīng)歸屬于Spring MVC使用的WebApplicationContext容器。5）采用AJAX作為前后臺異步通訊的接口，能夠很好的滿足用戶對系統(tǒng)的體驗(yàn)度。l 無刷新更新數(shù)據(jù)。AJAX最大優(yōu)點(diǎn)就是能在不刷新整個(gè)頁面的前提下與服務(wù)器通信維護(hù)數(shù)據(jù)。這使得Web應(yīng)用程序更為迅捷地響應(yīng)用戶交互，并避免了在網(wǎng)絡(luò)上發(fā)送那些沒有改變的信息，減少用戶等待時(shí)間，帶來非常好的用戶體驗(yàn)。l AJAX使用異步方式與服務(wù)器通信，不需要打斷用戶的操作，具有更加迅速的響應(yīng)能力。優(yōu)化了Browser和Server之間的溝通，減少不必要的數(shù)據(jù)傳輸、時(shí)間及降低網(wǎng)絡(luò)上數(shù)據(jù)流量。l AJAX可以把以前一些服務(wù)器負(fù)擔(dān)的工作轉(zhuǎn)嫁到客戶端，利用客戶端閑置的能力來處理，減輕服務(wù)器和帶寬的負(fù)擔(dān)，節(jié)約空間和寬帶租用成本。并且減輕服務(wù)器的負(fù)擔(dān)，AJAX的原則是“按需取數(shù)據(jù)”，可以最大程度的減少冗余請求和響應(yīng)對服務(wù)器造成的負(fù)擔(dān)，提升站點(diǎn)性能。l AJAX基于標(biāo)準(zhǔn)化的并被廣泛支持的技術(shù)，不需要下載瀏覽器插件或者小程序，但需要客戶允許JavaScript在瀏覽器上執(zhí)行。隨著Ajax的成熟，一些簡化Ajax使用方法的程序庫也相繼問世。同樣，也出現(xiàn)了另一種輔助程序設(shè)計(jì)的技術(shù)，為那些不支持JavaScript的用戶提供替代功能。l Ajax使WEB中的界面與應(yīng)用分離（也可以說是數(shù)據(jù)與呈現(xiàn)分離），有利于分工合作、減少非技術(shù)人員對頁面的修改造成的WEB應(yīng)用程序錯(cuò)誤、提高效率、也更加適用于現(xiàn)在的發(fā)布系統(tǒng)。6）分析層：采用云存儲+HADOOP技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的高速度運(yùn)算，為用戶的精準(zhǔn)營銷提供依據(jù)。l HADOOP具有高可擴(kuò)展性，因?yàn)樗梢源鎯头职l(fā)橫跨數(shù)百個(gè)并行操作的服務(wù)器數(shù)據(jù)集群。不同于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫系統(tǒng)不能擴(kuò)展到處理大量的數(shù)據(jù)，Hadoop是能給企業(yè)提供涉及成百上千TB的數(shù)據(jù)節(jié)點(diǎn)上運(yùn)行的應(yīng)用程序。l Hadoop提供了極具成本效益的存儲解決方案。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)的問題是，他并不符合海量數(shù)據(jù)的處理器，不能夠符合企業(yè)的成本效益。許多公司過去不得不假設(shè)那些數(shù)據(jù)最優(yōu)價(jià)值，然后根據(jù)這些有價(jià)值的數(shù)據(jù)設(shè)定分類，如果保存所有的數(shù)據(jù)，那么成本就會過高。雖然這種方法可以短期內(nèi)實(shí)現(xiàn)工作，但是隨著數(shù)據(jù)量的增大，這種方式并不能很好的解決問題。l Hadoop被設(shè)計(jì)為一個(gè)向外擴(kuò)展的架構(gòu)，提供數(shù)百TB的存儲和計(jì)算能力，節(jié)約了成本開銷。l Hadoop能夠輕松訪問到新的數(shù)據(jù)源，并可以分析不同類型的數(shù)據(jù)，從這些數(shù)據(jù)中產(chǎn)生價(jià)值，使系統(tǒng)可以利用Hadoop的靈活性從多數(shù)據(jù)源中獲得寶貴的分析結(jié)果和發(fā)掘商業(yè)價(jià)值。l Hadoop處理更快得益于其擁有的獨(dú)特的存儲方式，用于數(shù)據(jù)處理的工具通常在與數(shù)據(jù)相同的服務(wù)器上，從而導(dǎo)致能夠更快的處理器數(shù)據(jù)，如果你正在處理大量的非結(jié)構(gòu)化數(shù)據(jù)，Hadoop能夠有效的在幾分鐘內(nèi)處理TB級的數(shù)據(jù)，而不是像以前PB級數(shù)據(jù)都要以小時(shí)為單位。l Hadoop容錯(cuò)能力更強(qiáng)，當(dāng)數(shù)據(jù)被發(fā)送到一個(gè)單獨(dú)的節(jié)點(diǎn)，該數(shù)據(jù)也被復(fù)制到集群的其它節(jié)點(diǎn)上，這意味著在故障情況下，存在另一個(gè)副本可供使用。7）數(shù)據(jù)層：采用數(shù)據(jù)庫緩沖池技術(shù)，對數(shù)據(jù)的鏈接數(shù)采用管道化管理，既有長期駐留鏈接，又有機(jī)動(dòng)靈活使用的鏈接，方便調(diào)動(dòng)。l 數(shù)據(jù)庫連接池保證了資源的重用性，由于數(shù)據(jù)庫連接得到重用，避免了頻繁創(chuàng)建、釋放連接引起的大量性能開銷。在減少系統(tǒng)消耗的基礎(chǔ)上，另一方面也增進(jìn)了系統(tǒng)運(yùn)行環(huán)境的平穩(wěn)性（減少內(nèi)存碎片以及數(shù)據(jù)庫臨時(shí)進(jìn)程/線程的數(shù)量）。 l 更快的系統(tǒng)響應(yīng)速度，數(shù)據(jù)庫連接池在初始化過程中，往往已經(jīng)創(chuàng)建了若干數(shù)據(jù)庫連接置于池中備用。此時(shí)連接的初始化工作均已完成。對于業(yè)務(wù)請求處理而言，直接利用現(xiàn)有可用連接，避免了數(shù)據(jù)庫連接初始化和釋放過程的時(shí)間開銷，從而縮減了系統(tǒng)整體響應(yīng)時(shí)間。 l 新的資源分配手段 對于多應(yīng)用共享同一數(shù)據(jù)庫的系統(tǒng)而言，可在應(yīng)用層通過數(shù)據(jù)庫連接的配置，實(shí)現(xiàn)數(shù)據(jù)庫連接池技術(shù)某一應(yīng)用最大可用數(shù)據(jù)庫連接數(shù)的限制，避免某一應(yīng)用獨(dú)占所有數(shù)據(jù)庫資源。 l 統(tǒng)一的連接管理，避免數(shù)據(jù)庫連接泄漏 ，在較為完備的數(shù)據(jù)庫連接池實(shí)現(xiàn)中，可根據(jù)預(yù)先的連接占用超時(shí)設(shè)定，強(qiáng)制收回被占用連接。從而避免了常規(guī)數(shù)據(jù)庫連接操作中可能出現(xiàn)的資源泄漏。8）WEB服務(wù)器集群：采用負(fù)載均衡的方式，將多臺服務(wù)器關(guān)聯(lián)在一起，是每個(gè)服務(wù)器在提供相應(yīng)服務(wù)時(shí)，不會出現(xiàn)因?yàn)槟撑_服務(wù)器因?yàn)檎埱罅窟^載造成的服務(wù)器響應(yīng)速度慢，用戶等待時(shí)間長，甚至服務(wù)器卡死的問題。9）數(shù)據(jù)庫集群：數(shù)據(jù)庫通過對oracle數(shù)據(jù)文件共享的方式，完成數(shù)據(jù)庫的集群和對數(shù)據(jù)的在線熱備。并通過分布式部署數(shù)據(jù)庫的方式，提高數(shù)據(jù)庫的訪問效能，增加系統(tǒng)的訪問速度，保證系統(tǒng)的穩(wěn)定運(yùn)行。10）緩存技術(shù)：系統(tǒng)通過大數(shù)據(jù)在底層的支持，將常用分析結(jié)果通過以往的使用歷史進(jìn)行提煉，并將其通過MemoryCache的方式進(jìn)行內(nèi)存的緩存，使農(nóng)業(yè)植保模型能夠快速準(zhǔn)確的為平臺提供統(tǒng)計(jì)、分析以及預(yù)測的相應(yīng)數(shù)據(jù)，增加平臺的流暢性。、大數(shù)據(jù)底層分析技術(shù)特點(diǎn)1）HADOOPHadoop是Apach軟件基金會所開發(fā)的并行計(jì)算框架與分布式文件系統(tǒng)。最核心的模塊包括Hadoop Common、HDFS與MapReduce。系統(tǒng)采用Hadoop對采集到的數(shù)據(jù)進(jìn)行處理。HDFSHDFS是Hadoop分布式文件系統(tǒng)（Hadoop Distributed File System）的縮寫，為分布式計(jì)算存儲提供了底層支持。采用Java語言開發(fā)，可以部署在多種服務(wù)器上，以集群處理數(shù)量積達(dá)到大型主機(jī)處理性能。HDFS 架構(gòu)原理HDFS采用master/slave架構(gòu)。一個(gè)HDFS集群包含一個(gè)單獨(dú)的NameNode和多個(gè)DataNode。NameNode作為master服務(wù)，它負(fù)責(zé)管理文件系統(tǒng)的命名空間和客戶端對文件的訪問。NameNode會保存文件系統(tǒng)的具體信息，包括文件信息、文件被分割成具體block塊的信息、以及每一個(gè)block塊歸屬的DataNode的信息。對于整個(gè)集群來說，HDFS通過NameNode對用戶提供了一個(gè)單一的命名空間。DataNode作為slave服務(wù)，在集群中可以存在多個(gè)。通常每一個(gè)DataNode都對應(yīng)于一個(gè)物理節(jié)點(diǎn)。DataNode負(fù)責(zé)管理節(jié)點(diǎn)上它們擁有的存儲，它將存儲劃分為多個(gè)block塊，管理block塊信息，同時(shí)周期性的將其所有的block塊信息發(fā)送給NameNode。2）云分析技術(shù)平臺采用云端分析技術(shù)，進(jìn)行數(shù)據(jù)的分析和建模，主要采用了以下的算法進(jìn)行數(shù)據(jù)的處理。KMeans算法kmeans algorithm算法是一個(gè)聚類算法，把n的對象根據(jù)他們的屬性分為k個(gè)分割(k n)。它與處理混合正態(tài)分布的最大期望算法很相似，因?yàn)樗麄兌荚噲D找到數(shù)據(jù)中自然聚類的中心。它假設(shè)對象屬性來自于空間向量，并且目標(biāo)是使各個(gè)群組內(nèi)部的均方誤差總和最小。在該系統(tǒng)中主要使用該算法對植保需求和植保方式，藥劑配合方面進(jìn)行分析和預(yù)測。最大期望(EM)算法在統(tǒng)計(jì)計(jì)算中，最大期望 （EM，Expectation–Maximization）算法是在概率（probabilistic）模型中尋找參數(shù)最大近似值估計(jì)的算法，其中概率模型依賴于無法觀測的隱藏變量（Latent Variabl）。最大期望經(jīng)常用在機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺的數(shù)據(jù)集聚（Data Clustering）領(lǐng)域。在本系統(tǒng)中，該算法主要用在藥劑的配比和使用上。3）植保需求建模技術(shù)在以上兩種算法計(jì)算結(jié)果的支持下，系統(tǒng)對歷史植保過程進(jìn)行數(shù)據(jù)建模，供對新的植保過程預(yù)測和分析時(shí)使用。建模時(shí)主要采用了關(guān)聯(lián)規(guī)則分析的方式，用簡單的ifthen規(guī)則描述數(shù)據(jù)之間的完備關(guān)系，使其能處理連續(xù)和離散的數(shù)據(jù)。并通過決策樹方式作為支持方式，當(dāng)求解基于多個(gè)復(fù)雜屬性的特定目標(biāo)值時(shí)其性能較佳，可以產(chǎn)生相互獨(dú)立的規(guī)則。在對植保過程進(jìn)行建模時(shí)還采用了貝葉斯算法對植保噴灑服務(wù)進(jìn)行數(shù)據(jù)畫像，它是一類利用概率統(tǒng)計(jì)知識進(jìn)行分類的算法。算法共分七個(gè)步驟：（1) 收集大量的植保歷史數(shù)據(jù)，建立這些數(shù)據(jù)的數(shù)據(jù)集以備后續(xù)使用。（2) 提取數(shù)據(jù)集中較獨(dú)立數(shù)據(jù)特點(diǎn)，例如作物品種，藥劑類型等作為TOKEN串并統(tǒng)計(jì)提取出的TOKEN串出現(xiàn)的次數(shù)即數(shù)據(jù)頻次。按照上述的方法分別處理常規(guī)數(shù)據(jù)和特殊數(shù)據(jù)形成相應(yīng)的數(shù)據(jù)集。（3) 每一個(gè)數(shù)據(jù)集對應(yīng)一個(gè)哈希表，hashtable_good對應(yīng)規(guī)律數(shù)據(jù)集而hashtable_bad對應(yīng)非規(guī)律集。表中存儲TOKEN串到數(shù)據(jù)頻次的映射關(guān)系。（4) 計(jì)算每個(gè)哈希表中TOKEN串出現(xiàn)的概率P=（某TOKEN串的數(shù)據(jù)頻次）/（對應(yīng)哈希表的長度）。（5) 綜合考慮hashtable_good和hashtable_bad，推斷出當(dāng)新來的數(shù)據(jù)中出現(xiàn)某個(gè)TOKEN串時(shí)，該數(shù)據(jù)為規(guī)律數(shù)據(jù)的概率。（6) 建立新的哈希表hashtable_probability存儲TOKEN串ti到P（A|ti）的映射。（7) 至此，規(guī)律數(shù)據(jù)集和非規(guī)律數(shù)據(jù)集的學(xué)習(xí)過程結(jié)束。根據(jù)建立的哈希表 hashtable_probability可以估計(jì)一個(gè)新的植保任務(wù)是規(guī)律的任務(wù)還是非規(guī)律任務(wù)，從而給出相應(yīng)的植保噴灑意見。經(jīng)過建模后的植保歷史記錄、農(nóng)作物植保數(shù)據(jù)庫、藥劑使用規(guī)則等信息通過聚類(KMEANS)將這些數(shù)據(jù)中的離散數(shù)據(jù)，分不同向量進(jìn)行關(guān)聯(lián)，并通過不同維度進(jìn)行提煉和加工，使數(shù)據(jù)在使用時(shí)，能夠準(zhǔn)確進(jìn)行定位，提升數(shù)據(jù)定位速度，避免了以往簡單查詢數(shù)據(jù)庫所帶來的性能差，運(yùn)算慢，用戶體驗(yàn)不好的問題。、解決關(guān)鍵問題、解決農(nóng)業(yè)植保經(jīng)驗(yàn)不足問題以往植保噴灑過程中都是通過技術(shù)人員的歷史經(jīng)驗(yàn)，對所要噴灑的作物，使用的藥劑劑量，噴灑速度等等做出認(rèn)為的預(yù)估和判斷，這就造成噴灑過程不可重現(xiàn)或模擬，一旦出現(xiàn)問題不知道從哪個(gè)環(huán)節(jié)入手去查找問題。而平臺通過采集多種數(shù)據(jù)，如氣象數(shù)據(jù)、土壤數(shù)據(jù)、農(nóng)作物數(shù)據(jù)，蟲害數(shù)據(jù)等數(shù)據(jù)，通過對歷史數(shù)據(jù)樣本的比對，能夠精準(zhǔn)從多個(gè)維度給出噴灑建議，使植保能夠有效的完成，保證其高效準(zhǔn)確，殘次任務(wù)能夠得到有效控制和跟蹤。、植保供需信息相互獨(dú)立的瓶頸問題植保產(chǎn)業(yè)鏈條包括植保需求，飛手管理和培訓(xùn)，藥劑生產(chǎn)，藥劑運(yùn)輸，藥劑調(diào)配，藥劑噴灑，事后監(jiān)督等環(huán)節(jié)?，F(xiàn)階段各個(gè)環(huán)節(jié)的供需信息主要以自行發(fā)布，客戶主動(dòng)尋找為主，都是獨(dú)立在各自小圈子中，彼此之間信息共享和使用不是很及時(shí)，造成植保過程延遲等問題。而農(nóng)業(yè)植保大數(shù)據(jù)運(yùn)營平臺解決了全產(chǎn)業(yè)鏈的對接問題。從需求，到藥劑采購，再到無人機(jī)調(diào)配、藥劑運(yùn)輸配比、農(nóng)作物質(zhì)保的各種需求信息，通過平臺進(jìn)行整合，使信息能夠準(zhǔn)確高效的進(jìn)行互通。使得產(chǎn)業(yè)鏈中的各個(gè)環(huán)節(jié)不再是信息孤島，而是一個(gè)統(tǒng)一的整體，從而解決供需的瓶頸問題。、植保飛手就業(yè)問題隨著無人機(jī)行業(yè)的發(fā)展，越來越多的人考取了職