0 引言
太阳能是目前最为清洁和安全的可再生资源，是传统化石能源的最佳能源替代品。但是太阳能的地理分布广泛，需要较大的采集面积，因此太阳能的利用注定是分布式的结构。光伏发电将太阳能直接转化为电力资源，对太阳能的利用率比较高，但是其发电装置必然离散地分布在相对广范的地理范围内。因此，对于发电装置的管理、监测、控制，必然需要通过远程通信来实现，并确保数据传输的安全、稳定、高效。
随着智能电网技术的发展，目前对于光伏发电终端的数据通信手段，基本上采用基于TCP/IP网络通信方式。经过多年的技术进步和发展，网路通信组件的模型的发展大体上经历了BIO（同步阻塞）、NIO（同步非阻塞）、AIO（异步非阻塞）3个阶段。
1 BIO—同步阻塞模型
BIO是基于传统的基本C/S模型，着重于两个进程间实现网络通信。其中，服务端提供基于服务本地的IP和端口号的网络侦听服务；客户端向该侦听发起通信连接请求，经过3次请求和应答握手，在成功后双方建立基于同步阻塞式的Socket的通信连接。
BIO模型在服务端的实现一般需要一个常驻的线程（侦听线程），用于维持网络侦听服务；并维护一系列线程（处理线程），用于每个连接的处理。当客户端发起一个请求后，服务侦听线程会检查当前持有的处理线程中是否有闲置资源：如果有，则将连接请求转入线程进行处理；如果没有，则新建线程用于处理，并在无法新增线程时，侦听线程需要持续等待，直到有处理线程资源释放。在处理线程中，对连接的后续传输处理完成后，通过网络输出流发送应答给客户端。
BIO可以引入线程池进行优化[1]，其网路服务支持能力会得到一定的提升，优化后的BIO的模型结构如图1所示。
在这种模式下，存在两个问题：（1）在处理线程资源紧张时，侦听线程处于阻塞状态，无法响应新的连接请求；（2）每个连接必须用独立的线程进行处理，在连接请求徒增的高并发场景下，服务端缺乏必要的处理伸缩弹性，在硬件处理上限不变的情况下，无法适应急速增长的连接请求和传输处理。因此，在高并发网络应用环境下，BIO会发生会出现大量的请求连接超时，服务端资源消耗持续在高水位，最终导致整体的服务处于瘫痪状态。
BIO模型能够支持的稳定并发连接一般不超过3 000。在光伏发电领域的背景下，基本上无法满足对于大量分布式发电设备的通信支撑要求。
2 NIO——同步非阻塞模型
在BIO使用过程中，在高并发和高吞吐的网络环境下，服务端通常只能保证1 024~2 048个套接字连接，这对于广域网并发访问，显然是不够的。NIO的出现就是针对BIO在实战中对于网络服务支持的不足。
同步非阻塞模型，采用Reactor基础设计模式——基于事件驱动的同步式基础设计模式[2]：
首先，采用channel对连接进行抽象，将连接同具体的线程资源脱离开，解除了BIO中连接和线程之间的1:1对应关系，使得连接空闲时（无数据传输时），线程资源得以回收并重用。
其次，提供同步式的事件分离调度器（实际是多个分离器，以优化连接管理和调度），将每个channel的读事件和写事件在分离调度器中进行事件注册和网络连接注册，分离调度器定时扫描网络连接注册，当某个网络连接有事件触发时，分离调度器器才申请公共资源池中的线程资源进行处理，并加载时间注册进行回调操作。
最后，在NIO中特别提供了公共缓冲区——buffer，使得所有的读写数据，都存放在公共缓冲区中，读写事件被回调激活后，也是将特定缓冲区中的一块资源调度给事件进行读写操作。这打破了BIO中每个连接被隔离开的内存管理，而是使得不同连接共享和复用内存，并在空闲时不再持有内存。
NIO模型在经过系统架构和算法优化[3]后，其主要结构如图2所示。
NIO在理论上可以支持高达1万的客户端并发实时连接（保持连接，并且不停地进行数据传输），对于并发非实时连接（保持连接，数据通信的间隔不小于30 s）可以支持超过3万客户端[4]。因此，NIO初步满足光伏发电领域的小范围数据通信要求，但是对于更加广域的发电终端连接就力不从心了，需要性能更加强大的长连接并发架构来解决问题。
3 AIO——异步非阻塞模型
在NIO的结构中，需要向分离调度器注册连接和读写事件，用于在网络连接后，传输通过调度分离之后回调实际处理功能。在这个结构中，调度分离器实际上长时间处于高负载状态，即使所有连接都没有发生传输，依然需要不停地扫描注册连接和事件，在客观上调度分离器消耗了更多的系统资源。
由于每个调度分离器内是串行循环扫描连接池和事件池，所以在响应速度上不可避免地有一定的延误，尤其在高负载高并发的应用场景下，扫描周期会更长，或者创建更多的分离调度器，消耗更多的资源以换取扫描周期的缩短。在这种情况下，系统的资源和负载会被大量的额外消耗，用于实际网络服务和业务处理的资源会被挤占。
异步非阻塞模型采用Proactor基础设计模式——基于事件驱动的异步式基础设计模式[5-6]：
通过API向操作系统的网络服务注册异步连接读写事件，以及相应的数据缓冲区。
当操作系统在底层发生网络数据传入时，操作系统将数据写入响应的连接读取缓冲区，并在写入完成后通知注册的AIO读取事件；在应用中的AIO接收到读取事件后，通过API将读取缓冲区的数据取出用于业务处理。
当业务功能需要发送数据时，调用AIO的发送API，将数据写入发送缓冲区，操作系统的底层服务会从发送缓冲区获得发送数据，并通过操作系统底层网络服务执行发送操作，在完成后通知AIO注册的写事件，通知发送任务已经完成。
本文中AIO网络服务模型已经实际应用于山东某地的光伏发电项目，模型实现的具体结构如图3所示。
在AIO模型中取消了用于周期性扫描和调度的分离调度器，基本上消除了冗余的资源消耗。操作系统的底层网络服务通过AIO的异步事件，直接与应用进行异步交互，使得网络IO与业务处理通过共享数据缓冲区进行交互，同时又在线程任务处理上被分离开，极大地提升了网络传输的长连接、高并发能力和数据高吞吐能力。
在理论上，AIO的性能取决于业务处理和操作系统的底层网络服务能力，理论上AIO模型不存在严重阻碍网络传输的瓶颈。在现有的实际服务器和网络环境下，AIO模型可以稳定支持高达10万的并发长连接。所以，AIO模型对于广域分布式的光伏发电设备的数据传输，可以提供足够的并发支撑，可以满足现有光伏发电应用的要求。
4 模型比较
通过前文对于各种网络通信模型的介绍，本文对各种模型进行汇总比较，以便于更加直观地反映各种模型的能力，以及在光伏发电领域的应用前景。各种模型的具体对比数据如表1所示。
（1）BIO ：同步并阻塞，服务器实现模式为一个连接一个线程，即客户端有连接请求时服务器端就需要启动一个线程进行处理，如果这个连接不做任何事情,将会造成不必要的线程开销，实际实现时，可以采用线程池进行优化。
（2）NIO：同步非阻塞，服务器实现模式为一个请求一个线程，即客户端发送的连接请求都会注册到分离调度器上，分离调度器轮询到连接有I/O请求时才启动一个线程进行处理。
（3）AIO：异步非阻塞，服务器实现模式为一个有效请求一个线程，客户端的网络I/O请求由OS先完成数据操作，再通知服务器应用去启动线程进行处理。
据此，可以分析并得出BIO、NIO、AIO的优缺点，以及它们适用的应用场景。
（1）BIO方式适用于连接数目比较小且固定的架构，这种方式对服务器资源要求比较高，并发局限于应用中，但系统框架和实现直观简单，易理解。
（2）NIO方式适用于连接数多且连接比较短（轻操作）的架构，并发局限于应用中，结构相对与BIO比较复杂。
（3）AIO方式使用于连接数目多且连接比较长（重操作）的架构，充分调用操作系统参与并发操作，结构相比于NIO更加复杂。
基于异步非阻塞通信（AIO）模型构建的数据通信服务，已经被应用于山东某地的光伏发电项目中，从结构上对光伏发电管理的数据拓扑进行了改进和优化，提升了对于发电终端的管理能力，提高了数据传输和通信的性能上限。改造前后，该项目的设备和网络拓扑结构如图4所示。
从改造前后的对比可以看出，借助AIO的高并发高吞吐性能优势，在通信拓扑中节省了转发设备，精简了部署的拓扑结构；在数据通信中由于更加简化的架构，减小了通信异常发生的几率；对于项目本身，降低了实施的设备成本，并且提高了系统的可维护性。
5 结论
本文面向光伏发电领域的发电设备数据通信需要，针对其分布广、离散度高的特点，分析现有的典型网络通信结构，确立了异步非阻塞模型在光伏发电数据传输中，可以提供更加强大的基础网络服务能力，可以很好地支撑相对广域范围内的大量光伏发电设备的高并发、高吞吐数据传输要求，可以作为光伏发电信息化管理服务的基础传输解决方案，并提供高可靠的数据传输保障，可以作为光伏发电的智慧化和智能化建设的网络框架基础。
参考文献
[1] 王伟平,杨思勤. 基于NIO的高并发网络服务器模型的研究与设计[J]. 硅谷, 2009(17): 18-19, 35.
[2] 叶柏龙,刘蓬. Proactor模式的NIO框架的设计与实现[J]. 计算机应用与软件, 2014(9): 110-113.
[3] LIBMAN A, GILBOURD V, 罗小平. 两种高性能I/O设计模式的比较[J]. 程序员, 2007(4): 108-111.
[4] 乔平安 , 颜景善 ,周敏. 基于Linux系统的构建高性能服务器的研究[J]. 计算机与数字工程, 2016, 44(4): 653-657.
[5] 李璞, 张玲, 胡术, 等. 多线程环境下Reactor模式的研究与实现[J]. 网络新媒体技术, 2017(2): 52-57.
[6] 刘蓬. NIO高性能框架的研究与应用[D]. 长沙: 湖南大学, 2013.
作者信息:
魏晓蔚，绳 洁，岳玉先，汝锐锐
（国网山东省电力公司聊城供电公司，山东 聊城 252000）
