本发明涉及云计算与视图优化，特别是一种基于云计算的电子信息系统视图优化方法。
背景技术：
1、在现代电子信息系统中，用户界面和视觉展示是与用户交互的重要环节，视图优化关乎信息的有效传达，直接影响用户体验和决策效率，传统系统中的视图优化通常依赖于强大的前端处理能力，而随着云计算的兴起，其分布式处理和存储能力为视图优化提供了新的解决方案，在这个背景下，电子信息系统视图优化方法不断演进，尤其是在动态数据的实时可视化和交互性方面。
2、尽管有了这些进展，当前方法在几个方面仍存在局限，首先，面对数据量的指数级增长，前端设备往往难以即时处理和渲染复杂的视图，尤其是在移动设备或资源受限的环境中，此外，即便是依赖服务器端渲染，当处理实时更新的数据时，视图的重新渲染和加载还是会带来延迟，影响用户交互，最重要的是，现有的视图优化方法很少考虑到数据更新的动态性和不确定性，很难在不牺牲性能的情况下，提供即时和准确的视图更新。
技术实现思路
1、鉴于上述现有的基于云计算的电子信息系统视图优化方法中存在的问题，提出了本发明。
2、因此，本发明所要解决的问题在于现有的视图优化方法很少考虑到数据更新的动态性和不确定性，很难在不牺牲性能的情况下，提供即时和准确的视图更新。
3、为解决上述技术问题，本发明提供如下技术方案：一种基于云计算的电子信息系统视图优化方法，其包括，收集视图数据并进行预处理后将视图进行任务分解为多个渲染子任务，对渲染子任务进行负载预测；根据负载预测结果进行任务调度，对渲染子任务进行并行渲染；收集渲染结果并进行校验后合成渲染结果并优化；将合成后的视图存储到云存储中，并对视图进行自动更新。
4、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述收集视图数据并进行预处理后将视图进行任务分解为多个渲染子任务包括如下步骤，
5、确定数据源从中收集视图数据，对收集的视图数据进行筛选、清洗和格式转换；
6、确定视图的空间范围和结构，根据视图的空间结构，使用八叉树算法将视图空间分解为多个子区域，每个子区域对应一个渲染子任务，公式如下，
7、
8、其中，表示总的渲染子任务数量，表示视图深度，表示基于视图的空间范围和结构确定的初始子区域数量，表示在八叉树分解过程中当前层级的索引，和分别是视图的倾斜角和旋转角。
9、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述对渲染子任务进行负载预测指在空间划分后，对每个渲染子任务进行负载预测，表示为，
10、
11、其中，是在时间t的总负载预测，为渲染子任务的数量，表示任务种类系数，表示视图元素数量，是第l个渲染子任务需要传输的数据量，为第l个渲染子任务的预处理时间，为云服务器的平均处理速度，和分别为调整系数和高峰时段影响因子，为资源竞争和依赖的任务对数，是依赖深度，为依赖的渲染子任务数量，和分别是延迟影响调整系数和延迟影响，，，和分别是振幅、角频率和相位。
12、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述根据负载预测结果进行任务调度包括如下步骤，
13、记录每台云服务器的当前负载时间，对于每个渲染子任务，遍历所有云服务器，根据任务分解和负载预测得到的每个渲染子任务的负载预测结果，计算每个云服务器上执行任务的预计完成时间，表示为，
14、
15、其中，是第j台云服务器完成第l个渲染子任务的预计完成时间，是第j台云服务器的当前负载时间，是第l个渲染子任务的负载预测结果，是第j台云服务器的处理速度，是调节因子，是第l个渲染子任务需要传输的数据量，是第l个子任务与第j台云服务器之间的网络带宽，是常数；
16、为每个子任务选择一个具有最小完成时间的云服务器作为目标服务器，将子任务分配给该服务器；
17、更新目标服务器的当前负载时间，将渲染子任务的预计完成时间进行累加。
18、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述对渲染子任务进行并行渲染包括如下步骤，
19、将每个渲染子任务及其相关数据发送到选择的目标云服务器上；
20、目标云服务器接收到渲染子任务后，将渲染子任务加入渲染队列中等待；
21、在每台云服务器上，启动渲染引擎，从渲染队列中提取渲染子任务进行处理；
22、根据渲染子任务的特性和要求，设置渲染引擎的参数，使用渲染引擎并行处理分配到服务器上的多个渲染子任务，利用云服务器的多核cpu和gpu加速渲染过程；
23、监控渲染过程中的资源使用情况和渲染进度，等待渲染任务完成。
24、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述收集渲染结果并进行校验指每个云服务器使用md5哈希算法对渲染子任务的渲染结果生成哈希值，并将哈希值与渲染子任务的渲染结果通过tcp协议发送到主服务器，主服务器接收到渲染子任务的渲染结果后，重新计算其md5哈希值，并与接收到的哈希值进行比较，直到校验完成。
25、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述合成渲染结果并优化包括如下步骤，
26、确定各个渲染结果之间的重叠区域，对于重叠区域，使用加权平均法进行像素值合成；
27、将处理过重叠区域的渲染结果按照空间位置进行拼接，形成完整的视图；
28、对合成后的视图进行色彩校正和抗锯齿处理。
29、作为本发明所述基于云计算的电子信息系统视图优化方法的一种优选方案，其中：所述将合成后的视图存储到云存储中，并对视图进行自动更新包括如下步骤，
30、将优化后的视图存储到云存储服务中，为每个视图分配一个唯一的缓存标识符；
31、采用lfu缓存替换策略，在每次访问视图时，更新视图的访问频次计数，在缓存空间不足时，优先移除访问频次最低的视图，当请求加载视图时，检查视图对应的唯一缓存标识符，
32、若缓存标识符存在，则直接从云存储中加载视图；
33、若缓存标识符不存在，则执行视图渲染流程，并将渲染结果存储到云存储中；
34、实时监测各数据源的更新，计算数据更新前后的哈希值，定义更新前的数据哈希值为，更新后的数据哈希值为，若，说明数据发生了变化；
35、根据哈希值的差异，评估数据变化程度，表示为，
36、
37、其中，表示数据变化的量化指标，定义变化程度阈值，表示为，
38、
39、其中，是比例因子，a是数据项的数量，是第i个数据项的权重，是第i个数据项相对于其平均变化的偏差量，是数据项的总数，是用于调整对数项影响力的系数，是接近于零的小正数，是数据更新频率的度量；
40、得出变化程度和变化程度阈值后对数据变化程度进行判断，若＞，则说明需要更新整个视图，否则仅更新部分视图；
41、若是更新整个视图，则重新执行视图渲染流程；
42、若是更新部分视图，则仅重新渲染受影响的部分，并将新渲染的结果与原视图进行合并；
43、将更新后的视图重新缓存到云存储中，替换掉旧的缓存数据，并在视图更新完成后，通知用户视图已更新。
44、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于云计算的电子信息系统视图优化方法的步骤。
45、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于云计算的电子信息系统视图优化方法的步骤。
46、本发明有益效果为：本发明利用云计算的弹性计算资源，分解视图渲染任务并进行并行处理，通过在云平台上集成的校验和合成机制以及视图自动更新机制，不仅减少了单点渲染的负载，也提高了整体的渲染速度，确保了渲染结果的准确性和一致性，能够保持视图最新状态，减少不必要的资源消耗，提供即时和准确的视图更新。
1.基于云计算的电子信息系统视图优化方法，其特征在于：包括，
2.如权利要求1所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述收集视图数据并进行预处理后将视图进行任务分解为多个渲染子任务包括如下步骤，
3.如权利要求2所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述对渲染子任务进行负载预测指在空间划分后，对每个渲染子任务进行负载预测，表示为，
4.如权利要求3所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述根据负载预测结果进行任务调度包括如下步骤，
5.如权利要求4所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述对渲染子任务进行并行渲染包括如下步骤，
6.如权利要求5所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述收集渲染结果并进行校验指每个云服务器使用md5哈希算法对渲染子任务的渲染结果生成哈希值，并将哈希值与渲染子任务的渲染结果通过tcp协议发送到主服务器，主服务器接收到渲染子任务的渲染结果后，重新计算其md5哈希值，并与接收到的哈希值进行比较，直到校验完成。
7.如权利要求6所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述合成渲染结果并优化包括如下步骤，
8.如权利要求7所述的基于云计算的电子信息系统视图优化方法，其特征在于：所述将合成后的视图存储到云存储中，并对视图进行自动更新包括如下步骤，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的基于云计算的电子信息系统视图优化方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于云计算的电子信息系统视图优化方法的步骤。
