面向企业应用的RFID集成中间件框架

J4 ›› 2012, Vol. 34 ›› Issue (1): 111-118.

面向企业应用的RFID集成中间件框架

李华，李敏波，顾晟曦

（复旦大学计算机科学技术学院,上海201203）

收稿日期:2011-01-10 修回日期:2011-05-23 出版日期:2012-01-25 发布日期:2012-01-25
基金资助:
国家自然科学基金资助项目（71071038）

A RFID Integration Middleware Framework for Enterprise Applications

LI Hua,LI Minbo,GU Shengxi

(School of Computer Science,Fudan University,Shanghai 201203,China)

Received:2011-01-10 Revised:2011-05-23 Online:2012-01-25 Published:2012-01-25

摘要/Abstract

摘要：

本文针对RFID系统与企业应用系统的集成问题，设计并实现了RFID集成中间件，RFID集成中间件由单据服务器、硬件服务器、业务流程控制引擎、数据处理引擎、数据库管理、公共信息服务模块组成。数据流技术应用于RFID数据的过滤、封装环节，采用规则引擎与Ioc技术实现了RFID数据与业务流程的集成和融合，以及处理组件可配置性，分布式架构则提高了中间件的部署灵活性。

关键词: RFID集成中间件, 数据流, 规则引擎, 企业应用

Abstract:

RFID Integration Middleware focuses on how to integrate the RFID applications with enterprise applications, and it consists of major modules like document server, hardware server, business control engine, data process engine, database management, and public information services. The data stream technology is used to filter and encapsulate the RFID data, uses rule engine and Ioc to fuse and integrate the RFID data and business processes and process the component configurability, and the distributed architecture promises the feasibility of the RFID Integration Middleware’s deployment.

Key words: RFID integration middleware;data stream;rule engine;enterprise application

李华，李敏波，顾晟曦. 面向企业应用的RFID集成中间件框架[J]. J4, 2012, 34(1): 111-118.

LI Hua,LI Minbo,GU Shengxi. A RFID Integration Middleware Framework for Enterprise Applications[J]. J4, 2012, 34(1): 111-118.

[1]	陈子雄, 陈旭, 景永俊, 宋吉飞. 基于图神经网络的源代码漏洞检测研究综述[J]. 计算机工程与科学, 2024, 46(10): 1775-1792.
[2]	李金熹, 尹首一, 魏少军, 胡杨. 基于MLIR的数据流模型[J]. 计算机工程与科学, 2024, 46(07): 1151-1157.
[3]	张家豪, 邓金易, 尹首一, 魏少军, 胡杨. 基于Actor模型的众核数据流硬件架构探索[J]. 计算机工程与科学, 2024, 46(06): 959-967.
[4]	丁滟, 王闯, 冯了了, 王锋, 常俊胜. 基于区块链监管的联盟数据可信流通[J]. 计算机工程与科学, 2022, 44(10): 1771-1780.
[5]	张喜龙, 韩萌, 陈志强, 武红鑫, 李慕航. 基于Hellinger距离的不平衡漂移数据流Boosting分类算法[J]. 计算机工程与科学, 2022, 44(05): 788-799.
[6]	乔冠杰, 吕高锋, 谭靖, 莫露莎. 大规模数据流统计中冷热流替换策略优化[J]. 计算机工程与科学, 2021, 43(09): 1567-1573.
[7]	朱广林, 吕方, 赖庆宽, 陈华英, 何先波, . 编译器中激进蝴蝶优化方法的研究与实现[J]. 计算机工程与科学, 2021, 43(06): 962-968.
[8]	文凯, 耿小海, 朱璐伟, 许萌萌, . 基于AO算法的数据流频繁项集挖掘[J]. 计算机工程与科学, 2020, 42(12): 2259-2264.
[9]	熊菊霞1,2,3,吴尽昭1,2,3. 异构复杂信息网络敏感数据流动态挖掘[J]. 计算机工程与科学, 2020, 42(04): 628-633.
[10]	张馨予, 安建成, 曹锐. 基于自适应随机森林的数据流分类算法[J]. 计算机工程与科学, 2020, 42(03): 543-549.
[11]	杨杰，张东月，周丽华，黄皓，丁海燕. 基于网格耦合的数据流异常检测[J]. 计算机工程与科学, 2020, 42(01): 25-35.
[12]	袁泉1,2,郭江帆1,赵学华1. 一种基于集成的不均衡数据流分类算法[J]. 计算机工程与科学, 2019, 41(08): 1519-1524.
[13]	李艺煌，马胜，郭阳，陈桂林，徐睿. 基于平铺数据流的可配置神经网络加速器[J]. 计算机工程与科学, 2019, 41(06): 963-972.
[14]	李易1，常成娟1，卢圣健1，江道忠2，范东睿1，叶笑春1. 面向数据流结构的指令映射优化方法[J]. 计算机工程与科学, 2019, 41(01): 9-13.
[15]	杨胜哲，于俊清,唐九飞. 数据流程序动态调度与优化[J]. 计算机工程与科学, 2017, 39(07): 1201-1210.