海量电子图书信息资源利用率均衡调度方法
张牧宁1劉建宏2
(北京大学1,北京 100871；上智大学2,日本东京 1028554)
摘 要 为解决传统方法调度均衡性差,资源利用率低的弊端,提出一种新的海量电子图书信息资源利用率均衡调度方法。依据海量电子图书信息资源池中物理服务器的工作情况,对资源池运行工作进行判断,针对不饱和运行状态,通过分析资源利用率方差、资源利用率均衡度和整个资源利用率均衡度,建立均衡调度目标函数,采用蚁群算法对其进行求解决,获取最优调度策略。在资源池饱和的情况下,求出全部虚拟机资源的等待时间,选用等待时间最短的虚拟机执行当前海量电子图书网络用户请求资源。结果表明,所提方法调度结果和其他方法相比最均衡,只有少部分均衡性相对较差；对CPU和I/O资源利用率调度均衡性较好,对内存利用率调度均衡性相对较差,但和其他方法相比较好；对不同资源利用率均为95%～99%。可见所提方法对电子图书信息资源利用率调度均衡性好,有很高的竞争力和资源利用率。
关键词 海量 电子图书 信息 资源利用率 均衡调度
现阶段,计算机技术迅猛发展,知识产权逐渐成熟,为电子图书信息资源的完善提供有效支持,海量电子图书资源是否可充分发挥效能,主要和初始用户量及持续使用电子图书信息资源用户量有关[1,2]。海量电子图书网络在提供电子信息资源的情况下,面临网络搜索引擎服务商的竞争压力,对电子图书信息资源利用率进行均衡调度的过程中,在很大程度上会出现资源遗漏问题,不能充分利用资源[3,4]。在这种情况下,怎样有效实现海量图书信息资源利用率均衡调度成为亟需解决的问题。
传统二元法把某个期间内的资源利用率均衡度看作矩形区域,对资源能力三角形进行定义,将资源能力三角形看作判断标准,对电子图书信息资源利用率进行调度,该方法只依据资源能力三角形进行调度,得到的结果较为片面,无法保证均衡性[5,6]。松弛时间把利用坐标对资源能力进行描述,定义电子图书信息资源在某时刻的可用资源能力最大值,把时间轴分割成几个宽度,实现对电子资源利用率的调度,该方法容易出现资源遗漏问题,无法充分利用资源。为了解决上述问题,提出一种新的海量电子图书信息资源利用率均衡调度方法。
1 海量电子图书信息资源利用率均衡调度方法
海量电子图书信息资源利用率调度过程复杂,资源需求量不稳定,且虚拟机分布不均。在进行调度的过程中,需在考虑电子图书信息资源利用率均衡调度的同时,也考虑硬件资源调度。从资源池运行状态是饱和还是不饱和两方面进行分析。
传文中，齐襄公灭纪国却被称为“贤者”，缘于他替远祖复仇的行为，故孔子予以褒奖，同时，提出了复仇的两条原则：一是由于国君一体，历代相袭，故九世仍可复仇；二是在“上无天子，下无方伯”即天下无道、公义尽丧的情况下，个人可以循着恩痛去复仇。“这种恩痛之情是人类自然的血缘之情，充溢在人的心中不能已，在人类一切价值都毁灭后这种缘恩疾而产生的情感就成了人类唯一的、最后的价值，成了恢复人类公义的最后希望。职是之故，公羊家大复仇说对人类的恩痛之情给予了最高的赞礼，并以之为复仇的最终依据”[8]。
1.1 资源池运行状态判断
假设海量电子图书信息资源池中存在N 个物理服务器Q i (i =1,2,…,N ,N 代表正整数),所有物理服务器Q i 上均承载M i 个虚拟服务器U ij (j =,2,…,M i ,M i 代表正整数),所有虚拟机可共同并行运行P i,j 个任务,P i,j >0为正整数。
通过电子图书用户请求任务到达对资源分配进行触发,在用户请求任务达到的情况下,依据资源调度规则对资源进行选择,并执行任务[7]。
依据海量电子图书信息资源池中物理服务器的工作情况,对资源池运行工作Q i 进行判断,详细过程如下。
(1)利用调度服务器,针对各R i,j ,采集其承载的各虚拟机上正在执行的用户请求任务数p i,j 。
(2)求出物理服务器Q i 的利用率η i ,则有:
为了验证本文方法的有效性,与文献[8]方法和文献[14]方法作为对比进行测试。
(1)
式(1)中:分母代表物理服务器Q i 能够并行执行的最大用户请求任务数；分子代表现阶段执行的任务数[8]。在η i =1的情况下,代表物理服务器Q i 处于饱和状态；在η i =0的情况下,代表物理服务器i 上无虚拟机正在执行的用户请求任务,这里假设当前物理服务器i 处于关闭状态。
针对某海量电子图书网站,采用本文方法、文献[8]方法和文献[14]方法对信息资源利用率进行均衡调度,调度结果如图1所示。
安：当然是范·克莱本的演绎！关于你说的解构，我认为他是第一个抛开此曲极其复杂的技术，而以更高的视角审视此曲完整艺术价值的演奏家！这样的视角也是极有前瞻性的。他的演奏不追求极致速度，却是满满的音乐性、歌唱性。他无须用这首曲子证明什么，也并未因为其中的技术而歇斯底里。他把“拉三”当成纯粹的音乐。
1.2 不饱和运行资源利用率均衡调度
式(2)中:
为物理机i 上第c 维资源的利用率；
为物理机i 上资源利用率均值。
假设
代表物理机i 上第c 维资源的总量,
代表虚拟机j 对第c 维资源的请求量。在虚拟机j 部署至物理机i 的情况下,变量x ij 是1,反之是0[11]。则物理机i 的资源利用率方差可通过式(2)求出:
互联网大数据的法律治理研究——以大数据的财产属性为中心……………………………………………………………杨永凯（2）：61
(2)
针对不饱和运行状态,本节给出详细的资源利用率均衡调度过程。假设虚拟调度过程中共存在C 种资源,主要有电子图书信息资源和硬件资源[9]。首先对资源利用率方差
资源利用率均衡度
进行定义,其中
代表物理机i 上的资源利用率方差,代表物理机i 资源利用率均衡程度。然后对整个资源利用率均衡度ξ 进行定义[10]。
随着的逐渐降低,物理机i 的资源利用率均衡性越高,资源浪费越少[12]。然而若物理机上某维资源利用率较高,而其余资源利用率均衡,则尽管其资源利用率方差小,但整体均衡性差。为此,通过资源均衡率B i 对某维资源利用率过高情况进行约束[13],如(3)所示:
(3)
式(3)中:B i 低于
为资源利用率均值；
为资源利用率最大值。假设当前第c 维资源利用率最高,在B i 较大的情况下,第c 维资源利用率趋近于均值
当前对某维资源利用率过高的约束效果较好。
综合分析资源利用率方差与资源均衡率B i ,那么物理机i 的资源利用率均衡度可通过式(4)求出:
3）农村公共服务供给的多学科研究。对农村公共服务的研究受到多学科关注，主要有社会学、经济学和管理学等。
(4)
整体资源利用率均衡度可通过式(5)求出:
(5)
式(5)中:y i 为物理机i 是否开启,在物理机i 开启的情况下,y i 是1,反之是0。
综上,在资源池不处于饱和状态的情况下,可通过式(6)实现均衡调度:
急诊急救护士优秀实训基地 复旦大学附属中山医院;复旦大学附属华山医院;上海交通大学医学院附属瑞金医院;上海市第六人民医院
(6)
针对式(6)采用蚁群算法对其进行求解决[14],获取最优调度策略。
虚拟机集合U GS={U G1 ,U G2 ,…,U Gk }和物理机集合D GS={D G1 ,D G2 ,…,D Gk }。
碳酸氢钠溶液能够中和口腔菌斑糖酵解时所产生的酸性物质，改变细菌的生存环境，进而减少了唾液中致龋菌的数量，有利于促进釉质的再矿化[13]。本研究的釉质再矿化实验中，脱矿后的釉质块经碳酸氢钠液处理后，SEM下可见釉质表面平坦，也可见一些不规则片状晶体堆积，这可能与碳酸氢钠液能与牙体组织中的钙、磷酸盐形成二水磷酸氢钙沉积于牙表面有关[14]; 表明碳酸氢钠液具有促进釉质再矿化的能力。在釉质脱矿抑制实验中，碳酸氢钠液组釉质表面凹坑相对较浅且分布更分散，与人工唾液组相比，釉质脱矿明显减轻，证明1 mol/L碳酸氢钠液能在一定程度上抑制釉质的脱矿。
输入虚拟机集合U ij 、物理机集合Q i 、信息启发因子ε 、期望启发因子δ 、迭代次数上限J max、信息素挥发率μ 以及蚂蚁数量k 。
首先对迭代次数J =0进行初始化处理,对全部物理机路径上的信息进行初始化处理[15]。
k 只蚂蚁通过式(7)对物理机进行选择:
k 只蚂蚁实现对全部虚拟机的部署,同时得到k 个放置方案后,依据式(7),比较选择本次循环最优放置方案与最大调度均衡性[17]。通过式(10)和式(11)对全局信息素进行更新:
(7)
式(7)中:E i 为以蚂蚁a i 建立的物理机躲避列表；h i =Q i -t i 为允许a i 选择的物理机集合,t i 为禁忌表；ε 为信息素启发式因子,是信息素关键程度的体现,其值越大,认为蚂蚁越倾向于选择历史路径；δ 为期望启发式因子,是启发式关键程度的体现,其值越高,认为蚂蚁在某点选择最短路径的可能程度越高；λ j (t )为启发因子,是蚂蚁在第t 步搜索中把虚拟机U ij 部署于物理机D Mj 上的期望程度的体现。
蚂蚁实现对虚拟机的部署后,通过式(8)完成对分配物理机局部信息素的更新处理:
(8)
(9)
式(9)中:G (t )为时刻t 云数据中心的负载不均衡度；χ 为信息素挥发系数；(1-χ )为信息素残留因子,为了避免信息的聚集,设定χ 在[0,1]区间内取值[16]；Δτ (t )为蚂蚁在路径上留下的信息素增量。
综上所述，本研究认为女性免疫性不孕患者的阴道分泌物炎性因子及血清微量元素指标表达异常，与慢性生殖道炎症及微量元素有密切关系，上述检测指标可作为疾病诊治的重要参考依据。
(10)
(11)
完成对迭代次数J 的判断后。如果J <J max,则J =J +1,重新进行上述过程；反之,结束迭代,获取最优调度方案F 。
1.3 饱和运行资源利用率均衡调度
在资源池饱和的情况下,求出全部虚拟机资源的等待时间,选用等待时间最短的虚拟机执行当前海量电子图书网络用户请求资源[18]。针对候选虚拟机资源Q i,j ,若此刻运行实例数量p i,j 为最大并行实例数P i,j 相等,则认为新的任务请求需排队等待。虚拟机资源等待时间计算过程如下。
(1)依据调度服务器对虚拟机资源Q i,j 的运行状态进行检测,同时得到对应参数值,包括虚拟机Q i,j 现阶段运行实例数p i,j 、虚拟机Q i,j 的任务排队数量q ti,j 、虚拟机Q i,j 执行完一个用户请求任务所需的时间l i,j 。
(4)对接BEPS第14项行动计划成果，国内税法中完善相互协商程序规定。2017年3月28日，国家税务总局发布了《特别纳税调查调整及相互协商程序管理办法》，引入BEPS第14项行动计划成果《创建更有效的争端解决机制》中强制仲裁除外的相关建议，对避免双重征税协定下的相互协商程序作了详细规定，确保及时解决相互协商程序案件，着力提高相互协商程序的效率。
(2)求出虚拟机Q i,j 的资源等待时间r ti,j ,公式如式(12)所示:
中国农业大学近年来一直在培养人才模式上创新，让学生入驻到农村，放在“三农”的最前沿打造，毕业后的学生愿意留在农业的也还不多。有时候，朋友们说笑话，未来农业的现代化，还将有一批有志于“三农”事业的“知青”才可以实现。
(12)
(3)选择等待时间r ti,j 最短的虚拟机执行当前用户请求任务,如果同时存在若干虚拟机等待时间相同,同时最小,则选择i 、j 更小的虚拟机资源。
我边说边用手指着果果，“你他妈以为你永远16岁啊！你……”话还没说完，爸爸一巴掌打在我指着果果的手上，拽过我的衣领，我能听见衣领被撕扯开的声音。果果见爸爸是真的发怒了要揍我，立刻惊慌失措地冲进来，紧紧地抱着我，“爸爸，不生气，不要打冻冻好不好。”果果乞求着。
2 实验结果分析
莫言认为：“长篇小说的结构是长篇小说艺术的重要组成部分，是作家丰沛想象力的表现。好的结构，能够凸显故事的意义，也能够改变故事的单一意义”[13]。在他看来，结构从来不仅仅是小说的外在形式，它有时候就是故事的内容，是作家思想情感的展示方式，包孕着作家的胸怀气象和话语寄托，传达着作家的艺术才华和审美意图。只有好的故事结构才能承担起故事的丰富内蕴，呈现文本的多义多解。在诸多长篇小说叙事结构中，“复调型的民间叙事结构是莫言小说的最基本的叙事形态”[14](P29)，成为莫言文学作品深厚内蕴的有力承载者。
文献[8]依据蚁群算法,利用任务和资源匹配度函数对信息素中的启发信息进行优化,同时利用成本函数减少负载不均衡度,提高利用率调度均衡性。
文献[14]采用依据OpenStack的虚拟机动态调度方法,选用节点负载的上线与下线触发策略,以及将提升服务质量的调度策略实现资源利用率均衡调度。为了防止群聚效应,利用虚拟机对节点的需求度对虚拟机与节点间的匹配度进行衡量。
(3)对资源池运行状态S 。针对全部物理服务器Q i ,若都有η i =1,则认为资源池状态是饱和状态,也就是S =1；反之认为是不饱和状态,也就是S =0。
式中：是包含构件i的模块，如果mi=mj，则δmi,mj=1，反之则为0。Q的最大值为1，Q值越大，表示系统划分后的模块化程度越高。采用Q作为优化目标的优点在于，设计人员可以直接判断一个系统划分之后是否表现出模块化的结构，例如当Q>0.3时，便可认为系统具有模块化的组织结构[15]。
图1 三种方法资源利用率调度结果
Fig.1 Resource utilization scheduling results of three methods
分析图1可知,采用本文方法对海量电子图书信息资源利用率进行调度,调度结果和其他方法相比最均衡,只有少部分均衡性相对较差,文献[8]方法与文献[14]方法相比,对电子图书信息资源利用率的均衡度较高,但和本文方法相比较差,验证了本文方法的有效性。
下面对硬件资源利用率调度性能进行测试,以保证本文方法调度下,电子图书信息网络有很高的竞争力。
任意选择10个资源(R1～R10),观察本文方法、文献[8]方法和文献[14]方法下,CPU、I/O及内存资源利用率调度均衡性比较结果,如图2～图4所示。
图2 CPU利用率调度均衡性
Fig.2 CPU utilization scheduling equilibrium
图3 I/O利用率调度均衡性
Fig.3 I/O utilization scheduling equilibrium
图4 内存利用率调度均衡性
Fig.4 Memory utilization scheduling equilibrium
综合分析图2～图4可知,本文方法对CPU和I/O资源利用率调度均衡性较好,对内存利用率调度均衡性相对较差,针对R3与R6资源的调度效果劣于其他资源。但整体看来,本文方法对硬件资源利用率调度均衡性仍旧明显优于文献[8]方法和文献[14]方法,验证了本文方法对硬件资源利用率的均衡性,保证了用户对海量电子图书信息进行阅览时的流畅性。
下面对本文方法的资源利用率进行测试。资源利用率即对海量电子图书信息资源利用程度,可通过式(13)求出:
(13)
式(13)中:t j,stime 为资源任务j 的开始时间；t j,etime 为资源任务j 的停止时间；Δ ij 为布尔变量,代表j 是否被分配给虚拟机i 执行,若是,则Δ ij =1,否则Δ ij =0；T etime为执行全部资源任务的时间跨度。
采用本文方法、文献[8]方法、文献[14]方法对海量电子图书信息资源利用率进行均衡调度后,对电子图书信息资源及硬件资源利用率变化情况如表1所示。
Voodoo comes from the Caribbean and includes gods and magic.
表1 三种方法资源利用率变化情况
Table 1 Change of resource utilization rate in three ways
实验结果表明,本文方法对不同资源利用率均为95%～99%,趋近于1,说明采用本文方法进行调度后有很高的资源利用率。文献[8]方法对硬件资源利用率较高,但仍低于本文方法,对电子图书信息资源利用率较低。而文献[14]方法对电子图书信息资源利用率和硬件资源利用率均较低,整体性能最差。说明本文方法能够提高提高资源利用率,实用性强。
3 结论
提出一种新的海量电子图书信息资源利用率均衡调度方法。依据海量电子图书信息资源池中物理服务器的工作情况,对资源池运行工作进行判断,针对不饱和运行状态和饱和运行状态,给出不同调度方案。
实验结果表明,采用本文方法对海量电子图书信息资源利用率进行调度,调度结果和其他方法相比最均衡,只有少部分均衡性相对较差,对硬件资源利用率调度均衡性也较好。采用所提方法调度后,有很高的资源利用率。
参考文献
1 解 敏. 图书馆电子资源利用率均衡调度优化研究仿真[J]. 计算机仿真, 2017, 34(3): 353-356
Xie Min. Library electronic resource utilization rate equilibrium scheduling optimization research simulation[J]. Computer Simulation, 2017, 34(3): 353-356
2 蒋本立, 张小平. 大数据网络的均衡调度平台设计与改进[J]. 现代电子技术, 2016, 39(6): 62-65
Jiang Benli, Zhang Xiaoping. Design and improvement of balanced scheduling platform for big data network[J]. Modern Electronics Technique, 2016, 39(6): 62-65
3 朱亚会, 陈 丹, 庄 毅. 云数据中心资源利用率均衡的虚拟机调度算法[J]. 小型微型计算机系统, 2017, 38(2): 232-237
Zhu Yahui , Chen Dan, Zhuang Yi. Virtual machine scheduling algorithm for resource utilization balanced in cloud data center[J]. Journal of Chinese Computer Systems, 2017, 38(2): 232-237
4 聂清彬. 关于云资源负载均衡的任务调度优化管理[J]. 计算机工程与设计, 2017, 38(1): 18-21
Nie Qingbin. Optimization management of task scheduling for cloud resource load balance[J]. Computer Engineering and Design, 2017, 38(1): 18-21
5 Wetzker W, Buntesch?nberger K, Walter J, et al. Use of ventilator utilization ratio for stratifying alcohol-based hand-rub consumption data to improve surveillance on intensive care units.[J]. Journal of Hospital Infection, 2016, 95(2): 185-188
6 王曙霞, 焦家林, 黄志武. 虚拟实验室中云平台资源均衡调度方法[J]. 电脑知识与技术, 2017, 13(29): 172-173
Wang Shuxia, Jiao Jialin, Huang Zhiwu. The balance scheduling of cloud platform resources in virtual laboratory[J]. Computer Knowledge and Technology, 2017, 13(29): 172-173
7 朱彦杰. 基于最优化网格分配的资源数据库访问控制[J]. 科技通报, 2015, 31(8): 216-218
Zhu Yanjie. Access control for resource database based on optimization grid distribution[J]. Bulletin of Science and Technology, 2015, 31(8): 216-218
8 聂清彬, 霍敏霞, 曹耀钦. 面向用户任务与云资源匹配度的调度算法研究[J]. 微电子学与计算机, 2016, 33(7): 93-97
Nie Qingbin, Huo Minxia, Cao Yaoqin. The research of scheduling algorithm faced to the matching degree of user's task and cloud resource[J]. Microelectronics & Computer, 2016, 33(7): 93-97
9 赵 丹, 王 伟, 华 中,等. Android平台下VOD系统动态负载均衡的应用研究[J]. 电子设计工程, 2016, 24(8): 178-181
Zhao Dan, Wang Wei, Hua Zhong,et al. Application research of dynamic load balancing algorithm based on Android platform in VOD system[J]. Electronic Design Engineering, 2016, 24(8): 178-181
10 孟令玺, 李洪亮, 孟令威. 基于云计算平台的虚拟资源可扩展存储算法[J]. 科学技术与工程, 2017, 17(24): 92-97
Meng Lingxi, Li Hongliang, Meng Lingwei. Scalable storage algorithm of virtual resources based on cloud computing platform[J]. Science Technology and Engineering, 2017, 17(24): 92-97
11 张 露, 尚艳玲. 云计算环境下资源调度系统设计与实现[J]. 计算机测量与控制, 2017, 25(1): 131-134
Zhang Lu, Shang Yanling. Design and implementation of resource scheduling system in cloud computing environment[J]. Computer Measurement & Control, 2017, 25(1): 131-134
12 Henze Bancroft L C, Strigel R M, Hernando D, et al. Utilization of a balanced steady state free precession signal model for improved fat/water decomposition.[J]. Magnetic Resonance in Medicine, 2015, 75(3): 1269-1277
13 匡珍春, 谢仕义. 基于猫群优化算法的云计算虚拟机资源负载均衡调度[J]. 吉林大学学报(理学版), 2016, 54(5): 1117-1122
Kuang Zhenchun, Xie Shiyi. Load balancing scheduling of virtual machine resource in cloud computing based on cat swarm optimization algorithm[J]. Journal of Jilin University (Science Edition), 2016, 54(5): 1117-1122
14 邓志龙, 段哲民, 李刘涛. OpenStack环境下的资源动态调度研究[J]. 西北工业大学学报, 2016, 34(4): 650-655
Deng Zhilong, Duan Zhemin, Li Liutao. Research of dynamic scheduling of resources under the environment of OpenStack[J]. Journal of Northwestern Polytechnical University, 2016, 34(4): 650-655
15 Hunter M G. Strategic utilization of information systems in small business[J]. Chemosphere, 2015, 81(11): 1477-1485
16 崔广章, 朱志祥. 容器云资源调度策略的改进[J]. 计算机与数字工程, 2017, 45(10): 1931-1936
Cui Guangzhang, Zhu Zhixiang. Improved container cloud resource scheduling policy[J]. Computer and Digital Engineering, 2017, 45(10): 1931-1936
17 黄妙娜, 冯穗力, 陈 军,等. LTE网络中多目标优化的动态负载均衡算法[J]. 电子与信息学报, 2014, 36(9):2152-2157
Huang Miaona, Feng Suili, Chen Jun,et al. Dynamic load balancing scheme for multi-objective optimization in LTE networks[J]. Journal of Electronics & Information Technology, 2014, 36(9): 2152-2157
18 Wambugu P W, Ndjiondjop M N, Henry R J. Role of genomics in promoting the utilization of plant genetic resources in genebanks[J]. Briefings in Functional Genomics, 2018, 17(3): 198-206
A Balanced Scheduling Method for Information Resource Utilization of Massive E -books
ZHANG Mu-ning1, LIU Jian-hong2
(Peking University1, Beijing 100871,China; Sophia University2, Tokyo 1028554, Japan)
[Abstract ]In order to solve the shortcomings of poor balance and low resource utilization of traditional methods, a new balanced scheduling method for the utilization ratio of massive e-book information resources was proposed. According to the working conditions of physical servers in the massive e-book information resource pool, the operation of the resource pool was judged. Aiming at the unsaturated operation state, the balanced scheduling objective function was established by analyzing the variance of resource utilization rate, the balance of resource utilization rate and the balance of the whole resource utilization rate, and the ant colony algorithm was adopted to solve the problem. To solve the problem, the optimal scheduling strategy was obtained. When the resource pool was saturated, the waiting time of all the virtual machine resources was calculated, and the virtual machine with the shortest waiting time was selected to execute the current massive e-book network users requesting resources. The results show that the proposed method has the most balanced scheduling results compared with other methods, only a few parts of the balance is relatively poor. The CPU and I/O resource utilization scheduling balance is better, and the memory utilization scheduling balance is relatively poor. But is beteer compared with other methods. The utilization of different resources are in the range of 95% ～ 99%. It can be seen that the proposed method has a good balance in dispatching the utilization ratio of e-book information resources, and has a high competitiveness and resource utilization ratio.
[Key words ]massive e-book information resource utilization balanced scheduling
引用格式: 张牧宁, 劉建宏. 海量电子图书信息资源利用率均衡调度方法[J]. 科学技术与工程, 2019, 19(22): 223-228
Zhang Muning, Liu Jianhong. A balanced scheduling method for information resource utilization of massive e-books[J]. Science Technology and Engineering, 2019, 19(22): 223-228
中图法分类号 TP311；
文献标志码 A
2019年10月15日收到
第一作者简介: 张牧宁(1973—),男,汉族,北京人,博士研究生。E-mail:zhangmuning@126.com。
*通信作者简介: 劉建宏(1973—),男,汉族,中国台灣台南人,博士,助理教授。研究方向:数位策略,公司策略及创新,产业数位化升级。