CN101447903B - 基于熵(自组织)稳定性管理 - Google Patents

基于熵(自组织)稳定性管理 Download PDF

Info

Publication number
CN101447903B
CN101447903B CN200810178555.XA CN200810178555A CN101447903B CN 101447903 B CN101447903 B CN 101447903B CN 200810178555 A CN200810178555 A CN 200810178555A CN 101447903 B CN101447903 B CN 101447903B
Authority
CN
China
Prior art keywords
node
stability
group
network
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200810178555.XA
Other languages
English (en)
Other versions
CN101447903A (zh
Inventor
J·B·维森特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Priority to CN201310174162.2A priority Critical patent/CN103269283B/zh
Publication of CN101447903A publication Critical patent/CN101447903A/zh
Application granted granted Critical
Publication of CN101447903B publication Critical patent/CN101447903B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H04L41/046—Network management architectures or arrangements comprising network management agents or mobile agents therefor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Computer And Data Communications (AREA)

Abstract

在一些实施例中，本发明包括估算将要用于框架系统中的基于熵稳定性的值以构造新一类的网络控制(策略)和(状态)管理服务。该框架可以用于构造许多自组织服务以支持分散式(网状)网络。还描述和保护了其它实施例。

Description

基于熵(自组织)稳定性管理
技术领域
本发明的实施例通常涉及复杂计算机网络并且，尤为特别地，涉及自组织节点成为网络中的群(cluster)以用于网络的控制和管理。
背景技术
存在有多种机制用于管理复杂网络。用于网络控制和管理的两个广泛使用的技术是集中式管理和分散式或分布式管理机制。当着眼于复杂网络的控制和管理的问题时，控制经常与策略或配置管理相关联而策略或配置管理与状态评估或状态特征化相关联。目前，存在许多网络管理工具并且被用在各种复杂网络中。许多工具是基于集中式系统的概念，该集中式系统中通常具有集中授权和管理员。客户端基于由集中授权的状态或策略决策进入该集中式系统。
分散式网络也被使用，例如，用在对等模型中。然而，大部分网络管理系统是以集中式模型为基础。对于网络管理和控制具有两方面。一方面自主系统经常涉及控制系统模型，其中确定系统的状态，而另一方面，通过某种策略或配置对系统进行控制。当系统是自主的时候，在某种意义上，该环是闭合的。这样，就有状态面和控制面。通常，网络管理系统是集中式或分散式。
正如目前所实施的那样，集中式模型网络和分散式模型网络都有问题。例如，集中式模型对于非常大的复杂系统在规模上不是很适用。在分散式网络中，例如，对等和网状网络、节点或客户端系统，可能独立于基本设施服务器或基本设施路由器来工作。对于控制和管理，经常导致相当复杂的环境。
管理大系统中的其它问题涉及识别定义系统的稳定性、工作效率、鲁棒性和其它操作度量的标准。可以收集并分析系统的工作特性，以使决策者或管理者可以重组该系统以获得最佳的性能和效率。
发明内容
根据本发明的一个方面，提供一种用于基于熵的稳定性管理的系统，其包括：在网络中执行稳定性代理的处理器；该稳定性代理用于从所述网络上的多个节点收集稳定性信息以及确定该多个节点之间和之中的相对可信赖性，以及用于估算该多个节点中的每个节点和网络的稳定性水平，其中使用基于熵的统计方法来估算稳定性水平；以及至少在该网络上的节点上运行的操作代理，该操作代理用于从该稳定性代理接收该稳定性信息以及基于该稳定性信息给该网络的至少一方面提供管理和控制操作。
根据本发明另一方面，还提供一种用于在具有多个节点的网络中基于熵的稳定性管理的方法，包括：由稳定性代理从该网络上的多个节点收集稳定性信息；由该稳定性代理基于所收集到的稳定性信息确定该网络上的多个节点之间或之中的相对可信赖性；由该稳定性代理估算该网络上多个节点中的每个节点的稳定性水平，其中该稳定性水平由使用基于熵的统计方法来估算；以及由该稳定性代理提供该稳定性水平的信息到用于管理和控制操作的操作代理，该操作代理运行在网络上的节点上。
根据本发明又一方面，还提供一种用于在具有多个节点的网络中基于熵的稳定性管理的设备，包括：网络中的处理器；用于通过在该处理器上执行的稳定性代理，从网络上多个节点收集稳定性信息的第一逻辑单元；用于通过该稳定性代理基于收集到的稳定性信息确定该网络上的多个节点之间和之中的相对可信赖性的第二逻辑单元；用于通过该稳定性代理估算网络上多个节点中每个节点的稳定性水平的第三逻辑单元，其中使用基于熵的统计方法估算稳定性水平；以及用于通过该稳定性代理提供稳定性水平的信息到用于管理和控制操作的操作代理的第四逻辑单元，该操作代理在网络上的节点上运行。
本发明涉及自组织节点成为网络中的群以用于网络的控制和管理，利用基于熵的、自组织稳定性管理引擎来评定节点和系统中的稳定性水平。本发明通过利用集中式模型和分散式模型的优点，解决现有大分散式网络的一些管理问题。
附图说明
通过本发明的以下详细描述，本发明的特征和优点将变得明显，其中：
图1是示出了根据本发明的实施例在逻辑分层结构的多个级处形成并聚集的群的简图；
图2是示出了根据本发明的实施例的分层网络的备选表示的简图；
图3是根据本发明的实施例的示例性节点架构的框图；
图4是根据本发明的实施例的具有虚拟化技术(VT)架构的示例性节点的框图；
图5是根据本发明的实施例的具有平台资源层(PRL)或嵌入式分区、架构的示例性节点的框图；
图6是示例性虚拟化平台的框图，其中提升代理驻留在虚拟机监视器中；
图7是根据本发明的实施例的群分层结构的示意图，其中群的子网的拓扑结构没有受到外部影响；
图8描述了根据本发明的实施例的群分层结构，其中OverMesh节点进入该环境以及离开该环境；
图9示出了根据本发明的实施例的节点处的相对依赖性的样本；
图10示出了根据本发明的实施例的节点可信赖性关系。
具体实施方式
在网状网络中，由于发生在局部(OverMesh)节点或全网级的任何数量的变化使得可能发生状态波动。不像传统的分层网络(其中拓扑、业务控制或网络节点具有更为集中的配置或静态功能结构)，而在网状网络中这些相同概念的表示是远更为动态的、结构松散且为分散式-形成对于网络控制和管理的更加繁杂的环境。本发明的实施例专注于自组织网络，例如与此同时提交的、申请序列号11/---，---(委托机构卷号P25666)、题为“Virtual clustering for scalablenetwork control and management(用于规模可变网络控制和管理的虚拟群集)”的相对申请中所公开的那样，本文是由John Vicente。
在自组织方法中，必须不依赖于人的情况下解决这些问题，通过组织的群集(clustering)框架来解决复杂性，以及通过利用学习和分布式知识的构建的统计计算方法来管理不确定性。
不确定性的一个关键方面是网络稳定性的概念；这样，在网状联网系统中能够分辨并获取稳定性或不稳定性水平是关键的。弄明白哪里有用于网络传送和通信的可靠且可用的网络服务、节点或拓扑区域对于确定该系统的规模是必要的。因此，自组织网络的一个方面是开发一种基于群的能够持续地管理网络可用性或可靠性以用于稳定性评估的能力。本发明的实施例在这里公开建立在其它学科领域的若干工作中所用的熵公式的应用。在本发明的实施例中，熵公式被用来表征网状联网环境中的各个群所呈现的不确定性或多样性水平。尤为特别地，实时地对于每个群执行熵评估，这样自组织过程沿群分层结构或范围更广的网络向上进行以进一步群集。这样，达到某个稳定性水平的网络的区域将具有更高的熵，并且从而可以能够实现更可靠的服务传送或网络控制。
本发明的实施例是一种有关在复杂系统中应用基于熵、自组织稳定性管理的系统和方法。估算稳定性的度量可以用在自组织网络中的自提升和降级活动中，例如用于控制和管理的虚拟群集，以及多种其它应用。
说明书中提到的本发明的“一个实施例”或“实施例”意味着结合该实施例描述的特定特征、结构或特点被包括在本发明的至少一个实施例中。这样，说明书全文多个不同位置中出现短语“在一个实施例中”不一定指同一个实施例。
出于解释的目的，阐述了特定的配置和细节以提供对本发明的透彻理解。然而，对于本领域技术人员来说，显而易见的是没有这里提出的特定细节也可以执行本发明的实施例。而且，公知的特征将被省略或简化以不致妨碍对本发明的理解。在说明书全文中，将给出不同的例子。这些仅仅是为了描述本发明的特定实施例。本发明的范围不限于这些给出的例子。
本发明的实施例可以应用于分散式网络，例如网状网络或对等网络。由于这些类型的网络的复杂性，需要一种用于控制和管理的新方法。本发明的实施例，通过利用集中式模型和分散式模型的优点，解决现有大分散式网络的一些管理问题。以下将讨论自组织管理网络以便本发明的实施例的上下文可以被更好地理解。应该注意到，基于熵的稳定性管理的实施例也可以用在其它应用中。
群的概念之前已被用在对等网络、基于传感器及无线网状网络中。传感器网络使用小的设备，例如，人体传感器、环境传感器、设备传感器等，以收集信息并将该信息提供到中心位置用于分析。无线网状网络通常不使用基础设施用于通信。在无线网状网络中，各种客户端设备仅以对等的方式彼此通信。这样，当一个设备离开网络时，其他的网络设备依旧可以彼此通信。对等网络并非基于通信对等，而是基于计算对等。然而，本发明的实施例基于同时使用集中式控制和分散式控制以及集中式状态管理和分散式状态管理的集中式和分散式框架的这些模型融合加以改进。在这些实施例中，使用了群分层结构的自提升及自主提升和重组。
本发明的实施例将与对于传统网络控制和管理的虚拟群集方法相结合以运用稳定性管理。这是集中式和分散式管理和控制的混合模型。如图1所示，可以在逻辑分层结构的多个级上形成并聚集群。正如所描述的那样，物理网络节点110位于分层结构的底部并且不(在物理级上)参与到群集图中。物理网络层110中的节点可以被看作分散节点。在该层110中，这些节点是对等的，没有集中的系统和控制。
右侧的箭头101表示状态或网络管理状态。行为发生在网络中并且节点的状态通过节点的群上升并聚集。左侧的箭头103表示策略。例如，如果系统工作效率低，则策略被从较高级的群头向下推至节点，以便控制系统来使其更有效地工作。自主系统通常使用该所示的表示，例如，状态和控制。实际上，具有传感面101和动作面103。
网络提供方构造分层系统。然而，这些系统是物理上分层的。这样，一旦该系统建立并被静态地定义，它保持现状，直到人为地对网络进行物理上的改变(例如，添加节点或设备)。通信系统和计算系统通常被建立在物理分层框架上。它们在物理上是有取向的。在分散式系统中，通常具有流(flux)，但没有控制或授权。而且，目前使用的群似乎专注于数据的传送，而不是网络分层结构的控制和管理。
可以使用虚拟模型，而不是物理模型来创建系统中的结构，确切地来说，使用虚拟群集。虚拟群集能以多种方式实现。本发明的实施例使用覆盖或分布式虚拟机(DVM)来实现虚拟群集。群集可用于分散式管理组织策略和纯粹的集中式组织策略的优势之间的平衡。通过组织对群的分层结构的状态管理和控制策略，可以在向群150分层的树根部的进程中实现对等动态和更集中的动态的优点。
再次参照图1，示例性分层结构的网络示出为具有5个群级(clusterlevel)：群级0(根级)150、群级1(140a-b)、群级2(130a-c)、群级3(120a-c)和物理网络层，n＝4的群级110。每个群级具有群头。群内的每个节点在逻辑上属于下面的群，它向上被提升。即使节点被提升到更高的群，它仍然具有其下面的群中的职责。群(例如，140a)将包括领头(群头141)以及来自下面群的领头，例如131和133。群头141也是分层结构中其下面的群130a以及其他更低级群(未示出)的群头。在本例中，群140a包括来自130a、130b和130c的领头(分别为141、131和133)。上升到根群的领头的节点将是网络中最具可操作弹性的节点。每个群包括分散式系统110中的节点子集，所以这些群更易于控制和优化-其具有较小的混乱。这些概念将在下面被更为全面地描述。
应该注意到与群节点关联有独立性的特性(浮现)，其中除提升到多个级的节点以外，每个群级和群“泡”是自治的且观测对于直接对等、父级和子级群的行为，而不具有该多级分层结构的上下文。例如，群头141可以与群140a和130a中的节点通信，但是不直接认识或控制群140b。群头141也没有对根群150的可视性，除非群头141被提升入该群。可以看到节点141是两个群130a和140a的群头。节点131和133分别是群130b和130c的群头，仅仅由更高级的群140b中的对等节点，以及下属于节点141。
群以提升的群头来代理，并且群头代表群行动。群头领导、参与深度(树)、宽度(级)以及它们领导的特定群。由于仅需要涉及群头于群外的控制和管理通信，群头表示的群看上去是一个单独的节点，因此这减少了节点通信中的复杂度。
尽管存在来自对等的、父级(全局的)和子级(局部的)群的策略和状态影响，通过状态管理和控制策略的这种分离，可以在分层结构的每个级上引入自组织特性，并且可以将此类行为整合到各个群。因为存在多个逻辑级或群集的重叠，所以更高级的群和群头将由下面的群头形成，而不是物理节点。应该注意到根级的群头和所有下面的级不受特定的物理节点约束。工作效率的传感触发系统内节点的提升和降级的动作和波动。分层结构中更具弹性的节点上升并且较为欠弹性的节点下降。
基于所收集的状态使得激励改变所需的信息在群集中的节点之间分发，而不是驻留在由一个中央服务器控制下的单个数据库中。不是所有节点都具有所有信息。节点接收相对的信息。如果节点n参与群C中，那么节点n将具有与群C相关的信息。
集群管理器(CM)是分布式覆盖，或者分布式虚拟机(DVM)，服务于管理群分层结构的深度和宽度。CM可以分布在节点子集上，而所有节点都有足够能力参与。通常，信任和真实是期望的，但是在CM的上下文中，操作决定通过一个实体来处理，而非参数一致来处理，但是由全局状态同步。通过CM来管理群集寻址、群操作和群头选择的特定功能。CM是使得整个逻辑群分层结构的生命周期方便支持网络节点的物理域的轻型服务功能。根据需要，生命周期包括配合通过群寻址简易化的网络节点的分组或重分组、群间节点移动或者创建及分解群。然而，与普通的因特网服务(例如，DNS)相类似，CM首先提供控制管理功能服务以配合操作和管理的分层组织。
群头选择：操作优先级
群头的选择可以基于操作优先级或评级。与军事的或企业的评级相类似，较高评级的群头节点的基础是由节点成为具有高联网度、高可靠性、稳定性和较高级的执行器的能力来建立的。换句话说，表现更高(a)可达性，(b)稳定性和(c)工作效率的节点将被提升为群头。这个自组织定位像传统分层结构电信网络中的网络节点的人为组织一样，其中位于网络核心的节点必须表现高可用性(例如，99.999％)，表现出高可达能力以及极其低的延迟。因此，期望i)可达性状态，ii)稳定性状态，以及iii)工作状态将被作为用于确定操作评级和优先级的定量排序的基础。
本发明的实施例利用基于熵的、自组织稳定性管理引擎来评定节点和系统中的稳定性水平。使用这种基于熵的稳定性管理提供了有价值的节点稳定性的测量，其然后可被用于提升和降级决定中。将在下面被更为全面地描述这种形式的稳定性管理。
在实施例中，可使用某种其他例如最高评级中的最高地址结果等的人为标准的虚拟群来初始创建网络。使用可达性、稳定性和工作效率来确定提升和降级的自然过程，至少对于这些标准来说将最终产生最优化网络。可设想到还可以使用其它标准，或者对于不同类型的网络对这些标准进行不同的加权。
在一些实施例中，系统依赖于节点的真实性。例如，当节点声明它自己高级，另一些节点会同意。在其他实施例中，系统依赖于节点观察群集中其它节点的工作。在这种情况下，其它节点可以提出对节点评级。节点可以对其它节点的可达性进行评级。
随着过程沿着群集分层结构向上进程，将发生时间和空间的状态聚集，同时改变更高级群头的选择、用操作寿命和更为抽象的状态管理和策略控制来区分节点。使用企业或军事模拟就是，富有经验的或“有大局意识”的人员更可能向上移动并在更高的领导评级工作以及改变组织中的影响。
此外，没有禁令或规则反对1000个节点将它们自身提升到1000个群级中，其中每一级对应一个节点。但是，在本发明的实施例中，这不应该发生。稳定系统可以具有许多级并且是不对称的。可以设想，根据设为要通过网络解决的问题，可出现多种分层结构或变化的级。例如，对于执行故障管理的系统，可以是能级越少效率越高。不同的策略可以用于不同的管理和控制系统。对于在可作业时间(up-time)要求该99.999％的大数据中心来说，可期望在针对提升的稳定性标准中给予更大力权。对于DNS服务器系统，针对提升可能对可达性给予更大加权。也可设想，群集将自然地产生而不考虑变量的加权。已经显示这种类型的群集是统计系统中所固有的。
群识别：
在实施例中，在整个群集分层结构中存在一个群集寻址方案。在分层结构的最低级处(图1，110)，物理网络将被标示为群级n，群C(n，0)，其中0<＝n<y，并且y是出现的分层结构中的级的数量。说明如下，树的最低级确实参与到群集管理活动；然而，结束时，保持这种网络寻址并且可将其用于例如，物理网络服务广播目的。由于联网的节点以虚拟方式分区并贯穿群级n群集，下一级(向上)将是群级n-1；并且根据级n-1处的群的数量，n-1级的群然后被分配群域m，其中0<＝m<y，并且y等于该层级的群的数量。在图1所示的例子中，n＝4，并且对于群级2(130a-c)，m＝3，因为在该级中示出有3个群。因此，分层结构中的任何群将被标示为C(n，m)。此过程继续，最后最高或根群被分配为C(0，0)。持续的群划分级划分(和寻址)可能不一定遵循或反映为对称树分层结构；就是说，取决于环境系统动态，每个群级可能集中在比其所在级下面的群的数量少的数量的群。此外，分配到特定群的网络节点(位于最低级n)或群头(位于<n的级)与该特定群中的节点(或群头)通信就使用C(n，m)或者确切地来说，分配群头来管理C(n，m)。
与父级群关联的群节点或群头可以使用群地址来接收和响应群操作通信，但是只有全局群头可以利用群地址来提供操作通信或群集控制或管理。总之，只有全局群头可以参与到群间和群内通信，并且可以直接影响群、对等或子级群的全局行为。其它节点或群头(关联到此全局群)可以间接但仅通过群内(局部)影响作为该全局群的成员的参与。
寻址方案支持这些群头之间的组播，其中C(n，-)向位于级n的所有对等群头通信。此外，群头是群中唯一知道分层结构谱系的节点，并且因此经由它们的谱系和对等群头通信；因此，它们不知道它们的级和谱系以外的更广群集合。或者，在操作上持续主导上至根群C(0，0)的出现的分层结构的且给根群C(0，0)分配的群头，具有在该分层结构中所有群之中通信，并可访问其状态或策略的能力。因此，对节点不仅在争取操作优先级，而且向对等和其下属的节点证明它们真实性以在它们的生存期增加它们的定位具有明显的优点和激励。
如上面所述，群间和群内通信(即，群-特定的控制和管理消息传递)根据分配给群头的特定地址来进行。在阅读完这些公开的内容后本领域技术人员将会理解用于实现群虚拟联网的覆盖结构可以基于任意数量的方案。通常，消息传递在覆盖中将呈现为对等的；然而在逻辑上，操作消息传递将支持基于状态和策略的通信并且将基于群集结构的分层或对等形式在群内、群间进行。控制(策略)和管理(状态)消息将是异步的并且将支持合作、聚集和对等算法，正如下部分对此论述的。
群集操作：
如先前所述，群的目的在于方便通过对等和分层组织控制的平衡的网络控制和管理。状态管理功能可以包括例如稳定性、最优化和连通性状态管理。群头节点接收群状态条件，并且在它们各自的群或群节点(即，n级以外的群头)里执行聚集和相对。群头通过统计计算技术执行群状态分析，从而获得针对与对等群的状态级同化的群认识。群状态被向上传播到全局群头，或者按照群状态，通过使用基于策略的强化的局部和全局策略的集成，来控制或影响局部群行为。
在群集的分层结构的每一级处，在同时发生时间和空间(状态，策略)聚集的群级之间独立地展示控制和管理行为新颖性。空间聚集表示或说明多个局部群隶属于全局群，而时间聚集说明局部群所遵循的循环周期。因此当群发生聚集时，可以在位于群分层结构的较高端的群中看到较慢的状态改变结果，模拟通过整个人类知识中的经验或分层组织中的决策制定中通常可观察到的行为。
信息技术(IT)网络控制和管理界中长期存在的设计选择是可设计到网络管理或基于策略的管理工具中的集中式或分散式控制或管理的级。虽然两种结构选择都有优点和缺点，但是本发明的实施例提倡一种基于虚拟群集方法学的全新方法，前面应用到对等和基于传感器的联网系统。因此，作为架构的选择，使用群集针对状态管理和基于策略管理在分散式组织策略和完全集中组织策略的优点进行平衡(参见图1)。在群分层结构上组织状态管理和控制策略，在分层结构的较低部分处采用分散式动态而随着向树根的过程中则采用更为集中的动态，这能够实现混合网络的优点。此外，虽然有来自对等的、父级的或子级的群的策略和状态影响，通过这种分层结构和分隔，在分层结构的每一级处创建父级到子级的群分隔特性，并且可以将自组织行为整合到各个群。此外，将分布式管理和控制的开销局部化，而不会有损于全局、分布式控制和管理的优点。群头将担当中央功能以利于每个群内的中央管理。
现在参考图2，示出了分层网络的另一种表示。此示例性系统示出为具有具有四个群级，0-3，其中第3级群是网状网络。群级0中的节点群被散布有两点的间断线201环绕。群级1用虚点线203表示。群级2由灰色虚线205表示，并且网格级3由闪电箭头207表示。群头或领头被示出。群0领头210也是群1(连同220)和群2(连同230a、220和230b)的领头。
在备选实施例中，为了实现自提升，网络设计者可以选择使用例如，除可达性、稳定性和工作效率之外的更多标准，或者它们的子集。这些因素的其他组合可能对一些网络是最优的，或者出于成本或维护原因是首选的。
图3是示例性节点架构300的框图。处理器310经由前端总线301与存储器控制器集线器(MCH)314(其也公知为北桥)通信。MCH 314通过存储器总线303与系统存储器312通信。MCH 314也可以通过图形总线305与加速图形接口(AGP)316通信。MCH 314通过外围组件扩展接口(PCI)总线307与输入/输出控制集线器(ICH)320(其也公知为南桥)通信。ICH 320可以经由低引脚计数(LPC)总线356耦合到一个或多个组件，例如PCI硬盘驱动器(未示)、例如IDE 322、USB 324、LAN 326和音频328的传统部件，以及超输入/输出(SIO)控制器356。
处理器310可以是能够执行软件的任何类型的处理器，例如微处理器、数字信号处理器、微控制器或诸如此类。虽然图3仅仅示出了一个这样的处理器310，但是在平台硬件300中可以有一个或多个处理器以并且该一个或多个处理器可以包括多个线程、多个核或诸如此类。
存储器312可以是硬盘、软盘、随机存取存储器(RAM)、只读存储器(ROM)、闪速存储器或任何其它类型的可以被处理器310读取的介质。存储器312可以存储用于执行完成本发明的方法实施例的指令。
非易失性存储器，例如闪速存储器352，可以经由低引脚计数(LPC)总线309耦合到IO控制器。BIOS固件354一般地驻留于闪速存储器352中，并且引导将执行来自闪存或固件的指令。
在一些实施例中，平台300是能够执行服务器管理任务的服务器。这个平台实施例可以具有经由LPC 309耦合到ICH 320的基板管理控制器(BMC)350。在其它实施例中，平台300可以具有耦合到ICH 320的微处理器或“可管理性引擎”(ME)控制器330。这个ME控制器330可以是Intel主动管理技术(iAMT)架构。在一些实施例中，BMC 350或iAMT 330可以执行网络服务以确定平台300的(a)可达性、(b)稳定性和(c)工作效率，从而协助识别节点是否应该被提升到群头以及将在分层结构中提升多高。应该注意到分层结构的每一级别独立于更高级别工作，并且对于上面的级别不具有可视性或意识。因此，提升仅专用于一个级别。
图4是根据本发明的实施例的具有虚拟化技术(VT)架构的示例性节点的框图。图4是示出了传统管理程序虚拟机监视器(VMM)架构平台400的框图。多个客户虚拟机(VM)401、403、405和407可以同时在平台400上运行。VMM410控制客户VM通过处理器/平台虚拟化层411访问硬件420。多个虚拟设备模型413和415可以存在于VMM 410中。VMM 410可以在最高特权级别工作。如下面所进一步讨论的，VMM 410控制对文件系统417、存储器和所有设备的访问。VMM 410通常具有用于平台上每个硬件设备的设备驱动程序419。
VMM 410和客户VM 401、403、405和407在平台硬件420上执行。平台硬件420可以包括处理器422、存储器424和一个或多个输入/输出设备426和428。平台硬件420可以是个人算机(PC)、主机、手持设备、便携式电脑、机顶盒或任意其它计算系统。
处理器422可以是能够执行软件的任何类型的处理器，例如微处理器、数字信号处理器、微控制器或诸如此类。尽管图4仅仅示出了这样的处理器422，但是在平台硬件420中可以有一个或多个处理器并且一个或多个该处理器可以包括多个线程、多个核或诸如此类。
存储器424可以是硬盘、软盘、随机存取存储器(RAM)、只读存储器(ROM)、闪速存储器或任何其它类型的可以被处理器422读取的介质。存储器424可以存储用于执行完成本发明的方法实施例的指令。
一个或多个输入/输出设备426和428可以是，例如，系统总线上的网络接口卡、通信端口、视频控制器、磁盘控制器(例如，外围组件扩展接口(PCI)、工业标准架构(ISA)、加速图形接口(AGP))，集成到芯片组逻辑或处理器中的设备(例如，实时时钟、可编程计时器、性能计数器)，或者平台硬件420上的任何其它设备。可以通过I/O指令，或者存储器映射的I/O访问或通过本领域公知的任何其他方法来访问该一个或多个I/O设备426和428。
在本发明的实施例中，平台400中的虚拟机(VM)可以执行网络服务以确定平台400的(a)可达性、(b)稳定性和(c)工作效率以协助识别节点是否应该被提升到群头以及将在分层结构中提升多高。在一些实施例中，这个VM可以以高安全性水平运行的虚拟装置，并且在其它实施例中它可以是仅仅运行在客户VM中。
图5是根据本发明的实施例具有平台资源层(PRL)、或嵌入式分区、架构的示例性节点的框图。在平台资源层(PRL)架构中，或嵌入式分区架构中，增强了平台的各种部件以能够将处理器、存储器和其它资源分区。现在参考图5，示出了根据本发明实施例的PRL架构的示例性框图。为了更好的示出分区，可用于主分区510的部件用实线框画出。可用于嵌入式或系统分区520的部件用粗实线框画出。同时可用于两个分区部件用点划线框画出。
在这个示例性实施例中，平台或节点在套接口0-3(531-534)中具有四个多核处理器。虽然本例仅示出了四个处理器套接口，但是对于本领域普通技术人员来说显然处理器和核的多种配置均可以用于实现本发明的实施例。例如，套接口0(531)可以具有四个处理核535a-d。实质上，在本实施例中，示出的实施例在平台上具有16个有效处理器(例如，四个套接口，每个套接口中具有四个核)。在本例中，套接口0-2(531-533)仅可用于主分区510。套接口3(534)同时可用于主分区510和嵌入式分区520。在套接口3(534)中，核0仅仅可用于主分区510，并且核1-3仅仅可用于嵌入式分区520。如上面和下面更为全面讨论的，嵌入式分区520可以具有提升代理或集群管理器521。在实施例中，嵌入式分区也可以包括其它代理或服务，例如，用于确定可达性(未示出)、稳定性522和工作效率(未示出)的代理或服务。这些服务可以是同一个嵌入式分区的一部分，或者是分隔成一个或多个单独的分区。对于作为成员、或群头的节点或多个虚拟群，可以有为节点是其成员的每个群运行的多个提升代理或其它服务的实例(未示出)。
在本实施例中，平台具有耦合到存储器502的存储器控制器集线器(MCH)501(也公知为北桥)。存储器502可以具有两个分区MEM1(503)和MEM2(505)。存储器分隔MEM1(503)仅可用于嵌入式分区，而存储器分隔MEM2(505)仅可用于主分区。与使用软件构造的VMM解决方案不同，包括MCH的芯片组配置成使用硬件构造将存储器分区。可以理解的是存储器502可以是硬盘、软盘、随机存取存储器(RAM)、只读存储器(ROM)、闪速存储器或任何其它类型的可以被处理器读取的存储介质。存储器502可以存储用于执行完成本发明的方法实施例的指令。虽然在本例中仅权示出了两个分区，但是可以理解可以有多于一个的客户OS，每个都在它自己的分区运行。
MCH 501可以通过外围组件扩展接口(PCI)总线与输入/输出控制集线器(ICH)507(已知是南桥)通信。ICH 507可以通过低引脚计数总线(LPC)(未示)耦合一个或多个部件例如PCI硬驱、传统部件例如IDE、USB、LAN和声频(Audio)，以及超输入/输出(SIO)控制器。在本例中，显示了ICH 507耦合到硬盘驱动509和网络接口控制器(NIC)511。
MCH 501配置成用于控制访问存储器并且ICH 507配置成用于控制输入/输出访问。在嵌入式分区架构中，芯片组被固件基于引导配置成用于划分平台上的各种资源。在一些情况下，可以只有一个分区并且平台在大部分方面像传统平台运作。在示出的例子中，有两个分区，主分区510和嵌入式分区520。指定的每个分区都给定了唯一的分区标识符(ID)。
利用嵌入式分区配置，当设备发送警报，由于这个信息在引导的时候被编码，芯片组可以合理地将警报路由到适当的分区。在启用VMM的系统中，硬件传递设备警报到VMM(虚拟设备)并且软件适当地路由该信息到各种虚拟计算机。嵌入式分区可以表现为硬件辅助虚拟化。
在实施例中，可以将提升代理嵌入在控制运行在平台上的所有客户虚拟机(VM)和客户操作系统(OS)的VMM中。在另一个实施例中，提升代理被嵌入到控制对单独OS输入/输出请求的特权分区、工作程序或管理程序。在所有情况中，提升代理测量活动和性能数据以确定平台500的(a)可达性、(b)稳定性和(c)工作效率。这种确定允许节点500自提升或至少传递其度量到另一个节点，或许一个群头，以确定是否提升节点500到一个更高的群级。
参考图6，示出了提升代理621驻留在VMM中的示例性虚拟化平台。在该示例性实施例中，虚拟机(VM)610具有客户OS 611。各种用户程序613可以在客户OS 611下运行。OS具有在VMM 620中虚拟化的设备驱动程序615。对平台硬件630的访问将需要使用VMM。在如上面所讨论的集群环境中的层级式提升的情况中，VMM 620中的提升代理621可以测量活动和性能数据以确定平台600的(a)可达性、(b)稳定性和(c)工作效率。这种确定允许节点600自提升或至少传递其度量到另一个节点，或许一个群头，以确定是否提升节点600到一个更高的群级。
类似地显示了，具有其自己OS 641的平台分区或更多特权的分区640、用户应用程序643、设备驱动程序645。这种平台分区也可以具有通过VMM 620的虚拟化的设备。
在示出的实施例中，VMM被显示为包括提升代理。在其他实施例中，提升代理可以在平台上的VM中执行。VMM或独立VMS也可以包括其它代理或服务，例如，用于确定可达性、稳定性和工作效率的代理或服务。这些服务可以是同样的VM的一部分，或者是分隔成一个或多个单独的分区。对于是成员或群头的节点、或多个虚拟群，可以有提升代理或其它服务的多个实例，为节点是成员的每个群运行。
在实施例中，可达性、稳定性和工作效率服务可以是提升代理的一部分，或者被用于多种管理目的的单独服务。再参考图4，例如，在一个VMM实施例400中，节点在群级0和群级1处都可以是群的一部分。对于每个群级451和453可以存在单独的提升代理的实例。在一些实施例中，这些实例可以在不同的VM或分区405和407中运行。在其它一些实施例中，多个实例可以在相同的VM、分区或VMM中运行。提升代理可能需要使用特定服务或代理以提供可达性455、稳定性457和工作效率459数据。这些代理可以在一个相同的分隔或VM中运行，或者在同一个分区或VM中运行。在一些实施例中，服务可以被嵌入提升代理之内，或者其它需要它们服务的部件内。
如图4所示，可达性代理455、稳定性代理457和工作效率代理459被作为运行在同一个VM 403中的单独的代理示出。本领域技术人员可以理解在回顾这里的描述之后，可以实现在本发明公开范围之内的各种置换和实施例。在实施例中，虚拟化平台可以具有虚拟装置或安全VM或服务操作系统(SOS)，以及一个或多个能力操作系统(COS)或用户环境。在这些实施例中，代理可以在所有同一个虚拟装置或(SOS)中运行。
在如上面所述的群集框架的上下文中，稳定性可以用两种方法实现。第一，对于网络的更宽的部分，通过确保与同一群中的其它节点或群头相对一致的操作不一致性水平，这通过在一个或多个测量时间段期间保持整个群的静态拓扑配置和操作一致性，每个群可以独立地达到一定的稳定性水平。备选地，外部节点动态可以减少不稳定性水平，相对于同一群中的其它节点或群头，或者通过减少(离开)不稳定节点，或者通过增加(到达)更多稳定节点。因此，实质上熵公式考虑这两种动态-分别模仿热力学系统中的隔离(群内)系统和开放系统(群间)均衡和耗散行为。图7和8描述了这些影响。
现参考图7，示出了其中群的子网没有经历外部对它拓扑配置的影响的群分层结构。在这个实施例中，节点703是群头并且节点701a-g是群中的附属节点。该群相当静态，没有节点移出或移进群。图8描述了一种群分层结构，其中OverMesh节点进入环境(801、803、805、807)，其用双交叉线节点表示，以及离开环境(811、813)，其用单交叉线节点表示。在两种情况中，群的合熵可以反映平衡的级别以及基于节点间它们可用性或可靠性的相对统计测量的平衡的节点。
为了表征群稳定性或熵，所考虑的主要测量是群节点间的相对可用性或可靠性。在下面的讨论中用通用术语“可信赖性(dependability)”来对其进行描述。几个测量既可以独立使用也可以组合使用来表示群节点间的相对可信赖性或节点-节点服务可信赖性。
表1.服务可信赖性
如表1所示，服务可信赖性可以具有对局部节点和连接有影响的多个稳定性或环境约束，但是在贯穿多个OverMesh节点的应用和网络服务上更为重要。从自组织群的观点出发，在给出这种约束时，考虑的是表征整个群的动态或稳定性水平。因此，可以使用组合的度量来表征节点间的服务可信赖性度，或者选择以选为在表征征群稳定性或熵的最严格的约束(例如，节点可用性)。
表1是所考虑的但不是穷举的这些约束的例子。例如，稳定性约束可以是高衰退条件。尽管这种条件测量的是损失率，但是也可以是其它的。可以利用过度负荷或拥塞的测量，但是其它测量也是可用的。
在对群熵进行公式化中，t1和t2之间的时间段ΔT，对于熵时间段定义Dm，n(ΔT)为在时间t2节点m关于节点n的平均相对可信赖性，其中m和n都是同一群Ci，j的成员，并且在熵时间段ΔT中的多个Δτ时间间隔期间节点交换相对可信赖性样本dm，n(Δτ)。应该注意到实际的可信赖性度量和测量单元是不相对的，因为仅仅节点间的相对可信赖性差异是重要的。更为特别地，下面两个测量都出于最终定义群Ci，j的熵公式的目的进行定义的。
在时间间隔Δt期间关于节点n的节点m的样本相对可信赖性定义为：
(公式1)dm，n(Δτ)＝dm(Δτ)-dn(Δτ)
在图9中描述了节点改变，其中改变Δτ反映了改变的时间间隔，并且反映了对于节点m和节点n在该时间间隔期间的服务可信赖性中的相对改变。
时间段ΔT期间平均的节点m和节点n之间的绝对相对可信赖性定义为：
(公式2) D m , n ( &Delta;T ) = 1 N &Sigma; i = 1 N | d m , n ( t i ) |
其中N等于ΔT中样本的数量并且ti是每个样本的结尾的离散时间Δτ。
这在图10中也进行了描述，其中所考虑的特定节点ni(1001)是重点描述在熵评估期间仅有单个节点到节点可信赖性关系。然而，用于属于群Cij的其它节点的同样的测量也被交换并相对于节点mi(1003)评估。用于Cij中其它节点的完全(绝对相对)可信赖性表示应说明了关于节点mi的事件空间。
现在，为了表征稳定性，可以使用应用到事件空间的香农(Shannon)统计熵通用形式，特别地：
(公式3)H＝-∑jpi*log pi
其中pi是事件空间E中事件ei的或然性(probability)。关于香农信息理论的更多信息可以从各种资源找到，包括在公共因特网上的URLen*wikipedia*org/wiki/Information_theory。本文中URL中的点号被星号替代以防止无意中的超链接。应用这种概念到节点m的可信赖性事件空间，设
(公式4)pk(t，ΔT)＝Dm，k/∑xDm，x
其中x由通过群Cij中节点m的所有对等节点估算，并且因此：
(公式5)
Figure G200810178555XD00181
其中C(Cij)是群的势。
通常，Hm(t，ΔT)估算为群Cij中单位熵测量时间段ΔT(归一化为[0，1])期间节点m的熵。熵的这种表示是根据稳定性状态评估期间ΔT的绝对相对可信赖性的关于节点m的稳定性的预期测量。如同所定义的，当相对可信赖性变化中的改变显示更高的扰动时熵是小的，而更高的熵值显示更加相对的稳定性。
最后，已经估算了群中单一节点的熵，同样地，可以估算群Cij中其它节点的熵的项。为了评估群整体稳定性的测量，项伽马γ被定义并且被与Cij关联的群头获得：
(公式6)γ＝[HCH(t，ΔT)]*min[Hi(t，ΔT)]
其中CH是Cij的群头并且i＝(Cij中的所有节点\CH)。
应该注意到上面描述的这些公式/方程式相应于示例性实施例并且不应被看作是限定。类似的或相对的熵公式可以依照公开和示出的原理应用到其它实施例中。
当前的网络管理系统高度依赖于用户管理和人为控制。今天，在动态网状网络中，几乎没有自组织系统的商业可用性，并且的确没有应用基于熵的技术来管理稳定性状态。此外，在新兴国家，因为信息技术(IT)工具和操作经常缺乏，所以需要人为控制和管理效率低。因此，使用利用自动基于熵的稳定性管理引擎的自组织网络是有利的。
如上面所述的提供稳定性测量的服务也可以用于支持路由应用。该群间的稳定性可以用于获得现有系统不可能获得的最优化水平。该稳定性服务可以用于支持任意数量的管理功能。可以从拓扑观点看待网络和确定更为混乱的区域使得管理能够避免网络混乱区域(不稳定区域)。系统然后可以扰动通信以通过更为稳定的节点路由和获得更好的平衡或获得性能目的。
在另一个实施例中，服务或操作代理使用稳定性测量以支持故障管理系统、安全系统、全网络管理和控制功能，以及复杂系统或网络的其它操作和组织特性。本领域技术人员在阅读了这里公开的内容后将会理解，通常不同于稳定性服务或代理的服务与稳定性因素结合使用以提供管理和控制功能。例如，在上面描述的网络分层结构中，也可以有独立服务以提供可达性和性能值。
 
网络管理和控制目的 可达性 稳定性 性能 稳定性测量范围
路由 X X 移动波动多跳跃冲突可变性
负载平衡 X 移动波动或多跳跃冲突可变性
路由起因分析 X 故障管理的节点或连接可靠性
节点上代理使用
服务发现 X
路径可用性 X X 移动波动或多跳跃冲突可变性
服务处理 X X 节点或连接对服务的可靠性
SLA管理 X
表2.最优化各种网络和活动中的服务使用
表2示出了用于网络管理和控制的可达性、稳定性和性能服务的使用。多个测量例如稳定性、可达性、性能等中的一个或多个的组合，可以用于优化以分布式方式的网络。例如，高效服务处理依赖并由使用稳定性和性能测量来优化，也就是，节点有多可靠(稳定性)，节点处理服务请求就有多“快”(性能)。表2的第一列是网络的普遍应用或目的。后三列指出了哪个因素可以用于基于目优化网络，或者哪个因素是有关的。最后一列显示了每个应用中的稳定性的测量。换句话说，最后一列指出了可以“测量”以及然后结合利用如上面所述的“熵”结构来评估稳定性的无线网状网络的特征。例如，在路由应用的一些实施例中，只有可达性和稳定性测量被用于最优化网络，而没有性能服务。
这里描述的技术不局限于任何特定的硬件或软件配置；它们可以适用于任何计算、消费电子或处理环境。该技术可以被在硬件、软件或这二者的组合中实现。
为了模拟，程序代码可以表示硬件，其使用硬件描述语言或其它本质上提供设计的硬件预期是如何执行的模型的功能描述语言。程序代码可以是汇编语言或机器语言，或者可以被编译和/或解释的数据。此外，本领域通常所说的软件，以采取一种行动或引起一个结果的一种形式或其它形式。这种表达仅仅是由处理系统完成的程序代码的状态执行的简略表达方法，其引起处理器执行一种行动或引起一个结果。
每个程序可以在高级程序或面向对象编程语言上实现以与处理系统通信。然而，如果需要，程序可以以汇编或机器语言实现。无论如何，该语言是可以编译或解释的。
程序指令可以被用于引起普通目的或特别目的处理系统，其用指令编程以执行这里所述的操作。可选地，操作可以被包含用于执行操作的电路逻辑的特定硬件部件执行，或者被可编程计算机部件和常用硬件部件任意组合执行。这里描述的方法可以作为计算机程序产品提供，其可以包括具有存储于其上的用于是处理系统或其它电子设备执行该方法的指令的机器可理解介质。
程序代码或指令可以存储在，例如，易失性和/或非易失性存储器，例如存储设备和/或辅助机器可读或机器可理解介质机器，其包括固态存储器、硬驱、软盘、光存贮器、磁带、闪速存储器、数字化视频光盘、数字通用光盘(DVD)等等，以及更多例如机器可理解生物状态保藏存储器之类的外来介质。机器可读介质可以包括任何以机器可读的形式用于存储、发送或接收信息的装置，并且介质可以包括通过电子、光学、声学或其它形式的传播信号或编码程序代码可以通过的载波的切实的介质，例如天线、光纤、通信接口等等。程序代码可以以信息包、串行数据、并行数据、传播信号等形式传送并且可以被以压缩或加密格式使用。
程序代码可以在可编程机器上以程序执行的方式实现，该可编程机器可以是例如移动或固定计算机、个人数字助理、机顶盒、移动电话和呼机、消费电子设备(包括DVD播放器、个人录影机、个人录音机、卫星接收器、立体声收音机、有线电视接收器)以及其它电子设备，每个包括处理器、可以被处理器读取的易失性或非易失性存储器，至少一个输入设备和/或一个或多个输出设备。程序代码可以用于利用输入设备输入数据以执行期望的实施例和生成输出信息。输出信息可以被用于一个或多个输出设备。本领域普通技术人员可以意识到公开的主题的实施例可以被用各种不同的计算机系统配置实现，包括微处理器或多核处理器系统、小型机、大型机，以及实质上可以嵌入任何设备的遍布式或微小型计算机或处理器。所公开主题的实施例也可以在分布式计算环境中实现，其中其任务或部分可以被通过通信网络连接的远程处理设备执行。
尽管操作被描述为时序处理，事实上一些操作可以被同时并行执行，和/或在分布式环境中，并且借助单或多处理器机器通过局部存储的程序代码和/或远程访问。另外，在一些实施例中操作的顺序可以被重新安排而不会背离所公开的主题的精神。程序代码可以或结合嵌入式控制器来使用。
尽管参照示例性实施例描述了本发明，但本说明书不作为对解释的局限。示例性实施例的各种修改，以及本发明的其它实施例，对本领域技术人员来是明显的，则其被认为属于本发明的精神和范围以内。

Claims (22)

1.一种用于基于熵的稳定性管理的装置，包括：
由网络中的处理器执行的稳定性代理，所述稳定性代理用于从所述网络上的多个节点收集稳定性信息以及确定所述多个节点之间和之中的相对可信赖性，以及估算所述多个节点中的每个节点和网络的稳定性水平，其中使用基于熵的统计方法来估算所述稳定性水平；以及
在所述网络上的至少一个节点上运行的操作代理，所述操作代理用于从所述稳定性代理接收所述稳定性信息以及基于所述稳定性信息给所述网络的至少一方面提供管理和控制操作，
其中所述操作代理用于提供虚拟群的自管理网络的管理和控制并且其中就所述网络中节点的可达性和工作效率因素使用稳定性信息以能够确定网络中节点的提升和降级。
2.如权利要求1所述的装置，其中所述基于熵的统计方法由统计熵方程的香农定律推导而来。
3.如权利要求2所述的装置，其中部分地使用在归一化为区间[0，1]的群Cij的特定熵测量时间段ΔT期间的节点m的熵，将所述统计熵方程的香农定律应用到所述网络上的节点群中的每个节点，以根据稳定性状态评估期间的绝对相对可信赖性得到所需的关于节点m的稳定性测量，并且通过关联于Cij的群头定义和获得群的总稳定性的测量γ如下：
γ＝[HCH(t，ΔT)]*min[Hi(t，ΔT)]
其中CH是Cij的群头并且i＝(Cij中的所有节点)。
4.如权利要求1所述的装置，其中所述管理和控制操作包括路由控制、安全管理和故障管理中的一个或多个。
5.如权利要求1所述的装置，其中，
所述网络包括多个计算节点。
6.如权利要求1所述的装置，其中所述稳定性代理在所述处理器中的虚拟机、嵌入式分区、虚拟机监视器、虚拟装置中之一中执行。
7.如权利要求6所述的装置，其中提供可达性行为信息的可达性代理在所述网络上的至少一个计算节点中的虚拟机、嵌入式分区、虚拟机监视器、虚拟装置中的一个或多个中执行，并且提供工作效率行为信息的工作效率代理在所述网络上的至少一个计算节点中的虚拟机、嵌入式分区、虚拟机监视器、虚拟装置中的一个或多个中执行，并且其中在所述网络上，所述可达性代理、工作效率代理和稳定性代理在同样或不同的节点上，或者在它们的组合上运行。
8.一种用于在具有多个节点的网络中的基于熵的稳定性管理的方法，包括：
由稳定性代理从网络上的多个节点收集稳定性信息；
由所述稳定性代理基于所收集到的稳定性信息确定所述网络上的多个节点之间或之中的相对可信赖性；
由所述稳定性代理估算所述网络上多个节点中的每个节点的稳定性水平，其中所述稳定性水平使用基于熵的统计方法来估算；以及
由所述稳定性代理提供所述稳定性水平的信息到用于管理和控制操作的操作代理，所述操作代理在所述网络上的节点上运行，
其中所述方法进一步包括：
由所述操作代理提供虚拟群的自管理网络的管理和控制，其中就网络中节点的可达性和工作效率因素使用稳定性信息以能够确定网络中节点的提升和降级。
9.如权利要求8所述的方法，其中所述基于熵的统计方法由统计熵方程的香农定律推导而来。
10.如权利要求9所述的方法，其中部分地使用在归一化为区间[0，1]的群Cij的特定熵测量时间段ΔT期间的节点m的熵，将所述统计熵方程的香农定律应用到所述网络上的节点群中的每个节点，以根据稳定性状态评估期间的绝对相对可信赖性得到所需的关于节点m的稳定性测量，并且通过关联于Cij的群头定义和获得群的总稳定性的测量γ如下：
γ＝[HCH(t，ΔT)]*min[Hi(t，ΔT)]
其中CH是Cij的群头并且i＝(Cij中的所有节点)。
11.如权利要求8所述的方法，其中所述管理和控制操作包括路由控制、安全管理和故障管理中的一个或多个。
12.如权利要求8所述的方法，进一步包括：
由在所述网络上的节点上执行的操作代理确定节点是否被提升、降级或留在相同的级，其中提升的节点升到之前群级上面的群级并成为上面级的虚拟群的一部分，同时保留在所述之前级的虚拟群中，并且其中降级的节点落入之前群级下面的群级并不再保留在较高级的虚拟群中；并且
基于所述确定的结果来执行提升/降级/静态操作。
13.如权利要求12所述的方法，进一步包括：
在已经被提升到群k的群头的节点中提供对所述群k对等节点的管理和控制服务功能；
提供对位于所述节点的当前群级下面的群级中的其他节点的管理和控制服务功能，所述节点已经从所述当前群级被提升，
其中所述操作代理使用基于关于(a)可达性、(b)稳定性和(c)工作效率的节点行为的信息，并且其中所述稳定性行为以提供所述稳定性水平的信息来提供。
14.如权利要求8所述的方法，其中所述稳定性代理在所述网络上的节点中的虚拟机、嵌入式分区、虚拟机监视器、虚拟装置其中之一中执行。
15.如权利要求14所述的方法，进一步包括：
由所述网络上节点中的至少一个节点中的虚拟机、嵌入式分区、虚拟机监视器或虚拟装置中的一个或多个中执行的可达性代理来提供可达性行为信息；以及
由在所述网络上节点中的至少一个节点中的虚拟机、嵌入式分区、虚拟机监视器或虚拟装置中的一个或多个中执行的工作效率代理来提供工作效率行为信息，
其中所述可达性代理、工作效率代理和稳定性代理在所述网络上相同或不同的节点上或者在它们的组合上运行。
16.一种用于在具有多个节点的网络中的基于熵的稳定性管理的设备，包括：
用于通过在网络中的处理器上执行的稳定性代理，从所述网络上多个节点收集稳定性信息的第一逻辑单元；
用于通过所述稳定性代理基于收集到的稳定性信息确定所述网络上的多个节点之间和之中的相对可信赖性的第二逻辑单元；
用于通过所述稳定性代理估算所述网络上多个节点中每个节点的稳定性水平的第三逻辑单元，其中使用基于熵的统计方法估算所述稳定性水平；
用于通过所述稳定性代理提供稳定性水平的信息到用于管理和控制操作的操作代理的第四逻辑单元，所述操作代理在所述网络上的节点上运行；以及
第五逻辑单元，用于：
通过所述操作代理提供虚拟群的自管理网络的管理和控制，其中就网络中节点的可达性和工作效率因素使用稳定性信息以能够确定所述网络中节点的提升和降级。
17.如权利要求16所述的设备，其中所述基于熵的统计方法由统计熵方程的香农定律推导而来。
18.如权利要求17所述的设备，其中部分地使用在归一化为区间[0，1]的群Cij的特定熵测量时间段ΔT期间的节点m的熵，将所述统计熵方程的香农定律应用到所述网络上的节点群中的每个节点，以根据稳定性状态评估期间的绝对相对可信赖性得到所需的关于节点m的稳定性测量，并且通过关联于Cij的群头定义和获得群的总稳定性的测量γ如下：
γ＝[HCH(t，ΔT)]*min[Hi(t，ΔT)]
其中CH是Cij的群头并且i＝(Cij中的所有节点)。
19.如权利要求16所述的设备，其中所述管理和控制操作包括路由控制、安全管理和故障管理中的一个或多个。
20.如权利要求16所述的设备，进一步包括其他的逻辑单元，用于：
通过在所述网络上的节点上执行的操作代理确定节点是否被提升、降级或留在相同的级，其中提升的节点上升到之前群级的上面的群级并且成为上面级的虚拟群的一部分，同时保留在之前级的虚拟群中，并且其中降级的节点落入之前群级下面的群级中并且不再保留在较高级的虚拟群中；并且
基于所述确定的结果执行提升/降级/静态操作。
21.如权利要求20所述的设备，进一步包括更多的逻辑单元，用于：
在被提升到群k的群头的节点中提供对群k对等节点的管理和控制服务功能；
提供对位于所述节点的当前群级下面的群级中的其他节点的管理和控制服务功能，所述节点已经从所述当前群级被提升，
其中所述操作代理使用基于关于(a)可达性、(b)稳定性和(c)工作效率的节点行为的信息，并且其中所述稳定性行为以提供稳定性水平的信息来提供。
22.如权利要求16所述的设备，其中所述稳定性代理在所述网络上的节点中的虚拟机、嵌入式分区、虚拟机监视器、虚拟装置中之一中执行。
CN200810178555.XA 2007-09-28 2008-09-28 基于熵(自组织)稳定性管理 Expired - Fee Related CN101447903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310174162.2A CN103269283B (zh) 2007-09-28 2008-09-28 基于熵（自组织）稳定性管理的系统、方法及节点

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/864,797 US8954562B2 (en) 2007-09-28 2007-09-28 Entropy-based (self-organizing) stability management
US11/864797 2007-09-28
US11/864,797 2007-09-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201310174162.2A Division CN103269283B (zh) 2007-09-28 2008-09-28 基于熵（自组织）稳定性管理的系统、方法及节点

Publications (2)

Publication Number Publication Date
CN101447903A CN101447903A (zh) 2009-06-03
CN101447903B true CN101447903B (zh) 2013-06-12

Family

ID=40427373

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201310174162.2A Expired - Fee Related CN103269283B (zh) 2007-09-28 2008-09-28 基于熵（自组织）稳定性管理的系统、方法及节点
CN200810178555.XA Expired - Fee Related CN101447903B (zh) 2007-09-28 2008-09-28 基于熵(自组织)稳定性管理

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201310174162.2A Expired - Fee Related CN103269283B (zh) 2007-09-28 2008-09-28 基于熵（自组织）稳定性管理的系统、方法及节点

Country Status (5)

Country Link
US (1) US8954562B2 (zh)
EP (2) EP2393240B1 (zh)
JP (1) JP4807650B2 (zh)
CN (2) CN103269283B (zh)
AT (1) ATE523000T1 (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1738258A4 (en) 2004-03-13 2009-10-28 Cluster Resources Inc SYSTEM AND METHOD IMPLEMENTING OBJECT TRIGGERS
US8782654B2 (en) 2004-03-13 2014-07-15 Adaptive Computing Enterprises, Inc. Co-allocating a reservation spanning different compute resources types
US20070266388A1 (en) 2004-06-18 2007-11-15 Cluster Resources, Inc. System and method for providing advanced reservations in a compute environment
US8176490B1 (en) 2004-08-20 2012-05-08 Adaptive Computing Enterprises, Inc. System and method of interfacing a workload manager and scheduler with an identity manager
WO2006053093A2 (en) 2004-11-08 2006-05-18 Cluster Resources, Inc. System and method of providing system jobs within a compute environment
US9075657B2 (en) 2005-04-07 2015-07-07 Adaptive Computing Enterprises, Inc. On-demand access to compute resources
US8863143B2 (en) 2006-03-16 2014-10-14 Adaptive Computing Enterprises, Inc. System and method for managing a hybrid compute environment
US7698430B2 (en) 2005-03-16 2010-04-13 Adaptive Computing Enterprises, Inc. On-demand compute environment
US9231886B2 (en) 2005-03-16 2016-01-05 Adaptive Computing Enterprises, Inc. Simple integration of an on-demand compute environment
US9418040B2 (en) * 2005-07-07 2016-08-16 Sciencelogic, Inc. Dynamically deployable self configuring distributed network management system
US8041773B2 (en) 2007-09-24 2011-10-18 The Research Foundation Of State University Of New York Automatic clustering for self-organizing grids
US8364742B2 (en) * 2008-02-27 2013-01-29 Rosemount Inc. System for visualizing design and organization of wireless mesh networks in physical space
US7872990B2 (en) * 2008-04-30 2011-01-18 Microsoft Corporation Multi-level interconnection network
US8997205B1 (en) * 2008-06-27 2015-03-31 Symantec Corporation Method and apparatus for providing secure web transactions using a secure DNS server
US8868675B2 (en) * 2008-12-04 2014-10-21 Cisco Technology, Inc. Network optimization using distributed virtual resources
US8850067B2 (en) * 2009-10-22 2014-09-30 Verizon Patent And Licensing Inc. Internet protocol (IP) address pool management and allocation
US10877695B2 (en) 2009-10-30 2020-12-29 Iii Holdings 2, Llc Memcached server functionality in a cluster of data processing nodes
US11720290B2 (en) 2009-10-30 2023-08-08 Iii Holdings 2, Llc Memcached server functionality in a cluster of data processing nodes
US8578375B2 (en) * 2009-12-23 2013-11-05 International Business Machines Corporation Virtual machine administration for data center resource managers
JP5740652B2 (ja) * 2012-03-28 2015-06-24 株式会社日立製作所 計算機システム及びサブシステム管理方法
WO2013180182A1 (ja) * 2012-05-31 2013-12-05 株式会社ニコン 移動電子機器およびプログラム
US9665630B1 (en) * 2012-06-18 2017-05-30 EMC IP Holding Company LLC Techniques for providing storage hints for use in connection with data movement optimizations
CN103781194B (zh) * 2012-10-18 2017-09-26 同济大学 一种基于耗散结构的车联网大规模网络动态演化方法
EP2797247A1 (en) 2013-04-24 2014-10-29 British Telecommunications Public Limited Company Optical data transmission
US9654248B2 (en) * 2013-10-11 2017-05-16 British Telecommunications Public Limited Company Optical data transmission method and apparatus
US10103959B2 (en) * 2014-01-07 2018-10-16 International Business Machines Corporation Scalable software monitoring infrastructure, using parallel task queuing, to operate in elastic cloud environments
JP6461167B2 (ja) 2014-01-21 2019-01-30 オラクル・インターナショナル・コーポレイション アプリケーションサーバ、クラウドまたは他の環境においてマルチテナンシをサポートするためのシステムおよび方法
US10055240B2 (en) 2014-09-23 2018-08-21 At&T Intellectual Property I, L.P. Service creation and management
US9940342B2 (en) 2014-09-25 2018-04-10 Red Hat, Inc. Stability measurement for federation engine
US11057272B2 (en) * 2014-09-26 2021-07-06 Oracle International Corporation System and method for transactions in a multitenant application server environment
US9798567B2 (en) 2014-11-25 2017-10-24 The Research Foundation For The State University Of New York Multi-hypervisor virtual machines
WO2016133766A1 (en) * 2015-02-22 2016-08-25 Flex Logix Technologies, Inc. Mixed-radix and/or mixed-mode switch matrix architecture and integrated circuit, and method of operating same
US10291648B2 (en) 2015-12-22 2019-05-14 At&T Intellectual Property I, L.P. System for distributing virtual entity behavior profiling in cloud deployments
US10257270B2 (en) 2016-04-26 2019-04-09 International Business Machines Corporation Autonomous decentralized peer-to-peer telemetry
US9836183B1 (en) * 2016-09-14 2017-12-05 Quid, Inc. Summarized network graph for semantic similarity graphs of large corpora
ES2944555T3 (es) * 2017-06-02 2023-06-22 Siemens Schweiz Ag Agrupación de actores en un sistema de automatización de edificios
US11016798B2 (en) 2018-06-01 2021-05-25 The Research Foundation for the State University Multi-hypervisor virtual machines that run on multiple co-located hypervisors

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2386287A (en) * 2002-03-06 2003-09-10 Lucent Technologies Inc A method of monitoring state of a telecommunications network
CN1731763A (zh) * 2005-08-22 2006-02-08 武汉理工大学 Ad Hoc网络中基于信息熵的分布式Qos多播路由方法

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5664106A (en) * 1993-06-04 1997-09-02 Digital Equipment Corporation Phase-space surface representation of server computer performance in a computer network
US5727051A (en) * 1995-07-14 1998-03-10 Telefonaktiebolaget Lm Ericsson (Publ.) System and method for adaptive routing on a virtual path broadband network
EP0861546B1 (en) * 1995-11-16 2004-04-07 Loran Network Systems, L.L.C. Method of determining the topology of a network of objects
US5850592A (en) * 1996-01-11 1998-12-15 Gte Internetworking Incorporated Method for self-organizing mobile wireless station network
US6266694B1 (en) * 1997-06-19 2001-07-24 Nortel Networks Limited Architecture for network manager
US6519660B1 (en) * 1999-09-28 2003-02-11 International Business Machines Corporation Method, system and program products for determining I/O configuration entropy
US6986137B1 (en) * 1999-09-28 2006-01-10 International Business Machines Corporation Method, system and program products for managing logical processors of a computing environment
US6711409B1 (en) * 1999-12-15 2004-03-23 Bbnt Solutions Llc Node belonging to multiple clusters in an ad hoc wireless network
US6829222B2 (en) 2000-04-25 2004-12-07 Board Of Regents The University Of Texas System Clusterhead selection in wireless ad hoc networks
AU2001259402A1 (en) * 2000-05-02 2001-11-12 Sun Microsystems, Inc. Cluster membership monitor
US6493759B1 (en) * 2000-07-24 2002-12-10 Bbnt Solutions Llc Cluster head resignation to improve routing in mobile communication systems
US7733818B2 (en) 2000-12-22 2010-06-08 Terahop Networks, Inc. Intelligent node communication using network formation messages in a mobile Ad hoc network
US7203729B2 (en) * 2001-04-20 2007-04-10 Motorola Inc. Method and apparatus for a communication network with nodes capable of selective cluster head operation
US7171476B2 (en) * 2001-04-20 2007-01-30 Motorola, Inc. Protocol and structure for self-organizing network
US6877107B2 (en) * 2001-07-05 2005-04-05 Softwired Ag Method for ensuring operation during node failures and network partitions in a clustered message passing server
US6744740B2 (en) 2001-12-21 2004-06-01 Motorola, Inc. Network protocol for wireless devices utilizing location information
US7346056B2 (en) * 2002-02-01 2008-03-18 Fujitsu Limited Optimizing path selection for multiple service classes in a network
JP2003230167A (ja) * 2002-02-04 2003-08-15 Ntt Docomo Inc アドホックネットワークに接続可能な移動通信端末および接続方法
US7904556B2 (en) * 2002-03-05 2011-03-08 Computer Associates Think, Inc. Method and apparatus for role grouping by shared resource utilization
US7277400B2 (en) * 2002-03-06 2007-10-02 Lucent Technologies Inc. Method of monitoring state of a telecommunications network comprising a plurality of nodes, and a corresponding telecommunications network
DE10214629A1 (de) 2002-04-02 2003-10-16 Philips Intellectual Property Verfahren zum Organisieren der Topologie eines Netzwerkes mit einer Vielzahl von Stationen, die in Cluster gruppiert sind
US7764617B2 (en) 2002-04-29 2010-07-27 Harris Corporation Mobile ad-hoc network and methods for performing functions therein based upon weighted quality of service metrics
US6788650B2 (en) 2002-06-06 2004-09-07 Motorola, Inc. Network architecture, addressing and routing
US20050152305A1 (en) 2002-11-25 2005-07-14 Fujitsu Limited Apparatus, method, and medium for self-organizing multi-hop wireless access networks
US20040100917A1 (en) 2002-11-26 2004-05-27 Perkins Matthew R. Coordinator device election process for wireless sensor networks
US20040157557A1 (en) * 2003-02-07 2004-08-12 Lockheed Martin Corporation System for a dynamic ad-hoc wireless network
US7962914B2 (en) * 2003-11-25 2011-06-14 Emc Corporation Method and apparatus for load balancing of distributed processing units based on performance metrics
US7975035B2 (en) * 2003-12-01 2011-07-05 International Business Machines Corporation Method and apparatus to support application and network awareness of collaborative applications using multi-attribute clustering
US7698403B2 (en) * 2004-06-30 2010-04-13 Intel Corporation Automated management system generating network policies based on correlated knowledge to modify operation of a computer network
JP4506387B2 (ja) * 2004-09-30 2010-07-21 ブラザー工業株式会社 情報通信システム、ノード装置、及びオーバーレイネットワーク形成方法等
US7461130B1 (en) * 2004-11-24 2008-12-02 Sun Microsystems, Inc. Method and apparatus for self-organizing node groups on a network
FI118291B (fi) 2004-12-22 2007-09-14 Timo D Haemaelaeinen Energiatehokas langaton anturiverkko, solmulaitteita sitä varten sekä menetelmä tietoliikenteen järjestämiseksi langattomassa anturiverkossa
EP1705799A1 (en) * 2005-03-22 2006-09-27 Fondazione Torino Wireless A method and system for information processing
US7440436B2 (en) 2005-05-13 2008-10-21 Natural Lighting Systems, Inc. Self-organizing multi-channel mesh network
US8869276B2 (en) * 2005-06-29 2014-10-21 Trustees Of Boston University Method and apparatus for whole-network anomaly diagnosis and method to detect and classify network anomalies using traffic feature distributions
JP4473199B2 (ja) * 2005-09-06 2010-06-02 日本電信電話株式会社 品質測定方法およびノード装置
WO2008051258A2 (en) * 2005-12-21 2008-05-02 University Of South Carolina Methods and systems for determining entropy metrics for networks
US8566447B2 (en) * 2006-04-10 2013-10-22 Bank Of America Corporation Virtual service switch
CN100396049C (zh) * 2006-05-26 2008-06-18 北京交通大学 一种应用于ad hoc网络的基于节点类型的群首选举方法
US20070298821A1 (en) * 2006-06-21 2007-12-27 Lockheed Martin Corporation System for boolean network configuration of a wireless network
US7792137B2 (en) 2006-07-05 2010-09-07 Abidanet, Llc Self-organized and self-managed ad hoc communications network
US20080059631A1 (en) * 2006-07-07 2008-03-06 Voddler, Inc. Push-Pull Based Content Delivery System
US20080028472A1 (en) 2006-07-25 2008-01-31 International Business Machines Corporation Heterogeneous evolutionary self-formatting Internet protocols
US7894926B2 (en) * 2006-09-22 2011-02-22 Pdf Solutions, Inc. Global predictive monitoring system for a manufacturing facility
US7990927B2 (en) 2006-10-31 2011-08-02 Infineon Technologies Ag Method and apparatus for transmitting data in a communication system
US20100142409A1 (en) * 2006-12-21 2010-06-10 Liam Fallon Self-Forming Network Management Topologies
CN101637007B (zh) * 2007-03-20 2014-09-24 汤姆森特许公司 分层结簇的p2p流系统
US8041773B2 (en) * 2007-09-24 2011-10-18 The Research Foundation Of State University Of New York Automatic clustering for self-organizing grids

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2386287A (en) * 2002-03-06 2003-09-10 Lucent Technologies Inc A method of monitoring state of a telecommunications network
CN1731763A (zh) * 2005-08-22 2006-02-08 武汉理工大学 Ad Hoc网络中基于信息熵的分布式Qos多播路由方法

Also Published As

Publication number Publication date
EP2393240B1 (en) 2013-08-21
EP2393240A1 (en) 2011-12-07
CN103269283A (zh) 2013-08-28
EP2053787A1 (en) 2009-04-29
CN103269283B (zh) 2016-12-28
US20090089410A1 (en) 2009-04-02
JP4807650B2 (ja) 2011-11-02
CN101447903A (zh) 2009-06-03
EP2053787B1 (en) 2011-08-31
US8954562B2 (en) 2015-02-10
ATE523000T1 (de) 2011-09-15
JP2009141946A (ja) 2009-06-25

Similar Documents

Publication Publication Date Title
CN101447903B (zh) 基于熵(自组织)稳定性管理
EP2043298B1 (en) Virtual clustering for scalable network control and management
Randhawa et al. Data aggregation in wireless sensor networks: Previous research, current status and future directions
Rahman et al. Distb-condo: Distributed blockchain-based iot-sdn model for smart condominium
Guim et al. Autonomous lifecycle management for resource-efficient workload orchestration for green edge computing
Vega et al. A technological overview of the guifi. net community network
Yuan et al. A Q-learning-based approach for virtual network embedding in data center
Des Rosiers et al. Senslab
WO2021008675A1 (en) Dynamic network configuration
Zhou et al. Knowledge transfer and reuse: A case study of AI-enabled resource management in RAN slicing
Vasilakos et al. Integrated methodology to cognitive network slice management in virtualized 5G networks
Cordasco et al. Toward the new version of D-MASON: efficiency, effectiveness and correctness in parallel and distributed agent-based simulations
Pentelas et al. Deep multi-agent reinforcement learning with minimal cross-agent communication for sfc partitioning
Baniata et al. Distributed scalability tuning for evolutionary sharding optimization with Random-equivalent security in permissionless Blockchain
Sharaf et al. Preference-based and homogeneous coalition formation in fog computing
Zeng et al. A simulation method for social networks
Mamushiane Towards the development of an optimal SDN controller placement framework to expedite SDN deployment in emerging markets
Loisel Decentralized task coordination in heterogeneous IoT clusters
Huang et al. HIC: A high‐reliable in‐band control network for perception layer of software‐defined IoT
Castro Mechanisms for Latency Reduction in Fog Environments
Rapate et al. Effectivity Score of Simulation Tools towards Modelling Design in Internet-of-Things
Chenaru et al. Sensor Virtualization for Enabling Novel Services
Patel et al. Internet of Things (IoT): Theory and Applications
CN115987784A (zh) 一种数据与模型联合驱动的网络切片间智能重配置方法
Alli Machine learning based computa tional offloading in the Fog Cloud Internet of Things ecosystems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130612

Termination date: 20180928