CN102791046A - 一种机会网络中的元数据交换方法及交换节点 - Google Patents

Abstract

本发明实施例公开了一种机会网络中的元数据交换方法及交换节点,用于信息技术领域，以针对现有技术中针对机会网络中的元数据交换的解决方法的不足,特别是署名向量方法存在的缺陷，而在其基础上，提出一种动态署名向量的改进方式:当节点A接收到节点B发送的消息

时，节点A生成新的向量元素

，其中，是节点A发向节点B的汇总向量

中消息对应二元组的存活时间；节点A将二元组加入消息

所对应的动态署名向量

中；若

已包含有

，则取

和

中大者所对应的二元组加入

，以更新所述消息

所对应的动态署名向量

。本发明实施例在原先署名向量的基础上添加超时处理和节点淘汰预测机制，从而提高节点间元数据的同步性。

Description

一种机会网络中的元数据交换方法及交换节点

技术领域

本发明涉及一种信息技术领域，尤其涉及一种基于机会网络中的元数据交换方法及交换节点.

背景技术

机会网络是一种不需要源节点和目标节点之间存在完整链路，而利用节点移动带来的相遇机会实现通信的网络，数据转发是机会网络中的重要应用和研究的热点问题。

当两个建立通信连接的移动节点在数据传输过程中，需经过元数据交换和实际数据传输两个阶段。在元数据交换阶段，节点间首先相互交换各自含有的元信息，如节点所含数据的概要信息、节点的移动信息或节点资源属性等等，然后每个节点根据所接收的元信息计算生成效用值，如网络连通性、最大传达概率或最小传输延时等等，从而决定是否进一步向对方索取实际数据.实际数据传输阶段则是根据之前元数据交换阶段计算出的决策，传输相应的数据。因此，元数据交换阶段传输的数据对每个节点的决策计算有很大的影响，从而影响数据转发的效用。

元数据交换的思想被广泛应用：在机会数据转发中，AnwitamanDatta等人提出了一种Autonomous Gossiping机制。该方法先将节点所携带的数据通过标签进行分类。在移动过程中，每个节点周期性地广播自身所携带的标签类型；在数据传输时，先比较对方节点中的标签内容，判断是否携带了当前节点感兴趣的数据。如果存在这样的数据，两个节点间进行实际数据的传输。Autonomous Gossiping机制中包含了元数据交换的思想，但并未对元数据的信息作额外处理，文章也没有描述元数据交换的细节。

Guidec等人提出了一种基于协商的文档分发机制。该机制中，每个分发节点接收到邻居节点发布的兴趣消息后，从缓存中检索对应的文档，再将文档元数据列表，并将自己的兴趣广播。邻居节点若发现列表中包含自身感兴趣的文档，则生成一个请求消息单播给该节点，节点收到请求后，将文档广播给所有邻居节点。

另外，Jyh-How Huang提出使用署名向量(Known Vector，KV)作为元数据交换的方法。采用署名向量方法能避免元数据的大量重复传输，从而降低网络开销、提高传输性能。然而Jyh-How Huang的方法在缓存有限的情况下，节点元数据的同步性不够理想，导致节点无法向对方提供有效数据。

发明内容

本发明的目的是针对现有技术中针对机会网络中的元数据交换的解决方法的不足，特别是署名向量方法存在的缺陷，而在其基础上，提出一种动态署名向量的改进方式：在原先署名向量的基础上添加超时处理和节点淘汰预测机制，从而提高节点间元数据的同步性。

为了达到上述发明目的，本发明提出了一种机会网络中的元数据交换方法，所述方法是通过以下的技术方案实现的：

一种机会网络中的元数据交换方法，所述方法包括：

当节点A接收到节点B发送的消息m时，节点A生成新的向量元素(B，t_B)，其中，t_B是节点A发向节点B的汇总向量SV_A→B中消息m对应二元组的存活时间；

节点A将二元组(B，t_B)加入消息m所对应的动态署名向量DKV_m，A中；

若DKV_m，A已包含有(B，t′_B)，则取t_B和t′_B中大者所对应的二元组加入DKV_m，A，以更新所述消息m所对应的动态署名向量DKV_m，A。

进一步优选地，所述DKV_m，A中的每个向量元素(i，t_i)对应一个状态state，当(i，t_i)∈DKV_m，A时，state_i＝Active。

进一步优选地，所述方法还包括：

每个节点内置定时器，周期性地更新DKV_m，A中每个元素的淘汰时间t_i；

若某时t_i＝0，则将(i，t_i)从DKV_m，A中移除，更改state_i＝Deactive，(i，t_i)进入淘汰阶段。

进一步优选地，所述方法还包括：

在淘汰阶段，节点A根据消息m的局部密度，预测向量元素(i，t_i)的延长时间s_i；

若s_i＞0，则向量元素(i，t_i)延后s_i再被淘汰；若s_i在周期性更新后超时或s_i＝0，那么向量元素(i，t_i)状态为state_i＝Eliminating，从缓冲中淘汰。

进一步优选地，所述方法还包括：

当节点A和节点B进行通信时，节点A将汇总向量SV_A→B发送给节点B；

节点B收到所述汇总向量SV_A→B，根据汇总向量SV_A→B中的节点信息，计算节点B向节点A的请求向量RV_B→A并返回所述请求向量RV_B→A给节点A；

节点A接收到请求向量RV_B→A时，节点A便进入实际的数据发送阶段，根据RV_B→A的要求将相应的消息发送给节点B；

在所述消息被成功传输后，节点A和B的署名向量分别做如下更新：

${\mathrm{DKV}}_{m,A}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(B,t)\right\}$

${\mathrm{DKV}}_{m,B}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(A,t)\right\}$

其中，t是添加新节点的当前时刻。

为了实现本发明的发明目的，本发明实施例还提供了一种机会网络中的元数据交换节点A，所述节点包括以下模块：

接收模块，用于接收从节点B发送来的消息m；

动态向量更新模块，用于当接收到从节点B发送来的消息m时，生成新的向量元素(B，t_B)，其中，t_B是节点A发向节点B的汇总向量SV_A→B中消息m对应二元组的存活时间，并将二元组(B，t_B)加入消息m所对应的动态署名向量DKV_m，A中，若DKV_m，A已包含有(B，t′_B)，则取t_s和t′_B中大者所对应的二元组加入DKV_m，A，以更新所述消息m所对应的动态署名向量DKV_m，A；

发送模块，用于向节点B发送消息。

进一步优选地，所述DKV_m，A中的每个向量元素(i，t_i)对应一个状态state，当(i，t_i)∈DKV_m，A时，state_i＝Active。

进一步优选地，所述交换节点还包括：

定时器模块，用于周期性地更新DKV_m，A中每个向量元素的淘汰时间t_i；

向量元素淘汰模块，用于若某时t_i＝0时，则将(i，t_i)从DKV_m，A中移除，更改state_i＝Deactive，(i，t_i)进入淘汰阶段。

进一步优选地，所述交换节点还包括：

时间预测模块，用于在淘汰阶段，根据消息m的局部密度，预测向量元素(i，t_i)的延长时间s_i；若s_i＞0，则向量元素(i，t_i)延后s_i再被淘汰；若s_i在周期性更新后超时或s_i＝0，那么向量元素(i，t_i)状态为state_i＝Eliminating，从缓冲中淘汰。

与现有技术相比，本发明实施例在署名向量方法的基础上，提出一种动态署名向量的改进方式：在原先署名向量的基础上添加超时处理和节点淘汰预测机制，从而提高节点间元数据的同步性。

附图说明

通过下面结合附图对其示例性实施例进行的描述，本发明上述特征和优点将会变得更加清楚和容易理解。

图1为本发明实施例1一种机会网络中的元数据交换方法的流程图；

图2为本发明实施例2一种机会网络中的元数据交换节点的示意图；

图3为本发明实施例3模拟车辆移动网络中的节点数量对漏发消息数的影响结果示意图；

图4为本发明实施例3模拟车辆移动网络中的节点数量对平均漏发率的影响结果示意图；

图5为本发明实施例3模拟车辆移动网络中的节点数量对SV同步率的影响结果示意图；

图6为本发明实施例3模拟车辆移动网络中的不同移动速度对平均到达时间的影响结果示意图；

图7为本发明实施例3模拟车辆移动网络中的不同移动速度对平均到达率的影响结果示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。为了更好的描述本发明实施例的技术方案，首先对以下概念作一一说明.熟悉本领域的技术人员可以知道，该说明仅为了帮助理解和说明，并不在于限制本发明，其中，名词术语部分为本领域常用或为本领域一般技术人员可以理解的用法，而并不构成对本发明的实施方式的限制.

基于动态署名向量的元数据交换方法涉及了汇总向量(Summary Vector，SV)、请求向量(Request Vector，RV)和署名向量(Known Vector，KV)，下面分别介绍其形式化定义以及相应的元数据交换方法。

节点A发送给节点B的汇总向量SV_A→B为：

SV_A→B＝{(id_m，t_m)|m∈BUF_A，B∈KV_m，A}

其中，m为消息；BUF_A为节点A缓冲中的消息集合；id_m为消息m的标识，在网络中，不同消息的标识是不同的；KV_m，A为署名向量，其定义稍后给出；t_m为m在A中可存活的预计时间，t_m的计算由节点A的缓冲管理模块完成。汇总向量是交换过程中发送给对方的第一个元数据，用于告知其他节点自身存储了哪些对方所没有的消息。

节点B对节点A的请求向量RV_B→A：

RV_B→A＝{id_m|id_m∈SV_A→B，m∈BUF_B}

请求向量RV_B→A的每个元素标识当前节点向其他通信节点请求消息的标识组成的集合。

节点A中消息m所对应的动态署名向量DKV_m，A：

DKV_m，A＝{(i，t_i)|i∈EL_A，m∈BUF_i}

其中，t_i为节点i在DKV_m，A中的存活时间；EL_A为到目前为止与A相遇的所有其他节点集。署名向量DKV_m，A用于记录到目前时刻节点A已知拥有消息m的其他节点。

进行相关概念的上述说明后，进行本发明实施例的描述.

首先介绍动态署名向量如何进行元数据淘汰和预测：

当A接收了B发送的消息m，并准备更新署名向量时，A将生成新的二元组(B，t_B)。其中，t_B是SV_A→B中m对应二元组的存活时间t_m。最后，A将二元组(B，t_B)加入DKV_m，A中。若DKV_m，A已有(B，t′_B)，那么取t_B和t′_B中大者所对应的二元组加入DKV_m，A。

对于每个向量元素(i，t_i)，其对应一个状态state。当(i，t_i)∈DKV_m，A时，state_i＝Active。每个节点内置定时器，周期性地更新DKV_m，A中每个元素的淘汰时间t_i。若某时t_i＝0，那么(i，t_i)将从DKV_m，A中移除，更改state_i＝Deactive，该二元组进入淘汰阶段。

在淘汰阶段，节点A根据m的局部密度预测向量元素(i，t_i)的延长时间s_i。若s_i＞0，那么该二元组延后s_i再被淘汰；若s_i在周期性更新后超时或s_i＝0，那么该二元组状态为state_i＝Eliminating，从缓冲中淘汰。

我们通过以下方式计算延长时间s_i：

当KV_m，A对应的向量元素(i，t_i)进入淘汰阶段时，节点A将计算t时刻节点A关于m的局部密度

从而用于预测延缓时间s_i。借鉴[9]中定义效用函数的思想，设δ_j，m为节点j中含有消息m的情况，

${\mathrm{\δ}}_{j,m}=\left\{\begin{array}{cc}1,& \mathrm{ifm}\∈{\mathrm{BUF}}_j\\ 0,& \mathrm{otherwise}\end{array}\right.$

设ξ_j，k为节点j相对节点k的位置系数，

ξ_j，k＝max{0，d_j，k}

其中，d_j，k为节点j与节点k的速度矢量夹角的余弦值。

设

为t时刻与节点A周围建立连接的节点集。设

为t时刻新进入节点j通信范围的节点集。

和

均可通过节点的周期性探测进行统计。设

为节点j在t时刻的邻域变化率，

${\mathrm{\γ}}_j^t=\frac{\mathrm{NewNeighbo}{r}_A^{t^{{\mathrm{hbor}}_A^t}}}{{\mathrm{Neighbor}}_A^t}$

的值与

中存有m的节点数δ、邻居节点相对A的位置ξ和节点A的邻域变化率γ相关。若邻域中存有m的节点越多，那么节点i重新获得消息m的可能性就越高；若邻域中含有m的节点离A越近，那么A关于m的局部密度将越大；若邻域变化率大，那么邻域内数据传输频繁，节点i获取m的可能性就增加。因此

的计算式为，

${\mathrm{\ρ}}_{A,m}^t=\left\{\begin{array}{cc}\frac{{\mathrm{\Σ}}_{j\∈{\mathrm{Neighbor}}_A^t}{\mathrm{\δ}}_{j,m}}{\left|\mathrm{Neighbo}{r}_A^t\right|}\·{\mathrm{\γ}}_A^t,& i\∈\mathrm{Neighbo}{r}_A^t\\ \frac{{\mathrm{\Σ}}_{j\∈\mathrm{Neigh}{\mathrm{bor}}_A^t}{\mathrm{\ξ}}_{j,k}\·{\mathrm{\δ}}_{j,m}}{\left|{\mathrm{Neighbor}}_A^t\right|},& \mathrm{otherwise}\end{array}\right.$

所以，预测延缓时间

其中T为经验参数。

最后，本发明实施例给出基于动态署名向量的元数据交换方法和元数据更新方法：

当双方进行通信时，A将SV_A→B发送给B；B随即计算RV_B→A并返回给A；A接收了RV_B→A后，A便进入实际的数据发送阶段，按照RV_B→A的要求将相应的消息发送给B。发送方A在发送消息m时同时向B传送KV_m，A的副本。在消息成功传输后，两节点的署名向量各自做如下更新：

${\mathrm{DKV}}_{m,A}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(B,t)\right\}$

${\mathrm{DKV}}_{m,B}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(A,t)\right\}$

其中，t是添加新节点的当前时刻。最后，对于所有(id_m，t_m)∈SV_A→B-RV_B→A，将(B，t_p)加入DKV_m，A中，其中t_p为预设值。

与现有技术相比，本发明实施例在署名向量方法的基础上，提出一种动态署名向量的改进方式：在原先署名向量的基础上添加超时处理和节点淘汰预测机制，从而提高节点间元数据的同步性。

为了实现本发明的发明目的，本发明实施例2还提供了一种机会网络中的元数据交换节点A，所述节点包括以下模块：

接收模块，用于接收从节点B发送来的消息m；

动态向量更新模块，用于当接收到从节点B发送来的消息m时，生成新的向量元素(B，t_B)，其中，t_B是节点A发向节点B的汇总向量SV_A→B中消息m对应二元组的存活时间，并将二元组(B，t_B)加入消息m所对应的动态署名向量DKV_m，A中，若DKV_m，A已包含有(B，t′_B)，则取t_B和t′_B中大者所对应的二元组加入DKV_m，A，以更新所述消息m所对应的动态署名向量DKV_m，A；

发送模块，用于向节点B发送消息。

进一步优选地，所述DKV_m，A中的每个向量元素(i，t_i)对应一个状态state，当(i，t_i)∈DKV_m，A时，state_i＝Active。

进一步优选地，所述交换节点还包括：

定时器模块，用于周期性地更新DKV_m，A中每个向量元素的淘汰时间t_i；

向量元素淘汰模块，用于若某时t_i＝0时，则将(i，t_i)从DKV_m，A中移除，更改state_i＝Deactive，(i，t_i)进入淘汰阶段。

进一步优选地，所述交换节点还包括：

时间预测模块，用于在淘汰阶段，根据消息m的局部密度，预测向量元素(i，t_i)的延长时间s_i；若s_i＞0，则向量元素(i，t_i)延后s_i再被淘汰；若si在周期性更新后超时或s_i＝0，那么向量元素(i，t_i)状态为state_i＝Eliminating，从缓冲中淘汰。

与现有技术相比，本发明实施例在署名向量方法的基础上，提出一种动态署名向量的改进方式：在原先署名向量的基础上添加超时处理和节点淘汰预测机制，从而提高节点间元数据的同步性。

本发明实施例3以典型的车辆移动速度和移动方式对模拟中的节点特征进行描述。实验开始前，模拟器加载地图信息，并随机地在道路上生成车辆初始位置。模拟时，车辆在图中随机选择一点作为目的地，按照地图上两点间最短路径进行移动。到达目的地后，节点停留一段时间，再次重复之前的移动过程，直至模拟结束。

在实验中，我们采用的Epidemic作为数据转发方法，考查基于Epidemic KV和DKV两种元数据交换方法所带来的实验结果。附图3～7为KV与DKV在上述参数模拟下的比较结果。

如图3显示了两种方法在不同网络规模情况下单位连接的平均漏发消息数量。可见，随着网络规模的增大，单位连接的平均漏发消息也随之增加。由于DKV的超时淘汰机制，使得DKV的漏发消息数低于KV。随着节点数的增加，DKV的增幅也小于KV。

我们统计了节点单位连接的平均漏发率，如图4所示。可以看到，随着节点数量增加，KV的平均漏发率高于DKV。特别在节点数量较多的情况下，对于采用KV机制的节点，每次数据传输中存在约一半的漏发消息。

图5为两种方法在模拟下获得的SV同步率。可见，节点数量的增加造成同步率的下降。由于KV方法中没有超时淘汰机制，因此无论节点数量如何变化，使用KV的汇总向量同步率总比DKV的同步率低。

我们比较了在不同移动速度的情况下，两种方法下消息的平均到达时间和平均到达率。图6描述了在低速(1.5～3m/s)和中速(7～10m/s)情况下的平均到达时间和平均到达率。可见在低速情况下的到达时间长，中速情况下的时间短。随着节点数目增加，网络中节点间相遇概率上升，从而提高了消息传输的可能，造成平均到达时间大幅的下降。

图7显示了两种方法在平均到达率上的变化。图中可见DKV的平均到达率与KV的表现基本相近。随着移动速度的增加，节点间相遇几率也随之上升，从而提高了平均到达率。

在相同速度的情况下，节点数量与平均到达率呈正相关关系。

需要注意的是，以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，在本发明的上述指导下，本领域技术人员可以在上述实施例的基础上进行各种改进和变形，而这些改进或者变形落在本发明的保护范围内。

Claims (9)

1.一种机会网络中的元数据交换方法，其特征在于，所述方法包括：

当节点A接收到节点B发送的消息m时，节点A生成新的向量元素(B，t_B)，其中，t_B是节点A发向节点B的汇总向量SV_A→B中消息m对应二元组的存活时间；

节点A将二元组(B，t_B)加入消息m所对应的动态署名向量DKV_m，A中；

若DKV_m，A已包含有(B，t′_B)，则取t_B和t′_B中大者所对应的二元组加入DKV_m，A，以更新所述消息m所对应的动态署名向量DKV_m，A。

2.根据权利要求1所述的方法，其特征在于，所述DKV_m，A中的每个向量元素(i，t_i)对应一个状态state，当(i，t_i)∈DKV_m，A时，state_i＝Active。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

每个节点内置定时器，周期性地更新DKV_m，A中每个元素的淘汰时间t_i；

若某时t_i＝0，则将(i，t_i)从DKV_m，A中移除，更改state_i＝Deactive，(i，t_i)进入淘汰阶段。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在淘汰阶段，节点A根据消息m的局部密度，预测向量元素(i，t_i)的延长时间s_i；

若s_i＞0，则向量元素(i，t_i)延后si再被淘汰；若s_i在周期性更新后超时或s_i＝0，那么向量元素(i，t_i)状态为state_i＝Eliminating，从缓冲中淘汰。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当节点A和节点B进行通信时，节点A将汇总向量SV_A→B发送给节点B；

节点B收到所述汇总向量SV_A→B，根据汇总向量SV_A→B中的节点信息，计算节点B向节点A的请求向量RV_B→A并返回所述请求向量RV_B→A给节点A；

节点A接收到请求向量RV_B→A时，节点A便进入实际的数据发送阶段，根据RV_B→A的要求将相应的消息发送给节点B；

在所述消息被成功传输后，节点A和B的署名向量分别做如下更新：

${\mathrm{DKV}}_{m,A}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(B,t)\right\}$

${\mathrm{DKV}}_{m,B}^{\mathrm{new}}={\mathrm{DKV}}_{m,A}^{\mathrm{old}}\∪\left\{(A,t)\right\}$

其中，t是添加新节点的当前时刻。

6.一种机会网络中的元数据交换节点A，其特征在于，所述节点包括以下模块：

接收模块，用于接收从节点B发送来的消息m；

动态向量更新模块，用于当接收到从节点B发送来的消息m时，生成新的向量元素(B，t_B)，其中，t_B是节点A发向节点B的汇总向量SV_A→B中消息m对应二元组的存活时间，并将二元组(B，t_B)加入消息m所对应的动态署名向量DKV_m，A，若DKV_m，A已包含有(B，t′_B)，则取t_B和t′_B中大者所对应的二元组加入DKV_m，A，以更新所述消息m所对应的动态署名向量DKV_m，A；

发送模块，用于向节点B发送消息。

7.根据权利要求6所述的交换节点，其特征在于，所述DKV_m，A中的每个向量元素(i，t_i)对应一个状态state，当(i，t_i)∈DKV_m，A时，state_i＝Active。

8.根据权利要求7所述的交换节点，其特征在于，所述交换节点还包括：

定时器模块，用于周期性地更新DKV_m，A中每个向量元素的淘汰时间t_i；

向量元素淘汰模块，用于若某时t_i＝0时，则将(i，t_i)从DKV_m，A中移除，更改state_i＝Deactive，(i，t_i)进入淘汰阶段。

9.根据权利要求8所述的交换节点，其特征在于，所述交换节点还包括：

时间预测模块，用于在淘汰阶段，根据消息m的局部密度，预测向量元素(i，t_i)的延长时间s_i；若s_i＞0，则向量元素(i，t_i)延后s_i再被淘汰；若s_i在周期性更新后超时或s_i＝0，那么向量元素(i，t_i)状态为state_i＝Eliminating，从缓冲中淘汰。

Images