CN103312822A - 一种基于推送的sns协议优化方法 - Google Patents

Abstract

本发明涉及一种基于推送的SNS协议优化方案，其根据用户的行为分析来引出一种消息传播的模式；利用字典原理和压缩原理，将消息进行压缩消除冗余和关键字的提取；将关键字与原始消息进行相互的联系，然后采用消息合并这三大步骤。本发明针对目前移动社交网络平台的客户端和服务端采用的协议和用户的社交行为，考虑到SNS服务器端发送的消息里面存在的重复的内容导致带宽浪费的问题，在采用消息合并的方法过程中同时利用压缩和字典原理来消除消息的冗余度和减少带宽的占用量。

Description

一种基于推送的SNS协议优化方法

技术领域

本发明涉及移动互联网技术领域，特别是一种基于推送的SNS协议优化方法。 

背景技术

近年来，随着 3G 上网技术的成熟，智能手机的普及，移动互联网市场渐渐展现在人们面前。移动 SNS 是将社交网络与移动设备的结合产物，在桌面 SNS 的基础上，又融合了移动设备的特性和社交功能的优势，但基于传统互联网技术的SNS应用在移动互联网浪费移动互联网有限的信令、流量等资源。微博作为一种主流的移动 SNS，其在移动互联网上存在的问题具有一定的代表性。

根据对用户行为的分析，读取最新微博、发布微博为两项用户高频使用功能。与此同时，获取用户关注列表及粉丝列表、获取用户发布的微博列表，也是高频使用功能。请参见图1，图1详细介绍了功能行为与协议包的关系。基于图1分析结果，我们对图中涉及数据包进行拆分，解析。获取各数据包中包含的具体信息，并对这些信息进行分析；从结构上分解上文数据包，可得图2的数据包结构，通过分析，发现数据包在三方面存在冗余信息：MIME冗余、数据包内数据冗余。

P2P技术的可行性和互联网以人为本，提高信息利用价值的目的使SNS社交网络应运而生，它在即时通信，视频语音，网络游戏的等方面得到了广泛的应用。由于其可以帮助每个人都可以通过自己手上的设备，在网络中发挥自己的力量，中间不需要服务器的管制的定位使它得到了广泛的关注。由于无线通信网络系统的实质是自干扰系统，尤其是相同载频的邻区，网络的负载量越高，干扰就会越大，覆盖范围就会越小，所以带宽是无线网络通信里面需要重点讨论的问题。同时，SNS协议目前的一些特点，比如：用户想发的信息可能很多人并不想看，而别人发的很多信息可能用户并不关心；经常会出现同一篇文章被多次共享，反复出现的情况，也就是说，信息的冗余度很高。所以冗余度，交互现象造成了一定程度上的带宽浪费，能量的大量消耗，用户体验不佳等现象。

面对这些问题，很多人提出了各种各样的优化方案，绝大多数SNS网站采用Hash散列算法将用户随机分配到多台服务器，此时,如果该用户发消息给所有好友,这条消息能广播到所有服务器，服务器处理消息压力很大，同时，也造成了信息的冗余。而较少有人利用社交网络的本质关系来进行协议优化，对于信息冗余，关键字的优化没有得到广泛的应用，消息合并对于节省流量和能耗的积极意义没有充分的利用起来。

发明内容

本发明的基于推送的SNS协议优化方法针对目前移动社交网络平台的客户端和服务端采用的协议和用户的社交行为，考虑到SNS服务器端发送的消息里面存在的重复的内容导致带宽浪费的问题，在采用消息合并的方法过程中同时利用压缩和字典原理来消除消息的冗余度和减少带宽的占用量。

本发明采用以下方案实现：一种基于推送的SNS协议优化方法，其特征在于包括以下步骤：

步骤1：收集某一用户的全部粉丝用户群，将其网络社交关系用二维矩阵表示出来，得到小社会群体C；

步骤2：将小社会群体C中存在互粉关系的微博转发和评论的用户分为群B；把用户群C中除了群B外的微博转发和评论的用户分为群A；在群C外关注了用户群B的成员，同时参与微博转发和评论的群补用户分为群D；

步骤3；对用户群A，B，D的原始微博信息进行压缩；

步骤4：将用户群A，B，D用户的ID和用户名收集起来；

步骤5：将步骤3中压缩后的内容提取出来，用Index来表示；

步骤6：将Index加入XML的结构中，让所述ID、用户名跟在所述Index后面，同时用两种不同的标号区分转发和评论的用户，再在content标签中添加用户在评论和转发时新增加的内容，形成数据包；

步骤7：将步骤6中得到的数据包采用字典算法做进一步的压缩处理，压缩后的数据包即为SNS服务器要发送出去的数据。

在本发明一实施例中，所述二维矩阵是由横坐标、纵坐标以及状态值形成，所述横坐标和纵坐标是以用户名为坐标值，将a用户关注了b用户的情况用状态值1来表示，没有关注的情况用状态值0表示。

在本发明一实施例中，所述步骤3按以下步骤完成压缩：

步骤3-1：为要压缩的数据分配内存空间；

步骤3-2：初始化原始数据的长度和被压缩后数据的长度；

步骤3-3：判断原始数据的长度是否合适，同时是否满足输出的压缩数据流长度总是小于一个上限值；

步骤3-4：如果上述条件成立，将对输入的原始数据采用Deflate算法压缩，回到步骤3-3；

步骤3-5：如果上述条件不成立，跳出循环；对相应的空间大小进行初始化后，对原始数据流采用Deflate算法进行压缩。

本发明具有以下优点：

1、通过用二维矩阵列出用户的网络社交关系，可以清楚地得到具体的小群体关系，这就可以在此基础上，提出本专利所采用的一种消息传播模式。

2、对原始内容进行关键字的提取和压缩，可以更有效的将涉及转发和评论的用户用一个Index的关键字联系在一起，更好的进行消息合并。而采用压缩是为了在减少数据包的大小的情况下，进一步减少数据包的大小，从而使流量的消耗更小。

3、进行消息合并，是在分析了现在新浪微博运营商发送出来的数据包的情况下提出的。从解压缩后的数据来看，每个转发和评论的用户的数据包是分开的，里面的原始消息的十二进制是相同重复的。所以我们这里的消息合并将在第二个优点的基础上，将所有相关用户聚集起来，而原始消息就只出现一次，这就从根本上节省了流量。

附图说明

图1介绍了功能行为与协议包的关系。

图2是现有技术的数据包结构图。

图3是本发明实施例总体系统流程示意图。

图4是本发明实施例内容压缩原理流程图。

图5是本发明消息合并的流程示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施例提供一种基于推送的SNS协议优化方法，其特征在于包括以下步骤：

步骤1：收集某一用户的全部粉丝用户群，将其网络社交关系用二维矩阵表示出来，得到小社会群体C；

步骤2：将小社会群体C中存在互粉关系的微博转发和评论的用户分为群B；把用户群C中除了群B外的微博转发和评论的用户分为群A；在群C外关注了用户群B的成员，同时参与微博转发和评论的群补用户分为群D；

步骤3：对用户群A，B，D的原始微博信息进行压缩；

步骤4：将用户群A，B，D用户的ID和用户名收集起来；

步骤5：将步骤3中压缩后的内容提取出来，用Index来表示，即该Index为压缩后的微博内容；

步骤6：将Index加入XML的结构中，让所述ID、用户名跟在所述Index后面，同时用两种不同的标号区分转发和评论的用户，再在content标签中添加用户在评论和转发时新增加的内容，形成数据包；

步骤7：将步骤6中得到的数据包采用字典算法做进一步的压缩处理，压缩后的数据包即为SNS服务器要发送出去的数据。

具体的，请参见图3，图3是本发明实施例总体系统流程示意图。具体步骤说明如下：

步骤1；收集某一用户的全部粉丝用户群，将其网络社交关系用二维矩阵表示出来，得到小社会群体C。本实施例该步骤的具体流程如下，：

步骤1-1：收集某一用户的全部粉丝用户，获取其相关信息，比如：ID，用户名，相互之间的关注情况等。

步骤1-2：将a用户关注了b用户的情况用1来表示，没有关注的情况用0表示。横坐标和纵坐标都以所有的关注用户为准，矩阵表如下：

该矩阵表说明如下：

(1)第一行和第一列的数字都分别表示发布微博的用户关注的那11个用户编号。

(2)其余的行列中的0和1的取值要根据不同的坐标来确定其意义,（横坐标用表中第一列中的用户编号表示；纵坐标用表中第一列中的用户编号）比如：(1,2)=0，表示表中列编号用户1没有关注横编号用户2，即用户1没有关注用户2。(6,4)=1，表示表中列编号用户6关注了横编号用户4，即表示用户6关注了用户4。

步骤1-3：根据步骤1-2得到的二维矩阵即为该用户的小社会群体C。

步骤2；在用户发布一条微博后，观察其小社会群体C的评论和转发情况。在群C中涉及到本专利采用的消息传播的用户的基础上，进行用户的分类。

步骤3；将所述小社会群体C中存在互粉关系的转发和评论了微博的用户分为群B，把用户群C中除了群B外的转发和评论的用户分为群A，在群C外关注了用户群B中某些成员，同时参与了微博转发和评论的群补用户分为群D。

步骤4；将处于本专利采用的一种消息传播模式中的用户(即用户群A，B，D)的信息提取出来，以后在这些用户中将分别进行消息合并。

步骤5；对原始内容进行压缩，该步骤的具体压缩流程可以参见图4，图中具体子步骤如下：

步骤5-1：为要压缩的数据分配内存空间。

步骤5-2：初始化原始数据的长度和被压缩后数据的长度。

步骤5-3：判断原始数据的长度是否合适，同时是否满足输出的压缩数据流长度总是小于一个上限值。

步骤5-4：如果上述条件成立，将对输入的原始数据采用Deflate算法压缩，回到步骤5-3。

步骤5-5：如果上述条件不成立，跳出循环。对相应的空间大小进行初始化后，对原始数据流采用Deflate算法进行压缩。

步骤6；将得到的关键字和相关用户信息进行整合，在此基础上进行消息合并。该步骤的具体情况可以查看如图5所示的具体子步骤：

步骤6-1：将涉及到本专利提及的消息模式的转发和评论了的所有用户进行分类，得到以上所述A,B,D三组用户群。

步骤6-2：将A，B，D三组用户的ID值，用户名等信息收集起来。

步骤6-3：将原始微博信息经压缩后的内容提取出来，用Index来表示。

步骤6-4：将Index加入XML的结构中，让转发和评论了微博的用户群A,B,D的ID，用户名等跟在Index后面，同时用两种不同的标号区分转发和评论的用户，在content标签中添加用户在评论和转发时新增加的内容。

步骤6-5：将得到的数据包采用字典算法做进一步的压缩处理，压缩后的数据包即为SNS服务器要发送出去的数据。

步骤7；将处理过的数据包发送给客户端，其中的XML文档的具体格式如下：

<mblog>

<index>weibocontent</index>

<uid>123</uid>

<uid>789</uid>

<dotype>1</dotype>

<dotype>0</dotype>

<mblogid>ZdRoy</mblogid>

<mblogid>noeKi</mblogid>

<mblogidnum>12348965</mblogidnum>

<mblogidnum>56987165</mblogidnum>

<mblogtype>0</mblogtype>

<mblogtype>0</mblogtype>

<mlevel>0</mlevel>

<mlevel>0</mlevel>

<feedid>ksfjkj</feedid>

<feedid>dkifno</feedid>

<content>##66 320,-669http://t.cn/zYDTqhJ</content>  

<pic>http://wp3.sina.cn/wap240/a84abd9dtw1e2we6x1wjmj.jpg</pic>

<rtrootuid>2823470493</rtrootuid>

<rtrootid>zokuhtmnQ</rtrootid>

<rtrootidnum>3557986296997558</rtrootidnum>

<rootmlevel>0</rootmlevel>

<rtrootnick></rtrootnick>

<rtrootvip>1</rtrootvip>

<rtreason></rtreason>

<topic_structs><topic_struct>

<topic_title></topic_title>

<topic_url>sinaweibo://pageinfo?pageid=100808ce1f4bf8e79247355d488e0b8c53696f&extparam=%E7%BE%8E%E5%89%A7%E8%B5%84%E8%AE%AF</topic_url>

</topic_struct></topic_structs>

<time>1363774512</time>

<time>2145987633</time>

<source></source>

</mblog>。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。 

Claims (3)

1.一种基于推送的SNS协议优化方法，其特征在于包括以下步骤：

步骤1：收集某一用户的全部粉丝用户群，将其网络社交关系用二维矩阵表示出来，得到小社会群体C；

步骤2：将小社会群体C中存在互粉关系的微博转发和评论的用户分为群B；把用户群C中除了群B外的微博转发和评论的用户分为群A；在群C外关注了用户群B的成员，同时参与微博转发和评论的群补用户分为群D；

步骤3：对用户群A，B，D的原始微博信息进行压缩；

步骤4：将用户群A，B，D用户的ID和用户名收集起来；

步骤5：将步骤3中压缩后的内容提取出来，用Index来表示；

步骤6：将Index加入XML的结构中，让所述ID、用户名跟在所述Index后面，同时用两种不同的标号区分转发和评论的用户，再在content标签中添加用户在评论和转发时新增加的内容，形成数据包；

步骤7：将步骤6中得到的数据包采用字典算法做进一步的压缩处理，压缩后的数据包即为SNS服务器要发送出去的数据。

2.根据权利要求1所述的基于推送的SNS协议优化方法，其特征在于：所述二维矩阵是由横坐标、纵坐标以及状态值形成，所述横坐标和纵坐标是以用户名为坐标值，将a用户关注了b用户的情况用状态值1来表示，没有关注的情况用状态值0表示。

3.根据权利要求1所述的基于推送的SNS协议优化方法，其特征在于：所述步骤3按以下步骤完成压缩：

步骤3-1：为要压缩的数据分配内存空间；

步骤3-2：初始化原始数据的长度和被压缩后数据的长度；

步骤3-3：判断原始数据的长度是否合适，同时是否满足输出的压缩数据流长度总是小于一个上限值；

步骤3-4：如果上述条件成立，将对输入的原始数据采用Deflate算法压缩，回到步骤3-3；

步骤3-5：如果上述条件不成立，跳出循环；对相应的空间大小进行初始化后，对原始数据流采用Deflate算法进行压缩。

Images