CN103678338A - 一种带智能缓存模块的物联网标识解析方法 - Google Patents

Abstract

本发明提供一种带智能缓存模块的物联网标识解析方法，通过调用接口接收客户端的应用程序的查询解析请求获得物品编码，先在解析器的智能缓存模块中进行查询，若智能缓存模块中有解析结果，直接从智能缓存模块返回解析结果，若没有解析结果，再将编码转换成DNS可以识别的域名，将该域名与本地缓存名字服务器和DNS云端进行交互查询，把解析结果返回给应用程序。所述智能缓存模块对每次查询解析请求及解析结果生成日志进行记录、保存，并能对下次查询的物品编码进行预测。本发明降低了根服务器负载，引入的智能预测缓存可获得应用程序的行为习惯，提前预测，缩短了应用程序的相应时间，提高了解析效率。

Description

一种带智能缓存模块的物联网标识解析方法

技术领域

本发明属于计算机领域，涉及一种带智能缓存模块的物联网标识解析方法，尤其涉及一种带智能预测缓存的物联网标识解析方法。

背景技术

1999年最早由MIT Auto-ID中心的Ashton教授在美国召开的移动计算和网络国际会议首先提出物联网(Internet of Things)这个概念，之后，物联网在各国得到大力发展。物联网为每一个物品定义唯一的标识用以识别，通过现有网络基础设施将各种物品连接起来，从而实现定位、追踪、监控和管理。随着联网物品数量的几何倍增，标识的分配及其解析益发成为严重问题。在这个背景下，EAN和UCC两大标准化组织联合成立了EPCGlobal组织，负责EPC网络的全球化标准，以便更加快速、自动、准确地识别供应链中商品。

EPCGlobal提出了ONS(Object Name Service，对象名字服务)名字解析体系，用于把EPC(Electronic Product Code，电子产品编码)解析成互联网可以识别的URI(UniformResource Identifier，通用资源标识符)，从而实现对物联网中物品编码的寻址。ONS利用现有的DNS(Domain Name System，域名系统)协议，将EPC编码经过各种转换，最终转换成DNS协议可以识别的域名，通过查询域名对应的NAPTR记录(Naming Authority Pointer，名称权威指针)，获得存储EPC编码信息的服务器的URI，达到解析的目的。

现有技术中ONS解析体系的基本工作原理如图1所示。RFID读取器读取RFID标签，获得物品编码，接着把物品编码传给本地系统；本地系统对物品编码进行转换，转换成DNS可以识别的域名，然后对该域名进行解析，得到信息服务器的地址信息，最后与该信息服务器连接。

然而EPCGl obal提出的ONS解析效率还有待改进。ONS对每个查询解析请求都要进行下面几个操作：把EPC转换成Pure Identity URI(Pure Identity URI是EPCGlobal的一种标签数据标准(EPCglobal Tag Data Standards)，是一种类似URI的格式字符串，由冒号(:)和点号(.)分割，如urn:epc:id:sgtin:0614141.000024.400)，接着把Pure Identity URI转成DNS可以识别的域名，然后进行DNS解析得到物品对应的信息服务器的URI。即使是刚解析过的编码，当再次遇到同一编码的解析请求时仍要重复整个流程。另外，ONS充分利用了DNS的基础设施，同时也全部继承了DNS的缺点，虽然在递归服务器使用了缓存机制，但客户端并没有真正适合于物联网实际需求的缓存机制。综上两个原因导致采用ONS这种设计会造成查询解析请求响应延迟，服务器负载过重，而且每个查询都会产生很多请求报文，这也增加了网络的负载，解析效率低。

发明内容

针对原有物联网标识解析的各种解决方案所存在的问题，本发明创造了一种带智能缓存模块的物联网标识解析方法，可降低根服务器负载、提高解析效率，并能进行智能预测解析。

本发明的工作原理如图2所示，查询端(一般是通过客户端的应用程序)把查询解析请求通过调用接口发给带智能缓存模块的物联网标识解析器，解析器通过读取查询解析请求获得物品编码，先在解析器的智能缓存模块中查找解析结果，若能找到，则直接将结果返回给查询端，若找不到，则对物品编码进行必要的转换，转换成DNS可以识别的域名，然后解析器用该域名与本地缓存名字服务器和DNS云端进行交互查询，把物品编码的解析结果返回给查询端。解析结果通常对应着该查询物品的信息服务器的地址信息，查询端收到解析结果就能知道记录有该物品信息的信息服务器的地址，之后与该信息服务器建立连接。解析器同时会对每次查询进行日志记录，单独以日志文件形式保存，方便以后的日志查询和利用。

为了实现高效解析，本发明的解析器提供了智能缓存模块，该智能缓存模块包括：

1.普通缓存，提供普通查询：解析器在内存中开辟一段空间，作为普通缓存，把初次查询解析请求和解析结果之间建立映射关系，以键值方式缓存起来，当应用程序再次请求相同的编码解析时直接从该缓存中返回结果，不用重复原来的转换域名操作和DNS请求。

2.智能预测缓存，提供预测解析：采用数据挖掘算法，对解析器产生的日志进行挖掘，分析应用程序使用该解析器的习惯，得到应用程序使用解析器的行为模式，预测应用程序下次可能查询的物品编码，提前解析该编码，把结果放入该缓存，当应用程序发来该编码的解析请求时可直接将解析结果从该缓存调入普通缓存，并返回结果。

对于本发明的解析器中记录日志过多，而内存不够的情况，通过缓存数据置换算法对智能缓存模块内的记录进行替换。

缓存数据置换算法：对每条缓存记录赋两个值，一个表示该记录的热度，即是否经常被查询，另一个为TTL值(Time to Live，生存时间)，表示该记录是否过期。每次需要置换普通缓存中的数据时，把TTL过期的记录依据热度值从低到高地替换掉，如果TTL都没过期则替换热度最低的记录。

与现有技术相比，本发明的有益效果为：

1)降低了根服务器负载。在解析器中引入缓存，把已经查询过的编码的结果缓存起来，当一个编码查询请求到来时先查找缓存，如果在缓存有效期内缓存中有该编码的相应数据，就直接从缓存中返回结果，减少查询数据包的发送，从而减少发给根服务器的查询请求，降低根服务器的负载，减少根服务器故障的概率。

2)提高了解析效率。在解析器中引入预测机制，利用数据挖掘算法，可以获得应用程序的行为习惯，并提前预测下一个可能解析的编码，提前解析该编码，把解析结果放入缓存，当应用程序发来该编码的解析请求时可以直接从缓存中返回结果，缩短应用程序的响应时间，提高解析效率。

附图说明

图1为ONS解析体系的工作示意图；

图2为本发明的工作示意图；

图3为含智能预测缓存的解析方法工作流程图。

具体实施方式

以下结合附图对本发明作进一步的说明。

结合图2、3来看，当有一查询端通过应用程序发出查询解析请求时，本发明带智能缓存模块的物联网标识解析器通过调用接口接收该请求，解析器通过读取查询解析请求获得物品编码(物品编码可以通过RFID标签、二维码、条形码等多种载体进行存储)。

然后解析器在智能缓存模块中查找解析结果。若在普通缓存中存在该解析结果的记录，则直接将该解析结果返回给查询端；若普通缓存中不存在该解析结果，则在智能预测缓存中查找，若查找到解析结果记录，则将该记录从智能预测缓存移动到普通缓存中，然后从普通缓存将该解析结果返回给查询端。

若在智能预测缓存中也没有找到相关的解析结果，则对物品编码进行必要的转换，转换成DNS可以识别的域名，用该域名与本地缓存名字服务器进行交互查询，当物品编码的解析记录在本地缓存名字服务器也找不到记录时，可和DNS云端进行交互查询。

在交互查询后，把物品编码的查询解析结果存入解析器的普通缓存中，然后返回给查询端，查询端收到解析结果后与记录有该物品信息的信息服务器建立连接。

上述智能预测缓存的工作原理如下：

1)学习阶段

表1为解析器日志提取出来的信息，其中用大写字母表示物品编码。

表1解析器日志提取出来的信息

TID	A	B	C	D	E	F
							1	1	1	1	1	0	0
2	1	1	1	1	1	0
							3	1	0	1	1	1	1
4	1	1	1	1	0	1
							5	1	1	1	1	0	0
6	1	1	1	0	1	0

假设上表是从解析器日志提取出来的信息，TID(Transaction Identity)表示事务的ID，每一个时间段中编码的查询情况视为一个事务。A、B、C、D、E、F表示几个不同的编码，1表示在这个时间段内解析器解析了该编码，0则相反。以第一行为例说明，表示在TID为1表示的这个时间段内应用程序查询解析了编码A、B、C、D。

智能预测缓存中的请求基于数据挖掘算法获得。数据挖掘算法包括基于关联规则的算法、基于Markov模型的算法、基于n-gram模型的算法、最大长度匹配算法、基于决策树模型、基于贝叶斯模型等方法，本发明以基于关联规则算法为例，但本发明并不以此为限。

若基于关联规则的算法进行预测，则对解析器的日志进行分析，找出频繁出现的编码集合，用产生关联规则的方法对该集合进行计算，得出关联规则，形如A-＞B，表示A推导出B，B就是预测的编码。预测出B编码后对其进行解析，把结果放入智能预测缓存。

以Apriori(一种关联规则算法)为例解释解析器怎么对日志进行学习，但本发明并不以此为限。假定最小支持度为60％，最小置信度为70％，一条关联规则只有同时满足这两个条件才能成立。

频繁项集查找：解析器扫描日志，发现A，B，C，D同时出现的事务有1、2、4、5，一共四个，计算其支持度4/6＝66.7％，66.7％＞60％，符合要求，认为{A，B，C，D}为一个频繁项集。

关联规则计算：计算A，B，C-＞D的置信度。根据日志可知A，B，C同时出现的事务有1、2、4、5、6，一共五个，根据上面频繁项集查找可知A、B、C、D同时出现有4个事务，故该规则的置信度为4/5＝80％，80％＞70％，故该规则符合要求。

经过上面的学习得到其中一个关联规则A，B，C-＞D，表示应用程序在解析A，B，C编码后会解析D编码。

2)解析阶段

当需要查询一件物品的状态时，首先通过查询端的应用程序把查询解析请求通过调用接口发给解析器，解析器通过读取查询解析请求获得物品编码，并存入智能缓存模块。

例如应用程序请求解析A编码，一开始两个缓存都为空，解析器进行正常的解析流程，同时把A的解析结果放入普通缓存。

接着应用程序继续请求B，C两个编码，在普通缓存中找不到相应的有效记录，于是到预测缓存中查找，同样不存在这两个记录，所以解析器进行正常的解析，把解析结果放入普通缓存。

因为出现了A，B，C这个模式，根据之前学习得到的关联规则，解析器预测下一个可能查询请求的编码是D，所以解析器提前对D进行解析并把结果放入预测缓存。

应用程序接着请求D编码的解析，先在普通缓存中查找，普通不存在该记录，于是到预测缓存查找，发现预测缓存有该记录，解析器把预测缓存中结果返回给应用程序，同时把该记录从预测缓存转移到普通缓存。

与此同时，解析器会对每次查询进行日志记录，单独以日志文件形式保存，方便以后的日志查询和利用。

当智能缓存模块没有足够的空间存放记录时，则用如下置换算法置换缓存中的记录：

对每条缓存记录赋两个值，一个表示该记录的热度，即是否经常被查询，另一个为TTL值(Time to Live，生存时间)，表示该记录是否过期。每次需要置换智能缓存模块中的数据时，把TTL过期的记录依据热度值从低到高地替换掉，如果TTL都没过期则替换热度最低的记录。

Claims (8)

1.一种带智能缓存模块的物联网标识解析方法，包括以下步骤：

(1)查询端通过调用接口将请求查询的物品编码发送至解析器；

(2)解析器从自身的智能缓存模块中对物品编码进行查询，若智能缓存模块中已有解析结果，则从智能缓存模块返回解析结果至查询端；若智能缓存模块中没有解析结果，则解析器将编码转换成DNS可以识别的域名，再将域名发送至本地缓存名字服务器和DNS云端进行交互查询，然后把解析结果返回给查询端；所述解析器对每次查询进行日志记录、保存；

(3)查询端通过解析结果得到对应的信息服务器的地址信息，建立与该信息服务器的连接。

2.如权利要求1所述的解析方法，其特征在于，所述智能缓存模块包括一普通缓存，对查询解析请求和查询解析结果建立映射关系，以键值方式缓存。

3.如权利要求2所述的解析方法，其特征在于，若在所述普通缓存中存储有与所述查询相同的解析请求，直接从普通缓存中返回查询解析结果。

4.如权利要求1所述的解析方法，其特征在于，所述智能缓存模块还包括一智能预测缓存，对所述日志进行挖掘，预测再次查询的物品编码，提前解析该预测的物品编码，并记录。

5.如权利要求4所述的解析方法，其特征在于，当解析请求在普通缓存中找不到对应的结果时，在智能预测缓存中查找；如果智能预测缓存中存在请求记录，则把该记录从智能预测缓存移到普通缓存，然后返回结果。

6.如权利要求4所述的解析方法，其特征在于，所述智能预测缓存采用数据挖掘算法对所述日志进行挖掘。

7.如权利要求6所述的解析方法，其特征在于，所述数据挖掘算法包括基于关联规则的算法：

对解析器的日志进行分析，找出频繁出现的编码集合，用产生关联规则的方法对该集合进行计算，得出关联规则；预测出下一编码后对其进行解析，把结果放入智能预测缓存。

8.如权利要求2或4所述的解析方法，其特征在于，对每条缓存记录赋两个值，一个表示该记录的热度，另一个为TTL值；若所述缓存存放所述记录的空间不足，则把TTL过期的记录依据热度值从低到高地替换掉，如果TTL都没过期则替换热度最低的记录。

Images