CN103945396A - 一种不甚发达网络环境下的云计算服务节点选取方法 - Google Patents

Abstract

本发明涉及一种适用于不甚发达网络环境下，以较小的资源消耗率实现最近邻云服务节点的估计、选取与任务迁移方法。本方法的具体步骤包括：1)锚节点布局和预处理；2)初始测量锚节点选取；3)终端邻近的服务节点迭代搜索。本方法的核心在于：1)基于不甚发达网络环境特点的随时延值增加而逐步减小权值的锚节点加权策略；2)逐步增加测量锚节点的低成本最近邻云服务节点搜索策略。本方法适用于任何基于因特网的服务节点定位场景；本方法采用如图1所示的计算流程时，不限定对锚节点加权的方式，从而以主动或被动测量的方式为终端节点搜索较优服务节点。

Description

一种不甚发达网络环境下的云计算服务节点选取方法

技术领域

本技术方案属于互联网与云计算技术，具体是一种不甚发达环境下最短时延服务节点定位方法。 

背景技术

目前在云计算服务节点选取过程中，通常有随机选取，基于服务能力的选取，基于传输时延的选取等方法。由于用户对许多云服务存在的延迟十分敏感，因而基于传输时延的选取成为了一种重要的服务节点选取方式。 

基于时延的选取可以采用直接测量的方法，采用网络坐标的方法，或者采用GPS定位的方法。然而直接测量的方法需要测量终端节点到每一个服务节点的时延，当服务节点规模较大时，由此产生的测量开销可能使得服务节点不堪重负；而采用网络坐标的方法虽然能够降低测量开销，但此类方法往往对锚节点的性能要求也较高，当终端节点数量达到一定规模时也有可能产生服务能力不足的问题；受GPS技术的的局限，基于GPS定位的方法目前不能应用于室内环境，并且许多传统的互联网终端节点也并未安装GPS模块。 

目前随着云环境下时延敏感型应用，如CDN服务，流媒体服务等应用越来越广泛的部署，对基于时延的服务节点选取算法的需求也越来越迫切。 

发明内容

本发明是针对云环境下服务节点选取问题，提出的一种低测量负载的简便易行的方案。不仅采用了有效的初始测量集合选取方法，还通过对测量集合的逐步扩展，避免了对全部锚节点的直接测量，降低了通信负载。同时针对不甚发达网络环境下服务节点地理位置与时延值匹配度不高的问题，提出了基于时延值大小的加权策略，抑制了位置与时延不匹配问题的影响。本发明适用于包括云环境下，以及分布式环境下服务节点的选取问题。 

本发明主要解决不甚发达网络环境下基于时延的服务节点优化选取问题，通过基于时延值大小的加权策略弱化不甚发达网络环境对时延的影响；通过基于锚节点在服务区域内的位置解决初始测量节点选取问题；并通过逐步增加的测量锚节点集解决锚节点通信负载过高的问题，最终达到不甚发达网络环境下最短时延服务节点的定位与选取的目的。 

本技术方案实现不甚发达网络环境下基于传输时延的服务节点选取技术。具体步骤 为： 

一、锚节点布局与预处理 

1.1记录分布在服务区域内的云节点的地理位置即经纬度，如节点a的地理位置记为(x_a,y_a)，其中x_a和y_a分别为节点a的经度和纬度； 

1.2将全部服务节点两两配对，测量并记录全部服务节点间的传输时延，如节点a和节点b之间的传输时延记为rtt_i,j； 

1.3利用节点间的地理位置和传输时延，计算传输时延与地理距离的换算系数t，计算公式如下： 

$t=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,j}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{rtt}}_{i,j}}$

其中n是锚节点的数量，d_i,j是锚节点i与锚节点j之间地理上的距离，可以通过两点的经纬度进行精确求取。当服务区域局限于某一个国家时，可以用二维平面近似拟合球面，得到如下的距离近似拟合公式： 

$d_{i,j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}$

1.4计算全部锚节点的重心o的位置(x_o,y_o)，计算公式如下： 

$x_o=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i}{n}$ $y_o=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i}{n}$

同样地，n是锚节点的数量。 

二、初始测量锚节点选取 

2.1从锚节点集合Ω中抽取3个锚节点，组成测量锚节点集Ψ。为了避免节点间可能存在的多重共线性问题，初始测量节点之间的距离应尽可能的远，也就是尽量选取边缘节点作为初始测量节点。本方法采取了基于锚节点与重心位置距离的加权策略，锚节点a以概率p_a被抽取为初始锚节点，一种p_a的计算公式可以定义为： 

$p_a=\frac{d_{a,o}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,o}}$

即距离锚节点重心越远的节点，被抽取作为初始测量节点的概率越高。 

三、最近邻服务节点的迭代选取 

3.1利用测量锚节点集合Ψ发起的主动测量，或终端节点α发起的被动测量方式，取得其与终端节点与测量锚节点集Ψ中节点的传输时延； 

3.2求解如下的最优化问题，得到终端节点α的地理位置的经纬度预测： 

$(x_{\mathrm{\α}},y_{\mathrm{\α}})=\underset{(x,y)}{\arg \min }\sqrt{\underset{i=1}{\overset{\left|\mathrm{\ψ}\right|}{\mathrm{\Σ}}}{w}_i({\mathrm{rtt}}_{\mathrm{\α},i}-\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}{)}^2}$

其中是w_i节点i的权值。考虑到不甚发达环境下传输时延与地理距离的线性相关性不明显，节点权值应随节点传输时延增加而减小。例如采用如下的节点权值计算公式： 

$w_i=\frac{1}{{\mathrm{rtt}}_{\mathrm{\α},i}}$

3.3计算终端节点α当前预测地理位置与锚节点集合Ω-Ψ中所有锚节点的距离，并选取其中预测距离最近的锚节点β，并将其加入到测量锚节点集Ψ； 

3.4测量锚节点β与终端节点的传输时延，如果该时延是测量锚节点集Ψ中传输时延最小值，则回到步骤3.3，否则找出测量锚节点集Ψ中具有最小传输时延的锚节点γ，将其所代表的服务节点作为最优服务节点返回给终端节点α。 

附图说明

图1是本发明一种不甚发达网络环境下的云计算任务迁移方法的锚节点布设图； 

图2是终端节点当前的预测地理位置图。 

图3是终端节点当前的预测地理位置图。 

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。 

在本实施例中，以6个云计算节点(c₁,…,c₆)为例，对终端节点p提供服务的云计算节点选取方法如下： 

首先是锚节点布设与预处理过程。包括如下步骤： 

1、将云计算节点作为锚节点，即在本实施例中，令Ψ＝{c₁,c₂,c₃,c₄,c₅,c₆}。根据 已知的云计算节点位置信息，在区域内标注出节点位置如图1所示。 

2、令锚节点间两两测量传输时延，并根据传输时延和地理距离，计算出粗略的对应关系，在此实施例中，该对应关系为： 

1ms≈42km 

然后是针对具体的终端节点，为其选取初始测量节点。在此实施例中，c₁,c₂,c₆被选为初始测量节点，即在本实施例中，有Ψ＝{c₁,c₂,c₆}。 

测量终端节点到以上3个节点的距离，分别为92ms,21ms,40ms。由此得到终端节点当前的预测地理位置如图2所示。 

计算终端节点预测位置与锚节点的距离，可知锚节点c₃具有更近的预测距离，因此将节点c₃加入测量节点集，此时有Ψ＝{c₁,c₂,c₃,c₆}。 

测量终端节点到达c₃节点的距离为14ms。由此得到终端节点当前的预测地理位置如图3所示。 

计算终端节点预测位置与锚节点的距离，可知不存在锚节点具有更近的预测距离，由此返回锚节点对应的云服务节点，作为终端节点最优服务节点。 

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。 

Claims (2)

1.一种不甚发达网络环境下的云服务节点选取方法，其特征是将已知位置的云服务节点作为锚节点，为了体现传输时延与真实距离的非线性相关性，利用锚节点到终端节点的传输时延值对锚节点进行加权，并在定位过程中逐一测量终端节点与距离其当前预测位置最接近的锚节点的传输时延，直到无法搜索到更近的锚节点为止，然后把已测量的锚节点中传输时延值最小的节点作为最佳服务节点，并将终端的计算任务迁移到该节点。

2.具体步骤为：

一、锚节点布局与预处理

1.1记录分布在服务区域内的云节点的地理位置即经纬度，如节点a的地理位置记为(x_a,y_a)，其中x_a和y_a分别为节点a的经度和纬度；

1.2将全部服务节点两两配对，测量并记录全部服务节点间的传输时延，如节点a和节点b之间的传输时延记为rtt_i,j；

1.3利用节点间的地理位置和传输时延，计算传输时延与地理距离的换算系数t，计算公式如下：

$t=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,j}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{rtt}}_{i,j}}$

其中n是锚节点的数量，d_i,j是锚节点i与锚节点j之间地理上的距离，可以通过两点的经纬度进行精确求取。当服务区域局限于某一个国家时，可以用二维平面近似拟合球面，得到如下的距离近似拟合公式：

$d_{i,j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}$

1.4计算全部锚节点的重心o的位置(x_o,y_o)，计算公式如下：

$x_o=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i}{n}$

$y_o=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i}{n}$

同样地，n是锚节点的数量。

二、初始测量锚节点选取

2.1从锚节点集合Ω中抽取3个锚节点，组成测量锚节点集Ψ。为了避免节点间可能存在的多重共线性问题，初始测量节点之间的距离应尽可能的远，也就是尽量选取边缘节点作为初始测量节点。本方法采取了基于锚节点与重心位置距离的加权策略，锚节点a以概率p_a被抽取为初始锚节点，一种p_a的计算公式可以定义为：

$p_a=\frac{d_{a,o}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,o}}$

即距离锚节点重心越远的节点，被抽取作为初始测量节点的概率越高。

三、最近邻服务节点的迭代选取

3.1利用测量锚节点集合Ψ发起的主动测量，或终端节点α发起的被动测量方式，取得其与终端节点与测量锚节点集Ψ中节点的传输时延；

3.2求解如下的最优化问题，得到终端节点α的地理位置的经纬度预测：

$(x_{\mathrm{\α}},y_{\mathrm{\α}})=\underset{(x,y)}{\arg \min }\sqrt{\underset{i=1}{\overset{\left|\mathrm{\ψ}\right|}{\mathrm{\Σ}}}{w}_i({\mathrm{rtt}}_{\mathrm{\α},i}-\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}{)}^2}$

其中是w_i节点i的权值。考虑到不甚发达环境下传输时延与地理距离的线性相关性不明显，节点权值应随节点传输时延增加而减小。例如采用如下的节点权值计算公式：

$w_i=\frac{1}{{\mathrm{rtt}}_{\mathrm{\α},i}}$

3.3计算终端节点α当前预测地理位置与锚节点集合Ω-Ψ中所有锚节点的距离，并选取其中预测距离最近的锚节点β，并将其加入到测量锚节点集Ψ；

3.4测量锚节点β与终端节点的传输时延，如果该时延是测量锚节点集Ψ中传输时延最小值，则回到步骤3.3，否则找出测量锚节点集Ψ中具有最小传输时延的锚节点γ，将其所代表的服务节点作为最优服务节点返回给终端节点α。