CN106612318A - 云计算中一种云资源的查找方法 - Google Patents

Abstract

本发明提出了云计算中一种云资源的查找方法，基于分层云对等网络的多属性云资源区间查找算法，在分层云对等网络的基础上，分别利用云资源的类型和属性值建立多维索引。首先根据类型索引将相关的数据聚集在同一个资源簇内；然后将属性值的值域划分为多个区段，并将相应资源存储其中。同时建立资源簇融合、区间邻居维护等机制使算法更具效率和扩展性。该算法实现了多属性云资源的快速定位；并且它不会随着网络节点和类型维度增加而产生较大查询迟延，具有很好的扩展性。

Description

云计算中一种云资源的查找方法

所属领域

本发明涉及云计算中云资源查找技术领域。

背景技术

云计算，作为一种能高效利用网络资源和整合网络资源的新服务模式，它的概念一经被提出来，就成为了国内外计算机网络研究的热点，他将网络服务资源和数据存储在云端，通过网络，将传统模式的需要用户自己分配管理的资源用服务的模式提供给用户。

云计算服务是强大的，传统的网络结构模式已经不足以满足要求，将云计算与P2P技术结合，利用P2P技术的优势克服云节点中心化方式单点失效的缺陷，有效实现资源分布式管理和快速定位是目前的发展趋势；云计算能提供强大服务的基础在于能够有效地定位云资源。单关键字查询已不能满足云系统，而能够支持复杂查询已是目前关于云对等网络查询算法的研究热点。

发明内容

针对上述不足，本发明结合云对等网络的优势，提出了一种基于分层云对等网络的多属性云资源区间查找算法，在分层云对等网络的基础上，分别利用云资源的类型和属性值建立多维索引。

本发明的目的是：提供一种简便快捷的云资源查找方法。

本发明所采用的技术方案是：云计算中一种云资源的查找方法，该方法的主要步骤如下：

(1)资源簇定位：设节点为N，当N收到包含类型和属性的查询信息后，如果N不是资源簇的代理节点，则N将查询信息发送到资源簇代理节点(用D表示)，D对查询信息进行解析：判断查询信息类型与本节点资源类型是否匹配，匹配则进入资源簇内部查找，不匹配，则采用资源簇定位算法，将查询信息发送到满足该类型的资源簇代理节点并行查找，资源簇定位查找也找不到时，则反馈查找失败；

(2)资源节点定位：依据查询信息打的类型及属性值信息查询区间划分表，确定查询资源的笛卡尔坐标，并转化为HSFC编码；然后依据双层网络资源规则定位到提供资源的节点；最后将资源及节点的IP发送给用户，用户可以直接与该节点通信；当资源不足：如果资源节点提供的资源不足或者没有，资源节点将区间邻居节点反馈，如果邻居节点也不足，则反馈查找失败；

(3)资源推荐：所需资源可以来自多个资源节点，则进行权重计算，进行排列，然后输出给用户:首先根据类型索引将相关的数据聚集在同一个资源簇内；然后将属性值的值域划分为多个区段，并将相应资源存储其中，同时建立资源簇融合、区间邻居维护等机制使算法更具效率和扩展性。

本发明的有益效果是：该算法实现了多属性云资源的快速定位；并且它不会随着网络节点和类型维度增加而产生较大查询迟延，具有很好的扩展性。

具体实施方式

本发明根据类型将云资源分为不同的类型集合，按照每个资源具有的属性值个数将将资源分为m个区间数，并且依据资源类型及存储，定义资源簇、资源簇代理节点、资源节点，将资源簇所存储资源的类型及其区间划分组织起来形成一张二维表，并存储在资源簇代理节点中，然后采用双层检索模式实现资源簇定位、资源节点定位、以实现资源查找。

具体说明如下：

一、本发明的参数及定义说明如下：在云计算中，有不同的云资源，每个云资源具有n个属性，所有的云资源用一个集合来描述：D＝{(a₁，v₁)，(a₂，v₂)，…，(a_k，v_k)，…(a_n，v_n)}，其中_ak描述云资源的类型，{a_n}称为类型向量，v_k描述的是对应a_k的属性，{v_n}称为属性向量；定义每一个类型a_k的属性范围v_mk＝(v_0k，v_1k，…，v_mk)用m元组来表示，也就是说a_k类型的属性值被划分为m个区间数；依据资源类型，将相关资源存储在一个局域网中，这个网络称为资源簇，资源簇的入口节点称为资源簇代理节点，资源簇内部负责存储资源的节点称为资源节点，将资源簇所存储资源的类型及其区间划分组织起来形成一张二维表，并存储在资源簇代理节点中，这张二维表即是区间划分表。

在资源检索时，采用双层网络资源定位的方式，即第一层先检索资源类型(a_k)，然后第二层将检索到的资源聚集在一起，形成资源簇，通过对资源类型的匹配，直接锁定可以存储和提供资源的资源簇，资源簇的规模相对于整个对等网络是很小的，因此可以提高查找的效率，第一层起索引作用，第二层包含了具体资源的地址信息。

二、本发明的具体实施步骤如下：

步骤1资源簇定位：

设节点为N，当N收到包含类型和属性的查询信息后，如果N不是资源簇的代理节点，则N将查询信息发送到资源簇代理节点(用D表示)，D对查询信息进行解析：判断查询信息类型与本节点资源类型是否匹配，匹配则进入资源簇内部查找，不匹配，将查询信息发送到满足该类型的资源簇代理节点并行查找，资源簇定位查找也找不到时，则反馈查找失败。

资源簇是在检索过程中动态生成，当某个资源簇访问过热或者节点过少时，将其他空闲且通信延迟低的主机加入该资源簇，让资源簇内的节点物理上相对聚集，提高簇内的通信效率。由于目前存储器的容量已经不会限制查找速度；当节点的索引很多，但索引中包含的资源类型都较少这既占用存储空间又表示系统中有太多的小型资源簇。所以将资源类型进行一定量的合并，其方式为：资源簇A包含三种资源类型a、b和c时分别在Nodea、Nodeb和Nodec上建立指向A的索引，查询a&b或者a&c，将资源簇ab,ac都融合到资源簇abc中减少索引所占空间和资源簇数量，也能提高簇的热度和降低簇间查找概率，提高查找效率。为避免节点查询负荷太重或者节点发生故障，导致查询失败甚至是索引与资源信息丢失；为所有节点增加一定数量的备份节点，并采用镜像技术，在原节点负荷过重或故障时提供相应服务。

步骤二资源节点定位：

依据查询信息打的类型及属性值信息查询区间划分表，确定查询资源的笛卡尔坐标，并转化为HSFC编码；然后依据双层网络资源规则定位到提供资源的节点；最后将资源及节点的IP发送给用户，用户可以直接与该节点通信。

通过建立资源类型索引可以方便定位资源簇，然后再建立资源属性值索引，便可定位资源节点。将每个类型的属性值分段，在逻辑上形成一个多维资源空间；然后利用Hilbert空间填充曲线将多维资源降维，使之映射到单维资源环上。首先，将每个特定的属性值向量转化为相应的资源空间笛卡尔坐标。每个资源簇就是一个资源空间，资源簇内每一类型就是资源空间的一个维度，n维类型就形成一个n维笛卡尔坐标系。每个类型的属性值以其值域被划分为d个区间，这样便形成了dⁿ个多维区间。由于类型个数和区间划分情况都可能是变动的，因此每个资源簇保存一张区间划分表依据区间划分表，属性值向量能转化为相应的笛卡尔坐标。然后，将笛卡尔坐标值转化为相应的HSFC码，组成一个Hilbert环，依据N维Hilbert单元和基因，可以有效实现笛卡尔坐标和HSFC码的相互转化。

步骤三资源推荐：

当有多个资源簇满足查询时，来自不同资源簇的查询结果的匹配权重可能不同，权重计算方法为：设某资源簇的类型维度为C,查询语句的类型维度为Cq，则类型的匹配权重为

假设资源簇内的某资源节点的邻居跳数为X属性值的匹配权重为：

最终的匹配权重为：

W＝αW₁+βW₂

其中，α为类型匹配因子，β为属性值匹配因子，由人工配置，W越大，匹配程度越高。

Claims (8)

1.云计算中一种云资源的查找方法，该方法涉及云计算中云资源查找技术领域，其主要特征包括：根据类型将云资源分为不同的类型集合，按照每个资源具有的属性值个数将将资源分为m个区间数，并且依据资源类型及存储，定义资源簇、资源簇代理节点、资源节点，将资源簇所存储资源的类型及其区间划分组织起来形成一张二维表，并存储在资源簇代理节点中，然后采用双层检索模式实现资源簇定位、资源节点定位、以实现资源查找；主要包含以下几个步骤：

（1）资源簇定位：设节点为N，当N收到包含类型和属性的查询信息后，如果N不是资源簇的代理节点，则N将查询信息发送到资源簇代理节点（用D表示），D对查询信息进行解析：判断查询信息类型与本节点资源类型是否匹配，匹配则进入资源簇内部查找，不匹配，则采用资源簇定位算法，将查询信息发送到满足该类型的资源簇代理节点并行查找，资源簇定位查找也找不到时，则反馈查找失败；

（2）资源节点定位：依据查询信息打的类型及属性值信息查询区间划分表，确定查询资源的笛卡尔坐标，并转化为 HSFC 编码；然后依据双层网络资源规则定位到提供资源的节点；最后将资源及节点的IP发送给用户，用户可以直接与该节点通信；当资源不足：如果资源节点提供的资源不足或者没有，资源节点将区间邻居节点反馈，如果邻居节点也不足，则反馈查找失败；

（3）资源推荐：所需资源可以来自多个资源节点，则进行权重计算，进行排列，然后输出给用户。

2.根据权利要求1所述云计算中一种云资源的查找方法中，其特征是：资源簇指的是将相关资源存储在一个局域网中，这个网络称为资源簇，资源簇代理节点指的是资源簇的入口节点，资源节点指的是资源簇内部负责存储资源的节点。

3.根据权利要求1所述云计算中一种云资源的查找方法中，其特征是：双层检索模式为：第一层先检索资源类型，然后第二层将检索到的资源聚集在一起，形成资源簇，通过对资源类型的匹配，直接锁定可以存储和提供资源的资源簇，第一层起索引作用，第二层包含了具体资源的地址信息。

4.根据权利要求1所述云计算中一种云资源的查找方法中，其特征是：资源簇的定位模式为：将资源类型进行一定量的合并，其方式为：资源簇 A 包含三种资源类型 a、b和c 时分别在Nodea、Nodeb和Nodec上建立指向 A的索引，查询a&b或者a&c，将资源簇 ab,ac 都融合到资源簇 abc 中减少索引所占空间和资源簇数量。

5.根据权利要求4所述云计算中一种云资源的查找方法，其特征是：资源簇的定位模式中为避免节点查询负荷太重或者节点发生故障，导致查询失败甚至是索引与资源信息丢失，为所有节点增加一定数量的备份节点，并采用镜像技术，在原节点负荷过重或故障时提供相应服务。

6.根据权利要求1所述云计算中一种云资源的查找方法中，资源节点的定位模式为将每个类型的属性值分段，在逻辑上形成一个多维资源空间；然后利用Hilbert空间填充曲线将多维资源降维，使之映射到单维资源环上。

7.根据权利要求6所述云计算中一种云资源的查找方法，资源节点的定位模式中填充映射的操作方法为：首先，将每个特定的属性值向量转化为相应的资源空间笛卡尔坐标，每个资源簇就是一个资源空间，资源簇内每一类型就是资源空间的一个维度，n 维类型就形成一个 n 维笛卡尔坐标系，每个类型的属性值以其值域被划分为 d 个区间，这样便形成了 dⁿ个多维区间，由于类型个数和区间划分情况都可能是变动的，因此每个资源簇保存一张区间划分表依据区间划分表，属性值向量能转化为相应的笛卡尔坐标；然后，将笛卡尔坐标值转化为相应的 HSFC 码，组成一个Hilbert环，依据N维Hilbert单元和基因，实现笛卡尔坐标和HSFC 码的相互转化。

8.根据权利要求1所述云计算中一种云资源的查找方法资源推荐中，当有多个资源满足查询时，按照最终匹配程度进行输出，最终匹配程度计算方法为：

设某资源簇的类型维度为 C，查询语句的类型维度为 Cq，则类型的匹配权重为

假设资源簇内的某资源节点的邻居跳数为 X属性值的匹配权重为：

最终的匹配权重为：

其中，为类型匹配因子，为属性值匹配因子，由人工配置，W越大，匹配程度越高。