CN112463881A - 一种面向云边聚合计算环境的高效区块链系统及处理方法 - Google Patents

一种面向云边聚合计算环境的高效区块链系统及处理方法 Download PDF

Info

Publication number
CN112463881A
CN112463881A CN202011250664.5A CN202011250664A CN112463881A CN 112463881 A CN112463881 A CN 112463881A CN 202011250664 A CN202011250664 A CN 202011250664A CN 112463881 A CN112463881 A CN 112463881A
Authority
CN
China
Prior art keywords
edge
node
data
block
cloud
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011250664.5A
Other languages
English (en)
Other versions
CN112463881B (zh
Inventor
徐小龙
姜宇
王新珩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202011250664.5A priority Critical patent/CN112463881B/zh
Publication of CN112463881A publication Critical patent/CN112463881A/zh
Application granted granted Critical
Publication of CN112463881B publication Critical patent/CN112463881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5021—Priority
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种面向云边聚合计算环境的高效区块链系统及处理方法，充分考虑边缘云环境特征，剔除传统区块链中一些不适合云边聚合计算环境的部分，实现区块链的轻量化。考虑到边缘节点自身资源的有限性，设计出了一种存储策略，既减少节点的存储成本，也实现了节点间资源的快速访问。为了减少区块的存储占用，本发明中引入了元数据项，仅包含数据的基本信息和存储位置，极大节省了存储资源。考虑到云边聚合计算环境资源有限的情况，对传统的工作量证明机制进行改进，引入权益证明机制，既保留挖掘区块的竞争性，又减少能源的消耗。

Description

一种面向云边聚合计算环境的高效区块链系统及处理方法
技术领域
本发明涉及一种面向云边聚合计算环境的高效区块链系统及处理方法，属于信息集成和软件工程应用技术领域。
背景技术
区块链由区块按链式结构组成，类似一种分布式的数据库，以某种共识算法保障节点间数据的一致性，并以加密算法保证数据的安全性，同时通过时间戳和Hash值形成首尾相连的链式结构，创造了一套公开、透明、可验证、不可篡改、可追溯的技术体系，具有公开透明、可验证，不可篡改、可追溯等技术特征，可以抵抗恶意节点的篡改。
在云边聚合计算(Cloud-Edge Computing，CEC)环境中，把云中心服务器和边缘服务器、网络终端蕴含的各层次计算、存储资源均有机聚合在一起，充分发挥云中心、网络边缘和用户终端各自的地理、性能、成本优势，将任务分解、封装后，有序地部署到不同节点上完成，按需求解各类复杂的用户应用，从“资源集中共享模式”走向“分布式互助共享模式”，实现最大范围的业务协作与资源分享，真正达成高效率、低成本、资源利用最大化等计算目标。
与边缘节点相比，集中建设、管理的云中心服务器集群相对较为安全可信的；而海量的终端服务器、边缘服务器分属于不同的机构、用户，异构节点的自治行为显然是不可靠的，而目前面向云计算设计的容器平台的安全可信性难以满足云边聚合计算系统的要求。
由于云边聚合计算系统中每个边缘节点的存储空间有限，当边缘节点工作负载超过其处理能力时，系统需要扩展其能力以解决过载问题，此时同时要兼顾不同边缘服务器的能力异构，且各边缘提供商部署的服务器资源量各不相同，服务器上不仅需要部署相关的应用服务，还需要缓存一些用户经常访问的数据。资源的有限性导致边缘节点难以满足区块链对存储资源的高要求。区块链以其“去中心化”的特点，允许区块链中的每个节点都有验证区块的权利，从而弥补云边聚合计算系统的不足，保证边缘服务器的安全可靠。云边聚合环境满足区块链部署的分布式要求，将区块链部署在边缘节点上，尽管边缘节点资源有限，但依靠云边聚合环境中各层次存储资源有机聚合的特点，可以满足区块链对存储资源的高要求。但仍然存在以下不足：
1)云边聚合环境下的存储资源可以有机聚合，形成丰富的资源量，但区块链会占用大量存储空间；
2)区块链中常用的工作量证明机制会消耗大量算力，浪费能源，对整个云边聚合环境会造成大量能源的浪费；
3)区块链的部署面向边缘节点，需要考虑边缘节点，边缘节点的位置分散的特点；
4)云边聚合计算环境适用于许多应用场景，边缘节点作为最接近终端的一层，直接与数据交互，一些数据资源也需要缓存在本地，因此需要将数据存储考虑进去。
5)边缘服务器可供公开访问的特性导致服务器上存储的数据面临恶意访问的威胁，需要采取手段保证数据的安全。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种面向云边聚合计算环境的高效区块链系统及处理方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种面向云边聚合计算环境的高效区块链系统，包括：数据接入层、存储层、共识层和应用层；
所述数据接入层：用于终端与多个边缘节点建立数据传输关系。
所述存储分配层：用于将终端产生的数据处理为元数据项，并采用存储成本最优的策略选择边缘节点对元数据项进行存储。
所述共识层：用于根据数据打包权的规则确定边缘节点，有数据打包权的边缘节点对相应的元数据项打包进区块，并将区块放入区块链中。
所述应用层：用于为其它服务提供传输数据的接口。
作为优选方案，所述元数据项：用于描述数据属性的信息，每个属性都有其对应的值，元数据项包含终端设备上传的数据的基本信息，每个元数据项包含：数据类型、产生时间、产生地点、生产者、存储节点、验证时间。
作为优选方案，满足存储成本最优的策略的边缘节点被选择对元数据项进行存储，存储成本最优的策略的计算公式如下：
Figure BDA0002770157650000021
其中，V表示边缘节点集合，si表示边缘节点i的存储成本，aij表示节点j访问节点i的数据访问成本，xijk表示访问变量，如果xijk＝1，则节点j将访问存储在节点i的数据k；yik表示存储分配变量，yik＝1意味着数据块k将存储在节点i中；A是存储成本SC的权重。
作为优选方案，si的计算公式如下：
Figure BDA0002770157650000031
其中，STto(i)是节点i的总存储量，ST(i)是节点i已经使用的存储量，Dk是第k个数据量大小。
作为优选方案，aij的计算公式如下：
Figure BDA0002770157650000032
其中，d(i,j)为节点间数据的传输时延，hop(i,j)为路由的传播时延。
作为优选方案，A设置为1000。
作为优选方案，满足数据打包权的规则的边缘节点被选中对相应的元数据项打包进区块，并将区块放入区块链中，所述数据打包权的规则如下：
fi≤Ei
其中，fi为靶值，Ei表示节点i的边沿值。
作为优选方案，fi＝Hash[Accounti+noncei]modM
其中，Accounti表示节点i的账户地址，noncei表示节点i计算的随机数，M表示最大可能值，mod表示取余运算，Hash[*]表示求取hash值；
Ei＝CiQit
其中，Ci表示节点i的账户中拥有的边缘云币，边缘云币通过挖掘新区块或交易边缘云币获得；t表示这个区块距离上一个区块所经过的时间，Qi是节点i中存储的数据量。
作为优选方案，Qi的计算公式如下：
Qi＝ST(i)/Dunit
其中，ST(i)是节点i已经使用的存储量，Dunit的大小取25MB。
作为优选方案，所述区块的结构包括：区块头、区块体；区块头包含了前一个区块的hash、时间戳、区块的索引号、默克尔根、难度目标，所述难度目标是用于工作量证明机制的数学难度；区块体包含了区块打包的所有交易信息，所有交易信息采用元数据项进行存储。
一种面向云边聚合计算环境的高效区块链系统处理方法，包括如下步骤：
步骤1：终端接入边缘网络后，将采集的数据发送到边缘节点，边缘节点将数据处理成元数据项，并发送至边缘服务器集群的边缘编排器；
步骤2：边缘编排器按照存储成本最优的策略选择边缘节点，被选择边缘节点包括：选择剩余的资源量更多的边缘节点，选择发送时延和传播时延更小的边缘节点；
步骤3：边缘编排器将选择的边缘节点的IP地址信息记录在元数据项的存储节点属性中，并将数据以及相应的元数据项广播全网，各边缘节点根据元数据项中记录的边缘节点对应的IP信息，选择将数据保存下来；
步骤4：当边缘节点满足fi≤Ei时，边缘节点对相应的元数据项打包进区块，并将区块放入区块链中，fi为靶值，Ei表示节点i的边沿值。
作为优选方案，所述元数据项：用于描述数据属性的信息，每个属性都有其对应的值，元数据项包含终端设备上传的数据的基本信息，每个元数据项包含：数据类型、产生时间、产生地点、生产者、存储节点、验证时间。
作为优选方案，fi＝Hash[Accounti+noncei]modM
其中，Accounti表示节点i的账户地址，noncei表示节点i计算的随机数，M表示最大可能值，mod表示取余运算，Hash[*]表示求取hash值；
Ei＝CiQit
其中，Ci表示节点i的账户中拥有的边缘云币，边缘云币通过挖掘新区块或交易边缘云币获得；t表示这个区块距离上一个区块所经过的时间，Qi是节点i中存储的数据量。
作为优选方案，Qi的计算公式如下：
Qi＝ST(i)/Dunit
其中，ST(i)是节点i已经使用的存储量，Dunit的大小取25MB。
有益效果：本发明提供的一种面向云边聚合计算环境的高效区块链系统及处理方法，在云边聚合计算环境下，将区块链部署在边缘节点上，实现区块链平台的高效化，减少节点的存储成本，也实现节点间资源的快速访问，极大节省了存储资源，并通过改进的共识机制保留挖掘区块的竞争性，减少能源的消耗。其优点如下：
1、考虑到云边聚合计算环境中各边缘服务器自身资源的有限性，提出了一种数据存储策略，将存储资源消耗作为影响参数，选择资源丰富的节点优先存储，以此激励边缘节点积极贡献资源，也充分考虑节点间的访问时延，选择访问成本和存储成本最少的节点作为优先存储选择，既减少节点的存储成本，也实现了节点间资源的快速访问。
2、本发明考虑到区块链中工作量证明机制对资源的高消耗，利用工作量证明机制中的竞争机制与权益证明机制中能耗少的特性，通过少量的竞争计算加上节点本身具有的资源来确定记账权的归属，既保留挖掘区块的竞争性，又减少能源的消耗。
3、本发明中引入了元数据项，仅包含元数据项的基本信息和存储位置，极大节省了存储资源。
附图说明
图1是区块链系统结构图。
图2是区块结构图。
图3是区块链系统工作流程图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
本发明是一种面向云边聚合计算环境的高效区块链系统及处理方法，在云边聚合计算环境下，实现了在边缘端就近满足用户服务需求的前提下，在边缘节点上部署区块链，剔除传统区块链中一些不适合边缘节点的部分，实现区块链平台的高效化，设计的存储策略，既能减少节点的存储成本，也实现了节点间资源的快速访问，通过引入了元数据项，极大节省了存储资源，并通过改进的共识机制不仅保留挖掘区块的竞争性，还减少能源的消耗。
区块链系统多部署于对等网络中，要求每个参与区块链共识的节点维护一个区块链的完整副本，这就要求这些节点需要拥有较大的算力以及存储空间等资源，现有的典型区块链有比特币、以太坊、超级账本等。本发明针对云边聚合环境下边缘节点的资源的有限性，设计了一种适合边缘节点上部署的区块链，充分考虑边缘节点特征，剔除传统区块链中一些不适合边缘节点的部分，考虑到边缘服务器自身资源的有限性，设计出了一种存储策略，既减少节点的存储成本，也实现了节点间资源的快速访问，还引入了元数据项，仅包含数据项的基本信息和存储位置，考虑到边缘云环境资源有限的情况，对传统的工作量证明机制进行改进。针对云边聚合计算环境提出了一种面向云边聚合计算环境的高效区块链系统及处理方法。
在本发明中，设计的区块链是基于传统的区块链架构。区块链由区块链接而成，每个区块中包含着一定时间内的交易记录，区块的数据结构根据不同的应用会有所不同，但基本上都是由区块头和区块体组成。区块体保存的是若干条记录以及由每条记录的Hash值构成的Merkle树。区块头一般包括版本号、前一区块的Hash值(Hash指针)、随机数、目标Hash(本区块的Hash值)、Merkle根，有时还会包含用于计算困难门限值Difficulty等。
区块链的部署对存储资源要求极高，一般要求每个参与区块链共识的节点维护一个区块链的完整副本，而边缘节点自身资源的有限性对部署区块链系统提出了挑战。边缘服务器本身的资源不如数据中心的强大，有限的计算和存储资源不仅需要部署相关的应用服务，还需要缓存用户经常访问的数据，要求每个节点存储完整的区块链数据显然是不可能的。因此，面向云边聚合计算环境的区块链系统更应该对区块链进行优化、改进，降低区块传输和存储的开销。
本发明设计出一种共识机制，保留了一定的竞争机制，还具有能耗少的特性，通过少量的竞争计算加上节点本身具有的资源来确定记账权的归属。考虑到云边聚合计算环境中边缘服务器自身资源的有限性，提出了一种数据存储策略，将存储资源消耗作为影响参数，选择资源丰富的节点优先存储，以此激励边缘节点积极贡献资源，也充分考虑节点间的访问时延，选择访问成本和存储成本最少的节点作为优先存储选择。
如图1所示，为了方便理解本发明的技术方案，下面介绍本发明一种面向云边聚合计算环境的高效区块链系统，包括如下模块：数据接入层、存储层、共识层和应用层。
所述数据接入层：
用于终端与多个边缘节点建立数据传输关系。
所述存储分配层：
用于将终端产生的数据处理为元数据项，并采用存储成本最优的策略选择边缘节点对元数据项进行存储。用于解决由于云边聚合计算环境中边缘服务器既要存储设备产生的数据，又要保存网络中的各种数据缓存带来的资源紧张的问题，可以减少数据存储的成本。本发明采用一种元数据项格式，元数据项包含了数据的基本信息，由多个属性构成。相对于完整的数据，元数据项更加轻量、简单，当数据产生时，相应的元数据项也会同时产生。
所述元数据项：用于描述数据属性的信息，每个属性都有其对应的值，元数据项包含终端设备上传的数据的基本信息。每个元数据项包含：数据类型、产生时间、产生地点、生产者、存储节点、验证时间。
每个元数据项包含来自该边缘节点的账户地址，该账户生成相应的数据并附加签名，签名中嵌入了数据生产者的标识信息。
根据区块链的性质，除非恶意节点拥有一半以上的资源来复制伪链，否则很难更改区块中的元数据项信息。相对于完整的数据，元数据项更加轻量、简单，当数据产生时，相应的元数据项也会同时产生。
为了减少边缘服务器的存储开销，本发明设计出一种存储成本最优的策略，选择满足存储成本最优的边缘节点进行存储，本策略还考虑了边缘服务器之间相互访问的影响因素，用于方便附近的终端设备上传数据以及边缘服务器之间互相访问。
在云边聚合计算环境中，每个边缘服务器上都部署区块链，边缘服务器资源量虽不同，但差异不大。
设置存储成本(SC)，存储成本是对边缘节点存储资源消耗的一种度量。边缘节点i的SC可表示为si：
Figure BDA0002770157650000071
式(1)中STto(i)是节点i的总存储量，ST(i)是节点i已经使用的存储量，Dk是第k个数据量大小。如果节点上没有剩余资源，则存储成版本为∞，显然之后不会在该节点上存储更多数据。
设置数据访问成本(AC)，是边缘服务器之间相互访问的成本，当某个边缘服务器上存储了某些数据，而其它的服务器上没有该数据，就会向存储该数据的服务器请求资源，节点j访问节点i的数据访问成本aij如下：
Figure BDA0002770157650000072
由于边缘服务器间一般以光缆连接，该数据访问成本取决于连接的链路长度和路由器转发的跳数。当两个节点相同时，产生数据访问成本为0，当两个节点不同时，数据访问成本取决于连接的链路长度和路由器转发的跳数，链路长度对应于数据的传播时延，路由器转发的跳数对应于数据的传输时延，两者在整个数据花费总时延中占据主要地位，在本区块链中仅考虑这两个。式(2)中的d(i,j)为节点间数据的传输时延，hop(i,j)为路由的传播时延。
将整个数据存储问题建模为一个多约束优化问题，在整个公式中，数据访问成本数据存储成本可以综合起来：
Figure BDA0002770157650000073
在式(3)中，xijk和yik是赋值变量，V表示节点集合。xijk是访问变量，如果xijk＝1，则节点j将访问存储在节点i的数据k。yik是存储分配变量，yik＝1意味着数据块k将存储在节点i中。A是SC的权重，由于si值较小，需要增加权重扩大存储成本。经过一些测试，将A设置为1000。约束
Figure BDA0002770157650000074
确保至少一个数据将存储到其他节点上，约束
Figure BDA0002770157650000075
确保该数据存储在特定节点中。
所述共识层：
当元数据项被存储到选定的边缘节点之后，根据数据打包权的规则确定边缘节点，有数据打包权的边缘节点对相应的元数据项打包进区块，并将区块放入区块链中。
本发明为了保证数据存储的安全性，利用区块链促使各个节点积极存储数据。对于共识机制的设置，为了让存储更多数据的节点在挖掘区块上更有优势，充分考虑边缘节点为边缘云存储数据的贡献，并根据边缘节点所拥有的边缘云币以及存储的数据量，选择相应节点赋予打包区块的权利。
在本系统中，参与区块的竞争打包的每个边缘节点都有唯一的标识，每个边缘节点分配一对密钥。公钥向外发布，同时生成该边缘节点的账户，其他边缘节点对该边缘节点的交易等操作均依据账户进行，私钥用来加密数据，充当数字签名，用于保证数据的完整性，验证发送者身份的真实性。当边缘节点打包区块成功后，边缘节点在区块中留下自己的数字签名以供其它边缘节点验证，而边缘节点打包区块成功后，系统对边缘节点进行奖励，奖励设为一个边缘云币。
所述边缘云币为在区块链中的一种代币，用于增加边缘节点的权益证明，用边缘云币表示。边缘云币可以通过账户之间的交易和挖矿获得。
如图2所示，区块的结构，包括区块头、区块体，区块头包含了前一个区块的hash、时间戳、区块的索引号、默克尔根、难度目标，所述难度目标用于工作量证明机制的数学难度。区块体包含了区块打包的所有交易信息，在云边聚合计算环境中，区块体中保存的是元数据项。为了确保区块之间的连接性，在区块中加入当前区块的hash。此外，每个区块中还会存储相应的数据的存储节点的位置。
设置边沿值，边沿值越大，边缘节点获得挖矿的优势就越明显。计算边沿值的公式如下。
Ei＝CiQit (4)
在式(4)中，Ci表示节点i的账户中拥有的边缘云币，边缘云币可以通过挖掘新区块获得。在系统中，设定挖掘出一个区块就奖励一个边缘云币，而节点之间也可以交易边缘云币。t表示这个区块距离上一个区块所经过的时间，Qi是节点中存储的数据量，数据量的表示使用以下公式：
Qi＝ST(i)/Dunit (5)
在式(5)中，Dunit的大小取25MB，以此衡量节点存储的数据量。
在式(4)中，t的加入主要是因为如果节点拥有的边缘云币不多，存储的资源量也不多，则导致边沿值较小，下面的靶值就因为范围过小达不到标准，但如果利用上一块区块的时间到现在的时间乘积，可以促使范围变大，靶值的空间也随之扩大。为了挖掘下一个区块，这里定义一个靶值fi，公式如下：
fi＝Hash[Accounti+noncei]mod M (6)
在式(6)中，Accounti表示节点i的账户地址，noncei表示节点i计算的随机数，M表示最大可能值，mod表示取余运算。fi的主要作用是得到靶值，当靶值满足公式(7)时，就得到了挖掘区块的权利。
fi≤Ei (7)
Ei表示节点i的边沿值，由节点i拥有的边缘云币、存储的数据量、上个区块到现在经过的时间决定，当节点拥有的边缘云币越多、存储的数据量越多时，Ei的范围就越大，为了防止两个区块之间经过的时间过长，使得边沿值的范围过大，这里引入时间期望，控制经过的时间在t0内。Ei的范围就越大，节点i越容易获得比Ei小的fi，就拥有更快挖掘到区块的优势。对于fi的计算，当fi不满足公式(7)时，换noncei继续计算，直到某一节点首先获得满足这个公式的fi。
获得数据打包权的节点就可以将相应的元数据项打包进块，放入区块链中，存入区块链的数据就拥有防篡改、可追溯的特性，真正实现了数据的安全存储。
所述应用层：
用于为其它服务提供传输数据的接口。
整个底层系统可以为顶层的服务提供数据的安全存储。在云边聚合计算环境下，该区块链系统可以为许多服务提供接口，例如大数据分析和服务组合等，服务通过系统提供的接口，将数据通过数据接入层传输到系统中，依靠各种处理之后将数据安全、无篡改地存储在系统中，如空气质量大数据处理，大数据分析可以通过该系统提供的接口，将采集的空气质量数据传输到该系统中，依靠区块链的防篡改性，防止非法用户恶意篡改数据。
实施例1：
本发明以空气质量传感器为例，其某一天采集的空气质量数据上传到就近的边缘服务器中。本发明的区块链系统工作流程如图3所示。其具体操作步骤如下：
S1：空气质量传感器采集某一天的空气质量数据，而由于空气质量传感器接入边缘网络，会将自己的数据处理成节点需要的标准格式，包括数据类型、产生时间、产生位置、生产者签名、数据大小、数据这六个属性。具体的数据如下：
AirQuality/PM2.5 2018-02-19/09:28:32 Nanjing/37.26,-24.22 Huaxiang462013-12-02:31/2013-12-02:28/2013-12-02:34/2013-12-02:25/2013-12-02:26/2013-12-02:35/……
然后上传到边缘节点中，边缘节点将数据交给边缘服务器集群的边缘编排器，该编排器负责统筹整个边缘服务器集群的协同工作。
S2：当空气质量数据上传到云边聚合环境的同时，其相关的元数据项也会同时产生，元数据项会按照规定的格式产生，如下所示。元数据项中存储节点的属性值需要等待存储策略的实现才可以进行编辑，元数据项的修改由边缘编排器执行，存储节点的信息包含节点的IP地址。元数据项包括数据类型、产生时间、产生位置、生产者签名、数据存储节点这五个属性。具体的元数据项如
(AirQuality/PM2.5；2018-02-19/09:28:32；Nanjing/37.26,-24.22；Huaxiang；46；
192.168.220.1:8015/192.168.220.173:8015)
S3：边缘编排器按照存储策略选择适合的存储节点，首先需要边缘服务器集群注册中心中获得各个节点的存储贡献，包括节点贡献的存储资源、存储资源总量，通过节点剩余存储资源量以及空气质量数据的大小计算存储成本。当节点剩余的资源量越多，节点的存储成本就越小，这就激励加入边缘服务器集群的节点更积极地贡献自己的资源。
在边缘服务器集群中为了减少不必要的存储开销，尽可能地将数据存储在部分节点上，这就导致一旦用户没有在就近的边缘节点上访问到该数据，边缘节点就会在本地缓存中搜索该数据存放的节点位置，并向这些节点发出访问请求。边缘编排器会通过注册中心维护的路由信息计算各个节点相互的访问时延，即访问成本。访问成本的计算需要考虑两个边缘节点间的路由跳数以及链路长度，对应的也就是发送时延和传播时延。
发送时延的计算如下式：
hop(i,j)＝datak/wij (8)
其中，datak表示数据k的长度，wij表示节点i、j路由间的信道带宽。
传播时延的计算如下式：
d(i，j)＝lengthij/vlight (9)
其中，lengthij表示节点i、j路由间的信道长度，vlight表示电磁波在信道中的传输速度，接近光速，即vlight＝2×108m/s。
然后按照目标函数进行求解。该最优化问题是一个多约束的最优化问题，这里使用粒子群算法进行求解，计算算出应该存储的节点。
S4：当存储节点选拔出来之后，边缘编排器会将选择的存储节点的IP地址信息记录在元数据项的存储节点属性中，记录完成后，边缘编排器会将空气质量数据以及相应的元数据项广播全网，各边缘节点根据元数据项中记录的存储节点的信息，选择是否将空气质量数据保存下来。
S5：为了减少区块的存储成本和传输成本，本发明用元数据项代替数据作为各节点打包的交易数据。为了保留工作量证明机制的竞争优势以及减少能源的消耗，本发明中设计了靶值和边沿值两个概念，工作量证明机制中强调数学难题的计算，也就是必须通过nonce的随机猜测，直到算出符合difficulty条件的hash值。difficulty的设置是矿工取得挖矿权利的关键部分，第一个矿工计算出符合difficulty的hash值就可以获得打包的权利，difficulty的值越大，需要花费的算力就越大。本发明中的边沿值取决于存储贡献度、账户中拥有的边缘云币以及当前距离上一次区块生成的间隔时间。因此，边沿值会随着时间的增长而增加，直到节点满足标准并生成新块。为了确保两个区块之间生成的间隔不至于过大，应该设置一个时间间隔的阈值。
靶值根据账户地址和nonce计算，nonce的计算通过随机猜测，但相较于工作量证明机制的指定困难度，靶值在满足公式(7)时，该节点就得到了挖掘区块的权利。
本发明中的共识机制保留了一定的计算竞争优势，将算力的消耗仅保留一部分，fi只需要满足在Ei的范围就可以获得打包区块的权利，节点自身的存储资源贡献和边缘云币也影响着Ei，激励节点积极贡献自己的资源。
当第一个节点计算的靶值满足公式(7)后，该节点需要将自己打包的区块和资源数据在区块链网络中进行广播，其他节点接收到该区块后，停止自己的计算，利用资源数据验证区块是否合法，若验证成功，则将该区块放到自己的区块链中。至此，空气质量的数据就保存到了区块链中。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种面向云边聚合计算环境的高效区块链系统，其特征在于：包括：数据接入层、存储层、共识层和应用层；
所述数据接入层：用于终端与多个边缘节点建立数据传输关系；
所述存储分配层：用于将终端产生的数据处理为元数据项，并采用存储成本最优的策略选择边缘节点对元数据项进行存储；
所述共识层：用于根据数据打包权的规则确定边缘节点，有数据打包权的边缘节点对相应的元数据项打包进区块，并将区块放入区块链中；
所述应用层：用于为其它服务提供传输数据的接口。
2.根据权利要求1所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：所述元数据项：用于描述数据属性的信息，每个属性都有其对应的值，元数据项包含终端设备上传的数据的基本信息，每个元数据项包含：数据类型、产生时间、产生地点、生产者、存储节点、验证时间。
3.根据权利要求1所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：满足存储成本最优的策略的边缘节点被选择对元数据项进行存储，存储成本最优的策略的计算公式如下：
Figure FDA0002770157640000011
Figure FDA0002770157640000012
Figure FDA0002770157640000013
xijk,yik∈{0,1}
其中，V表示边缘节点集合，si表示边缘节点i的存储成本，aij表示节点j访问节点i的数据访问成本，xijk表示访问变量，如果xijk＝1，则节点j将访问存储在节点i的数据k；yik表示存储分配变量，yik＝1意味着数据块k将存储在节点i中；A是存储成本SC的权重。
4.根据权利要求3所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：si的计算公式如下：
Figure FDA0002770157640000014
其中，STto(i)是节点i的总存储量，ST(i)是节点i已经使用的存储量，Dk是第k个数据量大小。
5.根据权利要求3所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：aij的计算公式如下：
Figure FDA0002770157640000021
其中，d(i,j)为节点间数据的传输时延，hop(i,j)为路由的传播时延。
6.根据权利要求1所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：满足数据打包权的规则的边缘节点被选中对相应的元数据项打包进区块，并将区块放入区块链中，所述数据打包权的规则如下：
fi≤Ei
其中，fi为靶值，Ei表示节点i的边沿值。
7.根据权利要求6所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：fi＝Hash[Accounti+noncei]mod M
其中，Accounti表示节点i的账户地址，noncei表示节点i计算的随机数，M表示最大可能值，mod表示取余运算，Hash[*]表示求取hash值；
Ei＝CiQit
其中，Ci表示节点i的账户中拥有的边缘云币，边缘云币通过挖掘新区块或交易边缘云币获得；t表示这个区块距离上一个区块所经过的时间，Qi是节点i中存储的数据量。
8.根据权利要求7所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：Qi的计算公式如下：
Qi＝ST(i)/Dunit
其中，ST(i)是节点i已经使用的存储量，Dunit的大小取25MB。
9.根据权利要求1所述的一种面向云边聚合计算环境的高效区块链系统，其特征在于：所述区块的结构包括：区块头、区块体；区块头包含了前一个区块的hash、时间戳、区块的索引号、默克尔根、难度目标，所述难度目标是用于工作量证明机制的数学难度；区块体包含了区块打包的所有交易信息，所有交易信息采用元数据项进行存储。
10.根据权利要求1-9任意一项所述的高效区块链系统的处理方法，其特征在于：包括如下步骤：
步骤1：终端接入边缘网络后，将采集的数据发送到边缘节点，边缘节点将数据处理成元数据项，并发送至边缘服务器集群的边缘编排器；
步骤2：边缘编排器按照存储成本最优的策略选择边缘节点，被选择边缘节点包括：选择剩余的资源量更多的边缘节点，选择发送时延和传播时延更小的边缘节点；
步骤3：边缘编排器将选择的边缘节点的IP地址信息记录在元数据项的存储节点属性中，并将数据以及相应的元数据项广播全网，各边缘节点根据元数据项中记录的边缘节点对应的IP信息，选择将数据保存下来；
步骤4：当边缘节点满足fi≤Ei时，边缘节点对相应的元数据项打包进区块，并将区块放入区块链中，fi为靶值，Ei表示节点i的边沿值。
CN202011250664.5A 2020-11-10 2020-11-10 一种面向云边聚合计算环境的高效区块链系统及处理方法 Active CN112463881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011250664.5A CN112463881B (zh) 2020-11-10 2020-11-10 一种面向云边聚合计算环境的高效区块链系统及处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011250664.5A CN112463881B (zh) 2020-11-10 2020-11-10 一种面向云边聚合计算环境的高效区块链系统及处理方法

Publications (2)

Publication Number Publication Date
CN112463881A true CN112463881A (zh) 2021-03-09
CN112463881B CN112463881B (zh) 2022-09-16

Family

ID=74826377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011250664.5A Active CN112463881B (zh) 2020-11-10 2020-11-10 一种面向云边聚合计算环境的高效区块链系统及处理方法

Country Status (1)

Country Link
CN (1) CN112463881B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113535850A (zh) * 2021-07-13 2021-10-22 湖南大学 基于区块链的数据协同方法、装置及系统
CN114553893A (zh) * 2022-02-22 2022-05-27 曲阜师范大学 一种云边端环境下区块链参数关系的数据复制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296191A (zh) * 2016-08-13 2017-01-04 深圳市樊溪电子有限公司 一种区块链功耗感知的PoW共识机制
WO2017011601A1 (en) * 2015-07-14 2017-01-19 Fmr Llc Computationally efficient transfer processing, auditing, and search apparatuses, methods and systems
CN107249046A (zh) * 2017-08-15 2017-10-13 李俊庄 一种基于区块链的分布式云存储系统构建方法
CN109302405A (zh) * 2018-10-31 2019-02-01 北京邮电大学 基于边缘计算的工业数据检测区块链网络架构及检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017011601A1 (en) * 2015-07-14 2017-01-19 Fmr Llc Computationally efficient transfer processing, auditing, and search apparatuses, methods and systems
CN106296191A (zh) * 2016-08-13 2017-01-04 深圳市樊溪电子有限公司 一种区块链功耗感知的PoW共识机制
CN107249046A (zh) * 2017-08-15 2017-10-13 李俊庄 一种基于区块链的分布式云存储系统构建方法
CN109302405A (zh) * 2018-10-31 2019-02-01 北京邮电大学 基于边缘计算的工业数据检测区块链网络架构及检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113535850A (zh) * 2021-07-13 2021-10-22 湖南大学 基于区块链的数据协同方法、装置及系统
CN114553893A (zh) * 2022-02-22 2022-05-27 曲阜师范大学 一种云边端环境下区块链参数关系的数据复制方法及系统

Also Published As

Publication number Publication date
CN112463881B (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
Huang et al. Brokerchain: A cross-shard blockchain protocol for account/balance-based state sharding
CN109246211B (zh) 一种区块链中的资源上传和资源请求方法
Li et al. Rational protocols and attacks in blockchain system
Xu et al. Blockchain-based trustworthy edge caching scheme for mobile cyber-physical system
Bonomi et al. B-coc: A blockchain-based chain of custody for evidences management in digital forensics
CN109447603B (zh) 一种基于区块链的海洋数据资源共享方法
US20210194887A1 (en) Blockchain system and permission management method thereof
KR102337760B1 (ko) 심층강화학습 기반 적응적 샤드 블록체인 네트워크 관리 장치 및 방법
CN110321074A (zh) 基于区块链和分布式存储系统的安全存储证明的共识方法
Wang et al. A comparative study of blockchain consensus algorithms
CN112463881B (zh) 一种面向云边聚合计算环境的高效区块链系统及处理方法
CN112769580A (zh) 一种区块链分层激励共识算法
Lee et al. Poster: A proof-of-stake (PoS) blockchain protocol using fair and dynamic sharding management
Li et al. Achieving scalability and load balance across blockchain shards for state sharding
Zhao et al. A novel enhanced lightweight node for blockchain
CN111861459A (zh) 一种基于DPoS共识算法的Iota账本优化系统及方法
Zhang et al. Dledger: An iot-friendly private distributed ledger system based on dag
JP2022553963A (ja) 同期処理方法及び関連装置
CN114938292B (zh) 一种基于节点可信度的多层次优化pbft共识方法
Xi et al. [Retracted] A Comprehensive Survey on Sharding in Blockchains
Saad et al. Decentralized directed acyclic graph based dlt network
Liu et al. Communitychain: Toward a Scalable Blockchain in Smart Home
Singh Blockchain and IOT integrated Smart City Architecture
An et al. Blockchain technology research and application: A literature review and future trends
Matsuoka et al. Blockchain and DHT Based Lookup System Aiming for Alternative DNS

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant