CN112492026A - 动态云存储环境下混合型自适应副本一致性更新方法 - Google Patents

动态云存储环境下混合型自适应副本一致性更新方法 Download PDF

Info

Publication number
CN112492026A
CN112492026A CN202011350238.9A CN202011350238A CN112492026A CN 112492026 A CN112492026 A CN 112492026A CN 202011350238 A CN202011350238 A CN 202011350238A CN 112492026 A CN112492026 A CN 112492026A
Authority
CN
China
Prior art keywords
node
copy
polling
time
nodes
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
CN202011350238.9A
Other languages
English (en)
Other versions
CN112492026B (zh
Inventor
孙胜耀
杨颖辉
张彦丽
王仙吉
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.)
Sanming Data Group Co ltd
Original Assignee
Zhengzhou Normal University
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 Zhengzhou Normal University filed Critical Zhengzhou Normal University
Priority to CN202011350238.9A priority Critical patent/CN112492026B/zh
Publication of CN112492026A publication Critical patent/CN112492026A/zh
Application granted granted Critical
Publication of CN112492026B publication Critical patent/CN112492026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及动态云存储环境下混合型副本一致性更新策略。一种动态云存储环境下混合型自适应副本一致性更新方法，包括步骤如下：1）首先获取影响副本一致性的节点属性；2）根据影响副本一致性更新概率的因素绘制节点风险图；3）根据节点在风险图上的位置即风险值对节点进行分类：分成稳定型节点和变动型节点；4）如是稳定型节点，副本则采用传染路由方式进行被动更新；5）而对于变动型节点，则由节点采用自适应主动轮询的方式进行主动更新。本发明有效解决了动态云存储环境下采用传染路由进行一致性更新时副本不能得到及时的更新的问题。

Description

动态云存储环境下混合型自适应副本一致性更新方法
技术领域
本发明涉及云存储环境下数据对象的副本一致性更新方法，设计了一种动态云存储环境下混合型副本一致性更新策略。
背景技术
副本技术是云存储研究的重要分支，其基本思想是对存储的每个数据对象进行复制，形成副本，然后通过分布式技术将这些数据副本分配到不同的存储节点上。副本技术可以有效的均衡云存储系统的负载，降低数据的访问延迟。
在云存储中，副本数量越多，数据存取越快捷，系统的性能越优越。虽然多副本可以有效改善系统的性能，但是当其中的一个副本产生更新时，为保证云存储系统的可用性，其他相同副本也需要进行更新；因此，副本数量越多，导致副本一致性的难度越高。
为缓解一致性困难的问题，学者们已经提出了大量的副本一致性策略。根据副本更新消息传播方式的不同，现有的一致性策略可以分为基于架构和基于传染路由两种类型。其中，基于构架的副本更新策略假设系统的构架是稳定的，系统中存在一个专门的服务节点记录节点上的副本；副本通过该服务节点可以快速的获取并定位更新的数据对象，从而及时的完成副本更新。而基于传染路由的更新方式则采用传染路由方式，在副本更新后将更新消息传递到目标节点。根据副本获取更新方式的不同，现有的策略可以分成主动更新和被动更新两种类型。其中，被动式更新是指节点上的副本被动的等待接收更新消息。在该方式下，云存储系统多采用集中式方式对副本进行更新；其一般采用“心跳”机制，将更新消息进行传播。
传统的副本一致性策略更多侧重于副本被动的接收更新消息，较少的关注副本主动接收更新，在一定环境下（如动态云存储环境）会导致副本无法及时的得到更新，影响云存储的可用性。在动态云存储中，由于存储节点可以频繁的加入、离开云存储，节点失效也成为了一种常态行为。节点频繁的变动导致了副本也被频繁的创建、移除和迁移；这增加了基于构架一致性策略中服务节点的服务负担（严重的会导致单点失效的风险），影响了副本及时获取更新的效率。而基于传染路由的更新方式本身就是一种概率更新，并不能保证所有副本在更新消息的生命周期内完成更新，尤其是在动态云存储环境下。为了弥补被动更新方式的缺陷，一些学者提出了主动式获取更新的方式。他们通常根据节点上副本的查询率和更新率，由节点采用自适应的方式确定副本是否接收更新。主动方式可以有效改善动态环境下副本更新的概率，但是在这些策略中，主动轮询的频率并不能得到很好的控制，导致轮询频率与实际更新频率不能很好的契合，影响了云存储的可用性。
因此，有必要设计一种混合型副本一致性更新策略，以应对动态云存储环境下采用传染路由进行一致性更新时副本不能得到及时的更新的问题。
发明内容
本发明针对现有技术不足，提出一种动态云存储环境下混合型自适应副本一致性更新方法，有效解决了动态云存储环境下采用传染路由进行一致性更新时副本不能得到及时的更新的问题。
当动态云存储环境下采用传染路由进行副本更新时，采用本发明副本一致性更新方案，使副本可以得到及时的更新并提高副本成功更新的概率。
本发明采用的技术方案：
本发明主要由节点分类和副本节点采用自适应主动轮询更新两部分组成。首先，本发明将动态云存储下的节点分成稳定型节点和变动型节点两种类型。稳定型节点采用传染路由进行被动式更新；而变动型节点则由节点采用自适应的主动式方式进行更新。
节点分类：首先，本发明根据影响副本一致性更新概率的因素绘制了节点风险图，然后根据节点在风险图上的位置将节点分成稳定型节点和变动型节点。对于稳定型的节点，副本则采用传染路由更新方式进行更新，而对于变动型节点，则由节点采用分散自适应的方式进行主动更新。
节点自适应轮询更新：本发明采用线性增加倍数减小和时间预测的方式确定节点主动轮询的时间和频率。当副本没有产生更新时，轮询的时间间隔逐渐的线性增加，降低轮询的频率；当副本更新比较频繁时，则轮询的时间间隔成倍的进行减小，增加轮询的频率。轮询时间则兼顾副本的查询时间和实际的轮询时间，通过评估预测时间和副本查询时间确定下一次的轮询时间。
发明有益效果：
1、本发明动态云存储环境下混合型自适应副本一致性更新方法，提出了一个动态云存储环境下混合式获取副本一致性更新的方案，有效的弥补了动态云存储环境下因节点变动导致副本更新概率较低的问题。
2、本发明动态云存储环境下混合型自适应副本一致性更新方法，根据影响副本一致性更新的多种因素，绘制了一个节点风险图，可以从图中直观的观测到节点的风险系数；通过对节点进行分类，不同类型的节点则采用不同的副本更新方式，提高了副本更新的及时高效。
3、本发明动态云存储环境下混合型自适应副本一致性更新方法，对于变动型节点，提出了一种减少轮询次数的自适应主动副本更新方法。该方法可以根据副本的更新情况进行自适应的轮询。
附图说明
图1为本发明混合型自适应副本一致性更新方法总体流程图；
图2为本发明混合型自适应副本一致性更新方法节点分类流程图；
图3为本发明混合型自适应副本一致性更新方法自适应主动轮询更新方式流程图。
具体实施方式
下面通过具体实施方式，结合附图对本发明技术方案做进一步的详细描述。
实施例1
参见图1，本发明动态云存储环境下混合型自适应副本一致性更新方法，包括如下步骤：
1）首先获取影响副本一致性的节点属性；
2）根据影响副本一致性更新概率的因素绘制节点风险图；
3）根据节点在风险图上的位置即风险值对节点进行分类：分成稳定型节点和变动型节点；
4）如是稳定型节点，副本则采用传染路由方式进行被动更新；
5）而对于变动型节点，则由节点采用自适应主动轮询的方式进行主动更新。
实施例2
本实施例动态云存储环境下混合型自适应副本一致性更新方法，与实施例1不同的是：变动型节点采用自适应主动轮询的方式进行主动更新的过程如下：
采用线性增加倍数减小和时间预测的方式确定节点主动轮询的时间和频率；
当副本没有产生更新时，轮询的时间间隔逐渐的线性增加，降低轮询的频率；
当副本更新比较频繁时，则轮询的时间间隔成倍的进行减小，增加轮询的频率；
轮序时间兼顾副本的查询时间；根据副本的实际查询时间序列，对下一时刻的查询时间进行预测，当预测的时间早于线性增加倍数减小的时间，则下次主动轮询的时间为预测时间，否则为线性增加倍数减小的时间。
实施例3
参见图1、图2，本实施例的动态云存储环境下混合型自适应副本一致性更新方法，和实施例1或实施例2的不同之处在于：对节点进行分类的过程，具体步骤如下：
（1）、云存储周期性的获取影响副本一直性更新的节点属性，这些因素包括：
节点负载
Figure 100002_DEST_PATH_IMAGE001
、节点度
Figure 100002_DEST_PATH_IMAGE002
、平均响应时间
Figure 100002_DEST_PATH_IMAGE003
、请求响应率
Figure 100002_DEST_PATH_IMAGE004
、节点变动频率
Figure 100002_DEST_PATH_IMAGE005
、节点接收更新频率
Figure 100002_DEST_PATH_IMAGE006
；
（2）将这些属性分成节点服务能力属性和节点服务意愿属性两类；其中，节点服务能力因素包括
Figure 342205DEST_PATH_IMAGE001
、
Figure 848273DEST_PATH_IMAGE002
和
Figure 595649DEST_PATH_IMAGE006
；节点服务意愿因素包括
Figure 100002_DEST_PATH_IMAGE007
、
Figure 9313DEST_PATH_IMAGE004
和
Figure 892955DEST_PATH_IMAGE005
；
构建节点
Figure 100002_DEST_PATH_IMAGE008
的服务能力分量
Figure 100002_DEST_PATH_IMAGE009
和服务意愿分量
Figure 100002_DEST_PATH_IMAGE010
；
节点
Figure 897821DEST_PATH_IMAGE008
的服务能力分量表示为：
Figure 100002_DEST_PATH_IMAGE011
服务意愿分量表示为：
Figure 100002_DEST_PATH_IMAGE012
（3）构建虚拟节点
Figure 100002_DEST_PATH_IMAGE013
，该节点具有最大的服务能力和最高的服务意愿；虚拟节点
Figure 398072DEST_PATH_IMAGE013
的二维分量表示为
Figure 100002_DEST_PATH_IMAGE014
；
虚拟节点
Figure 90128DEST_PATH_IMAGE013
服务能力分量表示为：
Figure 100002_DEST_PATH_IMAGE015
Figure 100002_DEST_PATH_IMAGE016
虚拟节点
Figure 890593DEST_PATH_IMAGE013
服务意愿分量表示为：
Figure 100002_DEST_PATH_IMAGE017
（4）将
Figure 535201DEST_PATH_IMAGE013
并入到
Figure 100002_DEST_PATH_IMAGE018
，形成
Figure 100002_DEST_PATH_IMAGE019
；
（5）在集合
Figure 100002_DEST_PATH_IMAGE020
中，每个节点
Figure 522749DEST_PATH_IMAGE008
都具有服务能力和服务意愿两个分量
Figure 100002_DEST_PATH_IMAGE021
；将服务能力分量设为
Figure 100002_DEST_PATH_IMAGE022
，将服务意愿分量设为
Figure 100002_DEST_PATH_IMAGE023
，利用下式消除每个分量中的量纲：
Figure 100002_DEST_PATH_IMAGE024
其中：
Figure 100002_DEST_PATH_IMAGE025
Figure 100002_DEST_PATH_IMAGE026
Figure 100002_DEST_PATH_IMAGE027
其中：
Figure 100002_DEST_PATH_IMAGE028
Figure 100002_DEST_PATH_IMAGE029
则在
Figure 934008DEST_PATH_IMAGE020
中，节点消除量纲后的二维分量表示为：
Figure 100002_DEST_PATH_IMAGE030
（6）利用下述公式求
Figure 526663DEST_PATH_IMAGE020
集合的二维分量
Figure 100002_DEST_PATH_IMAGE031
：
Figure 100002_DEST_PATH_IMAGE032
Figure 100002_DEST_PATH_IMAGE033
（7）由步骤（6）得到
Figure 873331DEST_PATH_IMAGE013
的二维分量为
Figure 100002_DEST_PATH_IMAGE034
；将
Figure 817016DEST_PATH_IMAGE013
作为原点，
Figure 100002_DEST_PATH_IMAGE035
作为横轴，
Figure 100002_DEST_PATH_IMAGE036
作为纵轴绘二维坐标系（该二维坐标称为节点风险图）；
（8）根据每个节点的二维分量，将节点绘制到风险图上，将节点坐标与原点的距离称为风险系数，则任一节点
Figure 907332DEST_PATH_IMAGE008
的风险系数
Figure 100002_DEST_PATH_IMAGE037
表示为：
Figure 100002_DEST_PATH_IMAGE038
（9）利用下属公式得到风险图中所有节点的平均风险值：
Figure 100002_DEST_PATH_IMAGE039
（10）定义一个可以自适应调整的参数
Figure 100002_DEST_PATH_IMAGE040
自然数)，当节点
Figure 100002_DEST_PATH_IMAGE041
在风险图上的风险距离
Figure 100002_DEST_PATH_IMAGE042
满足下述不等式时，则
Figure 416810DEST_PATH_IMAGE041
为稳定型节点，否则是变动型节点：
Figure 100002_DEST_PATH_IMAGE043
对于稳定型节点，采用传染路由完成副本一致性更新；而对于变动型节点，则由节点采用自适应的方式主动轮询服务节点。
本发明涉及到的一些参数：
假设云存储节点的数量为N，表示为
Figure 100002_DEST_PATH_IMAGE044
。
1、节点负载
Figure 100002_DEST_PATH_IMAGE045
：
Figure 100002_DEST_PATH_IMAGE046
其中，
Figure 100002_DEST_PATH_IMAGE047
表示节点
Figure 996696DEST_PATH_IMAGE041
在单位时间内转发的请求量；
Figure 100002_DEST_PATH_IMAGE048
表示节点
Figure 427678DEST_PATH_IMAGE041
上副本
Figure 100002_DEST_PATH_IMAGE049
在单位时间内被请求量；
Figure 100002_DEST_PATH_IMAGE050
表示节点
Figure 259367DEST_PATH_IMAGE041
上存储副本的数量；
Figure 100002_DEST_PATH_IMAGE051
表示节点
Figure 92194DEST_PATH_IMAGE041
上所有副本在单位时间内被请求量；
Figure 100002_DEST_PATH_IMAGE052
表示本地副本接收的访问量对节点的负载影响更大，它是一个权重值；
Figure 100002_DEST_PATH_IMAGE053
表示节点
Figure 515085DEST_PATH_IMAGE041
在单位时间内能正常回应请求的最大数量。
2、节点度
Figure 100002_DEST_PATH_IMAGE054
：是指每个存储节点与其他存储节点直接相连的数目。
3、平均响应时间
Figure 100002_DEST_PATH_IMAGE055
：指节点
Figure 230100DEST_PATH_IMAGE041
上所有请求在单位时间内的平均请求时间，表示为：
Figure 100002_DEST_PATH_IMAGE056
其中
Figure 100002_DEST_PATH_IMAGE057
指请求任务j的响应时间。
4、请求响应率
Figure 100002_DEST_PATH_IMAGE058
，指单位时间内节点
Figure 390780DEST_PATH_IMAGE041
上接收的请求数与成功回应的系数比，表示为：
Figure 100002_DEST_PATH_IMAGE059
其中，
Figure 100002_DEST_PATH_IMAGE060
表示单位时间内节点响应成功的次数，
Figure 100002_DEST_PATH_IMAGE061
表示单位时间内总的请求数。
5、节点变动频率
Figure 100002_DEST_PATH_IMAGE062
，指单位时间内
Figure 140430DEST_PATH_IMAGE041
加入和离开云存储的频率。
6、节点接收更新的频率
Figure 100002_DEST_PATH_IMAGE063
，指单位时间内
Figure 468644DEST_PATH_IMAGE041
上副本接收更新的次数。
7、最小更新时间间隔
Figure DEST_PATH_IMAGE064
：节点上副本最小接收更新的时间间隔；表示为：
Figure DEST_PATH_IMAGE065
8、副本服务时间序列
Figure DEST_PATH_IMAGE066
：表示一个副本在
Figure DEST_PATH_IMAGE067
时刻向外提供服务。
9、下一时刻轮询的时间
Figure DEST_PATH_IMAGE068
：表示
Figure 405376DEST_PATH_IMAGE041
将在
Figure DEST_PATH_IMAGE069
时刻采用主动方式向服务器进行轮询。若用
Figure DEST_PATH_IMAGE070
表示节点主动轮询的时间序列，用
Figure DEST_PATH_IMAGE071
表示相邻两个更新时间的更新间隔，则：
Figure DEST_PATH_IMAGE072
实施例4
参见图1-图3，本实施例的动态云存储环境下混合型自适应副本一致性更新方法，与实施例3不同的是：节点根据自身的属性判断是否属于变动型节点，如是变动型节点，则由节点采用自适应的方式主动轮询服务节点，向服务节点发起轮询进行主动更新，其步骤为：
（1）节点向服务器主动发起轮询，根据回应信息，判定数据是否已经更新；
若副本没有更新，则相应的增加下次轮询的时间间隔，降低轮询的次数；
（2）如果副本已经更新，则说明当前轮询的频率较低，则缩短下次轮询的时间间隔；
（3）根据副本向外提供服务的时间序列采用平滑指数预测算法预测下一次的服务时间
Figure DEST_PATH_IMAGE073
，预测公式为：
Figure DEST_PATH_IMAGE074
其中，
Figure DEST_PATH_IMAGE075
是一个权重值，它可以根据历史提供服务提供时间进行动态的调整；在预测时，可以根据实际的需要，给最近的服务时间分配更高的权重；
（4）如果线性增加倍数减小算法得到的下次轮询时间
Figure DEST_PATH_IMAGE076
在预测的提供服务的时间
Figure 234660DEST_PATH_IMAGE073
之后，则
Figure DEST_PATH_IMAGE077
，否则线性增加倍数减小算法得到的轮询时间。
采用线性增加一个常数的方式降低轮询的频率：
若当前轮询时间间隔为
Figure DEST_PATH_IMAGE078
，则下一次轮询的时间间隔
Figure DEST_PATH_IMAGE079
（其中
Figure DEST_PATH_IMAGE080
，是一个大于0的自定义常数，例如1秒）；那么下次轮询的时刻
Figure 838817DEST_PATH_IMAGE069
：
Figure DEST_PATH_IMAGE081
其中，在初始状态下，
Figure DEST_PATH_IMAGE082
为首次轮询时间点，
Figure DEST_PATH_IMAGE083
；
Figure 869090DEST_PATH_IMAGE082
和
Figure DEST_PATH_IMAGE084
之间的时间间隔
Figure DEST_PATH_IMAGE085
为最小时间间隔
Figure 293118DEST_PATH_IMAGE064
。
采用倍数减小的方式提高轮询的频率：
若当前的时间间隔为
Figure 739143DEST_PATH_IMAGE078
，则下一次轮询的时间间隔，（其中
Figure DEST_PATH_IMAGE086
，是一个自定义的常数，如
Figure DEST_PATH_IMAGE087
）；如果
Figure DEST_PATH_IMAGE088
，则
Figure DEST_PATH_IMAGE089
；那么下次轮询时间为：
Figure DEST_PATH_IMAGE090
。
本发明动态云存储环境下混合式获取副本一致性更新的方案，有效的弥补了动态云存储环境下因节点变动导致副本更新概率较低的问题。根据影响副本一致性更新的多种因素，绘制了一个节点风险图，可以从图中直观的观测到节点的风险系数；通过对节点进行分类，不同类型的节点则采用不同的副本更新方式。对于变动型节点，提出了一种减少轮询次数的自适应主动副本更新方法。该方法可以根据副本的更新情况进行自适应的轮询。
以上各实施例仅用于说明本发明，不应当构成对本发明专利要求保护范围的限定。本领域技术人员在结合现有技术的情况下，无需进行创造性劳动即可对本发明的实施情况进行其他修改或者采用本领域惯用技术手段进行置换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种动态云存储环境下混合型自适应副本一致性更新方法，包括如下步骤：
1）首先获取影响副本一致性的节点属性；
2）根据影响副本一致性更新概率的因素绘制节点风险图；
3）根据节点在风险图上的位置即风险值对节点进行分类：分成稳定型节点和变动型节点；
4）如是稳定型节点，副本则采用传染路由方式进行被动更新；
5）而对于变动型节点，则由节点采用自适应主动轮询的方式进行主动更新。
2.根据权利要求1所述的动态云存储环境下混合型自适应副本一致性更新方法，其特征在于：变动型节点采用自适应主动轮询的方式进行主动更新的过程如下：
采用线性增加倍数减小和时间预测的方式确定节点主动轮询的时间和频率；
当副本没有产生更新时，轮询的时间间隔逐渐的线性增加，降低轮询的频率；
当副本更新比较频繁时，则轮询的时间间隔成倍的进行减小，增加轮询的频率；
轮序时间兼顾副本的查询时间；根据副本的实际查询时间序列，对下一时刻的查询时间进行预测，当预测的时间早于线性增加倍数减小的时间，则下次主动轮询的时间为预测时间，否则为线性增加倍数减小的时间。
3.根据权利要求1或2所述的动态云存储环境下混合型自适应副本一致性更新方法，其特征在于：对节点进行分类的过程，包括步骤如下：
（1）、云存储周期性的获取影响副本一直性更新的节点属性，这些因素包括：
节点负载
Figure DEST_PATH_IMAGE001
、节点度
Figure DEST_PATH_IMAGE002
、平均响应时间
Figure DEST_PATH_IMAGE003
、请求响应率
Figure DEST_PATH_IMAGE004
、节点变动频率
Figure DEST_PATH_IMAGE005
、节点接收更新频率
Figure DEST_PATH_IMAGE006
；
（2）将这些属性分成节点服务能力属性和节点服务意愿属性两类；其中，节点服务能力因素包括
Figure 580212DEST_PATH_IMAGE001
、
Figure 294090DEST_PATH_IMAGE002
和
Figure 604986DEST_PATH_IMAGE006
；节点服务意愿因素包括
Figure DEST_PATH_IMAGE007
、
Figure 531353DEST_PATH_IMAGE004
和
Figure 80146DEST_PATH_IMAGE005
；
构建节点
Figure DEST_PATH_IMAGE008
的服务能力分量
Figure DEST_PATH_IMAGE009
和服务意愿分量
Figure DEST_PATH_IMAGE010
；
节点
Figure 964926DEST_PATH_IMAGE008
的服务能力分量表示为：
Figure DEST_PATH_IMAGE011
服务意愿分量表示为：
Figure DEST_PATH_IMAGE012
（3）构建虚拟节点
Figure DEST_PATH_IMAGE013
，该节点具有最大的服务能力和最高的服务意愿；虚拟节点
Figure 108592DEST_PATH_IMAGE013
的二维分量表示为
Figure DEST_PATH_IMAGE014
；
虚拟节点
Figure 838650DEST_PATH_IMAGE013
服务能力分量表示为：
Figure DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
虚拟节点
Figure 773108DEST_PATH_IMAGE013
服务意愿分量表示为：
Figure DEST_PATH_IMAGE017
（4）将
Figure 94368DEST_PATH_IMAGE013
并入到
Figure DEST_PATH_IMAGE018
，形成
Figure DEST_PATH_IMAGE019
；
（5）在集合
Figure DEST_PATH_IMAGE020
中，每个节点
Figure 911014DEST_PATH_IMAGE008
都具有服务能力和服务意愿两个分量
Figure DEST_PATH_IMAGE021
；将服务能力分量设为
Figure DEST_PATH_IMAGE022
，将服务意愿分量设为
Figure DEST_PATH_IMAGE023
，利用下式消除每个分量中的量纲：
Figure DEST_PATH_IMAGE024
其中：
Figure DEST_PATH_IMAGE025
Figure DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE027
其中：
Figure DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE029
则在
Figure 38239DEST_PATH_IMAGE020
中，节点消除量纲后的二维分量表示为：
Figure DEST_PATH_IMAGE030
（6）利用下述公式求
Figure 92783DEST_PATH_IMAGE020
集合的二维分量
Figure DEST_PATH_IMAGE031
：
Figure DEST_PATH_IMAGE032
Figure DEST_PATH_IMAGE033
（7）由步骤（6）得到
Figure 381682DEST_PATH_IMAGE013
的二维分量为
Figure DEST_PATH_IMAGE034
；将
Figure 154466DEST_PATH_IMAGE013
作为原点，
Figure DEST_PATH_IMAGE035
作为横轴，
Figure DEST_PATH_IMAGE036
作为纵轴绘二维坐标系，该二维坐标称为节点风险图；
（8）根据每个节点的二维分量，将节点绘制到风险图上，将节点坐标与原点的距离称为风险系数，则任一节点
Figure 695168DEST_PATH_IMAGE008
的风险系数
Figure DEST_PATH_IMAGE037
表示为：
Figure DEST_PATH_IMAGE038
（9）利用下属公式得到风险图中所有节点的平均风险值：
Figure DEST_PATH_IMAGE039
（10）定义一个可以自适应调整的参数
Figure DEST_PATH_IMAGE040
自然数)，当节点
Figure DEST_PATH_IMAGE041
在风险图上的风险距离
Figure DEST_PATH_IMAGE042
满足下述不等式时，则
Figure 463273DEST_PATH_IMAGE041
为稳定型节点，否则是变动型节点：
Figure DEST_PATH_IMAGE043
对于稳定型节点，采用传染路由完成副本一致性更新；而对于变动型节点，则由节点采用自适应的方式主动轮询服务节点。
4.根据权利要求3所述的动态云存储环境下混合型自适应副本一致性更新方法，其特征在于：节点根据自身的属性判断是否属于变动型节点，如是变动型节点，则由节点采用自适应的方式主动轮询服务节点，向服务节点发起轮询进行主动更新，其步骤为：
（1）节点向服务器主动发起轮询，根据回应信息，判定数据是否已经更新；
若副本没有更新，则相应的增加下次轮询的时间间隔，降低轮询的次数；
（2）如果副本已经更新，则说明当前轮询的频率较低，则缩短下次轮询的时间间隔；
（3）根据副本向外提供服务的时间序列采用平滑指数预测算法预测下一次的服务时间
Figure DEST_PATH_IMAGE044
，预测公式为：
Figure DEST_PATH_IMAGE045
其中，
Figure DEST_PATH_IMAGE046
是一个权重值，它可以根据历史提供服务提供时间进行动态的调整；在预测时，可以根据实际的需要，给最近的服务时间分配更高的权重；
（4）如果线性增加倍数减小算法得到的下次轮询时间
Figure DEST_PATH_IMAGE047
在预测的提供服务的时间
Figure 391915DEST_PATH_IMAGE044
之后，则
Figure DEST_PATH_IMAGE048
，否则线性增加倍数减小算法得到的轮询时间。
5.根据权利要求4所述的动态云存储环境下混合型自适应副本一致性更新方法，其特征在于：采用线性增加一个常数的方式降低轮询的频率：
若当前轮询时间间隔为
Figure DEST_PATH_IMAGE049
，则下一次轮询的时间间隔
Figure DEST_PATH_IMAGE050
（其中
Figure DEST_PATH_IMAGE051
，是一个大于0的自定义常数，例如1秒）；那么下次轮询的时刻
Figure DEST_PATH_IMAGE052
：
Figure DEST_PATH_IMAGE053
其中，在初始状态下，
Figure DEST_PATH_IMAGE054
为首次轮询时间点，
Figure DEST_PATH_IMAGE055
；
Figure 573366DEST_PATH_IMAGE054
和
Figure DEST_PATH_IMAGE056
之间的时间间隔
Figure DEST_PATH_IMAGE057
为最小时间间隔
Figure DEST_PATH_IMAGE058
。
6.根据权利要求4或5所述的动态云存储环境下混合型自适应副本一致性更新方法，其特征在于：采用倍数减小的方式提高轮询的频率：
若当前的时间间隔为
Figure 720357DEST_PATH_IMAGE049
，则下一次轮询的时间间隔，（其中
Figure DEST_PATH_IMAGE059
，是一个自定义的常数，如
Figure DEST_PATH_IMAGE060
）；如果
Figure DEST_PATH_IMAGE061
，则
Figure DEST_PATH_IMAGE062
；那么下次轮询时间为：
Figure DEST_PATH_IMAGE063
。
CN202011350238.9A 2020-11-26 2020-11-26 动态云存储环境下混合型自适应副本一致性更新方法 Active CN112492026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011350238.9A CN112492026B (zh) 2020-11-26 2020-11-26 动态云存储环境下混合型自适应副本一致性更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011350238.9A CN112492026B (zh) 2020-11-26 2020-11-26 动态云存储环境下混合型自适应副本一致性更新方法

Publications (2)

Publication Number Publication Date
CN112492026A true CN112492026A (zh) 2021-03-12
CN112492026B CN112492026B (zh) 2022-08-23

Family

ID=74935200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011350238.9A Active CN112492026B (zh) 2020-11-26 2020-11-26 动态云存储环境下混合型自适应副本一致性更新方法

Country Status (1)

Country Link
CN (1) CN112492026B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113127267A (zh) * 2021-04-30 2021-07-16 郑州师范学院 一种分布式存储环境下强一致性多副本数据访问回应方法
CN113542370A (zh) * 2021-06-29 2021-10-22 北京达佳互联信息技术有限公司 活动播报信息处理方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060230237A1 (en) * 2005-04-07 2006-10-12 Fujitsu Limited Method and system for maintaining cache coherence of distributed shared memory system
US20130036092A1 (en) * 2011-08-03 2013-02-07 Amadeus S.A.S. Method and System to Maintain Strong Consistency of Distributed Replicated Contents in a Client/Server System
CN111258980A (zh) * 2020-01-18 2020-06-09 重庆邮电大学 一种云存储系统中基于组合预测的动态文件放置方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060230237A1 (en) * 2005-04-07 2006-10-12 Fujitsu Limited Method and system for maintaining cache coherence of distributed shared memory system
US20130036092A1 (en) * 2011-08-03 2013-02-07 Amadeus S.A.S. Method and System to Maintain Strong Consistency of Distributed Replicated Contents in a Client/Server System
CN111258980A (zh) * 2020-01-18 2020-06-09 重庆邮电大学 一种云存储系统中基于组合预测的动态文件放置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIN CHEN，等: ""SCOPE Scalable Consistency Maintenance in Structured P2P Systems"", 《PROCEEDINGS IEEE 24TH ANNUAL JOINT CONFERENCE OF THE IEEE COMPUTER AND COMMUNICATIONS SOCIETIES》 *
徐婧等: "CDRS:云存储中一种代价驱动的自适应副本策略", 《中国科学院研究生院学报》 *
李征来: ""无结构P2P网络副本一致性的研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑(月刊) 2012年第10期》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113127267A (zh) * 2021-04-30 2021-07-16 郑州师范学院 一种分布式存储环境下强一致性多副本数据访问回应方法
CN113127267B (zh) * 2021-04-30 2023-02-17 郑州师范学院 一种分布式存储环境下强一致性多副本数据访问回应方法
CN113542370A (zh) * 2021-06-29 2021-10-22 北京达佳互联信息技术有限公司 活动播报信息处理方法、装置、电子设备及存储介质
CN113542370B (zh) * 2021-06-29 2023-11-03 北京达佳互联信息技术有限公司 活动播报信息处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112492026B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN111027736B (zh) 多目标优化下的微服务组合部署与调度方法
US7457835B2 (en) Movement of data in a distributed database system to a storage location closest to a center of activity for the data
CN112492026B (zh) 动态云存储环境下混合型自适应副本一致性更新方法
CN106648456B (zh) 基于用户访问量以及预测机制的动态副本文件访问方法
CN111464611A (zh) 动态复杂场景下固定云和边缘节点之间高效服务访问的方法
US20130346540A1 (en) Storing and Moving Data in a Distributed Storage System
CN115941790A (zh) 边缘协同内容缓存方法、装置、设备及存储介质
CN102480502B (zh) 一种i/o负载均衡方法及i/o服务器
CN115062868B (zh) 一种预聚类的车辆配送路径规划方法和装置
CN103281374A (zh) 一种云存储中数据快速调度的方法
CN111324429B (zh) 一种基于多代血统参考距离的微服务组合调度方法
La et al. Content replication in mobile networks
CN113127267B (zh) 一种分布式存储环境下强一致性多副本数据访问回应方法
CN101465753B (zh) P2p系统组管理方法及其装置和系统
CN112165721B (zh) 基于边缘计算的多服务任务的卸载和服务迁移方法
CN111770152A (zh) 一种边缘数据管理方法、介质、边缘服务器和系统
Tomimori et al. Content sharing method using expected acquisition rate in hybrid peer-to-peer networks with cloud storages
CN110138863B (zh) 基于Multi-Paxos分组的自适应一致性协议优化方法
Ho et al. Adaptive communication for distributed deep learning on commodity GPU cluster
Fu et al. Data replica placement policy based on load balance in cloud storage system
Lu et al. Adaptive consistency guarantees for large-scale replicated services
CN108965387B (zh) 一种提高p2p数据存储抗毁性的均衡方法及系统
CN114401192A (zh) 一种多sdn控制器协同训练方法
CN114095573A (zh) 基于边缘缓存的cdn-p2p网络的内容副本放置方法
CN115190135B (zh) 一种分布式存储系统及其副本选择方法

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
TR01 Transfer of patent right

Effective date of registration: 20240909

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Country or region after: China

Address before: 450000 No.6 Yingcai street, North University Town, Huiji District, Zhengzhou City, Henan Province

Patentee before: ZHENGZHOU NORMAL University

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240913

Address after: 5th Floor, No.1 Jinquan Road, Qiujiang, Shaxian District, Sanming City, Fujian Province 365500

Patentee after: Sanming Data Group Co.,Ltd.

Country or region after: China

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right