摘要：動(dòng)態(tài)數(shù)據(jù)聚集計(jì)算方法主要包括節(jié)點(diǎn)聚集、數(shù)據(jù)聚集兩個(gè)方面的內(nèi)容，實(shí)現(xiàn)了綠色云計(jì)算數(shù)據(jù)中心系統(tǒng)的統(tǒng)籌管理，結(jié)合不同時(shí)段節(jié)點(diǎn)和數(shù)據(jù)的使用情況，將數(shù)據(jù)集聚起來，重新部署各數(shù)據(jù)節(jié)點(diǎn)，逐步實(shí)現(xiàn)了有序化聚集，保證了計(jì)算儲(chǔ)存節(jié)點(diǎn)可持續(xù)正常運(yùn)轉(zhuǎn)。本文通過仿真實(shí)驗(yàn)，詳細(xì)的分析了該算法的各項(xiàng)性能，總結(jié)與探討了面向綠色云計(jì)算數(shù)據(jù)中心的動(dòng)態(tài)數(shù)據(jù)聚集算法的重要意義。

關(guān)鍵詞：綠色云計(jì)算 數(shù)據(jù)聚集 能耗 數(shù)據(jù)中心

中圖分類號：TP393.02 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）10-0135-03

云計(jì)算（cloud computing）是一種借助網(wǎng)絡(luò)平臺(tái)集聚各類虛擬化計(jì)算資源，并通過數(shù)據(jù)中心供給多租客或單一用戶性價(jià)比較高、動(dòng)態(tài)、彈性規(guī)模擴(kuò)展的信息存儲(chǔ)、信息計(jì)算等服務(wù)方式[1]。云計(jì)算轉(zhuǎn)變了傳統(tǒng)信息架構(gòu)，引進(jìn)了全新的運(yùn)作模式，逐漸成為國內(nèi)外各領(lǐng)域、各行業(yè)爭相關(guān)注的重要問題。據(jù)相關(guān)統(tǒng)計(jì)顯示，云應(yīng)用程序所部署服務(wù)器數(shù)量超出原有應(yīng)用程序的4倍，在數(shù)據(jù)中心的運(yùn)營成本中，能源消耗費(fèi)用所占比重較大，約為43.35%。因此，云計(jì)算數(shù)據(jù)中心的節(jié)能降耗成為了重中之重，能耗管理應(yīng)兼顧服務(wù)質(zhì)量和“綠色”兩項(xiàng)要求[2]。本文詳細(xì)分析了云計(jì)算數(shù)據(jù)中心的相關(guān)工作，基于其運(yùn)行模式，提出了面向綠色云計(jì)算數(shù)據(jù)中心的動(dòng)態(tài)數(shù)據(jù)聚集算法。

1 動(dòng)態(tài)數(shù)據(jù)聚集算法的相關(guān)概念界定

近年來，對云數(shù)據(jù)中心的研究已進(jìn)入白熱化階段，目前已提出了三個(gè)階段數(shù)據(jù)布局的策略，主要通過跨數(shù)據(jù)中心的數(shù)據(jù)傳輸、全局負(fù)載均衡及數(shù)據(jù)依賴關(guān)系三項(xiàng)指標(biāo)，來優(yōu)化、求解數(shù)據(jù)布局方案。與此同時(shí)，還總結(jié)了云計(jì)算數(shù)據(jù)中心所面臨的資源管理問題，致力于網(wǎng)絡(luò)寬帶靈活性和吞吐量的有效提高。根據(jù)云計(jì)算數(shù)據(jù)中心的網(wǎng)絡(luò)拓?fù)湓O(shè)計(jì)，以Fat-tree、BCube為主要結(jié)構(gòu)，設(shè)計(jì)出了云計(jì)算方法，其具有直徑小、連通性強(qiáng)的特征，逐步形成了一種可拓展性較強(qiáng)的拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)。[2]

結(jié)合云計(jì)算數(shù)據(jù)中心的實(shí)際情況，發(fā)現(xiàn)該系統(tǒng)的主要能耗來源有以下幾方面的內(nèi)容：（1）電源供應(yīng)、服務(wù)器、互聯(lián)網(wǎng)等設(shè)備所帶來的能源消耗。這一系列設(shè)備能耗約占總能耗的23%；（2）溫控設(shè)備，包括水冷、風(fēng)冷設(shè)備等所產(chǎn)生的能源損耗；（3）云計(jì)算數(shù)據(jù)中心照明設(shè)備帶來的能源損耗，此設(shè)備能耗比例小。電源使用效率會(huì)對云計(jì)算數(shù)據(jù)其中心能源使用情況產(chǎn)生影響。電源使用率（PUE）指的是數(shù)據(jù)中心所消耗的總能源和IT負(fù)載消耗呈現(xiàn)的比值，電源使用率越接近1，云計(jì)算數(shù)據(jù)中心的綠色化程度越強(qiáng)。溫度控制設(shè)備負(fù)荷由計(jì)算機(jī)主機(jī)、外部輔助設(shè)備等所產(chǎn)生發(fā)熱量組成，存儲(chǔ)設(shè)備、服務(wù)器設(shè)備與網(wǎng)絡(luò)設(shè)產(chǎn)生的發(fā)熱量所占比重較大。云計(jì)算數(shù)據(jù)中心具有一定的優(yōu)勢，其充分利用了虛擬化技術(shù)，減少了物理服務(wù)器，進(jìn)而實(shí)現(xiàn)節(jié)能減排。通過上述內(nèi)容可得知，在相同任務(wù)的執(zhí)行過程中，如何既有效確保QoS，還能夠?qū)?shù)據(jù)中心總體能耗有效降低則是“綠色云計(jì)算”實(shí)現(xiàn)極為關(guān)鍵的條件。[3]因此，需要采取相應(yīng)措施對云計(jì)算中心數(shù)據(jù)進(jìn)行改進(jìn)，在最大限度降低能耗的同時(shí)，提高工作效率與服務(wù)質(zhì)量，實(shí)現(xiàn)云計(jì)算數(shù)據(jù)中心的可持續(xù)發(fā)展。其中，動(dòng)態(tài)數(shù)據(jù)計(jì)算法作為減少能耗的有效方法，對于云計(jì)算數(shù)據(jù)中心的綠色發(fā)展而言起到了至關(guān)重要的作用。

2 動(dòng)態(tài)數(shù)據(jù)聚集算法

2.1 能耗分析

在云計(jì)算數(shù)據(jù)中心的節(jié)能減排工作中，通常存在以下幾點(diǎn)問題：

2.1.1 數(shù)據(jù)部署和任務(wù)調(diào)度

云計(jì)算數(shù)據(jù)中心的任務(wù)調(diào)度忽視了能源消耗問題。以Hadoop開源云計(jì)算項(xiàng)目為例，該系統(tǒng)采用了多種調(diào)度方法，包括公平調(diào)度方法、先來服務(wù)算法、計(jì)算能力調(diào)度算法等，都忽略了系統(tǒng)能源損耗問題，太過側(cè)重訪問效率、存儲(chǔ)空間、可靠機(jī)制等問題，忽視了數(shù)據(jù)訪問規(guī)律。

2.1.2 溫度控制

云計(jì)算數(shù)據(jù)中心缺乏有效的溫度控制，無法根據(jù)運(yùn)行設(shè)備的實(shí)際情況進(jìn)行有效管理，造成各項(xiàng)資源的大量浪費(fèi)。

2.1.3 認(rèn)知問題

云計(jì)算數(shù)據(jù)中心所指定的節(jié)能措施僅針對設(shè)備本身的功能耗費(fèi)，實(shí)際上設(shè)備功能消費(fèi)與設(shè)備性能呈負(fù)相關(guān)，難以得到改進(jìn)；同時(shí)，部分?jǐn)?shù)據(jù)中心地處嚴(yán)寒地區(qū)，太過依賴于外界環(huán)境，為了引入室外空間，應(yīng)盡量避免人工制冷。

2.2 云數(shù)據(jù)模型

從用戶的視角來看，云計(jì)算系統(tǒng)可分為四種：

（1）當(dāng)用戶提出任務(wù)請求時(shí)，云計(jì)算服務(wù)器應(yīng)主動(dòng)提供相應(yīng)程序、數(shù)據(jù)及信息等，與搜索引擎極為相似；

（2）若用戶的任務(wù)請求中涉及相關(guān)程序，由用戶主動(dòng)提供，數(shù)據(jù)由云計(jì)算服務(wù)器提供。系統(tǒng)通過將用戶所提供程序遷移到服務(wù)器客戶端，在將客戶端信息及數(shù)據(jù)進(jìn)行利用與計(jì)算，在完成用戶所請求任務(wù)后將結(jié)果發(fā)送至用戶端；

（3）若用戶的任務(wù)請求中涉及相關(guān)數(shù)據(jù)，由用戶提供，相應(yīng)程序可由云計(jì)算提供，系統(tǒng)通過將用戶所提供數(shù)據(jù)遷移到服務(wù)器客戶端，在將客戶端信息及數(shù)據(jù)進(jìn)行利用與計(jì)算，在完成用戶所請求任務(wù)后將結(jié)果發(fā)送至用戶端；

（4）若用戶的任務(wù)請求中涉及相關(guān)數(shù)據(jù)及程序，均由用戶提供，而存儲(chǔ)、計(jì)算等設(shè)備由云計(jì)算系統(tǒng)提供，將程序、數(shù)據(jù)遷移后，完成指定任務(wù)，并反饋結(jié)果到客戶端。

2.3 算法描述

系統(tǒng)的總功耗（）主要由靜態(tài)功耗（），動(dòng)態(tài)功耗（）、溫控功耗（）三個(gè)部分組成。雖然部分設(shè)備的具體功耗模型不同，但是大多能符合多項(xiàng)式分布：

靜態(tài)功耗是指系統(tǒng)未執(zhí)行任何任務(wù)時(shí)所消耗的能源；s是指任務(wù)執(zhí)行點(diǎn)的工作速率，當(dāng)系統(tǒng)的動(dòng)態(tài)功耗發(fā)生變化時(shí)，s也會(huì)隨之變化，可表示為（s）=>1。當(dāng)工作中任務(wù)執(zhí)行點(diǎn)負(fù)載加重時(shí)，其工作速率則會(huì)不斷提高，任務(wù)執(zhí)行點(diǎn)各部件溫度隨之顯著升高。為了保證各部件溫度處于安全范圍以內(nèi)，溫控功耗無疑會(huì)大大增加。此外，溫控功耗還會(huì)受到制冷能效比（eer）與空間因素（r）等影響。假設(shè)，t為現(xiàn)階段環(huán)境溫度，為安全溫度上限，b為溫控基本能耗。

則可得：

從上式可知，制冷能效比（eer）越高，（s）則越低；空間因素（r）越大，（s）則越高。設(shè)備的制造工藝決定著制冷能效比（eer）的高低，這一參數(shù)較為恒定。在制冷策略中，如果其環(huán)境溫度控制具備較強(qiáng)的針對性與精確性，則可有效控制制冷能耗。[4]

由于降低功耗不等于降低總能耗，因此判斷系統(tǒng)是否“綠色”不能僅依靠功耗這一個(gè)指標(biāo)[5]。例如要減少系統(tǒng)能耗，可選擇降低工作速率，但是相應(yīng)會(huì)拖長事務(wù)處理時(shí)間，此時(shí)系統(tǒng)總能耗并沒有發(fā)生較大改變。

因此，計(jì)算系統(tǒng)總能耗應(yīng)當(dāng)重視兩個(gè)關(guān)鍵因素，即功耗與時(shí)間，計(jì)算式為：

為了使云數(shù)據(jù)中心能在服務(wù)高峰其穩(wěn)定承受負(fù)載，保障系統(tǒng)穩(wěn)定性，在對系統(tǒng)進(jìn)行設(shè)計(jì)與構(gòu)建時(shí)必須留有一定余量。但是在非高峰期，部分節(jié)點(diǎn)處于空轉(zhuǎn)狀態(tài)，仍舊浪費(fèi)部分能源。在不同時(shí)間段，數(shù)據(jù)中心每個(gè)節(jié)點(diǎn)的負(fù)載情況有所不同，并不容易實(shí)現(xiàn)精確溫控，致使有效制冷量低于50%。因而需進(jìn)行熱力學(xué)散熱模型的構(gòu)建，通過功耗分配策略及對集群功耗進(jìn)行實(shí)時(shí)監(jiān)控來實(shí)現(xiàn)對溫控制冷環(huán)境的精準(zhǔn)控制。

該算法是將數(shù)據(jù)與節(jié)點(diǎn)進(jìn)行重新分布或有序聚集，進(jìn)而實(shí)現(xiàn)云數(shù)據(jù)中計(jì)算存儲(chǔ)節(jié)點(diǎn)的有效利用，同時(shí)還可使未得到利用的節(jié)點(diǎn)處于關(guān)機(jī)狀態(tài)或休眠狀態(tài)，溫控設(shè)備則處于關(guān)閉狀態(tài)或待機(jī)狀態(tài)，從而最大限度的節(jié)省能源消耗，促進(jìn)綠色節(jié)能目標(biāo)的實(shí)現(xiàn)。這一算法具有明顯的優(yōu)勢，1）數(shù)據(jù)和節(jié)點(diǎn)聚集之后，極易造成部分區(qū)域節(jié)點(diǎn)耗能與工作符合加大，另一部分區(qū)域可完全處于休眠狀態(tài)，以避免整體能耗的降低；2）數(shù)據(jù)和節(jié)點(diǎn)聚集之后，節(jié)點(diǎn)在系統(tǒng)運(yùn)行時(shí)達(dá)到高負(fù)載狀態(tài)，從而實(shí)現(xiàn)資源利用率的有效提高，并且在相互備份的作用下，實(shí)現(xiàn)不間斷訪問數(shù)據(jù)，有效保障云計(jì)算數(shù)據(jù)中心的安全運(yùn)行。除此之外，利用動(dòng)態(tài)數(shù)據(jù)聚集算法，還可使各節(jié)點(diǎn)實(shí)現(xiàn)輪轉(zhuǎn)運(yùn)行，在極大程度上提高了意見設(shè)備的工作穩(wěn)定性及其使用壽命。[6]

3 仿真實(shí)驗(yàn)分析

3.1 仿真實(shí)驗(yàn)

本文模擬構(gòu)建的數(shù)據(jù)中心為廉價(jià)節(jié)點(diǎn)構(gòu)成，其功耗實(shí)測情況及節(jié)點(diǎn)性能參數(shù)如表1所示。

所有節(jié)點(diǎn)功耗總和在待機(jī)狀態(tài)下為84W；在正常關(guān)機(jī)狀態(tài)下為2.5W；在節(jié)點(diǎn)開關(guān)技術(shù)的關(guān)機(jī)狀態(tài)下為0W；在最大負(fù)荷工作狀態(tài)下為138W；在負(fù)載50%以下為124W。

節(jié)點(diǎn)通常反復(fù)處于三種狀態(tài)，即待機(jī)、工作、關(guān)機(jī)。其中，待機(jī)狀態(tài)是指機(jī)器僅通過主板維持內(nèi)存數(shù)據(jù)的保存和記錄機(jī)器其他設(shè)備狀態(tài)，此時(shí)CPU、硬盤等沒有工作。然而，即使處于待機(jī)狀態(tài)，節(jié)點(diǎn)功耗仍然較大。在傳統(tǒng)技術(shù)中，僅從避免“由于數(shù)據(jù)無法訪問，導(dǎo)致用戶滿意度下降”的角度對任務(wù)調(diào)度和數(shù)據(jù)部署的數(shù)據(jù)中心進(jìn)行設(shè)計(jì)，而忽視節(jié)能問題，導(dǎo)致大量節(jié)點(diǎn)處于空耗的待機(jī)狀態(tài)。在關(guān)機(jī)狀態(tài)下，節(jié)點(diǎn)功耗非常低，空耗部件主要是電源線等，可忽略。

在數(shù)據(jù)中心的溫控系統(tǒng)中，區(qū)域是溫控系統(tǒng)覆蓋的最小控制單位。1個(gè)區(qū)域由4個(gè)機(jī)架構(gòu)成，1個(gè)機(jī)架上存放8個(gè)節(jié)點(diǎn)。每個(gè)區(qū)域的制冷量由溫控系統(tǒng)設(shè)定，一般為8kW，其制冷能效比可達(dá)到“能源之星”標(biāo)準(zhǔn)，制冷功耗在2.5kW左右。[7]

本次實(shí)驗(yàn)將數(shù)據(jù)中心劃分成4個(gè)Section，并將數(shù)據(jù)中心數(shù)據(jù)在聚集前后所產(chǎn)生的不同能耗進(jìn)行對比，將24h作為1個(gè)實(shí)驗(yàn)周期。節(jié)點(diǎn)能耗和溫控系統(tǒng)的能耗為數(shù)據(jù)中心4個(gè)Section的主要能耗組成部分，合計(jì)為773.72kW·h（如表2所示）。

每一個(gè)機(jī)架的節(jié)點(diǎn)能耗情況都有所不同，如表3所示Section 1中某一個(gè)機(jī)架的節(jié)點(diǎn)能耗情況。

當(dāng)數(shù)據(jù)聚集并且運(yùn)行一段時(shí)間以后，數(shù)據(jù)中心的能耗情況會(huì)產(chǎn)生較大變化（如表4所示），主要包含溫控系統(tǒng)能耗與節(jié)點(diǎn)能耗，合計(jì)為476.44kW·h。

3.2 性能分析

上述實(shí)驗(yàn)結(jié)果表明，節(jié)點(diǎn)上所部署數(shù)據(jù)聚集前因部署不規(guī)范導(dǎo)致訪問熱點(diǎn)過于散亂，從而致使系統(tǒng)中大部分節(jié)點(diǎn)都沒能得到有效利用。尤其是當(dāng)許多節(jié)點(diǎn)長時(shí)間處于待機(jī)狀態(tài)卻不能關(guān)閉時(shí)，仍然占有較大功耗，不僅形成熱負(fù)荷環(huán)境，溫控系統(tǒng)還需對其進(jìn)行持續(xù)降溫，以避免更大能源浪費(fèi)。若系統(tǒng)總能耗達(dá)到773.72kW·h，僅制冷能耗便遠(yuǎn)超300kW·h。

數(shù)據(jù)、節(jié)點(diǎn)聚集之后可以發(fā)現(xiàn)，部分節(jié)點(diǎn)工作負(fù)荷顯著上升，而功耗也隨之快速上升。部分時(shí)段即使未加制冷消耗，部分Section其節(jié)點(diǎn)總功耗依然與峰值極為接近。同時(shí)，部分Section一定程度上消除服務(wù)器的待機(jī)空轉(zhuǎn)狀態(tài)，僅剩電源線等設(shè)備或造成少量能源消耗，從而減少了較大熱負(fù)荷，并且溫控設(shè)備不用持續(xù)對Section實(shí)施降溫，進(jìn)行成功實(shí)現(xiàn)對大量能源的節(jié)約。經(jīng)過對比我們可以發(fā)現(xiàn)，在數(shù)據(jù)和節(jié)點(diǎn)聚集之后，1周期內(nèi)的系統(tǒng)總能耗僅達(dá)到聚集前的58.8%，節(jié)約大量能耗。[8]

3.3 資源利用率與服務(wù)質(zhì)量

基于用戶請求規(guī)模一致，數(shù)據(jù)中心在應(yīng)用數(shù)據(jù)聚集算法前后總資源利用率差別不大。但以具體節(jié)點(diǎn)為基礎(chǔ)，數(shù)據(jù)聚集后，開機(jī)運(yùn)行時(shí)節(jié)點(diǎn)達(dá)到高負(fù)載狀態(tài)，可得以充分利用；若波態(tài)運(yùn)行達(dá)到低谷時(shí)段，則節(jié)點(diǎn)負(fù)載狀態(tài)相應(yīng)降為0。

若波態(tài)運(yùn)行達(dá)到高峰時(shí)段，則節(jié)點(diǎn)負(fù)載明顯上升，此時(shí)若運(yùn)用傳統(tǒng)的時(shí)間片輪轉(zhuǎn)調(diào)度算法則會(huì)知識用戶響應(yīng)時(shí)間延長。若用戶設(shè)置了節(jié)點(diǎn)訪問量閾值β則影響較小，且此時(shí)系統(tǒng)不會(huì)由于部分節(jié)點(diǎn)產(chǎn)生變化而出現(xiàn)諸如數(shù)據(jù)無法訪問等現(xiàn)象，上述現(xiàn)象主要是由于動(dòng)態(tài)數(shù)據(jù)聚集算法對運(yùn)行規(guī)律相反節(jié)點(diǎn)互補(bǔ)現(xiàn)象的充分利用得以實(shí)現(xiàn)的。[9]

3.4 硬件設(shè)備穩(wěn)定性

“服務(wù)器必須具備2h*7d的不間斷運(yùn)行能力”，在傳統(tǒng)數(shù)據(jù)中心的性能中，這一性能被反復(fù)強(qiáng)調(diào)，同時(shí)要求數(shù)據(jù)中心一直處于低溫狀態(tài)，這就對服務(wù)器各部件的制造技術(shù)有較高要求。但是現(xiàn)階段，大量云計(jì)算數(shù)據(jù)中心以成本角度為基礎(chǔ)，側(cè)重廉價(jià)節(jié)點(diǎn)的應(yīng)用。但廉價(jià)節(jié)點(diǎn)難以保持長時(shí)間的穩(wěn)定運(yùn)行，因而構(gòu)建時(shí)需要通過系統(tǒng)云計(jì)算數(shù)據(jù)中心節(jié)點(diǎn)故障、節(jié)點(diǎn)損壞來將其設(shè)置為常態(tài)。動(dòng)態(tài)數(shù)據(jù)聚集算法使數(shù)據(jù)中心節(jié)點(diǎn)可進(jìn)行間歇性輪轉(zhuǎn)運(yùn)行，有助于設(shè)備使用壽命的有效延長、提高系統(tǒng)穩(wěn)定性、保護(hù)用戶長期的投資。[10]

4 結(jié)語

綜上所述，云計(jì)算數(shù)據(jù)中心的節(jié)能降耗作為一項(xiàng)十分重要且復(fù)雜的工作，涉及到多個(gè)層面、多方面因素，需要相關(guān)部門和技術(shù)人員的積極配合和共同努力，從數(shù)據(jù)中心任務(wù)部署或調(diào)度入手，逐步實(shí)現(xiàn)數(shù)據(jù)中心各項(xiàng)數(shù)據(jù)或節(jié)點(diǎn)的集聚，統(tǒng)籌管理和規(guī)劃，進(jìn)而準(zhǔn)確控制云計(jì)算數(shù)據(jù)中心的能源消耗，使云計(jì)算數(shù)據(jù)中心逐步走向綠色節(jié)能的道路。筆者希望，更多專業(yè)人士能夠投入該課題的研究，文中不足之處，望指正。

參考文獻(xiàn)

[1]FRIGIONI D，MARCHETTI-SPACCAMELA A， NANNI U. Semidynamic algorithms for maintaining single-source shortest path trees [J]. Algorithmica， 1998， 22：250-274.

[2]FRIGIONI D，MARCHETTI-SPACCAMELA A， NANNI U. Fully dynamic output bounded single source shortest path problem [C]//Proceeding of ACM-SIAM Symposium on Discrete Algorithms （SODA96）. Atlanta， Georgia： ACM， 1996：212-221.

[3]Castelluccia C，Mykletun E，Tsudik G. Efficient aggregation of encrypted data in wireless sensor networks.In：Proc. of the 2nd Annual Intl Conf.on Mobile and Ubiquitous Systems.San Diego： IEEE Press，2005.109-117.

[4]徐小龍，楊庚，李玲娟 等.面向綠色云計(jì)算數(shù)據(jù)中心的動(dòng)態(tài)數(shù)據(jù)聚集算法[J].系統(tǒng)工程與電子技術(shù)，2012，34（9） 1923-1929.

[5]郭建波.動(dòng)態(tài)數(shù)據(jù)聚集算法探究--以綠色云計(jì)算數(shù)據(jù)中心為研究方向[J].中國信息化，2013，（4） 108-109.

[6]肖艷文，王金寶，李亞平等.云計(jì)算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點(diǎn)調(diào)度策略[J].計(jì)算機(jī)研究與發(fā)展，2013，50（z1） 342-351.

[7]肖艷文.云計(jì)算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點(diǎn)調(diào)度策略的研究[D].2013.24-30.

[8]RAMALINGAM G， REPS T. An incremental algorithm for a generalization of the shortest-path problem [J].J. Algorithms， 1996， 21：267-305.

[9]He W，Liu X，Nguyen H，Nahrstedt K，Abdelzaher T.PDA：Privacy-Preserving data aggregation in wireless sensor networks.In： Proc.of the 26th IEEE Intl Conf.on Computer Communications. Alaska：IEEE Press，2007.2045-2053.

[10]Yang Y， Wang X， Zhu S， Cao G. SDAP： A secure hop-by-hop data aggregation protocol for sensor networks. ACM Trans. on Information and System Security， 2008，11（4）：18.

收稿日期：2016-09-08

課題來源：河南省科技廳2016年度河南省科技攻關(guān)計(jì)劃（社會(huì)發(fā)展領(lǐng)域）立項(xiàng)項(xiàng)目“《大數(shù)據(jù)時(shí)代“智慧司法云”社區(qū)矯正綜合管理平臺(tái)設(shè)計(jì)與應(yīng)用》”（課題編號162102310377）；河南省教育廳2016年度高等學(xué)校重點(diǎn)科研項(xiàng)目計(jì)劃“《“智慧社區(qū)”司法云平臺(tái)網(wǎng)絡(luò)空間建設(shè)》”（課題編號16B520013）；河南司法警官職業(yè)學(xué)院2015年院級項(xiàng)目課題《大數(shù)據(jù)時(shí)代“智慧司法云”矯正幫扶平臺(tái)建設(shè)與應(yīng)用》（課題編號2015-YB-02）。

作者簡介：倪斌（1983—），男，漢族，河南鄭州人，碩士，一級警司，講師，研究方向：網(wǎng)絡(luò)安全、信息安全。