趙 鐸

（陜西交通職業(yè)技術(shù)學(xué)院 西安 710018）

1 引言

隨著云網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，各種不同制式不同源終端的數(shù)據(jù)結(jié)構(gòu)復(fù)雜程度也不斷提高，采用一定的數(shù)據(jù)評(píng)測機(jī)制實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)中切片流進(jìn)行調(diào)度預(yù)估，實(shí)現(xiàn)云網(wǎng)絡(luò)數(shù)據(jù)高效穩(wěn)定的運(yùn)行，成為當(dāng)前業(yè)界研究的熱點(diǎn)領(lǐng)域之一［1］。然而考慮到云網(wǎng)絡(luò)中數(shù)據(jù)流往往以切片形式進(jìn)行調(diào)制、發(fā)送、存儲(chǔ)，且具有并發(fā)評(píng)估的特性，傳統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)評(píng)測均基于簡單的CS模式，須建立專用的客戶端-服務(wù)端交互機(jī)制實(shí)現(xiàn)精確評(píng)估，該種模式難以適應(yīng)云網(wǎng)絡(luò)中的切片評(píng)估模式，因此需要采取新的評(píng)估方式以便滿足云網(wǎng)絡(luò)中諸如高清視頻業(yè)務(wù)等片式數(shù)據(jù)流新業(yè)務(wù)［2］。

考慮到當(dāng)前云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測過程中存在嚴(yán)重的穩(wěn)定性不足的問題，且評(píng)測過程中往往單純從切片角度對(duì)網(wǎng)絡(luò)業(yè)務(wù)資源進(jìn)行調(diào)度，難以實(shí)現(xiàn)對(duì)評(píng)測過程及調(diào)度過程的精確化。對(duì)此，諸多學(xué)者提出可以采取概率覆蓋的方式對(duì)網(wǎng)絡(luò)中數(shù)據(jù)流進(jìn)行評(píng)測，實(shí)現(xiàn)在云網(wǎng)絡(luò)條件下對(duì)業(yè)務(wù)數(shù)據(jù)流的定向匹配［3］。如Di.L［4］等提出了一種隨機(jī)節(jié)點(diǎn)片式監(jiān)測機(jī)制的云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測算法，通過區(qū)域次節(jié)點(diǎn)的方式對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行用戶分組調(diào)度指令的發(fā)送，能夠在惡劣的網(wǎng)絡(luò)環(huán)境下實(shí)現(xiàn)對(duì)大數(shù)據(jù)流的穩(wěn)定評(píng)測調(diào)度，仿真實(shí)驗(yàn)表面該策略能夠在用戶節(jié)點(diǎn)競爭激烈的情況下實(shí)現(xiàn)較好的評(píng)測穩(wěn)定性能。但是，由于該策略對(duì)大數(shù)據(jù)流切片過程中的調(diào)度烈度考慮不足，因此當(dāng)網(wǎng)絡(luò)中用戶節(jié)點(diǎn)數(shù)量較多時(shí)極易導(dǎo)致嚴(yán)重評(píng)估失效現(xiàn)象。Niu B［5］等提出了一種基于片擁塞控制技術(shù)的云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測算法，該算法證明通過適當(dāng)?shù)膿砣{(diào)度機(jī)制能夠?qū)崿F(xiàn)對(duì)全部業(yè)務(wù)資源的覆蓋，隨后的仿真實(shí)驗(yàn)證明該評(píng)測算法能夠在云網(wǎng)絡(luò)節(jié)點(diǎn)處于較低流動(dòng)性狀態(tài)下實(shí)現(xiàn)較高效率的數(shù)據(jù)評(píng)測調(diào)度。然而，該解決方案脫胎于傳統(tǒng)固定式云網(wǎng)絡(luò)評(píng)測體系，未對(duì)網(wǎng)絡(luò)數(shù)據(jù)處于高速流動(dòng)狀態(tài)時(shí)進(jìn)行有效評(píng)估，若節(jié)點(diǎn)處于流動(dòng)狀態(tài)，則該機(jī)制將因網(wǎng)絡(luò)業(yè)務(wù)流漂移嚴(yán)重的原因?qū)е聡?yán)重的用戶體驗(yàn)下降。Shengli.Z［6］等考慮到云網(wǎng)絡(luò)數(shù)據(jù)具有的隨機(jī)特性，提出可以依據(jù)數(shù)據(jù)的統(tǒng)計(jì)規(guī)律進(jìn)行數(shù)據(jù)建模，從而實(shí)現(xiàn)數(shù)據(jù)模型與實(shí)際業(yè)務(wù)流的一一匹配。然而由于該算法評(píng)測過程中需要鏈路抖動(dòng)保持在較低的水平，一旦信道噪聲干擾嚴(yán)重，導(dǎo)致業(yè)務(wù)數(shù)據(jù)流也呈現(xiàn)抖動(dòng)特性，則會(huì)導(dǎo)致嚴(yán)重的網(wǎng)絡(luò)擁塞現(xiàn)象，使得評(píng)測過程出現(xiàn)嚴(yán)重的二次抖動(dòng)現(xiàn)象。

為了解決上述不足，本文提出了一種基于大數(shù)據(jù)切片流概率穩(wěn)定調(diào)控機(jī)制的云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測算法，采取基于概率層次差和業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率評(píng)測的機(jī)制，對(duì)網(wǎng)絡(luò)中的業(yè)務(wù)流涉及的時(shí)間及資源量進(jìn)行評(píng)測，且能夠在評(píng)測過程中實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)數(shù)據(jù)帶寬的并發(fā)排序，從而使得網(wǎng)絡(luò)業(yè)務(wù)流的得到均衡，且能夠?qū)崿F(xiàn)高效評(píng)測。最后采用了Matlab仿真實(shí)驗(yàn)環(huán)境，驗(yàn)證了本文方案具有的優(yōu)越性能。

2 本文云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測算法

當(dāng)業(yè)務(wù)數(shù)據(jù)在云網(wǎng)絡(luò)中進(jìn)行傳輸時(shí)，業(yè)務(wù)資源是以切片形式在網(wǎng)絡(luò)中以大數(shù)據(jù)并發(fā)態(tài)勢(shì)進(jìn)行傳輸?shù)模虼诵枰扇∫欢ǖ脑u(píng)測方案進(jìn)行優(yōu)化調(diào)度［7］。若云網(wǎng)絡(luò)節(jié)點(diǎn)處于帶寬或者緩存首先狀態(tài)時(shí)，切片數(shù)據(jù)的并發(fā)傳輸將處于嚴(yán)重的受阻狀態(tài)，且節(jié)點(diǎn)將由于傳輸受阻而頻繁發(fā)生數(shù)據(jù)重傳現(xiàn)象，導(dǎo)致網(wǎng)絡(luò)出現(xiàn)嚴(yán)重?cái)?shù)據(jù)擁塞。為改善該種情況，需要綜合考慮大數(shù)據(jù)切片流、節(jié)點(diǎn)帶寬及節(jié)點(diǎn)傳輸能力并進(jìn)行資源評(píng)測，從而實(shí)現(xiàn)數(shù)據(jù)的高效傳輸［8］。

對(duì)于云網(wǎng)絡(luò)中隨機(jī)的大數(shù)據(jù)切片而言，其傳輸可以按照切片數(shù)量、節(jié)點(diǎn)剩余帶寬、節(jié)點(diǎn)總傳輸帶寬三種維度來進(jìn)行評(píng)測［9］。因此本文在上述維度基礎(chǔ)上，采取基于概率層次差和業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率評(píng)測的方式，從而便于進(jìn)行大數(shù)據(jù)切片的評(píng)測，整個(gè)評(píng)測過程由切片評(píng)測和帶寬評(píng)測兩部分構(gòu)成：

2.1 基于大數(shù)據(jù)切片中心分布概率PT(x)的切片

評(píng)測

大數(shù)據(jù)切片在進(jìn)行調(diào)度時(shí)，傳輸節(jié)點(diǎn)對(duì)該切了的調(diào)度可由傳輸周期內(nèi)切片被送入該節(jié)點(diǎn)的帶寬分布梯度及帶寬顆粒度來決定［9］。在某個(gè)時(shí)間點(diǎn)t0抵達(dá)傳輸節(jié)點(diǎn)的切片流滿足泊松分布，特征參數(shù)為λ，傳輸節(jié)點(diǎn)能夠正常服務(wù)的時(shí)間X服從相同的分布且節(jié)點(diǎn)傳輸帶寬與切片中心分布處于互相獨(dú)立的狀態(tài)。因此整個(gè)大數(shù)據(jù)切片的期望程度NQ為：

首先對(duì)傳輸節(jié)點(diǎn)的傳輸帶寬進(jìn)行評(píng)測，假如傳輸節(jié)點(diǎn)剩余帶寬的分布概率與大數(shù)據(jù)切片中心分布處于同一變化規(guī)律，則大數(shù)據(jù)切片能夠被正確評(píng)測的概率PT(x)將能夠滿足傳輸需求。倘若傳輸節(jié)點(diǎn)能分配的帶寬小于大數(shù)據(jù)切片，且下一時(shí)刻均無有效改善，則本次數(shù)據(jù)評(píng)測過程將失效，即

2.2 基于業(yè)務(wù)數(shù)據(jù)帶寬的二次評(píng)測

首先根據(jù)大數(shù)據(jù)切片在傳輸節(jié)點(diǎn)上的業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率 p'來確定傳輸概率Pr(x)，確保切片流能夠在有效評(píng)測的基礎(chǔ)上實(shí)現(xiàn)高效傳輸。

由于業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率Pr(x)對(duì)傳輸概率不具有同一性，因此可基于該種特性實(shí)現(xiàn)傳輸概率Pr(x)的穩(wěn)定性，即：

其中傳輸概率 p'為按照時(shí)間規(guī)律發(fā)生變化，可由按如下模型進(jìn)行表述：

其中 p為業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率 p'對(duì)傳輸概率的時(shí)間變化因子，該因子滿足狄克維多函數(shù)分布規(guī)律。

不妨設(shè)當(dāng)前業(yè)務(wù)數(shù)據(jù)帶寬為Fc傳輸節(jié)點(diǎn)提供的可調(diào)度資源總量為Fp，傳輸節(jié)點(diǎn)的帶寬穩(wěn)定服務(wù)概率為Nnest，則當(dāng)前業(yè)務(wù)數(shù)據(jù)帶寬Fc的有效評(píng)測概率PFC滿足：

傳輸節(jié)點(diǎn)的傳輸能力與概率層次差Δ為覆蓋關(guān)系，及概率層次差Δ越大，則接入業(yè)務(wù)數(shù)據(jù)帶寬并發(fā)概率的適應(yīng)性能也就越好，因此抽取概率層次差最大的時(shí)刻Δt，整個(gè)覆蓋關(guān)系Δs滿足：

經(jīng)簡化，模型（6）可以寫為

故當(dāng)前業(yè)務(wù)數(shù)據(jù)帶寬Fc在傳輸節(jié)點(diǎn)的可調(diào)度資源總量Fp固定時(shí)，傳輸節(jié)點(diǎn)的帶寬穩(wěn)定服務(wù)概率Nnest滿足：

據(jù)此可求得業(yè)務(wù)數(shù)據(jù)帶寬被戶成功服務(wù)的概率Pmax滿足：

據(jù)模型（10）訪問概率Pmax＞0.5時(shí)，則當(dāng)前時(shí)刻的業(yè)務(wù)切片能夠得到有效的服務(wù)，且能夠?qū)崿F(xiàn)高效傳輸。

上述步驟可歸納為

Step 1：根據(jù)業(yè)務(wù)數(shù)據(jù)切片大小，以根據(jù)就近原則調(diào)度鄰近及誒點(diǎn)進(jìn)行處理；

Step 2：對(duì)業(yè)務(wù)數(shù)據(jù)切片的大小進(jìn)行排序，見圖1，按照模型（2）～（4）進(jìn)行第一次資源匹配；

Step 3：進(jìn)行完上述兩個(gè)過程的評(píng)測，在每一次業(yè)務(wù)數(shù)據(jù)切片進(jìn)行切換的時(shí)刻，直到下一次業(yè)務(wù)數(shù)據(jù)切片被調(diào)度為止，完成本次業(yè)務(wù)數(shù)據(jù)切片的評(píng)測工作；

Step 4：繼續(xù)進(jìn)行下一周期內(nèi)的業(yè)務(wù)數(shù)據(jù)切片評(píng)測，直到業(yè)務(wù)數(shù)據(jù)切片傳輸完畢。

圖1 本文算法資源調(diào)度步驟

3 仿真實(shí)驗(yàn)

3.1 仿真環(huán)境設(shè)置

為證明本文算法的優(yōu)越性能，采取MATLAB仿真實(shí)驗(yàn)環(huán)境對(duì)當(dāng)前常用的超帶寬評(píng)估傳輸算法［12］（Ultra Bandwidth Evaluation Transmission Algo?rithm，UBET算法）、線性粒度評(píng)測傳輸算法［13］（Lin?ear Granularity Evaluation Transmission Algorithm，LGET算法）進(jìn)行仿真對(duì)比，相關(guān)參數(shù)如下：

表1 仿真參數(shù)表

本文實(shí)驗(yàn)中，考慮到云計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)的流動(dòng)特性，本次仿真主要從大數(shù)據(jù)切片粒度、傳輸帶寬兩個(gè)變量，同UBET算法和LGET算法進(jìn)行對(duì)比，對(duì)比指標(biāo)為：切片傳輸帶寬、傳輸節(jié)點(diǎn)剩余帶寬、切片存儲(chǔ)帶寬、評(píng)測錯(cuò)誤率四個(gè)指標(biāo)。

3.2 結(jié)果比對(duì)

圖2顯示了本文算法與UBET算法和LGET算法在切片傳輸速率不斷增大時(shí)切片傳輸帶寬的對(duì)比，由圖可知，本文算法的切片傳輸帶寬較高，且穩(wěn)定性能要好于對(duì)照組算法。這是由于本文算法能夠通過傳輸帶寬和業(yè)務(wù)數(shù)據(jù)切片兩個(gè)維度進(jìn)行針對(duì)性評(píng)測，當(dāng)僅當(dāng)業(yè)務(wù)數(shù)據(jù)切片與傳輸節(jié)點(diǎn)的剩余帶寬處于一一對(duì)應(yīng)時(shí)才進(jìn)行業(yè)務(wù)切片的傳輸；對(duì)照組僅采用重傳輸機(jī)制，一旦數(shù)據(jù)評(píng)測過程受阻，則將由于頻繁進(jìn)行數(shù)據(jù)傳輸而導(dǎo)致嚴(yán)重的擁塞現(xiàn)象，因此切片傳輸帶寬的性能要差于本文算法。

圖2 三種算法的切片傳輸帶寬

圖3為本文算法與對(duì)照組算法在切片傳輸帶寬不斷增大時(shí)傳輸節(jié)點(diǎn)剩余帶寬的測試數(shù)據(jù)。由圖可知，本文算法在切片傳輸帶寬不斷增大時(shí)，傳輸冗余帶寬的下降程度要顯著低于對(duì)照組算法；這是由于本文算法的業(yè)務(wù)數(shù)據(jù)切片傳輸?shù)脑u(píng)測過程具有的魯棒性更高，且能夠根據(jù)傳輸節(jié)點(diǎn)的實(shí)時(shí)冗余情況進(jìn)行二次條件，可以有效地抵御突發(fā)流量的沖擊。對(duì)照組算法由于僅采用簡單的調(diào)度機(jī)制，若當(dāng)前時(shí)刻傳輸節(jié)點(diǎn)剩余帶寬較低，則需要等待剩余帶寬恢復(fù)正常時(shí)才能夠進(jìn)行業(yè)務(wù)數(shù)據(jù)的評(píng)測，因此本文算法在傳輸節(jié)點(diǎn)剩余帶寬的性能上具有明顯的優(yōu)勢(shì)。

圖3 三種算法的傳輸節(jié)點(diǎn)剩余帶寬

圖4為本文算法與UBET算法和LGET算法在傳輸節(jié)點(diǎn)冗余帶寬不斷增加時(shí)的切片剩余帶寬測試結(jié)果。由圖可知，本文算法的切片存儲(chǔ)帶寬要始終低于對(duì)照組算法，這是由于本文算法能夠通過業(yè)務(wù)數(shù)據(jù)切片的方式不斷降低傳輸節(jié)點(diǎn)中切片緩存的大小，能夠在節(jié)點(diǎn)的傳輸能力不斷增加時(shí)顯著降低節(jié)點(diǎn)中的切片存儲(chǔ)帶寬；對(duì)照組算法由于在進(jìn)行切片分發(fā)時(shí)采取隨機(jī)分發(fā)的方式，當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量增多時(shí)將導(dǎo)致嚴(yán)重的流量溢出的現(xiàn)象，因此本文算法的切片存儲(chǔ)帶寬較對(duì)照組算法要低。

圖4 三種算法的切片存儲(chǔ)帶寬

圖5顯示了本文算法與UBET算法和LGET算法在傳輸節(jié)點(diǎn)負(fù)載不斷增加時(shí)評(píng)測錯(cuò)誤率測試結(jié)果，由圖可知，本文算法和對(duì)照組算法均隨著傳輸節(jié)點(diǎn)負(fù)載的不斷增加，出現(xiàn)評(píng)測錯(cuò)誤率不斷增加的情況，這是顯然的：隨著傳輸節(jié)點(diǎn)負(fù)載的不斷增加，傳輸錯(cuò)誤率也隨之增加，因此評(píng)測錯(cuò)誤率也隨之提高；然而本文算法的評(píng)測錯(cuò)誤率提高幅度顯著低于對(duì)照組算法，這是由于本文算法引入了梯度控制方式，能夠在傳輸節(jié)點(diǎn)負(fù)載不斷增加的情況下滿足當(dāng)前網(wǎng)絡(luò)的存儲(chǔ)需求，因此評(píng)測錯(cuò)誤率較低，而對(duì)照組算法對(duì)此未加考慮，因此本文算法在評(píng)測錯(cuò)誤率指標(biāo)上具有顯著的優(yōu)勢(shì)。

圖5 存儲(chǔ)錯(cuò)誤率

4 結(jié)語

由于云網(wǎng)絡(luò)資源評(píng)測過程中存在網(wǎng)絡(luò)節(jié)點(diǎn)傳輸及評(píng)測能力受限，控制困難，評(píng)測維度較高等問題，容易導(dǎo)致因評(píng)測失誤而出現(xiàn)嚴(yán)重的網(wǎng)絡(luò)擁塞，從而降低云網(wǎng)絡(luò)的傳輸性能。對(duì)此，本文提出了一種新的基于大數(shù)據(jù)切片流概率穩(wěn)定調(diào)控機(jī)制的云網(wǎng)絡(luò)數(shù)據(jù)評(píng)測算法，該方案通過綜合評(píng)測業(yè)務(wù)數(shù)據(jù)切片的分布概率及傳輸節(jié)點(diǎn)的資源控制能力，采取節(jié)點(diǎn)傳輸資源帶寬冗余性能進(jìn)行資源評(píng)測控制，大大提高了網(wǎng)絡(luò)的資源傳輸能力，增強(qiáng)了網(wǎng)絡(luò)的數(shù)據(jù)評(píng)測效果，具有顯著的實(shí)踐意義。

下一步，將考慮本文算法對(duì)移動(dòng)云網(wǎng)絡(luò)適用困難的問題，通過引入流節(jié)點(diǎn)資源控制機(jī)制，提高本文算法對(duì)移動(dòng)云網(wǎng)絡(luò)中數(shù)據(jù)評(píng)測難題的解決能力，促進(jìn)本文方案在實(shí)踐中的進(jìn)一步推廣使用。