一种一致性程度的评估方法及系统的制作方法
【技术领域】
[0001] 本发明涉及计算机技术领域，特别涉及一种一致性程度的评估方法及系统。
【背景技术】
[0002] 随着计算机技术的飞速发展，互联网环境中存在容量巨大、形式多样、分散存储的 数据资源，对于这些数据资源实施有效的管理是一个挑战性问题。为了在数据管理中提高 数据可用性、减少网络流量、增强数据访问性能，在跨域云数据中心中引入了副本管理技 术。
[0003] 目前，有人在分布式网络中提出一种CAP理论，是指一致性（Consistency)、可用 性（Availability)和分区容错性（Tolerance to Partitions)，其内容包括：当应用系 统变得越来越web化时，在分区容错性一定的情况下，无法同时保证数据的一致性（data consistency)和高可用性（high availability)。其中，CAP理论的核心是需要在高可用 性和一致性上实现一种平衡策略，以达到最终一致性。
[0004] 在对分布式网络中各个节点中的数据进行更新时，需要进行更新消息的传播，如 何保证在传播结束后，实现分布式网络中较高的一致性程度，成为当前云计算中的一个研 究热点。其中，一致性程度与下面几个参数有关：节点向邻居节点传播更新消息的次数、 邻居节点接收到更新消息并成功进行更新的概率、节点不再向邻居节点传播更新消息的概 率。目前，尚未提出一种一致性程度的评估方法，以确定上述几个参数的设定所能够实现的 一致性程度。
【发明内容】
[0005] 有鉴于此，本发明提供一种一致性程度的评估方法及系统，以快速实现对一致性 程度的评估。
[0006] 本发明提供了一种一致性程度的评估方法，包括：
[0007] 在当前网络所包括的多个节点中选择设定个数的节点，将选择的该设定个数的节 点状态分别设置为传染状态，以使对应传染状态的节点在当前网络中分别向邻居节点传播 数据副本的更新消息；
[0008] 在当前网络中选择任意一个目标节点，计算所述目标节点分别处于易感状态、传 染状态、免疫状态的概率；
[0009] 根据计算结果，计算在传播结束后当前网络中免疫状态的节点的密度；
[0010] 其中，在初始状态下，当前网络所包括的每一个节点均对应易感状态；其中，易感 状态用于表征节点尚未接收到数据副本的更新消息，传染状态用于表征节点已成功对其存 储的数据副本进行了更新，免疫状态用于表征节点不再向邻居节点传播更新消息。
[0011] 优选地，
[0012] 所述计算所述目标节点处于易感状态的概率，包括：通过下式计算所述目标节点 v在（t+Ι)时刻处于易感状态的概率Iv(t+1):
[0014] 其中，Iv(t)用于表征所述目标节点v在（t)时刻处于易感状态的概率，< (/)用 于表征所述目标节点v在（t)时刻不被传染的概率；其中，
[0018] 其中，S,(t)用于表征所述目标节点v的邻居节点j在（t)时刻处于传染状态的 概率；λ用于表征邻居节点j的状态成为传染状态的概率；μ用于表征所述目标节点v向 周围的邻居节点传播数据副本的更新消息的次数，每一次向一个邻居节点传播数据副本的 更新消息；Ν用于表征当前网络中所包括的节点的总个数；
[0019] 所述计算所述目标节点处于传染状态的概率，包括：通过下式计算所述目标节点 ν在（t+Ι)时刻处于传染状态的概率Sv(t+1):
[0023] 其中，Sv(t)用于表征所述目标节点ν在⑴时刻处于传染状态的概率，用 于表征所述目标节点ν在（t)时刻依然是传染状态的概率；α用于表征所述目标节点ν成 为免疫状态的概率Ajt)用于表征所述目标节点ν的邻居节点j在（t)时刻处于免疫状态 的概率；
[0024] 所述计算所述目标节点处于免疫状态的概率，包括：通过下式计算所述目标节点 ν在（t+Ι)时刻处于免疫状态的概率Rv(t+1):
[0026] 其中，Rv(t)用于表征所述目标节点ν在⑴时刻处于免疫状态的概率，其中，
[0028] 其中，^'⑴用于表征所述目标节点ν在（t)时刻的状态成为免疫状态的概率。
[0029] 优选地，利用下式计算邻居节点j的状态成为传染状态的概率λ :
[0030] λ = wb X b+we X e+Wi X 1
[0031] 其中，b用于表征所述目标节点v与邻居节点j之间的带宽；e用于表征所述目标 节点ν与邻居节点j之间的故障率；1用于表征所述目标节点ν与邻居节点j之间的负载； Wb用于表征所述目标节点ν与邻居节点j之间带宽b的权值;w ^用于表征所述目标节点ν 与邻居节点j之间故障率e的权重；^用于表征所述目标节点ν与邻居节点j之间负载1 的权重。
[0032] 优选地，所述计算在传播结束后当前网络中免疫状态的节点的密度，包括：
[0033] 对计算所述目标节点v在（t+Ι)时刻处于易感状态的概率的公式、计算所述目标 节点v在（t+Ι)时刻处于传染状态的概率的公式、以及计算所述目标节点v在（t+Ι)时刻 处于免疫状态的概率的公式进行数值计算，以计算出Rv;
[0034] 根据计算出的Rv，通过下式计算在传播结束后当前网络中免疫状态的节点的密 度：
[0036] 其中，1^为当前网络中的所述目标节点v处于免疫状态的概率。
[0037] 优选地，进一步包括：
[0038] 利用蒙特卡洛随机模拟方式在当前网络中传播数据副本的更新消息，并在传播结 束后，计算当前网络中免疫状态的节点的个数，与当前网络中所包括的节点的总个数的比 值，以利用该比值对计算的所述免疫状态的节点的密度进行验证。
[0039] 本发明还提供了一种一致性程度的评估系统，包括：
[0040] 第一选择单元，用于在当前网络所包括的多个节点中选择设定个数的节点，将选 择的该设定个数的节点状态分别设置为传染状态，以使对应传染状态的节点在当前网络中 分别向邻居节点传播数据副本的更新消息；
[0041] 第二选择单元，用于在当前网络中选择任意一个目标节点；
[0042] 第一计算单元，用于计算所述目标节点分别处于易感状态、传染状态、免疫状态的 概率；
[0043] 第二计算单元，用于根据第一计算单元的计算结果，计算在传播结束后当前网络 中免疫状态的节点的密度；
[0044] 其中，在初始状态下，当前网络所包括的每一个节点均对应易感状态；其中，易感 状态用于表征节点尚未接收到数据副本的更新消息，传染状态用于表征节点已成功对其存 储的数据副本进行了更新，免疫状态用于表征节点不再向邻居节点传播更新消息。
[0045] 优选地，
[0046] 所述第一计算单元，具体用于计算所述目标节点处于易感状态的概率，包括：通过 下式计算所述目标节点v在（t+Ι)时刻处于易感状态的概率Iv(t+1):
[0048] 其中，Iv(t)用于表征所述目标节点v在⑴时刻处于易感状态的概率，〇)用 于表征所述目标节点v在（t)时刻不被传染的概率；其中，
[0051] Wj= Σ vwjv
[0052] 其中，S,(t)用于表征所述目标节点v的邻居节点j在⑴时刻处于传染状态的概 率；λ用于表征邻居节点j的状态成为传染状态的概率；μ用于表征所述目标节点v向周 围的邻居节点传播数据副本的更新消息的次数，每一次向一个邻居节点传播数据副本的更 新消息；Ν用于表征当前网络中所包括的节点的总个数；
[0053] 所述第一计算单元，具体用于计算所述目标节点处于传染状态的概率，包括：通过 下式计算所述目标节点ν在（t+Ι)时刻处于传染状态的概率Sv(t+1):
[0057] 其中，Sv(t)用于表征所述目标节点ν在⑴时刻处于传染状态的概率，用 于表征所述目标节点ν在（t)时刻依然是传染状态的概率；α用于表征所述目标节点ν成 为免疫状态的概率Ajt)用于表征所述目标节点ν的邻居节点j在（t)时刻处于免疫状态 的概率；
[0058] 所述第一计算单元，具体用于计算所述目标节点处于免疫状态的概率，包括：通过 下式计算所述目标节点ν在（t+Ι)时刻处于免疫状态的概率Rv(t+1):
[0060] 其中，Rv(t)用于表征所述目标节点ν在⑴时刻处于免疫状态的概率，其中，
[0062] 其中，⑴用于表征所述目标节点ν在（t)时刻的状态成为免疫状态的概率。
[0063] 优选地，所述第一计算单元，用于利用下式计算邻居节点j的状态成为传染状态 的概率λ :
[0064] λ = wb X b+we X e+Wi X 1
[0065] 其中，b用于表征所述目标节点v与邻居节点j之间的带宽；e用于表征所述目标 节点ν与邻居节点j之间的故障率；1用于表征所述目标节点ν与邻居节点j之间的负载； Wb用于表征所述目标节点ν与邻居节点j之间带宽b的权值;w ^用于表征所述目标节点ν 与邻居节点j之间故障率e的权重；^用于表征所述目标节点ν与邻居节点j之间负载1 的权重。
[0066] 优选地，
[0067] 所述第二计算单元，具体用于对计算所述目标节点ν在（t+Ι)时刻处于易感状态 的概率的公式、计算所述目标节点v在（t+Ι)时刻处于传染状态的概率的公式、以及计算所 述目标节点ν在（t+Ι)时刻处于免疫状态的概率的公式进行数值计算，以计算出Rv;根据计 算出的Rv，通过下式计