一种用于网络流量卸载的中心性概率部署方法与流程
本发明属于网络技术领域，具体涉及一种用于网络流量卸载的中心性概率部署方法。
背景技术：
数据资源部署与共享是网络传输研究中的一个关键技术。在网络传输过程中，通过分布式的内容部署机制，允许节点对传输的资源进行部署，这样用户请求资源就不用每次都访问远处的数据源节点，缩短用户得到查询资源的响应时间，从而达到网络流量卸载的目的。
在目前的内容中心网络(contentcentricnetwork，简写ccn)中，默认部署决定策略是一种全缓存(leavecacheeverywhere，简写lce)策略，即网络中所有节点对收到的任何数据包均进行缓存。这种默认部署决定策略复杂度低，易于部署；但是，却造成了较大冗余，网络中的部署资源没有得到充分地利用，被称为无效部署。基于lce的基础上，后续有学者分别提出了lcd(leavecopydown)、mcd(movecopydown)策略。其中，lcd(leavecopydown)策略，当部署命中时，仅在命中节点的下游节点部署该对象，避免了同一对象的大量复制，并且需要多次对某一对象的请求才会将该对象复制到靠近客户端的地方，潜在地考虑了对象的访问频率。mcd(movecopydown)策略，当部署命中时，将部署对象从命中节点移动到命中节点的下游节点，而将其从命中节点的部署中删除。与lcd相比，mcd进一步减少了对象的复制次数；但是，内容部署点的动态性会产生更多的网络开销。同时，有学者提出prob(copywithprobability)策略，每个沿途节点都以概率p部署对象，而以概率1-p不部署对象，p的值可以依据部署情况进行调整，该策略可以认为是lce策略的一般化；当p＝1时，即退化为lce。总之，上述策略是通过一些算法机制，避免了相同数据的大量拷贝，减小了部署的冗余性，但是，它们并没有考虑内容流行度的特性和ccn网络拓扑结构。
ccn中的部署替换策略，主要是解决部署空间已满时应该删除部署中的哪些内容以腾出存储空间。其中，最少使用(leastrecentlyused，简写lru)策略是现有ccn文献中最常见的置换策略，在该lru策略中，最近最少使用的数据块将被率先置换，这种替换策略简单而且容易实现；但是，对内容请求流行度的适应性较差，并没有考虑部署用户对部署内容的兴趣变化。基于lru有学者提出最近最少访问频率策略，即lrfu策略；该lrfu策略为部署空间中的每一个内容部署项中维护一个权值，用来表示该内容是否被替换。但是，由于该参数值固定，无法动态适应访问模式的变化，因而会造成部署系统性能下降。另外，还有学者提出基于流行度偏好的置换策略：每次随机选择两个数据块，将其中具有更高流行度的数据块置换掉，通过这种设计试图使流行度低的数据块更长时间停留在缓存内，保证ccn网络中不同流行度的内容能够分布均匀；但是，该策略存在流行度低的数据块可能长期无法被置换的问题，不能达到良好效果。
此外，有学者提出最少频繁使用(leastfrequentlyused，简写lfu)策略，即利用了部署中数据引用计数器值的大小来决定替换的一种策略。当部署中的数据被请求时，其计数器值加一。当部署中需要替换数据时，则把计数器值最小的数据项替换掉；该lfu策略认为内容被访问的次数越多，未来该内容被访问的可能性就越大。lfu策略在静态环境中具有很好的表现，因为静态环境中数据的流行度基本不会随时间的变化而发生变化。但是，该策略不太适合动态的网络环境。在动态网络环境中，数据的流行度变化很大，当一个数据在一段时间内被请求的次数很多，计数器获得很大的数值，而之后不再被访问，根据lfu策略，那么该数据有可能一直在缓存中，直到有新的数据比该数据更受欢迎、获得更大的计数器值。这样会使一些之前的数据无法被替换出部署，造成部署空间的污染。因此，后续提出了lfu-aging策略，是对lfu策略的改进，其核心思想是不仅要关注内容被访问的次数，还要考虑被访问时间。lfu-aging策略为了解决lfu策略中因为计数器值太大而导致很长时间不被访问的内容也不能被替换出去的问题，引用了一个新的数据结构——最大平均计数器，相当于一个计数器的最大阈值。当某个内容的计数器值超过最大平均计数器的值，就将该内容的计数器值减半。lfu-aging策略可以减少部署污染的问题；但是，和lfu策略一样，比较适用于静态的网络环境。上述lfu-aging策略，在ccn网络中尽力而为地将内容热度较高的内容条目存储到距离用户较近的节点，提高部署命中率的同时降低了节点中部署的替换次数；但是，实现的复杂度较高，而且内容的热度是随着时间动态变化的，增加了具体实施的难度。
还有学者提出betw策略，内容在返回时选择兴趣包请求路径上最重要的节点部署，其它节点不再部署。对于不同网络拓扑，该betw策略都取得了较高的网内节点部署命中率，并减少了内容传输的平均跳数。但是，在实际网络中，节点部署量远小于内容总量，betw策略会导致节点越重要，到达的请求越多，需要部署的内容也越多，同时节点负载也会大，从而导致部署中的内容更替频繁；同时节点上新部署的内容，即使具有很高的流行度，也具有较大可能性被快速替换掉，致使后续请求无法充分利用前期部署。因此，有学者基于betw策略提出了一种综合使用网络节点介数和节点部署内容更替率作为部署决策度量的新型网络内的部署策略，即betwrep策略。在返回内容判决路径上，哪些节点需要部署该内容时，既考虑节点的重要性，又要考虑节点部署内容更替状况。该betwrep策略既有效保证了内容尽量部署在相对重要的节点上，又能通过节点的内容替换率来调控内容的部署，使重要节点避免处于高频率的内容替换状态而导致系统性能下降，但是，该betwrep策略仍然没有解决关键节点负荷严重的问题，导致出现效果差，负载不均衡等问题。
技术实现要素：
本发明的目的在于，为解决现有技术中存在网络流量卸载问题，特别是批量文件传播过程中存在流量冗余，缺乏对内容流行度特性的动态变化和具体网络拓扑结构的考虑，以及负载不均衡等问题，本发明提供了一种用于网络流量卸载的中心性概率部署方法，该方法包括：
步骤1)计算网络中节点集合{vi}中任一节点vi的中心性ci，再根据公式(1)：
进一步计算节点集合{vi}中该节点vi的中心性概率pi；
步骤2)在数据源节点o处，对需要传输的文件资源集合{ki}中的文件资源ki，按照流行度的大小进行降序排序，流行度较大的所对应的文件资源ki优先传播；判断文件资源集合{ki}中是否还有文件资源未传播；若还有文件资源未传播，则在网络中，采用洪泛法，将文件资源集合{ki}中的还没有传播的文件资源进行传播；若没有文件资源还未传播，则传播结束，并直接进入步骤3)；其中，所述数据源节点o为海量媒体内容存放的节点；
步骤3)对于任一文件资源ki传播到达任一节点vi时，判断任一文件资源ki在任意节点vi中是否满足部署条件；若满足部署条件，则将该文件资源ki部署到中心性概率pi的节点vi，将流行度较大的文件资源部署到中心性概率较大的节点；并转至下一步骤4)；若不满足部署条件，则直接转发至下一节点，重复步骤3)；其中，所述部署条件为
节点vi部署文件资源ki的成本为
步骤4)任一文件资源ki在任一节点vi判断结束后，向邻居节点中未收到过该文件资源ki的节点转发该文件资源ki，当节点集合{vi}中的该文件资源ki的覆盖率达到上限指标时，该文件资源ki的传播结束；
其中，所述覆盖率的获取通过以下方法中的任一方法获得：第一，文件资源副本数除以节点数，即该文件资源的全局部署次数除以节点数；第二，任一节点的邻居文件资源副本数除以该节点的邻居节点数，即该文件资源的局部邻域部署次数除以该节点的邻居节点数。
其中，在任一文件资源传播之前，预先设定一个覆盖率的上限指标，具体为一个大于0且小于1的常数。当在没有预先设定上限指标时，覆盖率的默认上限指标设为0.1。
步骤5)由于在经过δ时间的动态调整周期后，文件资源ki及其对应的流行度发生变化和调整，因此，需要对调整后的网络中节点vi内所部署的文件资源ki进行动态调整；其中，所述δ时间为一个根据测量得到的动态调整周期，具体为一天或一周或一个月；
步骤6)在所述数据源节点o处，按照当前流行度的大小，对动态调整后需要传播的文件资源ki进行降序排序编号，流行度较大的所对应的文件资源优先传播，直至传播结束；然后再在网络中，重复步骤1)-步骤5)，再次对下一节点内的文件资源进行传播。
在上述技术方案中，所述步骤1)中的中心性ci，记为中心性指标，用于计算集合{vi}中该节点vi的中心性概率pi；其中，所述中心性指标具体包括：度中心性、介数中心性、紧密中心性、特征向量中心性中的一个或多个组合。
在上述技术方案中，度中心性为一个节点的连接边数；如果网络是有向的，那么会分别定义两种度中心性：入度中心性和出度中心性；其中，所述中心性指标为出度中心性的大小；
对于有n个节点的图g＝(v,e)，节点vi的度中心性ci(vi)1按照如下公式(2)计算：
其中，deg(vi)为在图g＝(v,e)中，与节点vi直联的邻居节点个数；
在上述技术方案中，介数中心性(betweennesscentrality)是以经过某个节点的最短路径数目来刻画节点的重要性；其中，介数中心性为出现在许多其它节点最短路径中的节点有更高的介数值。
对于n个节点的图g＝(v,e)，节点vi的介数中心性ci(vi)2按如下公式(3)计算：
其中，σst是节点s到节点t的最短路径数，σst(vi)是从节点s到节点t的最短路径中经过节点vi的数量；s≠vi≠t∈v表示在节点集合v中，任选一个不等于节点vi的节点s作为起点，再任选一个既不等于节点vi也不等于节点s的节点t作为终点；v表示图g＝(v,e)中所有节点的集合。
在上述技术方案中，紧密中心性(closenesscentrality)反映在网络中某一节点与其他节点之间的接近程度。在网络分析中，紧密度倾向于表示最小路径长度，因为这样会对更多的中心节点赋予更高的值，而且通常与其它度量相联系；
对于n个节点的图g＝(v,e)，节点vi的紧密中心性ci(vi)3按如下公式(4)计算：
其中，dg(vi,tc)表明给定网络中的节点vi通过最短路径算法找到该节点到达其他任意节点tc的距离；tc∈v\vi为在节点集合v中，任选一个不等于节点vi的节点，记为tc。
在上述技术方案中，特征向量中心性(eigenvectorcentrality)为衡量网络中节点影响相对分值的量度，即高得分节点的连接比低得分节点的连接贡献更大，一个节点的重要性既取决于其邻居节点的数量，也取决于其邻居节点的重要性
对于n个节点的图g＝(v,e)，节点vi的特征向量中心性ci(vi)4按如下公式(5)计算：
其中，m(i)是连接到vi节点的节点集合，n是总节点数，λ是常数，ai,j为网络的邻接矩阵，xj为第j个节点的指数值。
在上述技术方案中，所述步骤3)中，通过中心性概率的方式，将流行度较大的文件资源部署到中心性概率较大的节点，一方面保证了节点的中心性越大，则该关键节点部署该流行度较大的文件资源的可能性就越大；另一方面也保证了中心性指标大的节点也不是一定被选到，这样就消除或减少了关键节点负载不均衡的现象。
在上述技术方案中，所述步骤3)具体包括：
步骤301)当任一文件资源ki到达任一节点vi时，在任一节点vi处，判断是否满足
其中，节点vi部署文件资源ki的成本为
若满足
步骤302)根据
步骤303)将新到达节点vi的另一文件资源kj的流行度与节点vi部署空间中的文件资源最小的流行度进行比较；
若文件资源kj的流行度大于节点vi部署空间中的文件资源最小的流行度，则剔除部署空间中该最小流行度的文件资源，返回步骤302)；若文件资源kj的流行度小于节点vi部署空间中的文件资源最小的流行度，则直接转发给下一个节点。
进一步地，所述步骤302)中，在节点vi上按照中心性概率pi判断是否部署文件资源ki，具体包括：
根据各邻居节点的中心性概率pi，比如{0.5,0.2,0.2,0.1}，给每个邻居节点在从1到0的区间内划分相应的映射区间，比如{(1,0.5),(0.5,0.3),(0.3,0.1),(0.1,0)}，并在节点vi处，随机输入一个0到1的实数：若该实数的数值在节点vi对应的映射区间内，则节点vi部署文件资源ki；该实数的数值不在节点vi对应的映射区间内，则节点vi不部署文件资源ki。
在上述技术方案中，所述步骤5)中的动态调整，具体包括：重新在节点集合{vi}中的节点vi上判断文件资源ki是否满足部署条件
在上述技术方案中，所述步骤5)进一步包括：δ时间由部署命中率和用户访问请求的平均条数来决定；其中，部署命中率是一个典型的测量部署性能的参数，部署命中率越高，反映部署响应用户请求的概率越高，所述中心性概率部署方法的性能越好。而平均跳数值越小，大量的用户请求可以更快的获取内容，减轻了内容服务器的负载，与之相应的网络传输开销较小，带宽消耗降低，有利于提高ccn网络资源的利用。因此，需要测量部署命中率和平均跳数作为性能评价指标决定δ时间的长度，当部署命中率降低达到下限，平均条数增加到上限后，说明网络中部署效果变差，需要开始动态调整。
在上述技术方案中，根据公式(6)计算所述部署命中率：
其中，n为用户访问请求的总数；
在上述技术方案中，根据公式(7)计算所述平均跳数h(δ)：
其中，hi(δ)表示0到t时间内，用户请求到命中节点的路由跳数；所述δ是一个根据测量得到的动态调整周期，具体为一天或一周或一个月。
在上述技术方案中，所述步骤6)中的降序排序，由于文件资源的流行度是随着时间动态变化的，需要根据当前时间的文件资源的流行度进行重新降序排序。
本发明的优点在于：
与现有技术相比，本发明的方法解决了网络流量卸载问题，提高用户请求资源的命中率，缩短用户查询资源的响应时间，减小用户访问请求的平均条数，减小内容部署冗余，消除或减少节点中负载不均衡的现象，并且实施复杂度较低。
附图说明
图1是本发明的一种用于网络流量卸载的中心性概率部署方法的流程图。
具体实施方式
如图1所示，本发明提供了一种用于网络流量卸载的中心性概率部署方法，该方法包括：
步骤1)计算网络中节点集合{vi}中任一节点vi的中心性ci，再根据公式(1)：
进一步计算节点集合{vi}中该节点vi的中心性概率pi；
步骤2)在数据源节点o处，对需要传输的文件资源集合{ki}中的文件资源ki，按照流行度的大小进行降序排序，流行度较大的所对应的文件资源ki优先传播；判断文件资源集合{ki}中是否还有文件资源未传播；若还有文件资源未传播，则在网络中，采用洪泛法，将文件资源集合{ki}中的还没有传播的文件资源进行传播；若没有文件资源还未传播，则传播结束，并直接进入步骤5)；其中，所述数据源节点o为海量媒体内容存放的节点；
步骤3)对于任一文件资源ki传播到达任一节点vi时，判断任一文件资源ki在任意节点vi中是否满足部署条件；若满足部署条件，则将该文件资源ki部署到中心性概率pi的节点vi，将流行度较大的文件资源部署到中心性概率较大的节点；并转至下一步骤4)；若不满足部署条件，则直接转发至下一节点，重复步骤3)；其中，所述部署条件为
节点vi部署文件资源ki的成本为
步骤4)任一文件资源ki在任一节点vi判断结束后，向邻居节点中未收到过该文件资源ki的节点转发该文件资源ki，当节点集合{vi}中的该文件资源ki的覆盖率达到上限指标时，该文件资源ki的传播结束；
其中，所述覆盖率的获取通过以下方法中的任一方法获得：第一，文件资源副本数除以节点数，即该文件资源的全局部署次数除以节点数；第二，任一节点的邻居文件资源副本数除以该节点的邻居节点数，即该文件资源的局部邻域部署次数除以该节点的邻居节点数。
其中，在任一文件资源传播之前，预先设定一个覆盖率的上限指标，具体为一个大于0且小于1的常数。当在没有预先设定上限指标时，覆盖率的默认上限指标设为0.1。
步骤5)由于在经过δ时间的动态调整周期后，文件资源ki及其对应的流行度发生变化和调整，因此，需要对调整后的网络中节点vi内所部署的文件资源ki进行动态调整；其中，所述δ时间为一个根据测量得到的动态调整周期，具体为一天或一周或一个月；
步骤6)在所述数据源节点o处，按照当前流行度的大小，对动态调整后需要传播的文件资源ki进行降序排序编号，流行度较大的所对应的文件资源优先传播，直至传播结束；然后再在网络中，重复步骤1)-步骤5)，再次对下一节点内的文件资源进行传播。
在上述技术方案中，所述步骤1)中的中心性ci，记为中心性指标，用于计算集合{vi}中该节点vi的中心性概率pi；其中，所述中心性指标具体包括：度中心性、介数中心性、紧密中心性、特征向量中心性中的一个或多个组合。
在上述技术方案中，度中心性为一个节点的连接边数；如果网络是有向的，那么会分别定义两种度中心性：入度中心性和出度中心性；其中，所述中心性指标为出度中心性的大小；
对于有n个节点的图g＝(v,e)，节点vi的度中心性ci(vi)1按照如下公式(2)计算：
其中，deg(vi)为在图g＝(v,e)中，与节点vi直联的邻居节点个数；
在上述技术方案中，介数中心性(betweennesscentrality)是以经过某个节点的最短路径数目来刻画节点的重要性；其中，介数中心性为出现在许多其它节点最短路径中的节点有更高的介数值。
对于n个节点的图g＝(v,e)，节点vi的介数中心性ci(vi)2按如下公式(3)计算：
其中，σst是节点s到节点t的最短路径数，σst(vi)是从节点s到节点t的最短路径中经过节点vi的数量；s≠vi≠t∈v表示在节点集合v中，任选一个不等于节点vi的节点s作为起点，再任选一个既不等于节点vi也不等于节点s的节点t作为终点；v表示图g＝(v,e)中所有节点的集合。
在上述技术方案中，紧密中心性(closenesscentrality)反映在网络中某一节点与其他节点之间的接近程度。在网络分析中，紧密度倾向于表示最小路径长度，因为这样会对更多的中心节点赋予更高的值，而且通常与其它度量相联系；
对于n个节点的图g＝(v,e)，节点vi的紧密中心性ci(vi)3按如下公式(4)计算：
其中，dg(vi,tc)表明给定网络中的节点vi通过最短路径算法找到该节点到达其他任意节点tc的距离；tc∈v\vi为在节点集合v中，任选一个不等于节点vi的节点，记为tc。
在上述技术方案中，特征向量中心性(eigenvectorcentrality)为衡量网络中节点影响相对分值的量度，即高得分节点的连接比低得分节点的连接贡献更大，一个节点的重要性既取决于其邻居节点的数量，也取决于其邻居节点的重要性
对于n个节点的图g＝(v,e)，节点vi的特征向量中心性ci(vi)4按如下公式(5)计算：
其中，m(i)是连接到vi节点的节点集合，n是总节点数，λ是常数，ai,j为网络的邻接矩阵，xj为第j个节点的指数值。
在上述技术方案中，所述步骤3)中，通过中心性概率的方式将高流行度的内容大概率的部署到关键节点；其中，高流行度的内容具体是指高流行度的文件资源；关键节点是指；一方面保证了节点的中心性越大，则该关键节点部署该高流行度的文件资源的可能性就越大，另一方面也保证了中心性指标大的节点也不是一定被选到，这样就消除或减少了关键节点负载不均衡的现象。
在上述技术方案中，所述步骤3)具体包括：
步骤301)当任一文件资源ki到达任一节点vi时，在任一节点vi处，判断是否满足
其中，节点vi部署文件资源ki的成本为
若满足
步骤302)根据
步骤303)将新到达节点vi的另一文件资源kj的流行度与节点vi部署空间中的文件资源最小的流行度进行比较；若文件资源kj的流行度大于节点vi部署空间中的文件资源最小的流行度，则剔除部署空间中该最小流行度的文件资源，返回步骤302)；若文件资源kj的流行度小于节点vi部署空间中的文件资源最小的流行度，则直接转发给下一个节点。
进一步地，所述步骤302)中，在节点vi上按照中心性概率pi判断是否部署文件资源ki，具体包括：
根据各邻居节点的中心性概率pi，比如{0.5,0.2,0.2,0.1}，给每个邻居节点在从1到0的区间内划分相应的映射区间，比如{(1,0.5),(0.5,0.3),(0.3,0.1),(0.1,0)}，并在节点vi处，随机输入一个0到1的实数：若该实数的数值在节点vi对应的映射区间内，则节点vi部署文件资源ki；该实数的数值不在节点vi对应的映射区间内，则节点vi不部署文件资源ki。
在上述技术方案中，所述步骤5)中的动态调整，具体包括：重新在节点集合{vi}中的节点vi上判断文件资源ki是否满足部署条件
在上述技术方案中，所述步骤5)进一步包括：δ时间由部署命中率和用户访问请求的平均条数来决定；其中，部署命中率是一个典型的测量部署性能的参数，部署命中率越高，反映部署响应用户请求的概率越高，所述中心性概率部署方法的性能越好。而平均跳数值越小，大量的用户请求可以更快的获取内容，减轻了内容服务器的负载，与之相应的网络传输开销较小，带宽消耗降低，有利于提高ccn网络资源的利用。因此，需要测量部署命中率和平均跳数作为性能评价指标决定δ时间的长度，当部署命中率降低达到下限，平均条数增加到上限后，说明网络中部署效果变差，需要开始动态调整。
在上述技术方案中，根据公式(6)计算所述部署命中率：
其中，n为用户访问请求的总数；
在上述技术方案中，根据公式(7)计算所述平均跳数h(δ)：
其中，hi(δ)表示0到t时间内，用户请求到命中节点的路由跳数；所述δ是一个根据测量得到的动态调整周期，具体为一天或一周或一个月。
在上述技术方案中，所述步骤6)中的降序排序，由于文件资源的流行度是随着时间动态变化的，需要根据当前时间的文件资源的流行度进行重新降序排序。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
- 还没有人留言评论。精彩留言会获得点赞！