一種基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法
【專利摘要】一種基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，首先通過(guò)對(duì)訂閱的歷史記錄進(jìn)行數(shù)據(jù)挖掘，找出訂閱者感興趣的屬性組合；訂閱者根據(jù)訂閱中包含的屬性組合及其支持度確定代理節(jié)點(diǎn)；事件產(chǎn)生后只發(fā)送到可能存儲(chǔ)匹配的訂閱的事件代理上。該方法通過(guò)對(duì)支持度小的屬性組合進(jìn)行合并，在負(fù)載均衡和事件的發(fā)布開(kāi)銷之間取得了良好的折中。綜合來(lái)講，該方案的主要優(yōu)勢(shì)在于：不依賴于所使用的overlay架構(gòu)，實(shí)現(xiàn)簡(jiǎn)單，可移植性強(qiáng)；通過(guò)訂閱者感興趣的屬性集合確定事件代理，提高了事件代理上訂閱的相關(guān)性，進(jìn)而可以利用訂閱間的覆蓋關(guān)系提高匹配效率；在負(fù)載均衡和事件的發(fā)布開(kāi)銷之間取得了較好的折中，系統(tǒng)整體性能大大提升。
【專利說(shuō)明】一種基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于中間件【技術(shù)領(lǐng)域】，具體涉及一種基于歷史記錄數(shù)據(jù)挖掘的能夠提高訂閱與事件匹配效率和節(jié)點(diǎn)負(fù)載均衡能力的發(fā)布和訂閱方法。
【背景技術(shù)】
[0002]發(fā)布和訂閱系統(tǒng)具有松耦合、匿名、多對(duì)多通信和可擴(kuò)展的特點(diǎn)，是支持新一代網(wǎng)絡(luò)計(jì)算的重要基礎(chǔ)中間件平臺(tái)。發(fā)布和訂閱通訊模型一般由發(fā)布者(也稱信息生產(chǎn)者)、訂閱者(也稱信息消費(fèi)者)和事件代理組成。事件代理充當(dāng)發(fā)布者和訂閱者的中介，訂閱者向事件代理注冊(cè)訂閱，表達(dá)對(duì)特定信息的興趣，發(fā)布者以事件形式發(fā)送信息到事件代理，事件代理對(duì)訂閱和事件進(jìn)行匹配，并將滿足匹配條件的事件通知到訂閱者。其中用于表達(dá)訂閱者興趣的訂閱模型有多種，包括基于通道的、基于主題的和基于內(nèi)容的。由于基于內(nèi)容的訂閱能夠?qū)崿F(xiàn)對(duì)訂閱者興趣的準(zhǔn)確表達(dá)，因此受到廣泛的關(guān)注。本發(fā)明實(shí)現(xiàn)的也是基于內(nèi)容的發(fā)布和訂閱系統(tǒng)。
[0003]在發(fā)布和訂閱系統(tǒng)中，事件代理的實(shí)現(xiàn)方式有兩種:集中式和分布式。集中式結(jié)構(gòu)只有一個(gè)事件代理，所有的訂閱者和發(fā)布者都將訂閱和事件發(fā)往這一事件代理。集中式結(jié)構(gòu)的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，易于管理和維護(hù)，缺點(diǎn)是隨著用戶數(shù)量的增加，事件代理將成為性能瓶頸，因此不具備擴(kuò)展性。分布式結(jié)構(gòu)是將多個(gè)事件代理以一定的拓?fù)浣Y(jié)構(gòu)組織起來(lái)形成一個(gè)代理覆蓋網(wǎng)絡(luò)，由所有的事件代理共同完成訂閱的注冊(cè)、事件的發(fā)布以及事件和訂閱的匹配等。分布式結(jié)構(gòu)中的事件代理可以是專門的事件代理服務(wù)器，也可以由普通節(jié)點(diǎn)擔(dān)任，因此系統(tǒng)的可擴(kuò)展性好，具有良好的應(yīng)用前景。
[0004]在設(shè)計(jì)分布式的發(fā)布和訂閱系統(tǒng)時(shí)，如何分配每個(gè)事件代理負(fù)責(zé)的訂閱和事件是一個(gè)核心問(wèn)題。一般來(lái)講，訂閱和事件需要在某一事件代理相遇才能實(shí)現(xiàn)相應(yīng)的匹配，因此如果將訂閱和事件發(fā)送到合適的節(jié)點(diǎn)，則相應(yīng)地匹配效率會(huì)大大提高。目前針對(duì)這一問(wèn)題存在多種設(shè)計(jì)方案，下面分別進(jìn)行介紹:
[0005]第一類方案是改進(jìn)的洪泛法。Terpstra(Wesley ff.Terpstra, JussiKangasharju, Christof Leng,et al.BubbIeStorm: ResiIient, Probabilistic and Exhaustive Peer-to-Peer Search, in Proceedings of the2007conferenceon Applications, Technologies, Architectures,and Protocols for ComputerCommunications, 2007, pp.49-60.)結(jié)合隨機(jī)行走算法和洪泛法的優(yōu)勢(shì)提出了一種在P2P網(wǎng)絡(luò)中提供查詢的方法，通過(guò)設(shè)置數(shù)據(jù)和查詢?cè)诿總€(gè)節(jié)點(diǎn)的轉(zhuǎn)發(fā)數(shù)目和跳數(shù)來(lái)對(duì)轉(zhuǎn)發(fā)的最終數(shù)目和范圍進(jìn)行控制，最終達(dá)到令匹配概率達(dá)到某一閾值的目的。這一方案的優(yōu)勢(shì)是實(shí)現(xiàn)簡(jiǎn)單，缺點(diǎn)是不能保證事件被發(fā)送到所有感興趣的訂閱者。
[0006]第二類方案是空間劃分方法，典型算法包括Meghdoot (Abhishek Gupta, OzgurD.Sahin, Divyakant Agrawal, et al.Meghdoot:Content-Based Publish/Subscribe overP2P Networks, in Proceedings of the5th ACM/IFIP/USENIX international conferenceon Middleware, 2004, pp.254-273.)和基于興趣劃分的內(nèi)容發(fā)布訂閱系統(tǒng)(逯鵬、劉旭東、林學(xué)練等，基于興趣劃分的內(nèi)容發(fā)布訂閱系統(tǒng)關(guān)鍵算法，北京航空航天大學(xué)學(xué)報(bào)，Vol32,No8，2006，pp.992-997.)。根據(jù)系統(tǒng)中的屬性個(gè)數(shù)將節(jié)點(diǎn)映射到一個(gè)2n維(或η維)笛卡爾空間，然后將笛卡爾空間劃分為多個(gè)子空間，每個(gè)事件代理負(fù)責(zé)一個(gè)子空間內(nèi)訂閱和事件的匹配。在該方案中，根據(jù)訂閱或事件與笛卡爾空間的映射關(guān)系可以準(zhǔn)確確定訂閱和事件發(fā)送的目標(biāo)節(jié)點(diǎn)，最大限度降低了發(fā)送冗余信息的數(shù)量。但是當(dāng)系統(tǒng)中屬性個(gè)數(shù)較多時(shí)，維護(hù)笛卡爾空間的開(kāi)銷較大，算法的復(fù)雜度大大提高。此外，當(dāng)節(jié)點(diǎn)加入、退出較頻繁時(shí)，笛卡爾子空間的分割與合并會(huì)導(dǎo)致區(qū)域不規(guī)則問(wèn)題出現(xiàn)，進(jìn)一步加大了空間維護(hù)的難度。
[0007]第三類方案是基于訂閱覆蓋關(guān)系的拓?fù)湓O(shè)計(jì)。Terpstra (Wesleyff.Terpstra, Stefan Behnel, Ludger Fiege, et al.A Peer-to-Peer Approach toContent-Based Publish/Subscribe, In Proceeding of the2nd international workshopon Distributed Event-Based Systems, 2003，pp.1-8)提出了 一種基于 Chord 的發(fā)布 /訂閱系統(tǒng)，要求在事件轉(zhuǎn)發(fā)路徑上節(jié)點(diǎn)存儲(chǔ)的訂閱滿足覆蓋關(guān)系，即在某一節(jié)點(diǎn)上與訂閱不匹配的事件一定不會(huì)與下一跳節(jié)點(diǎn)上存儲(chǔ)的訂閱匹配，反之，在后一跳節(jié)點(diǎn)上能夠匹配的事件一定與前一跳節(jié)點(diǎn)上存儲(chǔ)的訂閱匹配，以此來(lái)提高事件與訂閱的匹配效率。但是Terpstra沒(méi)有具體介紹將訂閱依據(jù)覆蓋關(guān)系在Chord節(jié)點(diǎn)上存儲(chǔ)的方法。Silvia(SilviaBianchi,Pascal Felber and Maria Gradinariu, Content-Based Publish/SubscribeUsing Distributed R-Trees, Euro-Par2007, pp.537-548)提出根據(jù)訂閱將訂閱者組織為R-tree,每個(gè)非葉子節(jié)點(diǎn)均維護(hù)一個(gè)覆蓋其本身及其子節(jié)點(diǎn)訂閱的Minimum BoundingRectangle (MBR)，實(shí)現(xiàn)了父節(jié)點(diǎn)和子節(jié)點(diǎn)間MBR的覆蓋關(guān)系。這一方案的劣勢(shì)在于R_tree的建立過(guò)程依賴于訂閱，此時(shí)R-tree結(jié)構(gòu)不僅受節(jié)點(diǎn)的加入、退出的影響，更會(huì)根據(jù)訂閱的變化而改變，因此R-tree的維護(hù)開(kāi)銷較大。
[0008]此外還有一種解決方案是根據(jù)屬性來(lái)分配訂閱(Yingwu Zhu and YimingHu,Ferry: A P2P_Based Architecture for Content-Based Publish/SubscribeServices, IEEETransactions on Parallel and Distributed systems, vol.18, N0.15, 2007，pp.672-685)。當(dāng)一個(gè)訂閱產(chǎn)生時(shí)，隨機(jī)或依據(jù)某一規(guī)則選擇訂閱中包含的一個(gè)屬性計(jì)算hash，然后根據(jù)結(jié)果將訂閱存儲(chǔ)到DHT網(wǎng)絡(luò)中的相應(yīng)節(jié)點(diǎn)。事件產(chǎn)生后被發(fā)送到所有事件代理進(jìn)行匹配，以免遺漏感興趣的訂閱者。這一方案實(shí)現(xiàn)簡(jiǎn)單，實(shí)用性強(qiáng)，但是沒(méi)有考慮訂閱間的覆蓋關(guān)系，所以匹配效率較低，此外其負(fù)載均衡能力稍差。Eferry (XiaoyuYang, Yingwu Zhu and Yiming Hu, Scalable Content-Based Publish/Subscribe Servicesover Structured Peer-to-Peer Networks, 15th EUROMICRO International Conferenceon Parallel, Distributed and Network-Based Processing, 2007，pp.171-178)對(duì) Ferry進(jìn)行了改進(jìn)，通過(guò)控制事件代理的個(gè)數(shù)來(lái)提高系統(tǒng)的負(fù)載均衡能力，但是Eferry中發(fā)布事件的開(kāi)銷大大增大，且事件從發(fā)布到到達(dá)訂閱者的時(shí)延也更長(zhǎng)。

【發(fā)明內(nèi)容】

[0009]本發(fā)明技術(shù)解決問(wèn)題:克服現(xiàn)有技術(shù)的不足，提供一種基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，不依賴于所使用的overlay架構(gòu)，實(shí)現(xiàn)簡(jiǎn)單，可移植性強(qiáng)；提高了事件代理上訂閱的相關(guān)性，提高了匹配效率，系統(tǒng)整體性能大大提升。
[0010]本發(fā)明技術(shù)解決方案:基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，如圖1所示，實(shí)現(xiàn)步驟如下:
[0011 ] (I)對(duì)訂閱的歷史記錄進(jìn)行數(shù)據(jù)挖掘，確定合適的N、“N-項(xiàng)集合”、各頻繁N-項(xiàng)集的支持度以及“虛擬N-項(xiàng)集合”，具體實(shí)現(xiàn)如下:
[0012](11)提取歷史記錄中每個(gè)訂閱的屬性集合；
[0013](12)將訂閱的屬性集合作為事務(wù)，根據(jù)給定的最小支持度閾值計(jì)算頻繁項(xiàng)集；當(dāng)某一項(xiàng)集的支持度大于該最小支持度閾值時(shí)將這一項(xiàng)集稱為頻繁項(xiàng)集，頻繁N-項(xiàng)集是指包含N個(gè)屬性的頻繁項(xiàng)集；
[0014]( 13)統(tǒng)計(jì)所有頻繁項(xiàng)集包含的屬性個(gè)數(shù)；
[0015]( 14)若在所有頻繁項(xiàng)集中，頻繁k_項(xiàng)集的數(shù)目最多，則將k記為N，將所有頻繁k-項(xiàng)集的集合記為“N-項(xiàng)集合”；
[0016](15)從非頻繁N-項(xiàng)集即包含屬性個(gè)數(shù)為N，但不是頻繁項(xiàng)集的項(xiàng)集中隨機(jī)選擇M個(gè)組成“虛擬N-項(xiàng)集合”，這些被選定的非頻繁N-項(xiàng)集稱作虛擬頻繁N-項(xiàng)集；
[0017](2)訂閱者根據(jù)訂閱的屬性集合、“N-項(xiàng)集合”、各頻繁N-項(xiàng)集的支持度和“虛擬N-項(xiàng)集合”選擇某一 N-項(xiàng)集，并根據(jù)該N-項(xiàng)集發(fā)布訂閱；
[0018](3)發(fā)布者根據(jù)事件的屬性集合、“N-項(xiàng)集合”和“虛擬N-項(xiàng)集合”形成一個(gè)“N-項(xiàng)集列表”，并根據(jù)該列表發(fā)布事件；
[0019](4)事件代理根據(jù)當(dāng)前可用帶寬、事件大小和匹配的訂閱者數(shù)目轉(zhuǎn)發(fā)事件，轉(zhuǎn)發(fā)事件的方式包括兩種:直接轉(zhuǎn)發(fā)和基于分組的轉(zhuǎn)發(fā)，所述直接轉(zhuǎn)發(fā)是指事件代理將事件直接發(fā)送給每個(gè)訂閱者；所述分組轉(zhuǎn)發(fā)指事件代理將訂閱者分為幾個(gè)分組，并將事件轉(zhuǎn)發(fā)給每個(gè)分組中的一個(gè)訂閱者，即組長(zhǎng)leader,由該leader將事件轉(zhuǎn)發(fā)給分組中的其它訂閱者；
[0020](5)當(dāng)負(fù)責(zé)某一頻繁N-項(xiàng)集的事件代理匹配負(fù)載大于某一給定匹配負(fù)載閾值時(shí)，通過(guò)增加事件代理個(gè)數(shù)的方式來(lái)降低節(jié)點(diǎn)負(fù)載，實(shí)現(xiàn)節(jié)點(diǎn)間的負(fù)載均衡。
[0021 ] 所述“虛擬N-項(xiàng)集合”中設(shè)置虛擬頻繁N-項(xiàng)集的個(gè)數(shù)M的方法具體如下:
[0022]虛擬頻繁N-項(xiàng)集的個(gè)數(shù)M滿足以下要求:
【權(quán)利要求】
1.一種基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于實(shí)現(xiàn)步驟如下: (1)對(duì)訂閱的歷史記錄進(jìn)行數(shù)據(jù)挖掘，確定合適的N、“N-項(xiàng)集合”、各頻繁N-項(xiàng)集的支持度以及“虛擬N-項(xiàng)集合”，具體實(shí)現(xiàn)如下: (11)提取歷史記錄中每個(gè)訂閱的屬性集合； (12)將訂閱的屬性集合作為事務(wù)，根據(jù)給定的最小支持度閾值計(jì)算頻繁項(xiàng)集；當(dāng)某一項(xiàng)集的支持度大于該最小支持度閾值時(shí)將這一項(xiàng)集稱為頻繁項(xiàng)集，頻繁N-項(xiàng)集是指包含N個(gè)屬性的頻繁項(xiàng)集； (13)統(tǒng)計(jì)所有頻繁項(xiàng)集包含的屬性個(gè)數(shù)； (14)若在所有頻繁項(xiàng)集中，頻繁k-項(xiàng)集的數(shù)目最多，則將k記為N，將所有頻繁k-項(xiàng)集的集合記為“N-項(xiàng)集合”； (15)從非頻繁N-項(xiàng)集即包含屬性個(gè)數(shù)為N，但不是頻繁項(xiàng)集的項(xiàng)集中隨機(jī)選擇M個(gè)組成“虛擬N-項(xiàng)集合”，這些被選定的非頻繁N-項(xiàng)集稱作虛擬頻繁N-項(xiàng)集； (2)訂閱者根據(jù)訂閱的屬性集合、“N-項(xiàng)集合”、各頻繁N-項(xiàng)集的支持度和“虛擬N-項(xiàng)集合”選擇某一 N-項(xiàng)集，并根據(jù)該N-項(xiàng)集發(fā)布訂閱； (3)發(fā)布者根據(jù)事件的屬性集合、“N-項(xiàng)集合”和“虛擬N-項(xiàng)集合”形成一個(gè)“N-項(xiàng)集列表”，并根據(jù)該列表發(fā)布事件； (4)事件代理根據(jù)當(dāng)前可用帶寬、事件大小和匹配的訂閱者數(shù)目轉(zhuǎn)發(fā)事件，轉(zhuǎn)發(fā)事件的方式包括兩種:直接轉(zhuǎn)發(fā)和基于分組的轉(zhuǎn)發(fā)，所述直接轉(zhuǎn)發(fā)是指事件代理將事件直接發(fā)送給每個(gè)訂閱者；所述分組轉(zhuǎn)發(fā)指事件代理將訂閱者分為幾個(gè)分組，并將事件轉(zhuǎn)發(fā)給每個(gè)分組中的一個(gè)訂閱者，即組長(zhǎng)leader,由該leader將事件轉(zhuǎn)發(fā)給分組中的其它訂閱者； (5)當(dāng)負(fù)責(zé)某一頻繁N-項(xiàng)集的事件代理匹配負(fù)載大于某一給定匹配負(fù)載閾值時(shí)，通過(guò)增加事件代理個(gè)數(shù)的方式來(lái)降低節(jié)點(diǎn)負(fù)載，實(shí)現(xiàn)節(jié)點(diǎn)間的負(fù)載均衡。
2.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述“虛擬N-項(xiàng)集合”中設(shè)置虛擬頻繁N-項(xiàng)集的個(gè)數(shù)M的方法具體如下: 虛擬頻繁N-項(xiàng)集的個(gè)數(shù)M滿足以下要求:
3.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述步驟(2)中訂閱者選擇某一 N-項(xiàng)集的方法具體如下: 訂閱者檢查該訂閱的屬性集合中是否包含“N-項(xiàng)集合”中的頻繁項(xiàng)集: (1)若不包含“N-項(xiàng)集合”中的頻繁項(xiàng)集，從“虛擬N-項(xiàng)集合”隨機(jī)選擇一個(gè)虛擬頻繁N-項(xiàng)集； (2)若包含I個(gè)“N-項(xiàng)集合”中的頻繁項(xiàng)集，該頻繁N-項(xiàng)集即為選定的N-項(xiàng)集； (3)若包含2個(gè)或多個(gè)“N-項(xiàng)集合”中的頻繁項(xiàng)集，選擇其中支持度最小的頻繁項(xiàng)集，如果支持度最小的頻繁項(xiàng)集不止一個(gè)，則隨機(jī)選擇其中一個(gè)。
4.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述步驟(2)中訂閱者根據(jù)選定的N-項(xiàng)集發(fā)布訂閱的方式如下:(1)將N-項(xiàng)集中的N個(gè)屬性根據(jù)字典序進(jìn)行排序； (2)調(diào)用哈希函數(shù)，根據(jù)排序后的N個(gè)屬性計(jì)算哈希值； (3)將訂閱路由并存儲(chǔ)到分布式哈希表DHT網(wǎng)絡(luò)中對(duì)應(yīng)于該哈希值的節(jié)點(diǎn)。
5.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述步驟(3)中具體方法如下: (1)檢查該事件的屬性集合中是否包含“N-項(xiàng)集合”中的頻繁項(xiàng)集，若包含η個(gè)頻繁N-項(xiàng)集，則將這η個(gè)頻繁N-項(xiàng)集加入“N-項(xiàng)集列表” ；η>0 ； (2)將“虛擬N-項(xiàng)集合”中的虛擬頻繁N-項(xiàng)集全部加入“N-項(xiàng)集列表”； (3)將“N-項(xiàng)集列表”中每個(gè)N-項(xiàng)集的屬性根據(jù)字典序進(jìn)行排序； (4)調(diào)用哈希函數(shù)，為每個(gè)排序后的N-項(xiàng)集計(jì)算哈希值； (5)將事件發(fā)布到所有哈希值對(duì)應(yīng)的節(jié)點(diǎn)。
6.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述特征(4)中事件代理根據(jù)當(dāng)前可用帶寬、事件大小和匹配的訂閱者數(shù)目轉(zhuǎn)發(fā)事件的方法具體如下:事件代理統(tǒng)計(jì)所有與事件匹配的訂閱者IP地址和訂閱者數(shù)目1，并根據(jù)當(dāng)前可用上傳帶寬W和事件的大小S設(shè)置一個(gè)轉(zhuǎn)發(fā)度D:當(dāng)I≤D時(shí)，事件代理通過(guò)point-to-point方式直接將事件轉(zhuǎn)發(fā)給各訂閱者；當(dāng)1>D時(shí)，事件代理將訂閱者分為K個(gè)分組,K=D,從每個(gè)分組中選擇一個(gè)節(jié)點(diǎn)作為leader,并將事件和分組成員IP列表分別轉(zhuǎn)發(fā)給各leader,由leader負(fù)責(zé)該組內(nèi)事件的轉(zhuǎn)發(fā)；Leader節(jié)點(diǎn)收到消息后有兩個(gè)選擇:一是將事件直接轉(zhuǎn)發(fā)給IP列表中除自身以外的其他節(jié)點(diǎn)；二是將IP列表中的節(jié)點(diǎn)進(jìn)一步劃分分組進(jìn)行轉(zhuǎn)發(fā)。
7.根據(jù)權(quán)利要求6所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述轉(zhuǎn)發(fā)度D的設(shè)置方法具體如下:
8.根據(jù)權(quán)利要求1所述的基于歷史記錄數(shù)據(jù)挖掘的發(fā)布和訂閱方法，其特征在于:所述特征(5)中負(fù)載均衡方法具體如下: 當(dāng)負(fù)責(zé)某一頻繁N-項(xiàng)集FI的事件代理RPfi的匹配負(fù)載較大時(shí): (1)訂閱的路由和存儲(chǔ) 根據(jù)訂閱的路由和存儲(chǔ)策略，當(dāng)某一訂閱條件Sub需路由并存儲(chǔ)到RPfi時(shí)，將FI中的屬性以不同順序排序，根據(jù)排序后的屬性分別計(jì)算哈希值，然后隨機(jī)選擇其中一個(gè)哈希值，并將訂閱路由并存儲(chǔ)到該哈希值對(duì)應(yīng)的節(jié)點(diǎn)。 (2)事件的發(fā)布 當(dāng)事件e中包含F(xiàn)I時(shí)，首先根據(jù)事件的發(fā)布策略將事件發(fā)布到除RPfi之外的其它事件代理，然后將FI中的屬性以不同順序排序，并根據(jù)排序后的屬性分別計(jì)算哈希值，將事件e發(fā)布到所有哈希值對(duì)應(yīng)的節(jié)點(diǎn)。
【文檔編號(hào)】G06F17/30GK103729461SQ201410012762
【公開(kāi)日】2014年4月16日 申請(qǐng)日期:2014年1月12日 優(yōu)先權(quán)日:2014年1月12日
【發(fā)明者】宋俊平, 王海波, 呂品, 黎上洲, 徐夢(mèng)露 申請(qǐng)人:中國(guó)科學(xué)院軟件研究所