專利名稱：一種多信息映射和融合的節(jié)點聚合方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及由分布式節(jié)點組成的服務(wù)網(wǎng)絡(luò)結(jié)構(gòu)，尤其涉及一種基于多種信息映射和融合的節(jié)點聚合處理方法及系統(tǒng)。
背景技術(shù)：
目前，面向媒體業(yè)務(wù)的服務(wù)虛擬化網(wǎng)絡(luò)研究是一個新興課題，因此也涌現(xiàn)出了一些新矛盾，包括:流媒體是內(nèi)容相關(guān)的服務(wù)，而傳統(tǒng)的網(wǎng)絡(luò)建模方法中大多忽略了這一特點，因此，如何融合多種信息源，對具有相對較高性能的節(jié)點進行聚合，并依此對服務(wù)節(jié)點在廣域環(huán)境中組網(wǎng)，是一個關(guān)鍵問題。
在廣域環(huán)境下，無論是在P2P網(wǎng)絡(luò)，還是內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN)中，大多需要建立節(jié)點之間的覆蓋網(wǎng)(Overlay)結(jié)構(gòu)，利用覆蓋網(wǎng)結(jié)構(gòu)來完成資源的共享。傳統(tǒng)的覆蓋網(wǎng)overlay通信之間完全是無序隨機的。因此,有必要在建立覆蓋網(wǎng)overlay的同時,考慮其他額外因素，例如地域特征，延時特征等等，從而對具有相似特征的節(jié)點進行聚合，便于節(jié)點相互服務(wù)和內(nèi)容查找。
當(dāng)前的大多數(shù)節(jié)點聚合和分組算法，僅考慮單維影響因素，如地理位置、網(wǎng)絡(luò)距離等。而對于媒體業(yè)務(wù)而言，每個節(jié)點最感興趣的往往是具有相似內(nèi)容的節(jié)點，且節(jié)點延遲低、鏈路狀態(tài)好且資源空閑率高的節(jié)點，而這些特征往往是影響媒體業(yè)務(wù)節(jié)點之間協(xié)作性能的關(guān)鍵因素。因此，如何將多種影響信息進行融合分析，得到具有知識內(nèi)容相似且低延遲的節(jié)點簇并以此組網(wǎng)，用于滿足媒體類業(yè)務(wù)的需要，在以前的覆蓋網(wǎng)絡(luò)研究中并沒有得到充分的關(guān)注，也沒有相應(yīng)的技術(shù)手段解決這些問題。發(fā)明內(nèi)容
本發(fā)明的目的在于，為克服現(xiàn)有的節(jié)點聚合和分組算法僅考慮單維影響因素，如地理位置、網(wǎng)絡(luò)距離等導(dǎo)致的采用這些因素選擇的節(jié)點形成的網(wǎng)絡(luò)服務(wù)能力低等問題，從而提供一種多信息映射和融合的節(jié)點聚合方法及系統(tǒng)。
為實現(xiàn)上述目的，本發(fā)明提供一種多信息映射和融合的節(jié)點聚合方法，該方法用于依據(jù)分布式網(wǎng)絡(luò)中的網(wǎng)絡(luò)延遲特征和內(nèi)容特征從某節(jié)點的N個鄰居節(jié)點中進一步篩選能作為該節(jié)點的節(jié)點簇的節(jié)點，所述方法為:
步驟1，用于將某節(jié)點與其鄰居節(jié)點之間的網(wǎng)絡(luò)延遲、內(nèi)容知識量相關(guān)參數(shù)分別用彈簧彈力和萬有引力進行類比的步驟。
步驟2，將節(jié)點的彈簧彈力和萬有引力分別映射為彈性勢能和重力勢能進行勢能化映射的步驟。
步驟3，計算節(jié)點的勢能總和并依據(jù)該勢能總和通過局部最優(yōu)算法從N個鄰居節(jié)點中為每個節(jié)點尋找最優(yōu)簇集合的步驟。
上述技術(shù)方案中，所述步驟I之前還包含:提取網(wǎng)絡(luò)延遲特征和提取節(jié)點內(nèi)容特征的步驟。
可選的，所述彈簧彈力類比節(jié)點網(wǎng)絡(luò)延遲特征的公式為:
F (A，B) = S {O (A) - [D (A，B) +0 (B) ]}+s{0 (B) - [D (B，A) +0 (A)]}；
其中，D(A，B)為提取的分布式網(wǎng)絡(luò)中任意節(jié)點A和節(jié)點B間的網(wǎng)絡(luò)延遲；s為彈力系數(shù)，可看作彈力與延遲映射的權(quán)重；對于同一個任務(wù)，資源占用量一定的情況下，A、B兩節(jié)點分別執(zhí)行該任務(wù)的時間分別為O(A)和O(B)。
可選的，所述萬有力類比節(jié)點內(nèi)容知識特征的公式為:
假設(shè)節(jié)點A中內(nèi)容知識總量為MA，B為Mb ;節(jié)點A和節(jié)點B相互交疊的知識總量為Ma, b，對節(jié)點相關(guān)的知識量進行歸一化，則Ma, b/Ma和Ma, b/Mb分別看作節(jié)點A，B的質(zhì)量，則節(jié)點A，B間的引力為:
權(quán)利要求
1.一種多信息映射和融合的節(jié)點聚合方法，該方法用于依據(jù)分布式網(wǎng)絡(luò)中的網(wǎng)絡(luò)延遲特征和內(nèi)容特征從某節(jié)點的N個鄰居節(jié)點中進一步篩選能作為該節(jié)點的節(jié)點簇的節(jié)點，所述方法為: 步驟1，用于將某節(jié)點與其鄰居節(jié)點之間的網(wǎng)絡(luò)延遲、內(nèi)容知識量相關(guān)參數(shù)分別用彈簧彈力和萬有引力進行類比的步驟； 步驟2，將節(jié)點的彈簧彈力和萬有引力分別映射為彈性勢能和重力勢能進行勢能化映射的步驟； 步驟3，計算節(jié)點的勢能總和并依據(jù)該勢能總和通過局部最優(yōu)算法從N個鄰居節(jié)點中為每個節(jié)點尋找最優(yōu)簇集合的步驟。
2.根據(jù)權(quán)利要求1所述的多信息映射和融合的節(jié)點聚合方法，其特征在于，所述步驟I之前還包含:提取網(wǎng)絡(luò)延遲特征和提取節(jié)點內(nèi)容特征的步驟。
3.根據(jù)權(quán)利要求2所述的多信息映射和融合的節(jié)點聚合方法，其特征在于，所述彈簧彈力類比節(jié)點網(wǎng)絡(luò)延遲特征的公式為: F(A,B) = s {O (A) - [D (A, B) +0 (B) ]} +s {O (B) - [D (B, A) +0 (A) ]}； 其中，D(A，B)為提取的分布式網(wǎng)絡(luò)中任意節(jié)點A和節(jié)點B間的網(wǎng)絡(luò)延遲；8為彈力系數(shù)，可看作彈力與延遲映射的權(quán)重；對于同一個任務(wù)，資源占用量一定的情況下，A、B兩節(jié)點執(zhí)行該任務(wù)的時間分別為O(A)和O(B)。
4.根據(jù)權(quán)利要求2所述的多信息映射和融合的節(jié)點聚合方法，其特征在于，所述萬有力類比節(jié)點內(nèi)容知識特征的公式為: 假設(shè)節(jié)點A中內(nèi)容知識總量為Ma，B為Mb ;節(jié)點A和節(jié)點B相互交疊的知識總量為Ma,B，對節(jié)點相關(guān)的知識量進行歸一化，則Ma,b/Ma和Ma,b/Mb分別看作節(jié)點A，B的質(zhì)量，則節(jié)點A，B間的引力為: TT(MabIMa)(MabIMb) U AR=gy.-:-，- -； g為萬有引力常數(shù)，表示兩節(jié)點內(nèi)容相關(guān)性的權(quán)重。
5.根據(jù)權(quán)利要求3或4所述的多信息映射和融合的節(jié)點聚合方法，其特征在于，所述節(jié)點A、B間的勢能總和計算公式為: E(A, B) = Es (A, B) +Eu(A7B) 其中，Es (A，B)是彈力勢能，Eu(A，B)是萬有引力勢能； \0(A)-[D(A,B)+0(B)]\ ES(A, E)= f s(0(A) - [D(A, B) + 0(E)})dx + O \0(B)-[D(B,A)+0(A)}\ f s(0(E) - [D(B, A) + 0(A)})dx 0 Eu(AB) = Uab-D(AB) = M'b ~g D(A,B)MaMb 當(dāng)所述E(A，B) > 0時，表示節(jié)點B分到以節(jié)點A為中心的簇趨勢大，反之則節(jié)點A分到以節(jié)點B為中心的簇的簇趨勢大。
6.根據(jù)權(quán)利要求5所述的多信息映射和融合的節(jié)點聚合方法，其特征在于，所述局部最優(yōu)算法為:
7.一種多信息映射和融合的節(jié)點聚合系統(tǒng)，該系統(tǒng)用于依據(jù)分布式網(wǎng)絡(luò)中的網(wǎng)絡(luò)延遲特征和內(nèi)容特征從某節(jié)點的N個鄰居節(jié)點中進一步篩選能作為該節(jié)點的節(jié)點簇的節(jié)點，所述系統(tǒng)包含: 類比模塊，用于將某節(jié)點與其鄰居節(jié)點之間的網(wǎng)絡(luò)延遲、內(nèi)容知識量相關(guān)參數(shù)分別用彈簧彈力和萬有引力進行類比； 勢能映射模塊，用于將節(jié)點的彈簧彈力和萬有引力分別映射為彈性勢能和重力勢能的模塊進行勢能化映射；和 最優(yōu)簇決策模塊，用于計算節(jié)點的勢能總和得到統(tǒng)一的勢能表示，從而進行分析和計算，并依據(jù)該勢能總和通過局部最優(yōu)算法計算為每個節(jié)點尋找最優(yōu)簇集合的決策模塊。
8.根據(jù)權(quán)利要求7所述的多信息映射和融合的節(jié)點聚合系統(tǒng)，其特征在于，所述類比模塊采用如下公式將網(wǎng)絡(luò)延遲特征類比為彈簧彈力: F(A,B) = s {O (A) - [D (A, B) +0 (B) ]} +s {O (B) - [D (B, A) +0 (A) ]}； 其中，D(A，B)為提取的兩點間的網(wǎng)絡(luò)延遲;s為彈力系數(shù)，可看作彈力與延遲映射的權(quán)重；對于同一個任務(wù)，資源占用量一定的情況下，A、B兩節(jié)點分別執(zhí)行該任務(wù)的時間為O(A)和 O(B)。
9.根據(jù)權(quán)利要求7所述的多信息映射和融合的節(jié)點聚合系統(tǒng)，其特征在于，所述類比模塊還依據(jù)以下公式用萬有力類比節(jié)點內(nèi)容知識特征: 假設(shè)節(jié)點A中內(nèi)容知識總量為Ma，B為Mb，相互交疊的知識總量為Ma,B，對節(jié)點相關(guān)的知識量進行歸一化，則Ma,b/Ma和Ma,b/Mb分別看作A，B的質(zhì)量，則A，B間的引力為:
10.根據(jù)權(quán)利要求7所述的多信息映射和融合的節(jié)點聚合系統(tǒng)，其特征在于，節(jié)點A、B間的統(tǒng)一的勢能計算公式為:E(A, B) = Es (A, B) +Eu(A7B)； 其中，Es (A，B)是彈力勢能，Eu(A，B)是萬有引力勢能；
全文摘要
本發(fā)明涉及一種多信息映射和融合的節(jié)點聚合方法及系統(tǒng)，該方法用于依據(jù)分布式網(wǎng)絡(luò)中的網(wǎng)絡(luò)延遲特征和內(nèi)容特征從某節(jié)點的N個鄰居節(jié)點中進一步篩選能作為該節(jié)點的節(jié)點簇的節(jié)點，所述方法為步驟1，用于將某節(jié)點與其鄰居節(jié)點之間的網(wǎng)絡(luò)延遲、內(nèi)容知識量相關(guān)參數(shù)分別用彈簧彈力和萬有引力進行類比的步驟；步驟2，將節(jié)點的彈簧彈力和萬有引力分別映射為彈性勢能和重力勢能進行勢能化映射的步驟；步驟3，計算節(jié)點的勢能總和并依據(jù)該勢能總和從N個鄰居節(jié)點中為每個節(jié)點尋找使節(jié)點與其鄰居間總勢能最大的簇集合的步驟。本發(fā)明可找到低延遲、內(nèi)容相近的節(jié)點集合，幫助其在網(wǎng)絡(luò)計算過程進行高效協(xié)作，保障服務(wù)質(zhì)量。
文檔編號H04L12/24GK103152187SQ20111040150
公開日2013年6月12日 申請日期2011年12月6日 優(yōu)先權(quán)日2011年12月6日
發(fā)明者尤佳莉, 王勁林 申請人:中國科學(xué)院聲學(xué)研究所