一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法【專(zhuān)利摘要】本發(fā)明提供了一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法。主要步驟為：基于數(shù)據(jù)倉(cāng)庫(kù)體系，對(duì)網(wǎng)絡(luò)管理系統(tǒng)中海量網(wǎng)絡(luò)告警數(shù)據(jù)預(yù)處理，將告警數(shù)據(jù)映射到Hive中；然后搭建N-D方體模型，計(jì)算數(shù)據(jù)立方體總數(shù)，驗(yàn)證所采用的0LAP方法的科學(xué)性與可操作性后，進(jìn)一步構(gòu)建星型模型，將0LAP的多維分析自定義分N個(gè)維度，每個(gè)維度細(xì)分為h層；分別根據(jù)分維和分層的結(jié)果，建立事實(shí)表與維表，最終采用Hive實(shí)現(xiàn)RollUp或Cube操作，實(shí)現(xiàn)網(wǎng)絡(luò)告警中基于Hive的0LAP方法。本發(fā)明對(duì)存在域間設(shè)備和不存在域間直連設(shè)備的情況都適用?？商岣呦到y(tǒng)分析性能，從多個(gè)維度揭示隱含在海量原始?xì)v史告警信息中的告警定位知識(shí)和一些有意義的用戶與系統(tǒng)信息，對(duì)決策人員提供決策支持?！緦?zhuān)利說(shuō)明】-種基于Hive的網(wǎng)絡(luò)告警信息OLAP方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法，屬于融合網(wǎng)絡(luò)管理領(lǐng)域。【
背景技術(shù)：
】[0002]隨著大數(shù)據(jù)時(shí)代的到來(lái)，融合網(wǎng)絡(luò)的快速發(fā)展，數(shù)據(jù)量與網(wǎng)絡(luò)規(guī)模增大，數(shù)據(jù)與網(wǎng)絡(luò)異構(gòu)性和復(fù)雜性增加。網(wǎng)絡(luò)規(guī)模與數(shù)據(jù)中心不斷擴(kuò)大，信息量呈現(xiàn)出爆炸式增長(zhǎng)的趨勢(shì)，遠(yuǎn)遠(yuǎn)超越現(xiàn)有企業(yè)IT架構(gòu)和基礎(chǔ)設(shè)施的承載能力，實(shí)時(shí)性要求也將大大超越現(xiàn)有的計(jì)算能力。迫切需要尋求新的基礎(chǔ)設(shè)施以及思考方式的業(yè)務(wù)、IT行業(yè)工作的新途徑。國(guó)際數(shù)據(jù)公司（IDC)的研究預(yù)測(cè)，到2020年，總體數(shù)據(jù)將增加50倍增長(zhǎng)，然而掌握數(shù)據(jù)管理的IT專(zhuān)業(yè)人士的數(shù)量?jī)H是現(xiàn)在的1.5倍。[0003]云計(jì)算的概念由IBM、Google等IT服務(wù)企業(yè)提出后一直在不斷推進(jìn)與深入，云計(jì)算的基本特征是資源共享、按需分配、彈性調(diào)度和服務(wù)可擴(kuò)展，云計(jì)算所提供的強(qiáng)大計(jì)算能力和存儲(chǔ)能力能夠支撐網(wǎng)絡(luò)告警功能的實(shí)現(xiàn)。Hadoop屬于一個(gè)面向分布式的云計(jì)算平臺(tái)，而Hive是基于Hadoop的數(shù)據(jù)倉(cāng)庫(kù)。它定義了一種HQL語(yǔ)言，直接將HQL編譯成M/RJobs。特別適合于不熟悉M/R編程模型的用戶。Hive包含元數(shù)據(jù)存儲(chǔ)，在數(shù)據(jù)探索，查詢(xún)優(yōu)化和統(tǒng)計(jì)分析中很有作用。Hive在數(shù)據(jù)分析中，可達(dá)到一些比高效率的分布式并行比較數(shù)據(jù)庫(kù)更高的性能，但也需要底層存儲(chǔ)方式的調(diào)整和正確的分析策略。[0004]關(guān)系數(shù)據(jù)庫(kù)之父EdgarFrankCodd(埃德加?弗蘭克?科德，1923一2003)于1993年提出了多維數(shù)據(jù)分析構(gòu)造大型數(shù)據(jù)倉(cāng)庫(kù)，他創(chuàng)造了術(shù)語(yǔ)0LAP表示聯(lián)機(jī)分析處理。聯(lián)機(jī)分析處理專(zhuān)門(mén)設(shè)計(jì)用于支持復(fù)雜的分析操作，側(cè)重對(duì)決策人員和高層管理人員的決策支持。可應(yīng)分析人員要求進(jìn)行快速的、靈活地進(jìn)行大數(shù)據(jù)量的復(fù)雜查詢(xún)處理，并且以直觀易懂的形式將查詢(xún)結(jié)果提供決策人員。[0005]如何降低基礎(chǔ)設(shè)施承載壓力，管理海量設(shè)備，解決實(shí)時(shí)性問(wèn)題并盤(pán)活大量的網(wǎng)絡(luò)數(shù)據(jù)資產(chǎn)，滿足在數(shù)據(jù)中心及服務(wù)器、網(wǎng)絡(luò)設(shè)備不斷擴(kuò)大的情況下用戶對(duì)網(wǎng)絡(luò)告警管理的需求，使其為企業(yè)運(yùn)營(yíng)、用戶生活等領(lǐng)域提供決策支持與更準(zhǔn)確高效的服務(wù)，是目前急需解決的問(wèn)題?！?br/>發(fā)明內(nèi)容】[0006]技術(shù)問(wèn)題：本發(fā)明針對(duì)融合網(wǎng)絡(luò)中，海量、異構(gòu)的告警數(shù)據(jù)使用傳統(tǒng)的數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)處理速率慢，內(nèi)存消耗大甚至無(wú)法處理和分析的問(wèn)題，提供一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法，減少待分析的告警數(shù)據(jù)量，數(shù)據(jù)分析維度廣、效率高。Hive簡(jiǎn)化MapReduce實(shí)現(xiàn)方式，減少開(kāi)發(fā)復(fù)雜度、代價(jià)低、提高系統(tǒng)分析性能。[0007]技術(shù)方案：[0008]1、一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法，包括：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)變換，包括如下步驟：[0009]1)告警數(shù)據(jù)映射先采用HiveJdbcDriver實(shí)現(xiàn)Jdbc方式鏈接Hive,再通過(guò)Hive外表方式實(shí)現(xiàn)數(shù)據(jù)共享；[0010]2)初始化0LAP中所需的數(shù)據(jù)立方體維度數(shù)N與每維對(duì)應(yīng)的層數(shù)Li，根據(jù)具體選擇的N個(gè)網(wǎng)絡(luò)告警相關(guān)信息維度，建立N-D方體模型；[0011]3)計(jì)算數(shù)據(jù)立方體總數(shù)，判斷是否存在維災(zāi)難，假如存在返回步驟2)，重新初始化；[0012]4)按照步驟2)的維度數(shù)和層數(shù)自定義維度和層次，針對(duì)網(wǎng)絡(luò)告警管理采集到的數(shù)據(jù)與用戶需求，完成0LAP星型模型的構(gòu)建；[0013]5)建立事實(shí)表和維表，解決各維度的層次數(shù)據(jù)刷新問(wèn)題，導(dǎo)入數(shù)據(jù)；[0014]6)基于以上操作，Hive實(shí)現(xiàn)RollUp和Cube;當(dāng)需要更新維度時(shí)，返回步驟2)重新初始化。[0015]所述步驟1)采用外聯(lián)表方式間接操作；所述步驟5)與步驟6)為：[0016]告警分析結(jié)合0LAP，基于步驟2)中建立的N-D方體模型，分維基礎(chǔ)上進(jìn)一步細(xì)分層次；其中告警區(qū)域維的層次劃在刷新時(shí)分能滿足存在/不存在區(qū)域直連設(shè)備或域間設(shè)備的兩種情況。告警數(shù)據(jù)量巨大時(shí)，Hive處理海量數(shù)據(jù)更有效。[0017]所述方法基于云計(jì)算Hadoop平臺(tái)，采用新型的數(shù)據(jù)倉(cāng)庫(kù)Hive,能處理融合網(wǎng)絡(luò)中海量的、異構(gòu)的告警數(shù)據(jù)，解決告警風(fēng)暴等網(wǎng)絡(luò)告警管理中因數(shù)據(jù)量大或網(wǎng)絡(luò)異構(gòu)帶來(lái)的一系列問(wèn)題。不同于傳統(tǒng)的簡(jiǎn)單統(tǒng)計(jì)方式，網(wǎng)絡(luò)告警0LAP能準(zhǔn)確提供多維度和多層次的分析信息，支持使用者決策。[0018]有益效果：[0019]本發(fā)明提出了一種基于Hive的網(wǎng)絡(luò)告警信息0LAP方法，通過(guò)使用本發(fā)明提出的方法，可以處理海量告警數(shù)據(jù)，提高告警數(shù)據(jù)分析效率，擴(kuò)大分析維度。同時(shí)開(kāi)發(fā)復(fù)雜度相對(duì)減小，分析代價(jià)低、準(zhǔn)確性高。【專(zhuān)利附圖】【附圖說(shuō)明】[0020]圖1基于本發(fā)明的融合網(wǎng)絡(luò)告警管理流程。[0021]圖2是本發(fā)明的基于Hive的分析系統(tǒng)架構(gòu)圖。[0022]圖3是本發(fā)明的3-D數(shù)據(jù)立方體示意圖。[0023]圖4是本發(fā)明的0LAP星型模型示意圖。[0024]圖5是本發(fā)明的區(qū)域維粒度刷新流程圖。[0025]圖6是本發(fā)明的基于Hive的網(wǎng)絡(luò)告警信息0LAP方法流程圖。【具體實(shí)施方式】[0026]以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。[0027]圖1是基于本發(fā)明的融合網(wǎng)絡(luò)告警管理基本流程圖。本發(fā)明主要涉及其中的告警0LAP分析模塊，考慮的是基于云計(jì)算網(wǎng)絡(luò)管理中的告警管理模塊，且系統(tǒng)中包含告警設(shè)備/區(qū)域樹(shù)的告警管理場(chǎng)景。圖2所示是本發(fā)明的基于Hive的分析系統(tǒng)架構(gòu)圖。本發(fā)明基于Hadoop平臺(tái)，在Hadoop上安裝HBase數(shù)據(jù)庫(kù)和Hive數(shù)據(jù)倉(cāng)庫(kù)。將采集到的告警數(shù)據(jù)通過(guò)基于Hive的0LAP方法實(shí)現(xiàn)數(shù)據(jù)分析并顯示給用戶。具體在Hadoop上安裝配置HBase數(shù)據(jù)庫(kù)作為底層倉(cāng)庫(kù)數(shù)據(jù)庫(kù)服務(wù)器。使用后端工具與實(shí)用程序，由該數(shù)據(jù)庫(kù)和其他的外部數(shù)據(jù)源，提取數(shù)據(jù)存入底層，預(yù)處理數(shù)據(jù)更新數(shù)據(jù)倉(cāng)庫(kù)。這一層還包括元數(shù)據(jù)庫(kù)，Hive內(nèi)嵌的元數(shù)據(jù)庫(kù)Derby，中間層是OLAP服務(wù)器，典型使用多維的模型，直接實(shí)現(xiàn)多維數(shù)據(jù)和分析操作。頂層是前端客戶層。包括分析工具、報(bào)告工具等。Hive數(shù)據(jù)倉(cāng)庫(kù)工具，將HQL語(yǔ)句轉(zhuǎn)換為MapReduce任務(wù)運(yùn)行，匯總生成跨多個(gè)維度的數(shù)據(jù)：[0028](input)〈k"v1>->Map->List<k2,v2>->Combine[0029]-><k2,List(v2)>->Reduce-><k3,v3>(output)[0030]其中：每一個(gè)輸入的〈kp￥1>輸出一批<k2,v2>。List〈k2,￥2>是計(jì)算的中間結(jié)果集。輸入的中間結(jié)果<k2,List(v2)>中的List(v2)表示是一批屬于同一個(gè)k2的value。[0031]下面給出本發(fā)明的具體實(shí)施案例：[0032]首先對(duì)海量數(shù)據(jù)采用綜合的數(shù)據(jù)預(yù)處理方式，包含數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)變換。不考慮對(duì)偶然會(huì)產(chǎn)生的空值進(jìn)行缺失填寫(xiě)處理，直接刪除離群點(diǎn)。將不同廠商的不同設(shè)備經(jīng)過(guò)主動(dòng)輪詢(xún)告警，ping告警和trap告警燈不同類(lèi)型和格式的數(shù)據(jù)，轉(zhuǎn)化為統(tǒng)一的數(shù)據(jù)格式。且只取含有內(nèi)存、CPU以及硬盤(pán)利用率等告警類(lèi)型的數(shù)據(jù)屬性項(xiàng)。利用HBase的rowkey不重復(fù)的特點(diǎn)，通過(guò)對(duì)RowKey的時(shí)間戳處理,將原本每分鐘內(nèi)產(chǎn)生的多條告警信息壓縮為一條。因Hive的HQL語(yǔ)句中無(wú)法使用數(shù)據(jù)加百分號(hào)的形式進(jìn)行正確的范圍判斷，將原始的帶百分號(hào)的數(shù)據(jù)轉(zhuǎn)化為不帶百分號(hào)的數(shù)據(jù)。[0033](1)使用HiveConn實(shí)現(xiàn)加載Hive驅(qū)動(dòng),HiveJdbcDriver實(shí)現(xiàn)HBase與Hive的數(shù)據(jù)連接。HBase中創(chuàng)建相應(yīng)數(shù)據(jù)表，對(duì)應(yīng)在Hive中建立外聯(lián)表存放映射的數(shù)據(jù)。[0034](2)初始化N=3，選擇3個(gè)網(wǎng)絡(luò)告警相關(guān)信息維度，建立3-D方體模型，如圖3所示。從基本方體自下向上探查，便類(lèi)似于rollup。立方體操作相當(dāng)于分組操作的n維推廣。每個(gè)維度上，維度各自都不分層時(shí)，n維數(shù)據(jù)立方體的方體總數(shù)為2n。概念分層（粒度）時(shí)，存儲(chǔ)需求會(huì)增長(zhǎng)很多，進(jìn)行維災(zāi)難判斷如下：在n維的數(shù)據(jù)立方體中，可能產(chǎn)生的方體總數(shù)為：[0035]方體總數(shù)+i-1[0036]其中A是與維i相關(guān)的層數(shù)。由于泛化到All時(shí)，等價(jià)于去掉一個(gè)維度，所以Li+1，使之包括虛擬頂層All。假如數(shù)據(jù)立方體有10個(gè)維度，每維包含All共6層，那么可能產(chǎn)生方體總數(shù)：61°^6.04X107。如維度一分三層，維度二分兩層，維度三分兩層的情況下，方體總數(shù)方體總數(shù)=(3+1)X(2+1)X(2+1)=36，不存在維災(zāi)難。[0037](3)自定義層次劃分，針對(duì)網(wǎng)絡(luò)告警管理采集到的數(shù)據(jù)與用戶需求，根據(jù)圖3的維度和層次劃分定義具體的內(nèi)容。如一種簡(jiǎn)單的三維情況：Time、Location、AlarmInfo。其中：Time分三層：year>month>week；Location分Location、LocationDetail兩層。Alarmlnfo分AlarmType和AlarmSeverity兩層。其中告警區(qū)域Location包括具體的一些地理位置，隨著用戶的具體設(shè)備與區(qū)域的增刪查改而動(dòng)態(tài)改變。時(shí)間和告警信息也是實(shí)時(shí)刷新的。綜上信息，如圖4所示，0LAP星型模型包含一張事實(shí)表和三張維度表。分時(shí)間維、區(qū)域維、告警參數(shù)維。時(shí)間維分年、月、日；區(qū)域維分總區(qū)域、具體區(qū)域；告警參數(shù)維分告警類(lèi)型和嚴(yán)重程度兩層。[0038](4)首先在HBase中建立事實(shí)表Alarm_Info。然后在Hive中，創(chuàng)建同名事實(shí)表Alarm_Info如下，維表同理：[0039]CREATEEXTERNALTABLEALARM_INF0(TIME_DEV_IDString,ALARM_TIME[0040]String,ALARM_L0CATI0NString,DEV_IDString,DEV_IPString,[0041]ALARM_DESCString,ALARM_NUMString)[0042]STOREDBY'org.apache,hadoop.hive,hbase.HBaseStorageHandler'WITH[0043]SERDEPROPERTIES("hbase.columns,mapping"="ALARM_INF0:ALARM_TIME,ALARM_INF0:ALARM_L0CATI0N,ALARM_INF0:DEV_ID,ALARM_INF0:DEV_IP,ALARM_INF0:ALARM_DESC,ALARM_INF0:ALARM_NUM〃）TBLPROPERTIES(〃hbase.table.name"="ALARM_INF0")[0044]告警管理中往往存在設(shè)備/區(qū)域樹(shù)的情況，該樹(shù)體現(xiàn)設(shè)備與區(qū)域的相互聯(lián)系，以及不同區(qū)域間的父節(jié)點(diǎn)與子節(jié)點(diǎn)間的位置關(guān)系，后臺(tái)存儲(chǔ)為一張位置樹(shù)表，假設(shè)是以0表示根節(jié)點(diǎn)1表示葉子節(jié)點(diǎn)，每個(gè)根節(jié)點(diǎn)后列出對(duì)應(yīng)的子節(jié)點(diǎn)。此時(shí)刷新區(qū)域表時(shí)，要考慮每個(gè)區(qū)域存在域間設(shè)備的情況。如圖5所示，本文采用的同時(shí)適用于存在和不存在域間設(shè)備情況的遍歷方法。具體例如：[0045]簡(jiǎn)單假設(shè)現(xiàn)有地區(qū)9個(gè)。分別用數(shù)字1-9表示。其中分兩個(gè)總區(qū)域：1、8。1區(qū)下一級(jí)為區(qū)域2、3，2下一級(jí)區(qū)域4、5，3下細(xì)分為區(qū)域6，4區(qū)下一節(jié)點(diǎn)為區(qū)域7，父節(jié)點(diǎn)8下一級(jí)區(qū)域9。此時(shí)，首先找到父節(jié)點(diǎn)：1，8。然后分別進(jìn)行遍歷。從父節(jié)點(diǎn)1開(kāi)始：遍歷第二級(jí)，有：1_2，1_3。其中id=2時(shí)，子節(jié)點(diǎn)數(shù)為2，id=3時(shí)，子節(jié)點(diǎn)數(shù)為1不為0，說(shuō)明兩個(gè)id均為中間區(qū)域，未達(dá)到具體區(qū)域id號(hào)，需要繼續(xù)遍歷。于是繼續(xù)采用遞歸方式分別搜索1_2，1_3，分別得到1_2_4，1_2_5，1_3_6。同理判斷此時(shí)的全路徑末尾是否已經(jīng)達(dá)到具體區(qū)域的ID。由于路徑1_2_4中對(duì)應(yīng)的末尾id=4，子節(jié)點(diǎn)數(shù)不為1，于是繼續(xù)遞歸遍歷，得到1_2_4_7末位id=7，子節(jié)點(diǎn)數(shù)0，結(jié)束遞歸。同理1_2_5，1_3_6已經(jīng)達(dá)到具體區(qū)域id，結(jié)束遍歷。搜索完以上全部后開(kāi)始另一個(gè)父節(jié)點(diǎn)8，最終得到如下的全路徑結(jié)果：[0046]1_2_01_3_01_2_4_01_2_5_01_2_4_7_01_3_6_08_9_0[0047]以上只是一種區(qū)域較少的簡(jiǎn)單情況，也適用于區(qū)域增多的情況。且能同時(shí)適用于各區(qū)域包含和不含直連設(shè)備的情況。[0048](5)RollUp/Cube[0049]Hive支持0LAP中的上卷以及分塊操作。鉆取的深度與維所劃分的層次相對(duì)應(yīng)，如rollup的操作，通過(guò)沿著一個(gè)維度的概念上的分層，逐漸向上延伸。在中心立方體執(zhí)行上卷操作的最終結(jié)果。切塊操作涉及的維度并不改變，只是改變各個(gè)維度的數(shù)據(jù)大小。操作前先將三個(gè)維表連接后的綜合數(shù)據(jù)表tb。然后進(jìn)行其他操作，如Rollup中的關(guān)鍵操作如下，cube同理：[0050]casewhen(yearisnull)then'All'elseyearendasyear,[0051]casewhen(locationisnull)then'All'elselocationendaslocation,[0052]casewhen(alarm_typeisnul1)then'A11'elsealarm_typeendastype,ceil(sum(num))assum[0053]fromtbgroupbylocation,time,alarm_descwithrollup；[0054]以上所述僅為本發(fā)明的較佳實(shí)施案例之一，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。[0055]本發(fā)明在深入了解告警管理流程基礎(chǔ)上進(jìn)一步提出基于Hive的告警管理中的0LAP方法，通過(guò)建立網(wǎng)絡(luò)告警數(shù)據(jù)倉(cāng)庫(kù)，利用聯(lián)機(jī)分析的快速數(shù)據(jù)統(tǒng)計(jì)為管理者提供決策支持。用戶可以方便靈活地獲得不同粒度、不同角度的分析數(shù)據(jù)，滿足了網(wǎng)絡(luò)告警分析的需求，具有一定的應(yīng)用價(jià)值。[0056]與基于傳統(tǒng)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)的0LAP方法最大的不同，是該方法可以通過(guò)使用Hive數(shù)據(jù)倉(cāng)庫(kù)工具，處理海量告警數(shù)據(jù)，提高告警數(shù)據(jù)分析效率，擴(kuò)大分析維度。同時(shí)開(kāi)發(fā)復(fù)雜度相對(duì)減小，分析代價(jià)低、準(zhǔn)確性高。改進(jìn)后的方法有更強(qiáng)的數(shù)據(jù)處理和計(jì)算能力，以及更大的靈活性，即使在系統(tǒng)中包含設(shè)備/區(qū)域樹(shù)的環(huán)境下，相比傳統(tǒng)方式也具有更好的數(shù)據(jù)分析性能?！緳?quán)利要求】1.一種基于Hive的網(wǎng)絡(luò)告警信息OLAP方法，包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)變換，其特征在于，有如下步驟：1)告警數(shù)據(jù)映射先采用HiveJdbcDriver實(shí)現(xiàn)Jdbc方式鏈接Hive,再通過(guò)Hive外表方式實(shí)現(xiàn)數(shù)據(jù)共享；2)初始化OLAP中所需的數(shù)據(jù)立方體維度數(shù)N與每維對(duì)應(yīng)的層數(shù)Q，根據(jù)具體選擇的N個(gè)網(wǎng)絡(luò)告警相關(guān)信息維度，建立N-D方體模型；3)計(jì)算數(shù)據(jù)立方體總數(shù)，判斷是否存在維災(zāi)難，假如存在返回步驟2)，重新初始化；4)按照步驟2)的維度數(shù)和層數(shù)自定義維度和層次，針對(duì)網(wǎng)絡(luò)告警管理采集到的數(shù)據(jù)與用戶需求，完成OLAP星型模型的構(gòu)建；5)建立事實(shí)表和維表，解決各維度的層次數(shù)據(jù)刷新問(wèn)題，導(dǎo)入數(shù)據(jù)；6)基于以上操作，Hive實(shí)現(xiàn)RollUp和Cube;當(dāng)需要更新維度時(shí)，返回步驟2)重新初始化?！疚臋n編號(hào)】H04L12/24GK104219088SQ201410416354【公開(kāi)日】2014年12月17日申請(qǐng)日期:2014年8月21日優(yōu)先權(quán)日:2014年8月21日【發(fā)明者】張柳,張登銀,冒瑋,陳磊申請(qǐng)人:南京郵電大學(xué)