基於多尺度熵的跨層感知自配置系統及方法
2023-05-05 07:27:31 2
基於多尺度熵的跨層感知自配置系統及方法
【專利摘要】本發明提供的是一種基於多尺度熵的跨層感知自配置系統及方法。包括監督模塊、分析模塊、配置模塊和歷史重配置策略集資料庫。所述監督模塊包括終端節點、交換節點和當前狀態資料庫；所述分析模塊包括網絡子層參數分析和策略集生成；所述配置模塊包括網絡參數配置、網絡性能評估和策略集。本發明動態實現各網絡層之間和網絡整體資源優化配置，同時減少系統開銷。應用多尺度熵理論分析各網絡層間的關聯特性，對網絡整體性能進行分析優化。解決了多次單一網絡參數優化配置，導致參數配置效果疊加引起的網絡資源浪費問題、與各網絡層參數優化互幹擾致使自配置失效問題。本發明的系統的自適應能力強，系統性能穩定性高，更新、維護簡單。
【專利說明】基於多尺度熵的跨層感知自配置系統及方法
【技術領域】
[0001]本發明涉及的是一種關鍵任務系統的資源自配置系統，本發明也涉及一種關鍵任務系統的資源自配置方法。
【背景技術】
[0002]在無法預知的自然災害、嚴酷的場地環境等突發狀況下維持一個穩定可用的基礎平臺，保證系統穩定高效地持續運行，已經成為當前關鍵任務系統發展的當務之急。而網絡環境日益複雜，網絡類型種類繁多、用戶需求複雜多變，要求網絡能夠實時感知各種變化，對節點參數進行智能配置。為解決此問題，國內研究機構與組織已對自配置方法進行了研究，但現有的研究仍存在通用性不強，針對網絡類型單一，不具有動態性等問題。
[0003]自配置源於IBM主管科研副總裁P.Horn在哈佛大學的一次演講中提出的自主計算，自配置具體是指系統能夠根據高層目標配置自身，自主的解決系統中的配置與重配置問題。在無人為幹預或少人為幹預情況下，自動的完成各種活動。美國德克薩斯大學的Christine Julien提出通過感知應用層動態資源需求,配置路由的路徑信息，實現網絡對路由的重配置。但此方法只針對Ad Hoc網絡的路由路徑信息調整，具有一定局限性(JulienChristine, Venkataraman Meenaksh1.Cross-layer discovery and routing inreconfigurable wireless networks.1EEE International Conference on Mobile AdHoc and Sensor Systems (MASS), Pagesll9_128, 0ct2007)。Ka'is Loukil 提出支持移動多媒體系統的全局管理和局部操控組成的自配置框架結構，主要通過協調硬體、作業系統、應用層提高用戶QoS，但此方法不具有動態配置能力且不能避免迭代優化引起的整體性倉泛降低(Ka*is Loukil, Nader Ben Amor, Mohamed Abid.Self adaptive reconf igurablesystem based on middleware cross layer adaptation model.6th InternationalMult1-Conference on Systems, Signals and Devices (SSD), Pagesl-9, Mar2009)oG.Dimitrakopoulos提出一種分布式跨層重配置架構，針對於流媒體業務,採用貝葉斯網絡建立策略資料庫，每次需要訪問整個資料庫查找配置方法，浪費大量系統資源，且僅適用於 B3G 網絡(G.Dimitrakopoulos, K.Tsagkaris, et al.16th 1ST Mobile and WirelessCommunications Summit, Pagesl-5, Jul2007)。
[0004]綜上所述，現在自配置方法還存在以下幾點不足:
[0005](I)當前的自配置方法不具有動態性和智能性，自配置決策選擇方法複雜，僅能滿足某些特定網絡環境，應用範圍有限，且難以及時應對變化的網絡環境，通用性較弱。
[0006](2)當前的自配置方法只針對單一關鍵任務系統的網絡參數進行優化，實現整體性能優化需要多次監控和分析，並需要多次執行自配置，導致系統資源的大量消耗和浪費。
【發明內容】
[0007]本發明的目的在於提供一種自適應能力強，系統性能穩定性高，更新、維護簡單的基於多尺度熵的跨層感知自配置系統。本發明的目的還在於提供一種基於多尺度熵的跨層感知自配置方法。
[0008]本發明的基於多尺度熵的跨層感知自配置系統包括監督模塊、分析模塊、配置模塊和歷史重配置策略集(History_Strategy)資料庫；
[0009]所述監督模塊包括終端節點、交換節點和當前狀態資料庫(Current_Data),實時監控當前終端節點和交換節點的各網絡子層，正常運行狀態時，按照時鐘觸發器設定的時序檢測當前節終端節點和交換節點資源狀態信息，標記可重配置的資源，並將獲取的信息存儲到當前狀態資料庫中，作為分析模塊的輸入；異常運行狀態下，直接向分析模塊提交異常預警，請求分析處理；
[0010]所述分析模塊包括網絡子層參數分析和策略集生成，分析模塊從當前狀態資料庫集獲取數據，分析各個網絡子層參數的關聯性、約束條件，獲取業務的時空尺度特性，預測下一時刻網絡性能，並獲取業務的優先級，如果有必要進行重配置，若是初次事件，則提出重配置的動態策略規則集，轉向配置模塊；若屬於歷史事件，則檢索所述歷史重配置策略集資料庫，獲得動態策略集，轉向配置模塊；
[0011]所述配置模塊包括網絡參數配置、網絡性能評估和策略集，配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，實現全局資源的優化，並記錄重配置的結果信息，提交給所述歷史重配置策略集資料庫。
[0012]本發明的基於多尺度熵的跨層感知自配置方法為:
[0013](I)監督模塊作為入口，建立當前狀態資料庫；
[0014](2)實時監控當前終端節點和交換節點的各網絡子層，檢測系統運行狀態是正常還是異常，若正常轉向步驟(3)，若異常轉向步驟(4)；
[0015](3)依照時鐘觸發器設定的時序檢測當前終端節點和交換節點資源狀態信息，標記可重配置的資源，更新當前狀態資料庫所保存的系統狀態，作為步驟(5)分析模塊的輸A ；
[0016](4)異常運行狀態下，直接向步驟(5)的分析模塊提交異常預警，請求分析處理；
[0017](5)分析模塊從當前狀態資料庫獲取數據，分析各個網絡子層參數的關聯性、約束條件等，獲取業務的時空尺度特性，預測下一時刻網絡性能，並獲取業務的優先級；
[0018](6)判斷是否需要重配置，若需要重配置轉向步驟(7)，若不需要重配置，轉向步驟
(2)；
[0019](7)判斷歷史重配置策略集是否有相應的歷史事件，若無對應的策略信息，轉向步驟(8)，若有對應的策略配置，轉向步驟(9)；
[0020](8)屬於初次事件，提出重配置的動態策略規則集，轉向步驟(10)；
[0021](9)屬於歷史事件，則檢索歷史重配置策略集，獲得動態策略集，轉向步驟(10);
[0022](10)配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，以實現全局資源的優化，並記錄重配置的結果信息，提交給歷史重配置策略集資料庫，返回步驟(I)。
[0023]本發明的基於多尺度熵的跨層感知自配置系統和方法，動態實現各網絡層之間和網絡整體資源優化配置，同時減少系統開銷。應用多尺度熵理論分析各網絡層間的關聯特性，對網絡整體性能進行分析優化。解決了多次單一網絡參數優化配置，導致參數配置效果疊加引起的網絡資源浪費問題、與各網絡層參數優化互幹擾致使自配置失效問題。本發明的系統的自適應能力強，系統性能穩定性高，更新、維護簡單。
[0024]本發明與現有的資源自配置系統相比，具有以下優點:
[0025](I)採用多尺度熵對關鍵任務系統的網絡層進行關聯分析，使得本發明的系統具有動態預測性、智能決策性和多網通用性。
[0026](2)採用跨層感知的方法對各關鍵任務系統的網絡節點進行整體監控分析，使得自配置具有高效性，並節省大量系統資源的消耗和浪費。
【專利附圖】
【附圖說明】
[0027]圖1是本發明的基於多尺度熵的跨層感知自配置系統框圖；
[0028]圖2是本發明的基於多尺度熵的跨層感知自配置系統實施流程圖。
【具體實施方式】
[0029]下面結合附圖對本發明做更詳細地描述。
[0030]結合圖1對本發明的具體實施方案作詳細描述。
[0031]本發明提供的基於多尺度熵的跨層感知自配置系統主要包括監督模塊、分析模塊、配置模塊和歷史重配置策略集(History_Strategy)資料庫。
[0032](I)監督模塊:監督模塊包括終端節點、交換節點和Current_Data資料庫。首先監督模塊實時監控當前終端節點和交換節點的各網絡子層。正常運行狀態時，按照時鐘觸發器設定的時序檢測當前節點資源狀態信息，標記可重配置的資源，並將獲取的信息存儲到當前狀態資料庫(Current_Data)中，作為步驟(2)分析模塊的輸入；異常運行狀態下，直接向步驟(2)的分析模塊提交異常預警，請求分析處理。
[0033](2)分析模塊:分析模塊包括網絡子層參數分析、策略集生成和Hist0ry_Strategy資料庫。分析模塊從Current_Data集獲取數據,分析各個網絡子層參數的關聯性、約束條件等，以獲取業務的時空尺度特性預測下一時刻網絡性能，並獲取業務的優先級。如果有必要進行重配置，若是初次事件，則提出重配置的動態策略規則集，轉向步驟
(3);若屬於歷史事件,則檢索歷史重配置策略集(History_Strategy),獲得動態策略集,轉向步驟(3)。
[0034](3)配置模塊:配置模塊包括網絡參數配置、網絡性能評估、策略集和HistoryStrategy資料庫。配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，以實現全局資源的優化。並記錄重配置的結果信息，提交給History_Strategy 資料庫。
[0035]結合圖2對本發明的【具體實施方式】作進一步詳細描述。
[0036](I)監督模塊作為系統入口，建立Current_Data資料庫；
[0037](2)實時監控當前終端節點和交換節點的各網絡子層，檢測系統運行狀態是正常還是異常。若正常轉向步驟(3)，若異常轉向步驟(4);
[0038](3)依照時鐘觸發器設定的時序檢測當前節點資源狀態信息，標記可重配置的資源，更新當前狀態資料庫(Current_Data)所保存的系統狀態，作為步驟(5)分析模塊的輸A ；
[0039](4)異常運行狀態下，直接向步驟(5)的分析模塊提交異常預警，請求分析處理；[0040](5)分析模塊從Current_Data集獲取數據，分析各個網絡子層參數的關聯性、約束條件等，以獲取業務的時空尺度特性，預測下一時刻網絡性能，並獲取業務的優先級；
[0041](6)判斷是否需要重配置。若需要重配置轉向步驟(7)，若不需要重配置，轉向步驟⑵;
[0042](7)判斷History_Strategy是否有相應的歷史事件,若無對應的策略信息,轉向步驟(8)，若有對應的策略配置，轉向步驟(9)；
[0043](8)屬於初次事件，提出重配置的動態策略規則集，轉向步驟(10)；
[0044](9)屬於歷史事件,則檢索歷史重配置策略集(History_Strategy),獲得動態策略集，轉向步驟(10)；
[0045]( 10)配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，以實現全局資源的優化。並記錄重配置的結果信息，提交給History_Strategy資料庫。返回步驟(I)。
[0046]其中，在所述步驟(I)監督模塊作為系統的初始入口，首先建立跨層感知資源信息的五元組:T=(G, R, X，C，free),即Current_Data資料庫,系統開始運行，按照時鐘觸發器時序更新Current_Data。具體如下:
[0047]①建立跨層感知的時鐘觸發器時序序列集合，G={M_SeC，SeC，Min，Hour，Day}，其中M_Sec表示毫秒、Sec表示秒、Min表示分鐘,Hour表示小時,Day表示天。此時序序列作為層間關聯分析時間尺度。
[0048]②建立網絡資源類型集合，R= (Res1, Res2, - ,ResJ。
[0049]③建立不同網絡子層資源變量集合X={PHY1, - ,PHYj, MAC1,...,MACjTran1,...，TrankIApp1,，AppJ，其中 O ≤ i ≤ Nphy, O ≤ j ≤ Nmac, O ≤ k ≤ Nlran, O ≤ m ≤ Napp,分別代表物理層，MAC層，傳輸層，應用層的資源數目。並且為每種資源設置標誌位，可重配置的標誌位置I,不可重配置的標誌位置O。
[0050]④建立跨層約束條件結合C=ICon1, Con2,…，Conp},其中Conp≤O, Pe 1，2≤..Μ,限制條件包括網絡資源限制、QoS需求限制、各網絡子層的參數限制等。
[0051]⑤free為空閒集合，作為系統升級、性能擴展的預留欄位。
[0052]其中，在所述步驟(5)中，分析模塊是本發明的核心內容。根據監督模塊獲取的信息，分析各網絡子層參數和業務特性之間的關聯關係，一方面成為重配置策略集生成初始條件，另一方面成為預測下一時刻業務流的準備條件。設Y為最佳資源配置方案集合，即分析模塊的目的實現網絡資源最良好利用、用戶需求最大化滿足，即是實現max Y(T)。
[0053]本發明採用多尺度熵理論從平均意義上分析網絡資源的總體特徵，和各層之間的關聯關係，並對其複雜度進行量化，以給出最好的資源配置策略集。具體如下:
[0054]①初始化網絡各子層複雜度參數τ，m和r，τ是尺度因子，m是嵌入維數，r是閾值，也稱相似係數。
[0055]②取離散序列表示不同網絡層得設計變量集，x1；x2,……，&共L個點，表示不同網絡層的設計變量集，對序列進行coarse-graining變換,得到新的時間時空尺度。擬設τ，表示但不限於毫秒級、秒級、分級、時級等尺度因子，相應的coarse-graining時間序列的長度為L/ τ。
[0056]③依據d[Y⑴⑴,Y⑴(j) ]=max{d[y⑴(i+k), y(T) (j_k) ]}，k=0,1,2,......, m-l,3,......，N-m+l,i關j。對i值計算Y(T)(i)與其餘矢量Y(T)(j)間的距離d[Y(T)
⑴，Y(T)(j)]。設定不同的閾值r，對於每一個i <N-m+l的值，統計d[Y(T)⑴，Υ(τ) (j)]小於r的數目及次數目與距離總數N-m的比值，記作Ct,m i(r)，計算所有￥(1)0) (i古j)與Y(τ)α)的關聯程度。
[0057]④對同網絡子層、同時間粒度的網絡行為特徵進行整合，即:
[0058]
【權利要求】
1.一種基於多尺度熵的跨層感知自配置系統，包括監督模塊、分析模塊、配置模塊和歷史重配置策略集資料庫，其特徵是: 所述監督模塊包括終端節點、交換節點和當前狀態資料庫，實時監控當前終端節點和交換節點的各網絡子層，正常運行狀態時，按照時鐘觸發器設定的時序檢測當前節終端節點和交換節點資源狀態信息，標記可重配置的資源，並將獲取的信息存儲到當前狀態資料庫中，作為分析模塊的輸入；異常運行狀態下，直接向分析模塊提交異常預警，請求分析處理； 所述分析模塊包括網絡子層參數分析和策略集生成，分析模塊從當前狀態資料庫集獲取數據，分析各個網絡子層參數的關聯性、約束條件，獲取業務的時空尺度特性，預測下一時刻網絡性能，並獲取業務的優先級，如果有必要進行重配置，若是初次事件，則提出重配置的動態策略規則集，轉向配置模塊；若屬於歷史事件，則檢索所述歷史重配置策略集資料庫，獲得動態策略集，轉向配置模塊； 所述配置模塊包括網絡參數配置、網絡性能評估和策略集，配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，實現全局資源的優化，並記錄重配置的結果信息，提交給所述歷史重配置策略集資料庫。
2.一種基於多尺度熵的跨層感知自配置方法，其特徵是: (1)監督模塊作為入口，建立當前狀態資料庫； (2)實時監控當前終端節點和交換節點的各網絡子層，檢測系統運行狀態是正常還是異常，若正常轉向步驟(3)，若異常轉向步驟(4)； (3)依照時鐘觸發器設定的時序檢測當前終端節點和交換節點資源狀態信息，標記可重配置的資源，更新當前狀態資料庫所保存的系統狀態，作為步驟(5)分析模塊的輸入； (4)異常運行狀態下，直接向步驟(5)的分析模塊提交異常預警，請求分析處理； (5)分析模塊從當前狀態資料庫獲取數據，分析各個網絡子層參數的關聯性、約束條件等，獲取業務的時空尺度特性，預測下一時刻網絡性能，並獲取業務的優先級； (6)判斷是否需要重配置，若需要重配置轉向步驟(7)，若不需要重配置，轉向步驟(2)； (7)判斷歷史重配置策略集是否有相應的歷史事件，若無對應的策略信息，轉向步驟(8)，若有對應的策略配置，轉向步驟(9)； (8)屬於初次事件，提出重配置的動態策略規則集，轉向步驟(10); (9)屬於歷史事件，則檢索歷史重配置策略集，獲得動態策略集，轉向步驟(10); (10)配置模塊執行策略集配置條件，對網絡各子層參數進行重新配置，負責各節點資源的自我優化調整，以實現全局資源的優化，並記錄重配置的結果信息，提交給歷史重配置策略集資料庫，返回步驟(I)。
【文檔編號】G06F15/177GK103440224SQ201310385024
【公開日】2013年12月11日 申請日期:2013年8月29日 優先權日:2013年8月29日
【發明者】馮光升, 陳曉明, 王慧強, 呂宏武, 郭方方 申請人:哈爾濱工程大學