陳 聰, 瞿連政

(國防科技大學信息通信學院, 湖北 武漢 430010)

發(fā)布/訂閱作為一種在時間、空間和控制流上完全解耦的異步通信機制同時具有匿名通信、一對多通信特性[1],因此成為信息的共享分發(fā)的重要技術之一。在傳統(tǒng)的訂閱發(fā)布機制中,訂閱被認為是靜態(tài)的。用戶訂閱需求變化后,要變更訂閱內(nèi)容就必須解除現(xiàn)有訂閱并重設訂閱的約束,發(fā)布/訂閱代理沒有自主修改現(xiàn)有訂閱的機制。目前國內(nèi)外研究關注的重點集中在如何為靜態(tài)的訂閱進行匹配和提高吞吐量[2-3]。

然而,在某些現(xiàn)代發(fā)布/訂閱系統(tǒng)中,用戶大部分時候需要頻繁更改訂閱內(nèi)容以適應瞬息萬變的任務情況,與此同時還對錯誤推送較為敏感。例如,戰(zhàn)場態(tài)勢信息訂閱發(fā)布系統(tǒng)就是該類系統(tǒng)的典型。戰(zhàn)場上,隨著任務進行,隨著實體的位置、戰(zhàn)場氣象、電磁狀況、敵我對比等因素的不斷變換,每一實體所感興趣的態(tài)勢內(nèi)容會隨之變化,為滿足需求,在傳統(tǒng)模式下,必須不斷訂閱和退訂,這一過程耗費了大量的寶貴時間,還產(chǎn)生了大量訂閱消息,占用了系統(tǒng)帶寬。同時,定時推送等將訂閱條件視為靜態(tài)的方法缺乏對用戶動態(tài)需求的針對性和動態(tài)環(huán)境的適應性,影響了推送準確性。

從發(fā)布/訂閱的系統(tǒng)視角上看,這些訂閱似乎是獨立的,必須被單獨處理。然而,從狀態(tài)演化過程角度來看,連續(xù)變化的訂閱間接反映了實體狀態(tài)的連續(xù)改變,每一狀態(tài)都是前一狀態(tài)的增量變化。每一次提交的新訂閱都被看成是離散、獨立的需求,而實際上每一訂閱都與事件發(fā)展緊密相關。本文提出一種自主動態(tài)更新訂閱的發(fā)布訂閱方法,通過公開訂閱變化規(guī)律明確語義。該算法可以根據(jù)需要通過規(guī)定的模式在代理端進行自主更新訂閱,不需要訂閱者手動更新，從而避免了更新訂閱過程的通信和處理開銷，并充分利用每一狀態(tài)與事件發(fā)展過程的相關性提高推送針對性。

本文的主要工作如下:

1)通過拓展基于內(nèi)容的匹配模式,提出了一種自主動態(tài)更新模型。

2)提出了一種基于該模式的自主動態(tài)更新匹配算法。

3)提出了一種將該模式引入到現(xiàn)有發(fā)布/訂閱系統(tǒng)中的機制和具體流程。

4)通過在態(tài)勢信息訂閱發(fā)布平臺上進行對比實驗,證明了該算法在兩種實驗條件下,相對傳統(tǒng)訂閱/退訂算法能降低30.2%的推送時間,且推送精度提高了16.3%。

1 算法模型

1.1 基于內(nèi)容的訂閱

發(fā)布訂閱系統(tǒng)按照事件模型和訂閱模型一般可以分為基于渠道、基于主題、基于內(nèi)容、基于類型和混合型5類。基于內(nèi)容的 Pub/Sub 系統(tǒng)中,訂閱者在事件的內(nèi)容上來指定約束條件,事件被推送到哪個訂閱者是由事件是否滿足訂閱者約束決定[4]。在基于內(nèi)容的發(fā)布/訂閱系統(tǒng)中,事件是一組屬性集合:

Even:{(a1,val1),(a2,val2),…(ai,vali)}

(1)

式中，ai是屬性名,vali是屬性值。

訂閱是一組約束的組合:

Sub:{(a1,op1,val1),(a2,op2,val2),…(ai,opi,vali)}

(2)

opi是操作運算符,謂詞訂閱是取交集,即如果所有謂詞都滿足,則事件E匹配訂閱S。例如我某指揮所綜合情報信息,判斷當前敵在預置地域配屬逆襲裝甲兵力,根據(jù)當前態(tài)勢,指揮所訂閱戰(zhàn)場上距離R(km)、高度小于H(km)且大于L(km)、移動速度超過50km/h、威脅等級為中等的目標可表示為

{(Ran,∩,

(Spe,∩,≥50),(Thr,∩,middle)}

(3)

隨著作戰(zhàn)推進,我偵察分隊觀測到敵預置裝甲目標從預置地域向我前沿陣地機動,此時指揮所需要將訂閱目標距離調(diào)整為R′,威脅等級調(diào)整為高。約束變?yōu)?/p>

{(Ran,∩,

(Spe,∩,≥50),(Thr,∩,high)}

(4)

靜態(tài)分發(fā)策略(如定時分發(fā)等)顯然無法自主調(diào)整,用戶必須主動發(fā)送解除訂閱和新訂閱。

1.2 自主動態(tài)演化訂閱模型

動態(tài)匹配模型是一種基于內(nèi)容的匹配模型的拓展和改進,模型允許訂閱謂詞隨著演進值的改變而改變。當訂閱仍處于有效狀態(tài),變量值會連續(xù)性改變或離散改變。不斷變化的訂閱約束會用函數(shù)(輸入為動態(tài)變量的當前值)返回值代替?zhèn)鹘y(tǒng)模型中完整的、靜態(tài)的謂詞。動態(tài)訂閱內(nèi)容的格式如下:

SubDy:{(a1,op1,fun1(va,vb,…)),

…(ai,opi,funi(va,vb,…)}

(5)

ai屬性的值范圍隨函數(shù)funi變化。下面將舉例介紹動態(tài)演化過程。假設fun1為實體的興趣區(qū)域函數(shù),其受va,vb,…因素影響,實際的訂閱區(qū)域變化隨多參數(shù)的變化而變化。為便于闡述,本文簡化模型,以fun1隨時間的演化為例進行介紹。

假設存在一個訂閱SDy={(x

下面將以戰(zhàn)場態(tài)勢實體位置移動等來的訂閱變化為例,對模型進行解釋說明。假如態(tài)勢用戶為一殲擊機群,假設其所關心的態(tài)勢范圍在一個以當前位置為中心的15km×10km矩形區(qū)域。假設該戰(zhàn)斗群當前位置為(0,0)。其興趣區(qū)域范圍如圖1(a)所示。在這種情況下,感興趣的區(qū)域按訂閱方式在傳統(tǒng)系統(tǒng)中表示為:{(x≥-7.5),(x≤7.5),(y≥-5),(y≤5)}。

實體需要戰(zhàn)場上的事件,比如敵我位置移動、敵我采取的行動等,其內(nèi)容還包含了事件狀態(tài)變化的信息。比如友軍某炮兵群正在對(15,10)區(qū)域敵防御陣地進行火力打擊,則事件描述為(x,15),(y,10),(action,boming),(target,enemy)在這種模式下,一旦實體發(fā)生位置改變,興趣區(qū)域也隨之改變,實體為獲得新的興趣態(tài)勢就得不斷向代理發(fā)送新訂閱。此外,戰(zhàn)場上氣象條件變化時,如濃霧、大雨下,實體的興趣范圍會縮小也要重復上述步驟,顯然這會造成極大的信息滯后。本文的動態(tài)訂閱更新方法能避免這一過程。圖2顯示了自動演化模式和傳統(tǒng)重訂閱模式的理論時間對比。

圖2(a)為傳統(tǒng)訂閱模式更新訂閱耗時(t1+t2+t3),圖2(b)為動態(tài)演化模式更新訂閱耗時(t4+t2+t3),t4取決于funi的時間復雜度。

例如,我們假設實體簡化為在二維x-y平面上以恒定速率運動,初始位置(0,0),該狀態(tài)可描述為

{(x≥-7.5+t),(x≤7.5+t),(y≥-5+t),(y≤5+t)}

(6)

如圖1(a)所示。

設初始時間為0。繼續(xù)以友軍某炮兵群在對(15,10)區(qū)域進行火力打擊這一事件為例,當t=0時,該推送事件與訂閱約束不匹配,故不會推送該信息。但是,在t=10時,

{(15≥-7.5+10),(15≤7.5+10),(10≥-5+10),

(10≤5+10)}

(7)

事件符合訂閱約束,指揮所將收到該推送消息。

如果在上述的fun1中加入天氣因素的影響,那么在兩因素影響下,關心區(qū)域再次發(fā)生變化的情況,新的訂閱約束可以表示為

{(x≥(-7.5+t)×r),(x≤(7.5+t)×r),

(y≥(-5+t)×r),(y≤(5+t)×r)}

(8)

變化情況如圖1(b)所示。

當可見度r取值范圍為0到1,假設當時間變?yōu)?0時,可見度為0.5,訂閱變?yōu)?/p>

{(15≥(-7.5+t)×0.5),(15≤(7.5+t)×0.5),

(10≥(-5+t)×0.5),(10≤(5+t)×0.5)}

(9)

上述例子只以時間為例,實際的作戰(zhàn)中訂閱興趣的變化復雜性更高,影響態(tài)勢變化的屬性值可以是離散和連續(xù)變量的任意組合,定時分發(fā)法難以滿足推送的針對性。對于隨機過程演化訂閱則可以利用隨機過程的自相關性,理論上能實現(xiàn)更優(yōu)的推送內(nèi)容針對性,只要訂閱發(fā)布代理能訪問外部信息且可以在本地通過計算函數(shù)得到動態(tài)變量值。

2 算法流程

本文的動態(tài)算法可直接應用到現(xiàn)有的基于內(nèi)容的發(fā)布訂閱系統(tǒng)中。首先,代理接收到初始的訂閱,將其加入現(xiàn)有的匹配器中,同時將其加入一個不斷向前的訂閱隊列中。訂閱隊列按時間順序自動排序,直到新的訂閱到達。當檢測到一個線程空閑時,將訂閱的隊列中排在隊頭的訂閱約束添加到動態(tài)更新列表。一組處理機負責對隊列進行管理和更新訂閱,每一個處理機都運行在各自線程上。如果系統(tǒng)檢測到函數(shù)參數(shù)(如時間t)變化時,代理服務器重新計算帶有該參數(shù)的原始約束并打上當前時間戳,在匹配器插入新約束,拋棄過時約束。若符合則推送。最后,原始訂閱被重新加入隊列,并重新設定調(diào)度時間。整個替換操作應通過一個鎖來進行同步[5-6],以防止并發(fā)問題。全過程類似于傳統(tǒng)退訂/重訂閱,關鍵區(qū)別在于都是通過訂閱/發(fā)布系統(tǒng)的代理服務器自主完成約束更新,無需與用戶溝通,減少了重復訂閱開銷。流程如圖3所示。

上述算法流程必須設置一個最小演化時間間隔τ,這是每個約束在匹配器中的最小有效周期,同時限定了評估粒度。設置這個參數(shù)主要是為了防止過度評估導致服務器工作負載過大。與此同時,τ的設置帶來新的問題:τ的大小如果設置不當將帶來假陰性(沒有將應該推送的消息推送)和假陽性(將不該推送的消息推送)問題。為盡量減少對用戶的誤報,代理可以分析所有傳入的訂閱約束并生成一個粒度較細的假陽性版本,以避免產(chǎn)生假陰性。

3 仿真驗證

為驗證本文算法的性能,將該算法與文獻[7]中介紹的傳統(tǒng)重新訂閱算法進行推送及時性和推送準確度的對比。傳統(tǒng)算法通過發(fā)送訂閱和解除訂閱消息和定時發(fā)送訂閱更新消息達到重新訂閱目的。

3.1 實驗環(huán)境

實驗室PC機(操作系統(tǒng):window7、CPU: 3.8GHz、RAM:8GB)模擬用戶節(jié)點,兩臺服務器(CPU:2.1GHz、RAM:16GB)作為訂閱發(fā)布代理服務器,所有節(jié)點以 100Mbps局域網(wǎng)相連。實驗平臺為某態(tài)勢信息訂閱分發(fā)原型系統(tǒng)[8-9]。數(shù)據(jù)用IBM SPSS Statistic 22.0軟件處理。

3.2 實驗內(nèi)容

1) 及時性:實驗通過進行三次獨立重復實驗,每次實驗改變不同的約束,取三次實驗中從狀態(tài)變化到實體收到消息的平均時間,對比發(fā)送相同數(shù)目消息時兩種模式的推送及時性。

2) 針對性:實驗通過比較日志中收到的訂閱信息與態(tài)勢制作時事先設置的標準推送內(nèi)容作比較[10],接收日志中存在而標準推送中不存在則為假陰性,相反,接收日志中不存在而標準內(nèi)容中存在則為假陽性。再通過IBM SPSS 22.0處理分別得出兩種模式下假陽/陰性消息量。

3.3 實驗設置

22臺計算機作為訂閱用戶,在態(tài)勢平臺運行預先制作的空情態(tài)勢,每個用戶代表一個戰(zhàn)斗群隊。每一群隊興趣區(qū)域是以其位置為中心的矩形區(qū)域。系統(tǒng)向用戶推送不斷更新的興趣內(nèi)容,圖4顯示了編號為user1的用戶在某一時刻收到的空情態(tài)勢。

實驗結果:圖5、6分別為傳統(tǒng)重訂閱模式和自動演化訂閱模式下的消息推送時間。與傳統(tǒng)的模式相比,本文提出的動態(tài)模式在三次重復實驗中,每次實驗的推送時間都少于傳常規(guī)重復訂閱方法,推送平均時間減少了30.2%。

圖7對比了在第三次實驗設置下,發(fā)送情況下兩種方法推送消息中假陽/陰性消息的數(shù)量,結果顯示本文方法比傳統(tǒng)方法減少了16.3%的錯誤推送量。

4 結束語

本文提出了一種基于內(nèi)容的自動動態(tài)訂閱概念,使用帶變量參數(shù)的函數(shù)來表示謂詞,訂閱約束的動態(tài)變化過程是通過發(fā)布/訂閱系統(tǒng)自動管理的。同時提出了一種基礎的動態(tài)訂閱算法及處理機制,并通過某態(tài)勢共享分發(fā)平臺進行仿真對比實驗。與傳統(tǒng)重復訂閱方法相比,本文方法能降低網(wǎng)絡負載,且推送精確度沒有降低。

未來,將進一步研究、改進算法,以適應實際應用中更加復雜的情況,比如參數(shù)非線性變化、興趣區(qū)域不規(guī)則等條件下的自主訂閱規(guī)則。由于演化訂閱時間t4取決于函數(shù)funi復雜度和代理的處理性能,因此,有必要進一步研究優(yōu)化funi函數(shù),降低時間復雜度,進一步挖掘該方法潛能、減少更新訂閱的時間。文章中的最小演化時間間隔τ對推送的針對性有著較大影響,如何合理設置τ值也是今后的主要工作之一。

[1] 宛海寧.基于Pub/Sub的戰(zhàn)場態(tài)勢信息分發(fā)方法與原型系統(tǒng)研究[D]. 長沙:國防科學技術大學,2008.

[2] R. S. Kazemzadeh.& H.A. Jacobsen. Reliable and highly available distributed publish/subscribe service[C].28th IEEE International Symposium on Reliable Distributed ystems, Washington:IEEE Computer Society, 2009: 41-50.

[3] 董龍明,高天成,邱瑞波,等.基于語義發(fā)布訂閱系統(tǒng)的戰(zhàn)場態(tài)勢實時分發(fā)技術[J].火力與指揮控制,2017,42(4):110-113.

[4] 馬建剛,黃濤,汪錦嶺,等.面向大規(guī)模分布式計算發(fā)布訂閱系統(tǒng)核心技術[J].軟件學報,2006,17(1):134-147.

[5] 王蕾,崔慧敏,陳莉,等.任務并行編程模型研究與進展[J].軟件學報,2013,24(1):77-90.

[6] R.Cochran,C.Marinescu,C.Riesch.Synchronizing the Linux system time to a PTP hardware clock[C]. IEEE International Symposium on Precision Clock Synchronization:Measurement,Control&communication.2011:87-92.

[7] K.R.Jayaram,P.Eugdter. Parametric content-based publish/subscribe[J].Acm Transactions on Computer Systems,2013,31(2):4.

[8] 馬超逸,瞿連政.基于SOA架構的戰(zhàn)場態(tài)勢服務原型系統(tǒng)設計與實現(xiàn)[J].指揮控制與仿真,2017,39(5):104-108.

[9] 田全才,徐斌.基于SOA的主動信息推送系統(tǒng)[J].兵工自動化,2014,33(8):56-59.

[10] 王重楠,王宗陶,鮑忠貴,等.發(fā)布/訂閱模式測控消息中間件系統(tǒng)設計[J].計算機應用,2015,35(3):878-881.