陳 聰, 瞿連政

(國防科技大學(xué)信息通信學(xué)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(jī)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(shù)之一。在傳統(tǒng)的訂閱發(fā)布機(jī)制中,訂閱被認(rèn)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(shè)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(jī)制。目前國內(nèi)外研究關(guān)注的重點(diǎn)集中在如何為靜態(tài)的訂閱進(jìn)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(yīng)瞬息萬變的任務(wù)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(wù)進(jìn)行,隨著實(shí)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(shí)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(fèi)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(yīng)性,影響了推送準(zhǔn)確性。

從發(fā)布/訂閱的系統(tǒng)視角上看,這些訂閱似乎是獨(dú)立的,必須被單獨(dú)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(shí)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(dú)立的需求,而實(shí)際上每一訂閱都與事件發(fā)展緊密相關(guān)。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(jìn)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(guān)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(jī)制和具體流程。

4)通過在態(tài)勢信息訂閱發(fā)布平臺上進(jìn)行對比實(shí)驗(yàn),證明了該算法在兩種實(shí)驗(yàn)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?；趦?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(yùn)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(dāng)前敵在預(yù)置地域配屬逆襲裝甲兵力,根據(jù)當(dāng)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(biāo)可表示為

{(Ran,∩,

(Spe,∩,≥50),(Thr,∩,middle)}

(3)

隨著作戰(zhàn)推進(jìn),我偵察分隊(duì)觀測到敵預(yù)置裝甲目標(biāo)從預(yù)置地域向我前沿陣地機(jī)動,此時指揮所需要將訂閱目標(biāo)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(jìn),模型允許訂閱謂詞隨著演進(jìn)值的改變而改變。當(dāng)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(dāng)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(shè)fun1為實(shí)體的興趣區(qū)域函數(shù),其受va,vb,…因素影響,實(shí)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(jìn)行介紹。

假設(shè)存在一個訂閱SDy={(x

下面將以戰(zhàn)場態(tài)勢實(shí)體位置移動等來的訂閱變化為例,對模型進(jìn)行解釋說明。假如態(tài)勢用戶為一殲擊機(jī)群,假設(shè)其所關(guān)心的態(tài)勢范圍在一個以當(dāng)前位置為中心的15km×10km矩形區(qū)域。假設(shè)該戰(zhàn)斗群當(dāng)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(shí)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(jìn)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(shí)體發(fā)生位置改變,興趣區(qū)域也隨之改變,實(shí)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(shí)體的興趣范圍會縮小也要重復(fù)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(fù)雜度。

例如,我們假設(shè)實(shí)體簡化為在二維x-y平面上以恒定速率運(yùn)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(shè)初始時間為0。繼續(xù)以友軍某炮兵群在對(15,10)區(qū)域進(jìn)行火力打擊這一事件為例,當(dāng)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(guān)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(dāng)可見度r取值范圍為0到1,假設(shè)當(dāng)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(shí)際的作戰(zhàn)中訂閱興趣的變化復(fù)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(jī)過程演化訂閱則可以利用隨機(jī)過程的自相關(guān)性,理論上能實(shí)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(yīng)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(duì)列中。訂閱隊(duì)列按時間順序自動排序,直到新的訂閱到達(dá)。當(dāng)檢測到一個線程空閑時,將訂閱的隊(duì)列中排在隊(duì)頭的訂閱約束添加到動態(tài)更新列表。一組處理機(jī)負(fù)責(zé)對隊(duì)列進(jìn)行管理和更新訂閱,每一個處理機(jī)都運(yùn)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(wù)器重新計算帶有該參數(shù)的原始約束并打上當(dāng)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(duì)列,并重新設(shè)定調(diào)度時間。整個替換操作應(yīng)通過一個鎖來進(jìn)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(guān)鍵區(qū)別在于都是通過訂閱/發(fā)布系統(tǒng)的代理服務(wù)器自主完成約束更新,無需與用戶溝通,減少了重復(fù)訂閱開銷。流程如圖3所示。

上述算法流程必須設(shè)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(shè)置這個參數(shù)主要是為了防止過度評估導(dǎo)致服務(wù)器工作負(fù)載過大。與此同時,τ的設(shè)置帶來新的問題:τ的大小如果設(shè)置不當(dāng)將帶來假陰性(沒有將應(yīng)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(xì)的假陽性版本,以避免產(chǎn)生假陰性。

3 仿真驗(yàn)證

為驗(yàn)證本文算法的性能,將該算法與文獻(xiàn)[7]中介紹的傳統(tǒng)重新訂閱算法進(jìn)行推送及時性和推送準(zhǔn)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(dá)到重新訂閱目的。

3.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)室PC機(jī)(操作系統(tǒng):window7、CPU: 3.8GHz、RAM:8GB)模擬用戶節(jié)點(diǎn),兩臺服務(wù)器(CPU:2.1GHz、RAM:16GB)作為訂閱發(fā)布代理服務(wù)器,所有節(jié)點(diǎn)以 100Mbps局域網(wǎng)相連。實(shí)驗(yàn)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(shí)驗(yàn)內(nèi)容

1) 及時性:實(shí)驗(yàn)通過進(jìn)行三次獨(dú)立重復(fù)實(shí)驗(yàn),每次實(shí)驗(yàn)改變不同的約束,取三次實(shí)驗(yàn)中從狀態(tài)變化到實(shí)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(shí)驗(yàn)通過比較日志中收到的訂閱信息與態(tài)勢制作時事先設(shè)置的標(biāo)準(zhǔn)推送內(nèi)容作比較[10],接收日志中存在而標(biāo)準(zhǔn)推送中不存在則為假陰性,相反,接收日志中不存在而標(biāo)準(zhǔn)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(shí)驗(yàn)設(shè)置

22臺計算機(jī)作為訂閱用戶,在態(tài)勢平臺運(yùn)行預(yù)先制作的空情態(tài)勢,每個用戶代表一個戰(zhàn)斗群隊(duì)。每一群隊(duì)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(shí)驗(yàn)結(jié)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(fù)實(shí)驗(yàn)中,每次實(shí)驗(yàn)的推送時間都少于傳常規(guī)重復(fù)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(shí)驗(yàn)設(shè)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(jié)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(jié)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(chǔ)的動態(tài)訂閱算法及處理機(jī)制,并通過某態(tài)勢共享分發(fā)平臺進(jìn)行仿真對比實(shí)驗(yàn)。與傳統(tǒng)重復(fù)訂閱方法相比,本文方法能降低網(wǎng)絡(luò)負(fù)載,且推送精確度沒有降低。

未來,將進(jìn)一步研究、改進(jìn)算法,以適應(yīng)實(shí)際應(yīng)用中更加復(fù)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(fù)雜度和代理的處理性能,因此,有必要進(jìn)一步研究優(yōu)化funi函數(shù),降低時間復(fù)雜度,進(jìn)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(shè)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(xué)技術(shù)大學(xué),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(shí)時分發(fā)技術(shù)[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(shù)[J].軟件學(xué)報,2006,17(1):134-147.

[5] 王蕾,崔慧敏,陳莉,等.任務(wù)并行編程模型研究與進(jìn)展[J].軟件學(xué)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(gòu)的戰(zhàn)場態(tài)勢服務(wù)原型系統(tǒng)設(shè)計與實(shí)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(shè)計[J].計算機(jī)應(yīng)用,2015,35(3):878-881.