基于播存結構的霧架構內容協同分發機制

扈曉娜 楊 鵬 劉 旋

(東南大學計算機科學與工程學院 江蘇 南京 210000)

(東南大學計算機網絡和信息集成教育部重點實驗室 江蘇 南京 211189)

基于播存結構的霧架構內容協同分發機制

扈曉娜 楊 鵬 劉 旋

(東南大學計算機科學與工程學院 江蘇 南京 210000)

(東南大學計算機網絡和信息集成教育部重點實驗室 江蘇 南京 211189)

霧計算是一種將云服務推向用戶邊緣的計算范型，其主要采用用戶被動拉取內容的方式來加速內容分發，缺乏主動推送能力。因此，提出利用具備主動推送力度強的播存結構來輔助霧架構以實現內容的主動推送。在此基礎上，針對邊緣內容協同分發，提出一種基于軟件定義的內容協同分發機制，具體包括多粒度協同存儲機制、軟件定義策略和域內多節點協同策略。最后利用原型系統進行實驗測試與結果分析，結果驗證該機制能夠高效減少用戶請求時延，提升用戶體驗。

霧計算 播存結構 軟件定義 協同分發

0 引 言

近年來，“云計算”這個詞語深刻地變革了IT學術界和產業界。隨著企業的積極參與和政府的積極推動，與云計算相關的產業在我國得以迅猛發展。云計算具有動態、靈活及按需計算的基本特征，它克服了傳統應用系統的資源獨占、數據中心業務密度低和系統資源利用率低等弊病。但是，在實際的應用過程中，云計算存在著一定的短板和缺憾，具體體現在：對延遲敏感的應用不能奏效；消耗大量的網絡帶寬。因此，2011年思科首次提出霧計算的概念。2012年，思科研發組的Bonomi等[1]詳盡地描述了霧計算的概念，并指出大自然中霧更是接近地面的云，故用霧計算恰當地描述介于云計算與終端計算的中間態。

霧計算的本質就是擴大了以云計算為特征的網絡計算范式[2]，將網絡計算從網絡的中心擴展到網絡的邊緣，從而更加廣泛地運用于更多的應用形態和服務類型。霧計算在互聯網模型中的位置如圖1所示。云數據中心是互聯網的中心，PC和移動在終端等位于互聯網的邊緣，而霧計算的服務器即霧節點位于兩者的邊界之上。霧計算的提出充分表明了網絡邊緣分發的重要性和必然趨勢。然而，當前霧計算架構中主要采用邊緣緩存的形式進行內容分發，嚴重局限于被動的“用戶拉取”的形式，很大程度上缺乏內容推送的主動性，且內容分發消耗互聯網帶寬。

圖1 互聯網模型

近年來，李幼平等[3-5]為解決現有互聯網的“帶寬瓶頸”、“數字鴻溝”等問題提出廣播和預存的播存結構新機制。播存結構的基本思想是通過廣播通道將從互聯網中爬取的熱門內容主動推送到網絡邊緣，方便終端用戶直接從最近最優的邊緣服務器中獲取所需內容。該機制能夠提升終端用戶的體驗、節約互聯網的核心帶寬。播存結構的廣播分發機制決定了它有以下兩大重要優勢：主動推送力度強；內容分發不消耗互聯網帶寬。

鑒于播存結構的兩大優勢正好能彌補當前霧計算架構的缺乏主動性、內容分發消耗互聯網帶寬的缺點，本文將播存結構融入到霧計算架構中，提出一種基于播存結構的霧計算架構。在此基礎上，針對邊緣內容協同分發，重點研究廣播分發與Web緩存構成的“推拉結合”的內容協同分發機制——基于軟件定義的內容協同分發機制。

1 相關工作

1.1 播存結構

播存結構的提出是為了解決現有互聯網的“帶寬瓶頸”、“數字鴻溝”等問題，其基本工作機制如圖2所示。廣播服務器(B端)從互聯網爬取熱門的信息資源，將這些信息資源通過廣播渠道推送到網絡邊緣服務器(S端)和終端用戶(C端)，方便終端用戶可以從最近的邊緣服務器上獲取內容。這種機制的最大特征就是可以分擔核心網絡的負載、節約核心網絡帶寬以及提升終端用戶的體驗。但是，單純的廣播推送缺乏與用戶的交互，缺乏感知用戶的能力。因此，李幼平院士又提出數據廣播中的統一內容定位UCL(Uniform Content Locator)自動標引技術[6]。UCL是網絡信息資源的描述結構，是信息資源的“元數據”，是內容提供者和用戶之間的一種有效的溝通手段。一方面內容提供者利用UCL來表達內容的語義信息，另一方面用戶通過UCL快速了解信息內容。

圖2 播存結構

1.2 內容協同

近年來，緩存技術飛速發展，在網絡中形成了多種形式，包括Web緩存、CDN緩存、P2P緩存等。相對而言Web緩存是最簡單、部署代價小且較高效的一種緩存形式。Web緩存的基本思想是利用客戶訪問的時間局部性原理，通過在緩存節點上緩存一個副本，來提升終端用戶的響應速度。

域內多節點的內容協同是指當本地不存在終端請求的資源時，如何快速且充分的利用域內的資源來獲取所需信息。其中文獻[7]提出Soccer(Services over Content-Centric Routing)策略，其主要是基于蟻群算法實現的，通過探測各個節點的緩存狀態來動態調整轉發策略。文獻[8]提出了一種基于鄰居緩存的路由策略，即每個節點維護一個鄰居節點信息表，通過查看鄰居節點緩存信息表來決定下一跳的地址。此外文獻[9]還提出通過多路徑轉發來自適應的選擇最優的通信路徑，文獻[10]提出通過傳遞探測信息來感知更優的路徑。目前有關多節點協作機制的研究大部分是基于分布式的。

這些基于分布式的內容協同機制可以保證用戶獲取內容的可靠性，保證整個網絡的穩定性，易于擴展。但是需要消耗更多資源，整個機制相對繁瑣，更適合于比較復雜的網絡。而本文的研究點主要是針對網絡邊緣，這種分布式的內容協同機制無法滿足需求。

綜上所述，本文提出一種基于播存結構的霧計算架構FCA-BS(Fog Computing Architecture Based on Broadcast Storage Structure)。在該架構的基礎上，提出一種更適合于邊緣網絡的內容分發機制：基于軟件定義的內容協同分發機制。該機制首先實現Web緩存內容和廣播內容的多粒度內容協同存儲，然后通過控制器中的軟件定義策略對霧計算架構中的邊緣節點進行集中控制，最終實現域內多節點協同。

2 基于播存結構的霧計算架構

2.1 霧計算

霧計算本質是分散的云計算節點，可以稱之為邊界計算。霧計算既繼承了云計算的優點，也具有終端計算的優勢，能夠充分發揮終端的計算功能和本地就近處理的優勢。霧計算更強調的是邊緣網絡計算。霧計算是半虛擬化架構的分布式服務計算模型，用戶、應用或物聯網終端可以在任何時候、從任何地方基于任何互聯網設備訪問自己的本地云(Local Cloud也可稱為霧節點)[11]。霧計算的基本架構如圖3所示。

圖3 霧計算架構

霧計算架構中主要通過在霧節點上進行內容緩存、計算等實現邊緣內容分發，用戶從霧節點上獲取所需內容。當前的分發機制無法提前根據用戶興趣主動的向用戶推送熱門內容，因此本文對此提出優化方案：引入播存結構。將霧節點作為廣播內容存儲的邊緣服務器，稱之為霧服務器，通過霧服務器實現廣播內容和Web緩存的協同分發，并借鑒軟件定義網絡的思想，引入控制器節點。

2.2 霧架構FCA-BS

霧計算的本質就是將服務計算擴展到網絡邊緣，工作重心落腳在邊緣。播存結構也工作在網絡邊緣，因此基于播存結構的霧計算架構的重心在邊緣網絡，其整體架構如圖4所示。

圖4 基于播存結構的霧計算架構

霧計算中的節點被稱為霧節點，其在新型霧計算架構中又作為邊緣服務器的功能，因此將之稱為霧服務器。FCA-BS主要包含四大模塊：廣播發射端、霧服務器端、控制器以及用戶終端。其中內容采集服務端主要是從核心網中爬取最熱門的信息資源，并對這些信息進行UCL語義標引，然后交給廣播發射端。廣播發射端將熱門內容和UCL信息主動推送到霧服務器以及用戶終端。霧服務器一方面會根據控制器發送的用戶興趣值來選擇性的接收廣播分發的內容，另一方面也會進行有價值的Web緩存，很大程度上保證終端用戶的響應速度以及命中率。架構中的控制器主要用來對域內所有的霧服務器進行集中控制以及存儲內容的協同。

3 FCA-BS中的內容協同分發機制

為解決無法利用現有網絡中的大規模真實流量和豐富應用進行實驗等問題，美國斯坦福大學Clean slate研究組[12]提出一種新型網絡架構：軟件定義網絡SDN(Software Defined Network)。SDN的基本思想是把當前IP網絡互連節點中決定報文如何轉發的復雜控制邏輯從交換機/路由設備中等分離出來。由集中控制器(controller)下發統一的數據轉發規則給交換設備，以便通過軟件編程實現硬件對數據轉發規則的控制，最終達到對流量進行自由操控的目的[13]。

本文借鑒SDN中的集中控制思想提出一種基于軟件定義的內容協同分發機制。整個機制主要由多粒度協同存儲機制、軟件定義策略和域內多節點協同策略三個部分組成，下面將圍繞這三方面展開敘述。

3.1 多粒度協同存儲機制

基于播存結構的霧計算架構中目前有兩種存儲方式：Web緩存和廣播存儲。Web緩存的主特征是緩存細粒度的網頁元素，如圖片、視頻和App等。廣播存儲則更偏向于粗粒度的網頁全文，以便用戶的請求可以一次響應，更方便高效。兩者各有自己的特征和優勢，因此本文提出維護兩種粒度的存儲方式，同時實現兩種粒度內容的存儲協同——多粒度協同存儲機制。其基本思想：霧服務器每接收到一份廣播內容后，對其進行內容過濾處理，并將得到的細粒度內容集合存儲到Web緩存里。其中內容過濾算法CFA(Content Filtering Algorithm)如算法1所示。

算法1CFA

輸入：廣播流ts，白名單wl，熱度閾值ps

輸出：細粒度內容集fgs

1. cont = GetFromBroadcast(ts);

2. p = ComputeP(cont);

3. if(p > ps)

4. scon = ResloveContent(cont);

5. for(s in scon)

6. if(s∈wl ))

7. hash = ComputeHash(s);

8. AddFgs(s, hash);

9. end if

10. end for

11. hash = ComputeHash(cont);

12. InsertDb(cont, hash);

13. end if

14. return fgs;

霧服務器會對每份廣播內容維護一個熱度值，并對其周期性的更新，其計算過程如公式所示：

(1)

(2)

其中Pi代表這一計時周期的緩存內容的熱度，Ni代表本周期內緩存內容被訪問的次數，a為內容熱度的權重系數，其值大于1。CFA中將用該熱度值作為是否緩存的依據。

綜上所述，多粒度協同存儲機制可以充分利用廣播分發的熱門內容，發揮廣播分發的作用，同時提升霧服務器Web緩存的命中率。

3.2 軟件定義策略

軟件定義本質思想就是將整個系統的控制層和業務層進行分離，由單獨的控制服務器來管理整個系統。基于播存結構的霧計算架構中的控制器和霧服務器是雙向交互的，一方面霧服務器定時的主動向控制器上報域內各個節點的緩存信息和服務信息等數據信息。另一方面控制器會根據自身維護的數據信息來動態調節各個霧服務器的緩存內容。控制器主要用來實現軟件定義策略，下面重點從數據平面和控制平面兩方面來分析軟件定義策略。

3.2.1 數據平面

域內的所有霧服務器對應一臺控制器。為了實現集中控制，控制器中將會維護整個域內霧服務器的拓撲信息表TIT(Topology Information Table)，記錄各個霧服務器之間的跳數。此外，每當霧服務器的內容有增加、刪除和修改時，都會向控制器上報修改的信息；每當終端請求到達霧服務器之后，霧服務器都會向控制器上報本次請求的具體狀態信息。控制器則根據各個節點上報的內容動態的調整所維護的域內的標引信息表(DIT)和服務信息表(SIT)。其主要內容分別如表1和表2所示。

表1 DIT

表2 SIT

節點標識對應于存儲內容的霧服務器的唯一節點標識，端口號為從霧服務器獲取內容的端口號，URL為內容全文的原始鏈接，Hash值是按照SHA1算法對URL進行Hash求值得到的，對應于UCL中的內容指紋。其中類型是指緩存信息所屬類型，對應于UCL字段中的類型字段，比如娛樂、體育、國際等。命中類型字段包含3中類型：0未命中，1本地命中，2域內命中。

控制器會周期性地對SIT進行統計分析，并對每臺霧服務器維護一個類別權重比值信息表(WIT)，表征該周期內用戶對各個類別的請求次數占總請求次數的權重的比值。控制器周期性地將統計的類別權重比值W發送給霧服務器。霧服務器將在下個周期依據該類別權重比值選擇性地接收廣播分發的內容。控制器間接的實現了對霧服務器緩存內容的動態調整，該動態調整策略可以提升霧服務器的命中率。其中某類別c的權重值計算如公式所示：

(3)

3.2.2 控制平面

控制器可以通過所維護的數據信息來控制霧服務器的域內轉發策略。當霧服務器本地不存在終端用戶請求的內容時，會向控制器發送一個查詢請求，包含Hash和類別兩個參數。控制器收到該請求后，先根據Hash值從DIT中找到存在所請求內容的所有節點集合nodes，然后根據控制器內的轉發決策策略計算出nodes中最優的兩個節點，最終將這兩個節點的標示信息和端口號返回給霧服務器。選取兩個節點是為確保域內最大概率命中。

轉發決策策略先根據請求參數中的類別值從WIT表中獲取節點的類別權重W，根據節點標識從TIT表中獲取節點間的跳數H，并從SIT表計算出該節點在所請求類別上的命中率R，最后根據這三個因素計算出每個節點的轉發價值F。其中轉發價值F的計算如下所示：

F=αW+βH+(1-α-β)R

(4)

(5)

其中，x和y為常量參數，表征類別權重、節點間的跳數以及命中率三個因素所占的比重值。該值可根據實際的需求動態的調整，取值范圍均為(-∞,+∞)，但必須滿足條件x+y≤0。轉發決策算法FDA(Forwarding decision algorithm)的框架如算法2所示。

算法2FDA

輸入：Hash值hash，類別c

輸出：兩個節點信息nif

1. nodes = GetFromSIT(hash);

2. for(node in nodes)

3. W = GetWFromWIT(c);

4. H = GetHFromTIT(node);

5. R = ComputeR(node);

6.F=αW+βH+(1-α-β)R;

7. end for

8. sort f and select top-2 node as nif;

9. return nif;

3.3 域內多節點協同策略

基于軟件定義來實現域內節點協同的方式相比于分布式更加快速、高效。因為霧服務器自身不需要維護復雜的數據信息和控制信息，只需負責實現業務邏輯。當霧服務器本地存在用戶請求資源時，直接響應終端用戶；相反，若不存在，直接向控制器發送一個域內協同查詢請求。控制器調用自身轉發機制計算出域內存在所需內容的最佳節點信息，并返回給請求節點，請求節點直接將內容轉發到域對應的IP和端口來獲取資源。域內多節點協同中的客戶端、霧服務器、控制器、Web緩存交互的時序圖如圖5所示。

圖5 UCL請求時序圖

4 實驗及結果分析

4.1 原型系統設計

本文結合播存結構的基本架構，開發了基于播存結構的霧計算架構的原型系統。原型系統的基本架構如圖2所示，由廣播發送服務器、客戶端、控制器以及多臺霧服務器組成。整個原型系統的環境配置參數如表3所示。

表3 原型系統環境配置參數

面向霧計算的內同協同分發架構的原型系統主要由四大模塊組成：廣播分發模塊、Web緩存模塊、軟件定義模塊以及協同查詢模塊，原型系統整個模塊的基本設計如圖6所示。

圖6 原型系統基本模塊圖

內容分發單元由廣播分發模塊以及Web緩存模塊組成。廣播分發模塊首先從互聯網采集熱門信息，對其進行UCL語義標引并存儲到本地庫，定時將內容分發到各個服務器端。Web緩存模塊解析用戶請求中的網頁元素模塊，并以文件系統的方式緩存到本地。

協同控制單元包含軟件定義模塊以及協同查詢模塊。軟件定義模塊維護域內所有服務節點的緩存信息以及用戶請求的命中狀況，并通過對用戶請求信息的分析，得到用戶的興趣類別并反饋給服務節點，以次提升整個系統的命中率。協同查詢模塊通過查詢自身維護的服務節點信息來響應域內節點的協同查詢請求。

4.2 測試過程及結果

實驗的主要測試指標為網頁的響應時延，分別針對大小為500、1 500、2 500、3 500、4 500 KB的網頁進行測驗，并就本地命中、服務端命中、協同命中以及外網獲取四種情況進行對比，實驗結果如圖7、圖8所示。

圖7 本地命中/Server命中/外網下載響應時延對比

圖8 Server命中/協同命中響應時延對比

實驗結果表明：

1) 客戶端能正確且完整地顯示客戶所請求的內容。

2) 本域命中(包含本地命中、Server端命中以及協同命中)的響應時延明顯低于從外網獲取的響應時延，從而提升用戶體驗。

3) 本地命中相比從外網獲取的響應速度提高了至少15倍。

4) Server端命中的與本地命中的響應時延以及協同命中與Server端命中的響應時延之間的差距都隨著文件的增加而線性增加，但總體差距不大，遠遠低于從外網獲取的響應時延。

5 結 語

本文介紹了霧計算的基本概念以及當前霧計算架構的基本組成。針對當前霧計算架構以用戶被動拉取內容為主、主動推送力度弱的問題，提出了將播存結構融入其中，構成新型的基于播存結構的霧計算架構。在新型的霧計算架構上，重點研究了基于軟件定義的內容協同分發機制。實驗驗證該機制可以有效地提升邊緣分發的性能，提升用戶的體驗。如何高效地利用廣播緩存和Web緩存的內容以及實現更強力度的協同機制將是未來的研究重點。

[1] Bonomi F,Milito R,Zhu J,et al.Fog Computing and its Role in the Internet of Things[C]//Edition of the Mcc Workshop on Mobile Cloud Computing.ACM,2012:13-16.

[2] Luan T H,Gao L,Li Z,et al.Fog Computing:Focusing on Mobile Users at the Edge[J].Computer Science,2015,42(7):170-173.

[3] 李幼平,楊鵬.共享文化大數據的新機制[J].中國計算機學會通訊,2013,9(5):36-40.

[4] 楊鵬,李幼平.基于播存思想的未來互聯網次結構[J].復雜系統與復雜性科學,2015,12(2):18-22.

[5] 楊鵬,李幼平.播存網絡體系結構普適模型及實現模式[J].電子學報,2015,43(5):974-979.

[6] 楊鵬,李幼平.二元互補未來互聯網體系結構[J].復雜系統與復雜性科學,2014,11(1):53-59.

[7] Shanbhag S,Schwan N,Rimac I,et al.SoCCeR:services over content-centric routing[C]//Proceedings of the 2011 ACM SIGCOMM Workshop on Information-Centric Networking (ICN’11),Toronto,Canada,2011.New York,NY,USA:ACM,2011:62-67.

[8] Kotsia I,Patras I.Neighbor Cache Explore Routing Strategy in Named Data Network[J].Journal of Frontiers of Computer Science & Technology,2012,6(7):593-601.

[9] Yi C,Afanasyev A,Wang L,et al.Adaptive forwarding in named data networking[J].Acm Sigcomm Computer Communication Review,2012,42(3):62-67.

[10] Liu W,Okamura K,Li C.Ant Colony Based Forwarding Method for Content-Centric Networking[C]//International Conference on Advanced Information NETWORKING and Applications Workshops.IEEE Computer Society,2013:306-311.

[11] Zhu J,Chan D S,Prabhu M S,et al.Improving Web Sites Performance Using Edge Servers in Fog Computing Architecture[C]//IEEE Seventh International Symposium on Service-Oriented System Engineering.IEEE Computer Society,2013:320-323.

[12] Dave T.OpenFlow:Enabling Innovation in Campus Networks[J].Acm Sigcomm Computer Communication Review,2014,38(2):69-74.

[13] 張朝昆,崔勇,唐翯翯,等.軟件定義網絡(SDN)研究進展[J].軟件學報,2015,26(1):62-81.

COLLABORATIVECONTENTDISTRIBUTIONMECHANISMINFOGCOMPUTINGARCHITECTUREBASEDONBRAODCASTSTORAGESTRUCTURE

Hu Xiaona Yang Peng Liu Xuan

(SchoolofComputerScienceandEngineering,SoutheastUniversity,Nanjing210000,Jiangsu,China)(KeyLaboratoryofComputerNetworkandInformationIntegrationMinistryofEducation,SoutheastUniversity,Nanjing211189,Jiangsu,China)

Fog computing is a computing paradigm that pushes cloud services to the user’s edge. It mainly accelerates content distribution through the method of users’ passively pulling content, and lacks active push capacity. Therefore, we propose to use the active push with strong broadcast structure to assist the fog computing architecture and to achieve the active push of the content. Then, a collaborative content distribution mechanism based on software definition is proposed for distributed content distribution, which includes multi-granularity cooperative storage mechanism, software definition strategy and multi-node cooperative strategy in the domain. Finally, the prototype system was used for the experimental test and result analysis. The result reveals that the mechanism can reduce the user request delay and improve the user experience.

Fog computing Broadcast storage structure Software definition Collaborative distribution

TP3

A

10.3969/j.issn.1000-386x.2017.10.001

2017-01-18。國家自然科學基金項目(61472080，61672155)。扈曉娜，碩士生，主研領域：未來網絡，播存環境。楊鵬，副教授。劉旋，博士生。