一类面向网络化控制的QoS策略框架设计与实现*

徐　飞，刘明雍，高俊钗（．西北工业大学航海学院，西安70072；2．西安工业大学计算机科与工程学院，西安7002）



一类面向网络化控制的QoS策略框架设计与实现*

徐飞1，2，刘明雍1，高俊钗1，2
（1．西北工业大学航海学院，西安710072；2．西安工业大学计算机科与工程学院，西安710021）

摘 要：针对网络化控制系统存在丢包、时延等典型问题，本文从网络资源服务优化的角度展开研究，构建了面向网络化控制中间件的服务质量（Quality of Service，QoS）语义模型和服务模型，提出了多层次的QoS保证策略、QoS资源服务算法；在一类网络化控制中间件原型系统上开展构件网络资源满足仿真实验，结果表明，通过对任务节点的带宽和优先级进行建模，实现控制信息流的合理、高效传输，从而达到缩短网络时延，改善网络性能，使得构件的资源满足率能达到0．3左右．

关键词：网络化控制；QoS策略；中间件；资源满足；构件部署

基金资助：国家自然科学基金（50979093）；陕西省教育厅科学研究项目计划（15JK1364）

网络资源共享是网络化控制系统在通过给控制系统带来的优点，但同时也给控制界引入了新的挑战．网络化控制系统的复杂性是由其自身特点决定的，如数据包丢失、网络诱导时延、数据包乱序及网络调度等问题，本文称之为“网络服务数字化约束”［1］．

网络化控制应用需要共享使用异质、多样的资源，各个任务间的协作往往需要根据业务场景进行调整，使得资源的调度分配、任务执行变得复杂．目前的网络基础设施大多采用“尽力服务”的服务模型，服务质量得不到完全保障．多个服务协作并使用共享资源时，资源调度的性能和效率也容易造成服务效能的降级．许多研究人员从QoS机制设计入手，解决此类问题．Ian Eoster等学者提出了基于Globus Toolkit的QoS框架——GARA（Globus Architecture for Reservation and Allocation，GARA）［2-3］，其目标提供中间件内核层、服务层的端到端QoS保障．GARA利用GRAM进行资源管理，为各类异构资源定义了通用的描述机制并提供统一的控制接口，但对体系结构实现的方式缺乏扩展性，不能适用于一般的网络化控制领域要求．英国Cardiff大学的Rashid教授提出的QoS管理框架——G-QoSM［4］，利用QoS的资源信息注册、发现和选择进行资源预留，资源协同分配和任务调度自适应调节，该框架缺乏完整的QoS语义建模能力，对业务环境的变化不能很好的适应．文献［5-6］提出基于最大化用户满意度的服务组合中间件，给出了局部任务级服务选择和全局协同分配两种策略．局部服务选择对多维QoS属性采用规一化和加权两个步骤实现服务的度量．文献［7］指出异构网络环境下提出基于一种称为弹性约束的需求定义方案，将多目标问题建模为一个复合选择的背包问题，基于动态规划法提出动态约束算法进行求解，但用户很难清晰地确定应用需求．文献［8］提出了“跨层设计”的思想，并在Ad Hoc无线自组织网络领域展开研究，保留原有分层协议栈结构并综合考虑协议栈层间的相互关系，打破了传统TCP／IP网络层次结构中层间的通信限制，允许协议栈各层间交互通信．文献［9］提出了面向网络体系结构的五层“跨层感知”理念，将“跨层设计”的思想推广到网络五层标准上．上述研究成果大多是支持网络协议实现的部分QoS功能，单纯的网络QoS机制不能保证其要求的QoS，且现有的QoS保证策略均基于“尽力而为”的服务机制之上，且不能提供面向构件化的中间件平台支撑．

1　QoS语义模型

本文提出了一种开放的、可扩展的QoS语义模型，可根据上下文参数对QoS特征数据进行定义、交换及互操作，使得QoS的表示逻辑与参数数量、QoS管理层次、QoS管理机制等特征解耦，从而更好的适应网络化控制应用的多种业务场景．该语义模型由QoS元模型和QoS管理模型组成．

1．1 元模型

QoS元模型定义了QoS表示体系的原子数据结构，一方面增强了QoS表示体系的严格性，另一方面QoS的扩展定义奠定基础．QoS元模型表示体系如图1所示．

图1　QoS元模型结构Fig．1 QoS Meta Model Structure

1）根元素（Model Root Element，MRE）是元模型中各元对象继承层次的根元素，是最基本的抽象块．

2）标识符（Identifier，ID），是模型元素用于标识自身的字符串，在整个命名空间中是唯一的．

3）类别（Classifier）：是用于派生数据类型及类二种元对象的抽象构造块．它是方法和属性的聚合体．

4）数据类型（Data Type），定义了用于描述QoS的基本数据类型、构造数据类型、模板数据类型以及自定义数据类型．

5）类（Class）：是对相同行为、属性、关系和语义的对象集合的抽象．

6）模式（Schema）：是由一个或多个类聚集而成的框架．

7）限定符（Qualifier）是对类、属性及其大纲等元素规格的说明及约束．

8）事件（Event）是在时间和空间上可以定位并且可以带有参数的有实际意义的发生．

9）规则（Rule）是当事件发生时用于指示类进行状态迁移的策略．

1．2 QoS管理模型

从网络资源调度的角度，可将网络化控制应用视为是一组具有QoS特征的构件实例集合．构件实例为部署到某类框架中的物理单元．运行时实例可以表现为容器环境中的一个进程、线程或者其他自主运行单元．本文将其抽象为由其实例组成的有向无环图，称之为QoS构件的应用配置图（Configuration Graph，CG），如图2所示．

图2　QoS语义构件应用配置图Fig．2 QoS semantic component application configuration diagram

从构件实例Ci到Cj的有向边，其中Ci的输出是Cj的输入．构件的QoS特征表现为

式（1）～（4）中，QoSdemand，ReS，QoSprovide中的QoS属性值都为实数类型，其中QoSprovide表示构件实例所提供QoS属性列表；Res则为构件实例运行时所占用的系统资源列表，这些QoS属性由系统资源管理服务所提供．

2　QoS策略框架

2．1 框架结构

基于策略的QoS的监测和保障机制，它是QoS框架运行核心组件，不仅为资源服务的管理和通信网络的运行提供性能保障，还对运行中动态的QoS参数进行监测，为QoS策略的执行提供指导．将资源服务根据其对通信网络性能的需求进行分类，并将这些需求映射到通信网络的QoS标准上，在通信网络中采用合适的协议及QoS策略为资源服务管理提供满意的数据传输性能．其框架示意如图3所示．

2．2 QoS需求映射机制

为了能够为应用提供随需定制的QoS资源服务，必须从业务需求中提炼出明确的QoS需求集合．这里给出了网络化控制应用资源组（Networked Control Application Resource Group，NCARG）的概念，表示可以对资源服务需求的最小业务单元．完整的控制领域应用通常可以有多个NCARG构成，QoS服务框架根据NCARG请求进行相应的QoS模式推理．从领域应用中分解NCARG并提炼出明确QoS参数特性的过程如图4所示．

从领域中分解子应用、抽象NCARG的并对其进行QoS分类的过程为

其中NCSAppi表示一个完整的网络化控制领域应用，｛A1，A2，…，An｝表示将领域应用分解为子系统，而｛N1，N2，…，Nm｝则表示若干个NCARG组．NCARG组根据QoS网络资源进行分类后，QoS参数被提炼，用户则可根据QoS参数与其他的合作伙伴进行资源请求的协商，共同使一个完整的业务应用能够在确定QoS水平基础上完成．资源服务由处于中间层相关算法调度执行的，因此过程可以被看成是从应用层业务抽象到中间层QoS映射的实现．

2．3 QoS资源满足算法

QoS资源满足可以描述为：①针对已分解好的NCARG组，建立其与服务构件的请求对应关系（配置结构图）；②根据请求网络资源的QoS参数集合QoSreq和系统当前资源状态，进行QoS模式的预分配；若得到满足，则执行该QoS模式；若预分配不满足，则选择其他QoS模式，并且并计算QoS模式切换开销；一旦预分配开销超过了给定的阈值，则退出资源满足服务，返回不可提供网络资源服务标志．下图给出了由NCARG组请求资源到完成QoS构件实例配置图的过程，并依此给出QoS资源满足算法的描述．

图3　QoS管理框架Fig．3 QoS Management Eramework

图4　QoS需求映射过程Fig．4 QoS Requirements Mapping Process

上述NCARG的QoS资源请求过程中，首先根据选定QOS模式进行资源预分配，形成服务构件实例间的满足关系，模式规划器根据功能配置图CG和QoS规格来构造服务的QoS关系图．具体算法流程如下所示：

算法1：QoS资源满足算法

输入：单个NCARG组构件功能配置图及系统当前可用资源集合，给定的分配开销阈值HOLDVALUE；

输出：可选QoS构件配置集合－－ConfigSet［］或不可服务状态Return Value．

①进行一次预分配；

②初始化功能配置图（CG）中的每条边，置入Edge［N］数组；

③找出Edge［N］中的所有源节点和目标节点，置入StartPt［］和End Pt［］数组中．

首先根据某类NCARG来初次QoS模式的分配，并将图中的源节点和目标节点分别放置到对应的数据结构中去；将临时边集合QCitem置为空；然后启发式对源节点的每个节点调用生成配置集合函数Construct（U，QC）；在该函数中，对于每个QoS配置项，检查每个构件的实例中的QoS属性是否满足，如果满足，则检查目的节点的构件实例是否满足QoS配置项；并采用递归的方式，直到输出每个可行的QoS配置项并输出结果．在每次判断过程中计算累计的分配开销；如果满足资源的请求，则返回最终的QoS配置图，如果满足，则判断累计分配开销是否超出输入的阈值，如果超出则返回不可服务标志；如果未超过，则进行下一次QoS模式选择．QoS资源满足过程，如图5所示．

图5　QoS资源满足过程Fig．5 QoS resources meet process

3　仿真实验

设计仿真实验对构件化QoS管理框架及相关分层策略设计中的核心算法进行验证．

定义1 QoS需求满足率：（QRMR：QoS Requirements Meet Rate），假设在所有Totalreq，个服务申请请求中，Successrequest个服务申请成功，则QoS需求满足率［10］定义为

本文仿真实验采用不同构件选择算法的QRMR进行对比，如图6所示，仿真实验环境由四台部署具有QoS构件容器的的PC联网组成｛P1，P2，P3，P4｝．

QoS仿真实验环境假设，影响QRMR的因素为资源约束和服务的资源需求．仿真实验中，每隔Random（3，8）秒反复随机地从P1产生一个复合服务请求，被模拟的四种复合服务的构件功能配置图及服务构件部署如图7所示，且经过算法1计算得到的可行QOS配置资源需求见表1．

实验中，QoS构件只对CPU的资源预留管理，r1，r2，r3，r4分别代表P1，P2，P3，P4的CPU资源．

仿真实验每隔1s统计系统的QRMR．设定每个申请成功服务的持续时间为Random（30，180）秒，当服务完成后，其资源将被相应资源管理器回收．实验中Capabilityr1，Capabilityr2，Capabilityr3和Capabilityr4大小均设定为100%．在构件准入算法中，r1，r2，r3，r4资源的权重分别设定为Qr1＝0．5，Qr2＝0．4，Qr3＝0．35，Qr4＝0．45．

图6　QoS仿真实验环境网络结构Fig．6 QoS Simulation Environment Network Structure

图7　仿真实验中构件功能配置图Fig．7 Configuration diagram of component function in the simulation experiment

因此，仿真采用穷举方法计算协商算法中的整数规划最优解．图8给出了QRMR随时间的变化情况．从实验结果可以看在仿真初期两种算法均能达到较高的成功率，但随着仿真过程的进行，启发式构件准入算法的QRMR满足率在0．3附近，要高于构件基本选择算法．结果表明，通过启发式调节资源权重和通过服务资源协商方法，QRMR能够显著提高．

表1　复合服务可行QoS配置的资源需求（%）Tab．1 Resource requirements of the composite service QoS configuration（%）

图8　不同构件准入算法的QRMR比较Fig．8 QRMR comparison between different components’access algorithms

4　结论

本文针对网络化控制系统存在丢包、时延的等典型问题，从网络资源服务优化的角度入手展开相关研究．构建了面向网络化控制中间件的服务质量（Quality of Service，QoS）语义模型和服务模型，提出了多层次的QoS保证策略，以网络化控制应用资源组（NCARG）作为对象设计了启发式的QoS资源服务算法．开展了构件网络资源满足仿真实验，结果表明，通过QoS管理模型的抽象并合理调整任务节点的带宽和优先级，实现控制信息的高效传输，从而达到缩短网络时延，改善网络性能，启发式资源服务算法构件的资源满足率能达到0．3左右，比常规构件资源满足算法有较好的适应性和分布式扩展性；同时本文所提出的方法为大规模网络化控制系统的自适应中间体系架构设计资源优化理论及相关研究的深入开展提供了参考．

参考文献：

［1］ 徐飞，刘明雍，高俊钗，雷小康．参数不确定性系统的鲁棒控制器数字化再设计研究［J］．系统工程与电子技术，2013，35（1）：156．XU Eei，LIU Mingyong，GAO Junchai，LEI Xiaokang．Research on Digital Redesign of the Robust Controller for the Parameter Uncertain Systems［J］．Systems Engineering and Electronics，2013，（35）1：156．（in Chinese）

［2］ EOSTER I T，KESSELMAN C，LEE C，LINDELL B．A Distributed Resource Management Architecture that Supports Advance Reservations and Co-Allocation［C］／／Proceedings of the Seventh International Workshop on Quality of Service．London，UK，1999：27．

［3］ POZA L JOSE L，POSADAS Y J L．Distributed Sensor Architecture for Intelligent Control that Supports Quality of Control and Quality of Service［J］．Sensors （Switzerland），2015，15（3）：4700．

［4］ ALI-AL R，AMIN K，LASZEWSKI G V，RANA O，WALKER D．An OGSA-Based Quality of Service Eramework［M］．Grid and Cooperative Computing．Springer Berlin Heidelberg，2004．

［5］ HAKIRI A，BERTHOU P．Supporting SIP-Based End-to-End Data Distribution Service QoSin WANs［J］．Journal of Systems and Software，2014（95）：100．

［6］ ZENG L Z，BENTALLAH BNGU A H H，DUMAS M KALAGNANAM J．QoS-Aware Middleware for Web Services Composition［J］．IEEE Transactions on Software Engineering，2004，30（5）：311．

［7］ WIECZOREK M．PODIPNIG S，PRODA R EAHRINGER T．Bi-Criteria Scheduling of Scientific Workflows for the Grid［C］／／Proceedings of the 8Th International Symposium onCluster Computing and the Grid（CCGrid 2008）．Lyon，Erance：IEEE Computer-Society，2008：9．

［8］ SHAKKOTTAIS，RAPPAPORT T，KARLSSON P．Cross-Layer Design for Wireless Networks［J］．IEEE Communications Magazine，2003，41（10）：74．

［9］ 公维宾，常义林，沈中，张颖．具有多出入口区域的节点移动和分布研究［J］．计算机研究与发展，2008，45 （3）：428．GONG Weibin，CHANG Yilin，SHENG Zhong，ZHANG Ying．Study of Nodal Movement and Distribution in a Terrain with Entrances［J］．Journal of Computer Research and Development，2008，45（3）：428．（in Chinese）

［10］ 廖渊，唐磊，李明树．一种基于QoS的服务构件组合方法［J］．计算机学报，2005（4）：627．LIAO Yuan，TANG Lei，LI MingShu．A Method of QoS-Aware Service Components Composition［J］．Chin Ese Journal of computers，2005（4）：627．（in Chinese）

（责任编辑、校对 张立新）

Design and Implementation of QoS Guarantee Strategy Framework for Networked Control System

XU Eei1，2，LIU Mingyong1，GAO Junchai
（1．School of Marine Engineering，Northwestern Polytechnical University，Xi’an 710072，China；2．School of Computer Science and Engineering，Xi’an Technological University，Xi’an 710021，China）

Abstract：In order to solve the typical problems of packet loss and delay in the networked control system，a research was conducted from the perspective of service resources optimization．The QoS semantic model and service model were built for the networked control middleware．The multi-level QoS guarantee strategy deployment algorithm and QoS resources service algorithm were presented．On a class of networked control middleware prototype system，a simulation experiment of network resources satisfaction of components and component deployment was conducted．The results show that，by properly adjusting the bandwidth and priority of the task node，the controlling information can be efficiently transmissed，thus shortening the network time delay，improving the network performance and increasing the efficiency of the controller．The component resources satisfaction rate reaches to about 0．3．

Key words：networked control；QoS strategy；middleware；resources satisfaction；component deployment

作者简介：徐 飞（1980－），男，西安工业大学副教授．主要研究方向为分布式计算、中间件．E-mail：xinfei2000＠qq．com．

*收稿日期：2015-11-07

DOI：10．16185／j．jxatu．edu．cn．2016．01．007

文献标志码：中图号： TP273 A

文章编号：1673-9965（2016）01-0031-06