基于内容的自动动态演化发布订阅的方法

陈 聪, 瞿连政

(国防科技大学信息通信学院, 湖北 武汉 430010)

发布/订阅作为一种在时间、空间和控制流上完全解耦的异步通信机制同时具有匿名通信、一对多通信特性[1],因此成为信息的共享分发的重要技术之一。在传统的订阅发布机制中,订阅被认为是静态的。用户订阅需求变化后,要变更订阅内容就必须解除现有订阅并重设订阅的约束,发布/订阅代理没有自主修改现有订阅的机制。目前国内外研究关注的重点集中在如何为静态的订阅进行匹配和提高吞吐量[2-3]。

然而,在某些现代发布/订阅系统中,用户大部分时候需要频繁更改订阅内容以适应瞬息万变的任务情况,与此同时还对错误推送较为敏感。例如,战场态势信息订阅发布系统就是该类系统的典型。战场上,随着任务进行,随着实体的位置、战场气象、电磁状况、敌我对比等因素的不断变换,每一实体所感兴趣的态势内容会随之变化,为满足需求,在传统模式下,必须不断订阅和退订,这一过程耗费了大量的宝贵时间,还产生了大量订阅消息,占用了系统带宽。同时,定时推送等将订阅条件视为静态的方法缺乏对用户动态需求的针对性和动态环境的适应性,影响了推送准确性。

从发布/订阅的系统视角上看,这些订阅似乎是独立的,必须被单独处理。然而,从状态演化过程角度来看,连续变化的订阅间接反映了实体状态的连续改变,每一状态都是前一状态的增量变化。每一次提交的新订阅都被看成是离散、独立的需求,而实际上每一订阅都与事件发展紧密相关。本文提出一种自主动态更新订阅的发布订阅方法,通过公开订阅变化规律明确语义。该算法可以根据需要通过规定的模式在代理端进行自主更新订阅,不需要订阅者手动更新，从而避免了更新订阅过程的通信和处理开销，并充分利用每一状态与事件发展过程的相关性提高推送针对性。

本文的主要工作如下:

1)通过拓展基于内容的匹配模式,提出了一种自主动态更新模型。

2)提出了一种基于该模式的自主动态更新匹配算法。

3)提出了一种将该模式引入到现有发布/订阅系统中的机制和具体流程。

4)通过在态势信息订阅发布平台上进行对比实验,证明了该算法在两种实验条件下,相对传统订阅/退订算法能降低30.2%的推送时间,且推送精度提高了16.3%。

1 算法模型

1.1 基于内容的订阅

发布订阅系统按照事件模型和订阅模型一般可以分为基于渠道、基于主题、基于内容、基于类型和混合型5类。基于内容的 Pub/Sub 系统中,订阅者在事件的内容上来指定约束条件,事件被推送到哪个订阅者是由事件是否满足订阅者约束决定[4]。在基于内容的发布/订阅系统中,事件是一组属性集合:

Even:{(a1,val1),(a2,val2),…(ai,vali)}

(1)

式中，ai是属性名,vali是属性值。

订阅是一组约束的组合:

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

(2)

opi是操作运算符,谓词订阅是取交集,即如果所有谓词都满足,则事件E匹配订阅S。例如我某指挥所综合情报信息,判断当前敌在预置地域配属逆袭装甲兵力,根据当前态势,指挥所订阅战场上距离R(km)、高度小于H(km)且大于L(km)、移动速度超过50km/h、威胁等级为中等的目标可表示为

{(Ran,∩,

(Spe,∩,≥50),(Thr,∩,middle)}

(3)

随着作战推进,我侦察分队观测到敌预置装甲目标从预置地域向我前沿阵地机动,此时指挥所需要将订阅目标距离调整为R′,威胁等级调整为高。约束变为

{(Ran,∩,

(Spe,∩,≥50),(Thr,∩,high)}

(4)

静态分发策略(如定时分发等)显然无法自主调整,用户必须主动发送解除订阅和新订阅。

1.2 自主动态演化订阅模型

动态匹配模型是一种基于内容的匹配模型的拓展和改进,模型允许订阅谓词随着演进值的改变而改变。当订阅仍处于有效状态,变量值会连续性改变或离散改变。不断变化的订阅约束会用函数(输入为动态变量的当前值)返回值代替传统模型中完整的、静态的谓词。动态订阅内容的格式如下:

SubDy:{(a1,op1,fun1(va,vb,…)),

…(ai,opi,funi(va,vb,…)}

(5)

ai属性的值范围随函数funi变化。下面将举例介绍动态演化过程。假设fun1为实体的兴趣区域函数,其受va,vb,…因素影响,实际的订阅区域变化随多参数的变化而变化。为便于阐述,本文简化模型,以fun1随时间的演化为例进行介绍。

假设存在一个订阅SDy={(x

下面将以战场态势实体位置移动等来的订阅变化为例,对模型进行解释说明。假如态势用户为一歼击机群,假设其所关心的态势范围在一个以当前位置为中心的15km×10km矩形区域。假设该战斗群当前位置为(0,0)。其兴趣区域范围如图1(a)所示。在这种情况下,感兴趣的区域按订阅方式在传统系统中表示为:{(x≥-7.5),(x≤7.5),(y≥-5),(y≤5)}。

实体需要战场上的事件,比如敌我位置移动、敌我采取的行动等,其内容还包含了事件状态变化的信息。比如友军某炮兵群正在对(15,10)区域敌防御阵地进行火力打击,则事件描述为(x,15),(y,10),(action,boming),(target,enemy)在这种模式下,一旦实体发生位置改变,兴趣区域也随之改变,实体为获得新的兴趣态势就得不断向代理发送新订阅。此外,战场上气象条件变化时,如浓雾、大雨下,实体的兴趣范围会缩小也要重复上述步骤,显然这会造成极大的信息滞后。本文的动态订阅更新方法能避免这一过程。图2显示了自动演化模式和传统重订阅模式的理论时间对比。

图2(a)为传统订阅模式更新订阅耗时(t1+t2+t3),图2(b)为动态演化模式更新订阅耗时(t4+t2+t3),t4取决于funi的时间复杂度。

例如,我们假设实体简化为在二维x-y平面上以恒定速率运动,初始位置(0,0),该状态可描述为

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

(6)

如图1(a)所示。

设初始时间为0。继续以友军某炮兵群在对(15,10)区域进行火力打击这一事件为例,当t=0时,该推送事件与订阅约束不匹配,故不会推送该信息。但是,在t=10时,

{(15≥-7.5+10),(15≤7.5+10),(10≥-5+10),

(10≤5+10)}

(7)

事件符合订阅约束,指挥所将收到该推送消息。

如果在上述的fun1中加入天气因素的影响,那么在两因素影响下,关心区域再次发生变化的情况,新的订阅约束可以表示为

{(x≥(-7.5+t)×r),(x≤(7.5+t)×r),

(y≥(-5+t)×r),(y≤(5+t)×r)}

(8)

变化情况如图1(b)所示。

当可见度r取值范围为0到1,假设当时间变为10时,可见度为0.5,订阅变为

{(15≥(-7.5+t)×0.5),(15≤(7.5+t)×0.5),

(10≥(-5+t)×0.5),(10≤(5+t)×0.5)}

(9)

上述例子只以时间为例,实际的作战中订阅兴趣的变化复杂性更高,影响态势变化的属性值可以是离散和连续变量的任意组合,定时分发法难以满足推送的针对性。对于随机过程演化订阅则可以利用随机过程的自相关性,理论上能实现更优的推送内容针对性,只要订阅发布代理能访问外部信息且可以在本地通过计算函数得到动态变量值。

2 算法流程

本文的动态算法可直接应用到现有的基于内容的发布订阅系统中。首先,代理接收到初始的订阅,将其加入现有的匹配器中,同时将其加入一个不断向前的订阅队列中。订阅队列按时间顺序自动排序,直到新的订阅到达。当检测到一个线程空闲时,将订阅的队列中排在队头的订阅约束添加到动态更新列表。一组处理机负责对队列进行管理和更新订阅,每一个处理机都运行在各自线程上。如果系统检测到函数参数(如时间t)变化时,代理服务器重新计算带有该参数的原始约束并打上当前时间戳,在匹配器插入新约束,抛弃过时约束。若符合则推送。最后,原始订阅被重新加入队列,并重新设定调度时间。整个替换操作应通过一个锁来进行同步[5-6],以防止并发问题。全过程类似于传统退订/重订阅,关键区别在于都是通过订阅/发布系统的代理服务器自主完成约束更新,无需与用户沟通,减少了重复订阅开销。流程如图3所示。

上述算法流程必须设置一个最小演化时间间隔τ,这是每个约束在匹配器中的最小有效周期,同时限定了评估粒度。设置这个参数主要是为了防止过度评估导致服务器工作负载过大。与此同时,τ的设置带来新的问题:τ的大小如果设置不当将带来假阴性(没有将应该推送的消息推送)和假阳性(将不该推送的消息推送)问题。为尽量减少对用户的误报,代理可以分析所有传入的订阅约束并生成一个粒度较细的假阳性版本,以避免产生假阴性。

3 仿真验证

为验证本文算法的性能,将该算法与文献[7]中介绍的传统重新订阅算法进行推送及时性和推送准确度的对比。传统算法通过发送订阅和解除订阅消息和定时发送订阅更新消息达到重新订阅目的。

3.1 实验环境

实验室PC机(操作系统:window7、CPU: 3.8GHz、RAM:8GB)模拟用户节点,两台服务器(CPU:2.1GHz、RAM:16GB)作为订阅发布代理服务器,所有节点以 100Mbps局域网相连。实验平台为某态势信息订阅分发原型系统[8-9]。数据用IBM SPSS Statistic 22.0软件处理。

3.2 实验内容

1) 及时性:实验通过进行三次独立重复实验,每次实验改变不同的约束,取三次实验中从状态变化到实体收到消息的平均时间,对比发送相同数目消息时两种模式的推送及时性。

2) 针对性:实验通过比较日志中收到的订阅信息与态势制作时事先设置的标准推送内容作比较[10],接收日志中存在而标准推送中不存在则为假阴性,相反,接收日志中不存在而标准内容中存在则为假阳性。再通过IBM SPSS 22.0处理分别得出两种模式下假阳/阴性消息量。

3.3 实验设置

22台计算机作为订阅用户,在态势平台运行预先制作的空情态势,每个用户代表一个战斗群队。每一群队兴趣区域是以其位置为中心的矩形区域。系统向用户推送不断更新的兴趣内容,图4显示了编号为user1的用户在某一时刻收到的空情态势。

实验结果:图5、6分别为传统重订阅模式和自动演化订阅模式下的消息推送时间。与传统的模式相比,本文提出的动态模式在三次重复实验中,每次实验的推送时间都少于传常规重复订阅方法,推送平均时间减少了30.2%。

图7对比了在第三次实验设置下,发送情况下两种方法推送消息中假阳/阴性消息的数量,结果显示本文方法比传统方法减少了16.3%的错误推送量。

4 结束语

本文提出了一种基于内容的自动动态订阅概念,使用带变量参数的函数来表示谓词,订阅约束的动态变化过程是通过发布/订阅系统自动管理的。同时提出了一种基础的动态订阅算法及处理机制,并通过某态势共享分发平台进行仿真对比实验。与传统重复订阅方法相比,本文方法能降低网络负载,且推送精确度没有降低。

未来,将进一步研究、改进算法,以适应实际应用中更加复杂的情况,比如参数非线性变化、兴趣区域不规则等条件下的自主订阅规则。由于演化订阅时间t4取决于函数funi复杂度和代理的处理性能,因此,有必要进一步研究优化funi函数,降低时间复杂度,进一步挖掘该方法潜能、减少更新订阅的时间。文章中的最小演化时间间隔τ对推送的针对性有着较大影响,如何合理设置τ值也是今后的主要工作之一。

[1] 宛海宁.基于Pub/Sub的战场态势信息分发方法与原型系统研究[D]. 长沙:国防科学技术大学,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] 董龙明,高天成,邱瑞波,等.基于语义发布订阅系统的战场态势实时分发技术[J].火力与指挥控制,2017,42(4):110-113.

[4] 马建刚,黄涛,汪锦岭,等.面向大规模分布式计算发布订阅系统核心技术[J].软件学报,2006,17(1):134-147.

[5] 王蕾,崔慧敏,陈莉,等.任务并行编程模型研究与进展[J].软件学报,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] 马超逸,瞿连政.基于SOA架构的战场态势服务原型系统设计与实现[J].指挥控制与仿真,2017,39(5):104-108.

[9] 田全才,徐斌.基于SOA的主动信息推送系统[J].兵工自动化,2014,33(8):56-59.

[10] 王重楠,王宗陶,鲍忠贵,等.发布/订阅模式测控消息中间件系统设计[J].计算机应用,2015,35(3):878-881.