在基于P2P的流媒體系統(tǒng)中CDN服務(wù)器負載優(yōu)化算法

張 驚

同濟大學(xué)軟件學(xué)院，上海 201804

1 背景介紹

隨著高清視頻的普及，VOD系統(tǒng)的運行成本越來越高。降低VOD的成本成為一個重要的問題。如Lu[1]所述，VOD系統(tǒng)往往是采用P2P與CDN相結(jié)合的方式來減緩系統(tǒng)的成本。

圖1

其中P2P技術(shù)可以利用用戶的上傳帶寬，有效地降低了傳輸壓力。但是P2P網(wǎng)絡(luò)本身穩(wěn)定性較差，且Free rider的問題存在使得P2P帶寬的不足，單純的P2P網(wǎng)絡(luò)無法滿足VOD系統(tǒng)的帶寬要求。因此，我們需要CDN來進行補充。

CDN則可以解決最后一公里問題，有效降低訪問延遲，并且其帶寬充足。在CS架構(gòu)下，使用CDN進行輔助傳輸可以在提升用戶體驗的同時，有效地降低傳輸?shù)某杀尽５荂DN相對于P2P網(wǎng)絡(luò)來說價格依然較為昂貴，如何降低CDN的使用成本也成為了一個重要的問題。

在傳統(tǒng)的CDN技術(shù)中，CDN服務(wù)器是緩存全部的數(shù)據(jù)。但是視頻的體積較大，在每一個節(jié)點中都保存視頻的副本會對CDN的造成較大的存儲壓力。因此，CDN節(jié)點的服務(wù)器會緩存部分數(shù)據(jù)，通過相鄰節(jié)點的協(xié)助共同完成請求的處理。除此以外，我們還可以通過控制CDN服務(wù)器內(nèi)的緩存數(shù)據(jù)量，動態(tài)平衡CDN的運營成本與請求處理的效率。

在這個情況下，如何設(shè)計CDN節(jié)點服務(wù)器所緩存的數(shù)據(jù)以提升CDN服務(wù)器所能處理的請求數(shù)量，也即提升CDN節(jié)點服務(wù)器的緩存命中率成為了一個重要的問題。我們在這里提出了一個基于馬爾科夫鏈的緩存預(yù)測算法，以提升緩存命中率的算法。

本文下面將闡述并驗證我們的算法。在第三部分中，我們將闡述我們算法的思想與原理。之后，在第四部分，我們根據(jù)原理設(shè)計一個優(yōu)化CDN性能的算法。在第五部分我們將使用仿真實驗驗證的算法。

2 相關(guān)工作

在基于P2P的VOD系統(tǒng)中，P2P的傳輸策略是一個重要的課題。P2P的傳輸策略直接決定了P2P網(wǎng)絡(luò)的性能，以及與P2P網(wǎng)絡(luò)協(xié)同工作的CDN所面對的數(shù)據(jù)請求。

在P2P網(wǎng)絡(luò)中，Peer之間的傳輸數(shù)據(jù)分為三個步驟。首先，是Peer在尚未緩沖的數(shù)據(jù)中，選擇一部分尚未完成緩沖的數(shù)據(jù)向其它Peer請求。在Bittorrent等P2P網(wǎng)絡(luò)中，傳輸?shù)臄?shù)據(jù)被分成了多個等大的piece。在這里，我們稱呼這個步驟的算法為piece選擇算法。其次，是Peer選好了piece之后，在鄰居Peer當中選擇一個處理該piece請求的Peer。這里，我們稱這一步的算法為Peer選擇算法。最后，接到請求的Peer會決定是否處理這個請求。若Peer不打算處理該請求，則稱之為阻塞算法。有不少文獻在這三個算法上有所研究。

在piece選擇算法方面，傳統(tǒng)的P2P網(wǎng)絡(luò)采用的是rarest first算法來選擇piece。Rarest first算法能夠很好地提高P2P網(wǎng)絡(luò)的魯棒性，但是卻無法適應(yīng)流媒體傳輸中邊下邊播的需求。因此，Abdelhalim 等[2]采用了滑動緩沖窗口的設(shè)計。Peer會在緩沖播放進度前方一定區(qū)域內(nèi)的劃定一個要緩沖的piece的窗口，并提前進行緩沖。這個窗口會隨著視頻的播放進度前進而前進。

在優(yōu)化Peer選擇策略的方向中，以往的作者主要從Peer之間的數(shù)據(jù)量的差異與Peer之間傳輸延遲、物理位置等方面進行考慮。Liang[2]引入了BPB算法。這個算法根據(jù)Peer的緩沖進度，為Peer選擇緩沖進度相似的鄰居Peer進行傳輸。Wen[3]則進一步地考慮了Peer的緩沖窗口，將BPB算法與緩沖窗口相結(jié)合。這樣就避免了緩沖大量數(shù)據(jù)的Peer的上傳帶寬無法滿足其他Peer的請求，而緩沖數(shù)據(jù)量較少的Peer有剩余帶寬無法利用的問題。

Mushtaq[4]，Ahmed[5]，Abdelhalim[6]等 人 在 處 理P2P傳輸視頻的時候，不僅僅考慮Peer緩沖進度的相似性，還綜合了Peer之間的帶寬、距離、RTT等特性進行考慮。Xie[7]等人則設(shè)計了P4P的概念，Peer優(yōu)先選擇處于同一個ISP內(nèi)部的Peer傳輸數(shù)據(jù)，這樣一方面可以降低Peer之間的傳輸延遲，另一方面可以降低跨ISP的數(shù)據(jù)傳輸，降低Peer之間的傳輸對ISP造成的壓力，構(gòu)成了對ISP友好的P2P網(wǎng)絡(luò)。

而在與CDN結(jié)合的算法中，Lu[1]則考慮到CDN服務(wù)器與Peer的可靠性的區(qū)別，給予緩沖窗口中不同的piece不同的優(yōu)先級。

由于傳輸過程中，Peer會根據(jù)其鄰居Peer的特性進行選擇。因此，結(jié)構(gòu)化的網(wǎng)絡(luò)由于容易控制受到了在線流媒體系統(tǒng)的歡迎。Ahmed[5]，Zhang[8]采用了多層的結(jié)構(gòu)，根據(jù)Peer所能夠提供的數(shù)據(jù)特性，將Peer劃分至不同的層中，層內(nèi)的Peer優(yōu)先互相傳輸。

除此以外，在使用CDN的網(wǎng)絡(luò)中，Zhan[2]設(shè)計了一套使用CDN+P2P的網(wǎng)絡(luò)，并在其中設(shè)計了分層的CDN。不同層的CDN之間互相協(xié)作，實現(xiàn)了良好的擴展性與性能。

3 P2P網(wǎng)絡(luò)

1）概述。

我們的算法要在有限的CDN服務(wù)器存儲空間的情況下，盡量保證CDN服務(wù)器的對Peer的請求的處理能力，因此我們需要盡可能地提高CDN服務(wù)器的緩存的數(shù)據(jù)的命中率。而CDN服務(wù)器的緩存命中率則可以使用下式計算：

其中，IC(inCache)、SRM與I都是長度為T的向量，每一個元素與視頻數(shù)據(jù)中的一個piece相對應(yīng)。其中，IC每一個元素均為布爾值，只取0或者1，元素為1表示相應(yīng)的piece被CDN服務(wù)器緩沖了，元素為0表示相應(yīng)的piece沒有被CDN服務(wù)器緩沖。而SRM的元素則是代表CDN服務(wù)器接收到的對應(yīng)piece請求數(shù)量。向量I所有的元素都為1。

CDN服務(wù)器的存儲空間有限，則IC向量中只有有限個元素為1。因此我們要提高Cache的命中率，應(yīng)該緩存請求最多的那些piece。而如何構(gòu)造IC向量，也即在CDN服務(wù)器選擇哪些piece進行緩存就是我們算法研究的核心問題。

在以Bittorrent為代表的P2P軟件當中，為了方便將數(shù)據(jù)交由不同的Peer進行傳輸。原始的數(shù)據(jù)被劃分為了多個等大或近似等大的piece。在我們的傳輸視頻的算法中，我們假設(shè)每個Piece所包含的幀數(shù)量是一致的。我們按照Peer當前視頻所播放的幀所屬的piece，將Peer分為T+1個狀態(tài)，其中最后一個狀態(tài)是指Peer完成播放的狀態(tài)。我們使用一個狀態(tài)空間為[1，T+1]的離散隨機過程來表示Peer在播放過程中的狀態(tài)轉(zhuǎn)移。使用隨機變量X表示Peer當前播放的幀所在的Piece。

2）P2P的數(shù)據(jù)傳輸算法。

在Peer播放視頻過程中，Peer的請求分別由CDN與P2P網(wǎng)絡(luò)處理。由前邊所述，Peer在請求數(shù)據(jù)過程中進行了Piece選擇算法，Peer選擇算法與阻塞算法三個步驟。

由于流媒體系統(tǒng)要求做到邊下邊播，因此下載需要做到順序下載，因此Piece選擇算法會依賴于Peer當前的播放進度。如Sheu[9]等所做的，在基于P2P的傳輸視頻的流媒體系統(tǒng)中，Peer在piece選擇過程中，不僅僅緩沖即將解碼的piece，而是會在當前播放進度前建立一個滑動緩沖窗口，選擇這個窗口內(nèi)部的piece進行預(yù)緩沖，滑動緩沖窗口的情況如下圖所示。

圖2

在上圖中，黑色部分代表了已經(jīng)完成解碼的piece，藍色的是當前正在解碼的piece，而綠色的則是在緩沖窗口內(nèi)的piece。

緩沖窗口的使用是為了避免帶寬波動帶來的播放卡頓。我們設(shè)這個窗口的長度為w。piece選擇算法要為piece選擇一個鄰居Peer或者CDN服務(wù)器處理請求。在Lu[1]和張勇[12]等人設(shè)計的算法當中，Peer選擇算法要根據(jù)piece在播放前所剩余的緩沖時間為其選擇不同質(zhì)量的Peer進行處理。Piece的剩余緩沖時間可以使用變量ΔT，如下圖所示。

實踐教學(xué)是高校教學(xué)環(huán)節(jié)的重要組成部分，它的獨特功能和作用，是其它教育環(huán)節(jié)無法替代的，高等學(xué)校實踐教學(xué)是在教師指導(dǎo)下，學(xué)生在特定的環(huán)境中,通過自身努力完成教育目標的教學(xué)過程。通過實踐環(huán)節(jié)教學(xué)，可以加深對課程理論教學(xué)內(nèi)容的理解；給學(xué)生提供實踐與理論相結(jié)合的空間，提高學(xué)生對知識學(xué)習(xí)興趣，增強學(xué)生自主學(xué)習(xí)的積極性；提高學(xué)生的實踐動手能力；啟發(fā)學(xué)生高昂的創(chuàng)新意識。安徽理工大學(xué)電氣工程及其自動化專業(yè)實踐教學(xué)內(nèi)容主要包含有課程實驗、認識實習(xí)、生產(chǎn)實習(xí)、課程設(shè)計、實訓(xùn)、畢業(yè)設(shè)計與畢業(yè)實習(xí)、創(chuàng)新能力拓展項目等。

圖3

由上圖可以得知，ΔT只取決于Piece在滑動緩沖窗口當中的次序，與Piece在整個視頻數(shù)據(jù)中的次序無關(guān)。而由此，我們可以使用一個T*(T+1)的矩陣PS來表示Peer的選擇結(jié)果。矩陣的第i行表示X=i的情況下，Peer向CDN服務(wù)器請求每一個數(shù)據(jù)段的概率。而我們可以得知PS矩陣如下所示。

圖4

在Lu[1]和張勇[12]等人設(shè)計的算法當中，Peer根據(jù)ΔT的值，會將數(shù)據(jù)交由不同的Peer處理或者CDN處理。ΔT越小，則在該piece的數(shù)據(jù)的緩沖時間越少，為了保證視頻播放不發(fā)生卡頓，其對傳輸?shù)馁|(zhì)量要求越高。因此ΔT越小，向CDN請求該piece的概率越高。因此，在圖4當中下式成立。

3）視頻播放中的隨機過程。

正常情況下，用戶在觀看視頻的過程中，視頻的播放進度是按照時間順序連續(xù)變化的。而網(wǎng)絡(luò)等原因?qū)е碌牟シ趴D，其概率取決于終端與服務(wù)器之間網(wǎng)絡(luò)鏈路的丟包率、帶寬擁塞等網(wǎng)絡(luò)環(huán)境。而這些網(wǎng)絡(luò)問題在視頻播放的時間內(nèi)變化的可能性相對較低，我們可以將該概率視為定值。而用戶的VCR操作則是基于視頻內(nèi)容的，也就是指取決于當前進度所播放的視頻內(nèi)容。因此，客戶端的視頻進度的變化只取決于當前的播放進度，其無后效性滿足馬爾科夫鏈的成立條件。由此我們可以將客戶端視頻播放的隨機過程看作是馬爾可夫過程。

該馬爾科夫過程的狀態(tài)空間為[1，T+1]，其中最后一個狀態(tài)表示視頻播放完成。而播放完成的節(jié)點不會向其它狀態(tài)跳轉(zhuǎn)，該狀態(tài)是一個吸收壁。我們可以用一個長度為T+1的向量p表示Peer的狀態(tài)分布。而該馬爾科夫鏈的初始狀態(tài)是Peer初次進入在線視頻網(wǎng)絡(luò)是所處的狀態(tài)。在線視頻網(wǎng)絡(luò)中，終端加入網(wǎng)絡(luò)時，其視頻的播放進度必然是處于視頻的第一個piece中。因此，Peer的初始情況下的狀態(tài)概率分布p必然是{1，0，0...0}。

我們可以使用向量p計算一個Peer向CDN請求數(shù)據(jù)段的概率分布，如下式：

在上式中，向量pr是一個長度為T的向量，其第i個元素表示Peer向CDN服務(wù)器請求第i個piece的概率。而CDN服務(wù)器所接受到的數(shù)據(jù)段請求可以用下式計算：

我們設(shè)一個Peer的播放進度狀態(tài)轉(zhuǎn)移矩陣為ST(State Transmit)。該矩陣ST為的矩陣。則我們可以得到如下的狀態(tài)轉(zhuǎn)移矩陣。在下面的矩陣當中，元素pi，j代表該Peer從第i個狀態(tài)轉(zhuǎn)移到第j個狀態(tài)的概率。

圖5

在這里，我們設(shè)一個Peer在k時刻的狀態(tài)X的概率分布為p(k)，則有下式：

在播放過程中，Peer可能正常播放視頻，也可能進行VCR操作，亦或者因為網(wǎng)絡(luò)的原因而發(fā)生卡頓。其中，視頻正常播放是高概率性事件，而VCR以及網(wǎng)絡(luò)原因的視頻卡頓是低概率事件。在這里，我們不考慮屬于低概率事件的VCR操作與網(wǎng)絡(luò)狀況所引起的Peer狀態(tài)變化。則可以得到的Peer的ST矩陣如下式所示：

圖6

由于Peer的狀態(tài)分布p的初始狀態(tài)的概率分布是{1， 0， 0...0}，以及圖（5）的矩陣的特性，Peer的狀態(tài)X在發(fā)生狀態(tài)變化時遵循下式：

則一個Peer在時刻t請求第i個數(shù)據(jù)段的概率bi滿足如下式：

上式中，bi不為0的條件是確保第i個數(shù)據(jù)段在Peer的緩沖窗口內(nèi)。在整個P2P系統(tǒng)中，CDN服務(wù)器所收到的第i個數(shù)據(jù)段的請求數(shù)量可以用下式計算：

其中，nj(t)是t時刻X為j的Peer的數(shù)量。我們可以知道nj(t)的特性如下式所示：

則bi的計算公式可以做如下的變換：

由上式，我們可以根據(jù)t時刻的第i個數(shù)據(jù)段請求量，預(yù)測t+1時刻的第i+1個數(shù)據(jù)段請求量。我們可以繼續(xù)簡化上式。

而由ps的性質(zhì)，我們可以知道：

因此，bi(t)遠遠大于psT。我們可以在上式中忽略psT，其式子可以改為下式：

由這個式子，我們可以使用當前時刻的數(shù)據(jù)請求量來估算下一個時刻除第一個數(shù)據(jù)段以外的數(shù)據(jù)段的請求量。

而對于第一個數(shù)據(jù)段的請求量預(yù)測取決于對新加入的Peer數(shù)量的預(yù)測。在傳統(tǒng)的Bittorrent以及Chang[11]所設(shè)計的視頻傳輸系統(tǒng)中，Peer加入網(wǎng)絡(luò)開始播放之前，首先都需要進行包括向Tracker服務(wù)器注冊在內(nèi)的初始化過程。我們可以通過統(tǒng)計處在初始化過程中的Peer數(shù)量來預(yù)測下一個時刻X為1的Piece的數(shù)量。

4 緩存替換算法

我們的替換算法的目的是盡可能提高緩存命中率，因此，我們需要預(yù)測未來的請求數(shù)量最多的piece。由前面的式子所述，我們可以通過當前時間段內(nèi)每一個piece的請求數(shù)量，估算下一個時刻的piece請求分布。我們設(shè)CDN服務(wù)器能夠給我們的算法的存儲空間可以存儲N個piece。我們對第1到第T-1個piece的請求量進行排序，然后選擇請求量最多的N個Piece。我們設(shè)這些Piece的序號組成一個集合C(t)。則我們可以得到集合S(t+1)滿足下式。

則S(t+1)就是我們預(yù)測得到的下一個時刻CDN所接受的請求最多的數(shù)據(jù)段的集合。而CDN在下個時刻緩存這些數(shù)據(jù)段就可以有效地提升緩存的命中率。

我們的算法只需要記錄當前階段的piece請求分布就可以。而Peer的特性與我們的算法無關(guān)。我們算法不必了解整個P2P網(wǎng)絡(luò)的全局信息，因此不需要額外的控制信息，不會對傳輸性能造成額外的負擔。而且我們的算法也不需要Peer端有額外的適配邏輯，可以與Peer的各種傳輸策相適應(yīng)，有良好的可擴展性。

我們算法的計算過程分為統(tǒng)計piece數(shù)量與piece請求排序兩部分。其中統(tǒng)計piece數(shù)量這一部分的計算量是與請求數(shù)量NR有關(guān)的，其時間復(fù)雜度是O(NR)的，而空間復(fù)雜度則是O(T)的。而排序算法則是與視頻的piece數(shù)量有關(guān)。同一個視頻副本，其piece分割是不變的，因此排序的運算復(fù)雜度是恒定的O(Tlog(T))。因此，算法對CDN服務(wù)器的運算壓力并不大。

5 實驗設(shè)計

在使用CDN服務(wù)器輔助傳輸數(shù)據(jù)的P2P網(wǎng)絡(luò)中，系統(tǒng)會有一個中心服務(wù)器，保存完整的數(shù)據(jù)請求，并將視頻數(shù)據(jù)分發(fā)給各個CDN服務(wù)器。而各個CDN服務(wù)器則緩存視頻數(shù)據(jù)，并將數(shù)據(jù)分發(fā)給各個終端。CDN服務(wù)器是分布于不同的ISP不同的物理地區(qū)中，以降低數(shù)據(jù)在ISP之間進行長途傳輸所產(chǎn)生的延遲以及對ISP網(wǎng)絡(luò)所產(chǎn)生的壓力。

我們在仿真實驗中，將Peer分成了多個組，每一個組作為一個獨立的ISP。每個組內(nèi)的Peer互相傳輸?shù)难舆t較低，而組之間的傳輸延遲較高。每個組內(nèi)有一個CDN服務(wù)器。除此以外，我們還設(shè)計一個在線媒體的中央服務(wù)器。中央服務(wù)器存儲了完整的視頻副本。整個P2P網(wǎng)絡(luò)中的Peer在向服務(wù)器發(fā)出請求的時候，首先向自己所在的ISP的CDN服務(wù)器發(fā)出請求。若CDN服務(wù)器沒有緩存請求所要求的piece，則Peer轉(zhuǎn)向中央服務(wù)器發(fā)出請求。

作為對比，我們將我們的緩存替換算法與經(jīng)典的LRU等算法做比較，統(tǒng)計不同的算法下緩存的命中率。

在實驗過程中，Peer加入P2P網(wǎng)絡(luò)采用了泊松分布，該泊松分布的。而Peer在播放完成后到離開P2P網(wǎng)絡(luò)的時間則采用了指數(shù)分布來模擬。而Peer所能緩沖的增強層數(shù)量則是平均分布。實驗中傳輸?shù)腟VC視頻分為4層。每一種Peer的上行帶寬則設(shè)定為下行帶寬的一半。

我們的模擬環(huán)境是在NS3模擬器的基礎(chǔ)上運行。Peer之間的傳輸協(xié)議則是由流行的Bittorrent協(xié)議修改而來。

在這里，請求成功地在CDN服務(wù)器緩存中找到所需要的數(shù)據(jù)的概率被稱為緩存命中率。緩存命中率體現(xiàn)了我們的算法對緩存的預(yù)測的準確率。

我們在CDN服務(wù)器上存儲了整個視頻副本的一定比例的數(shù)據(jù)。我們分別試驗了存儲30%、50%、70%的情況的結(jié)果。實驗結(jié)果如圖所示。在圖中，棕色的線是我們的算法的結(jié)果。而藍色的線則是LRU算法的運算結(jié)果。圖中綠色的線則是代表了存儲率的標準線。

圖7

圖8

圖9

從圖中可以看到，隨著存儲率的降低，由于覆蓋的數(shù)據(jù)段的減少，LRU算法越來越無法體現(xiàn)其預(yù)測的效果，命中率越來越差，逐漸低于標準線。而我們的算法則依然能夠保持較好的命中率，多數(shù)情況下都能夠比標準線要好。

這是因為LRU算法在替換的時候，根據(jù)其所存儲的數(shù)據(jù)的請求記錄來決定移除的數(shù)據(jù)。而隨著存儲空間的減少，LRU所存儲的數(shù)據(jù)令越來越少，其所能夠依據(jù)的請求記錄也越來越少。因此，其性能會隨著存儲空間的減少而下降。

而我們的算法則是從全局出發(fā)，根據(jù)CDN接收到的整體的請求分布情況來決定數(shù)據(jù)的交換。因此，存儲空間的大小并不會對性能造成影響。

因此，我們的算法相對于傳統(tǒng)的緩存替換算法LRU有更好的預(yù)測性能。

[1]Lu Z， Gao X， Huang S， etal. Scalable and reliable live streaming service through coordinating CDN and P2P[C]. Proceedings of the International Conference on Parallel and Distributed Systems -ICPADS， 2011.

[2]Zi’ao Zhan， Xu Q. A Stochastic Push Scheme of Streaming Media Partial Content Based on P2P[J].Journal of Networks， 2012， 7(10).

[3]Liang C， Fu Z， Liu Y， etal. Incentivized Peer-Assisted Streaming for On-Demand Services[J].IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS， 2010， 21(9):1354-1367.

[4]Wen Z， Liu N， Yeung K L， etal. Closest Playback-Point First: A New Peer Selection Algorithm for P2P VoD Systems [C]. Global Telecommunications Conference (GLOBECOM 2011)，2011.

[5]Mushtaq M， Ahmed T. Smooth Video Delivery for SVC based Media Streaming over P2P Networks[C].2008 5th IEEE Consumer Communications and Networking Conference，2008.

[6] Ahmed T， Mushtaq， M. P2P Object-based adaptivE Multimedia Streaming[J]. Journal of Network and Systems Management， 2007， 15(3):289-310.

[7]Abdelhalim A，Ahmed T，WalidKhaled H，etal.Using Bittorrent and SVC for efficient video sharing and streaming[C]. Computers and Communications(ISCC)，2012.

[8]Xie H，Yang Y R，Krishnamurthy A，etal.P4p:provider portal for applications[C].Proceedings of the ACM SIGCOMM 2008 conference on Data communication，2008.

[9]Zhang G， Yuan C. Self-Adaptive Peer-to-Peer Streaming for Heterogeneous Networks Using Scalable Video Coding[C]. International Conference on Communication Technology Proceedings， 2010.

[10]Sheu T， Wang Y. Dynamic Layer Adjustments for SVC Segments in P2P Streaming Networks [C]. Computer Symposium (ICS)， 2010 International， 2010.

[11]李斐.基于網(wǎng)絡(luò)編碼的P2P分層流媒體傳輸架構(gòu)研究[D].電子科技大學(xué)， 2012.

[12]Chang H，Shih Y，Ya-Yueh Shih，Yuan-Wei Lin.CloudPP:A Novel Cloud-based P2P Live Video Streaming Platform with SVC technology[C].2012 8th International Conference on Computing Technology and Information Management，2012.

[13]張勇，何娜娜，夏海輪.移動P2P流媒體中的數(shù)據(jù)調(diào)度算法[J].吉林大學(xué)學(xué)報（信息科學(xué)版），2010，28（6）.