分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議研究*

鄭羽潔,李 熹

(1.廣西經(jīng)濟管理干部學院 計算機系，廣西 南寧 530007； 2.廣西民族大學 信息科學與工程學院，廣西 南寧 530006)

分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議研究*

鄭羽潔1,李 熹2

(1.廣西經(jīng)濟管理干部學院 計算機系，廣西 南寧 530007； 2.廣西民族大學 信息科學與工程學院，廣西 南寧 530006)

提出一種分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議，該協(xié)議可以增強在智能測量方面應用中的傳輸控制協(xié)議性能.所提出的新協(xié)議作用于遠端設備和傳輸控制協(xié)議聚合連接之間，從智能測量設備中利用分布式傳輸控制協(xié)議連接接收信息，然后將之可靠聚合到一個傳輸控制協(xié)議連接中傳送至管理服務器端.仿真顯示，所提協(xié)議可以提供更大的數(shù)據(jù)業(yè)務動態(tài)支持范圍、提高傳輸控制協(xié)議連接沖突控制的效率.

沖突控制; 網(wǎng)絡可靠性; 傳輸協(xié)議

0 引言

智能測量系統(tǒng)的重要特征之一是具備大量的離線部署的智能測量設備.這些測量設備一般以很低的速率生成測量數(shù)據(jù)，比如每分鐘200字節(jié).數(shù)據(jù)生成的規(guī)律可能是周期觸發(fā)或事件觸發(fā).數(shù)據(jù)包由應用服務器進行采集用于數(shù)據(jù)處理和決策制定.由于智能測量設備數(shù)量眾多，總體產(chǎn)生的數(shù)據(jù)量也非常大，而可用于這種數(shù)據(jù)傳輸?shù)膸捦钟邢?，因此需要保證端到端數(shù)據(jù)傳輸?shù)目煽啃?[1-5]

傳輸控制協(xié)議(Transmission Control Protocol, TCP)的設計目的就是為了滿足端到端的傳輸可靠性的.但是，在智能測量領域中傳輸可靠性遇到的問題特點是在智能測量通信中協(xié)議的沖突控制的有效性.在智能測量中，每個測量終端傳輸速率并不高，但是卻要求即使出現(xiàn)沖突，傳輸?shù)乃俾室膊豢梢詼p少.業(yè)務數(shù)據(jù)量并不是來自單一的數(shù)據(jù)速率的一個終端，而是來自大量的不同測量終端，每個測量終端傳輸速率都不算高.[6-10]有效的傳輸控制協(xié)議的缺失導致智能測量網(wǎng)絡中存在較高的丟包率和很低的吞吐量，嚴重制約著智能測量的應用.[11-16]

文中提出基于TCP的改進控制協(xié)議：分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議(Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation, TCP-IDA)，增強了沖突控制部分的性能.TCP-IDA改變了傳統(tǒng)智能測量中智能測量設備和傳感器通信均通過同一個服務器的分離的TCP會話的通信方式，提出了將不同的控制信息數(shù)據(jù)集中于TCP-IDA一個協(xié)議下進行聚合.

1 系統(tǒng)模型

智能測量系統(tǒng)的結(jié)構包含數(shù)量眾多的實體單元，進行雙向的端到端通信.圖1給出了智能測量系統(tǒng)通信傳輸?shù)慕Y(jié)構示意圖.

圖1 智能測量的結(jié)構示意圖

Fig.1 structure of smart metering

智能測量系統(tǒng)由大量的測量終端組成，這些測量終端通過無線通信方式建立連接，可能通過一跳或者多跳方式與通信站連接，從而建立信息傳輸?shù)耐?對于遠端分布的測量終端，可能配置中繼放大器加強信號強度.當測量終端分布的區(qū)域達到一定的預先設定的面積大小后，在這片區(qū)域中會設置一個區(qū)域信息收集終端，負責將區(qū)域內(nèi)的終端信息匯聚再發(fā)往更核心的服務器處理.這樣信息一層一層地匯聚，最終匯聚在一個應用服務器上，該應用服務器再進行信息的處理和決策制定等工作.智能測量的終端數(shù)量根據(jù)具體應用變化非常大，有可能是幾百，也有可能達到百萬.終端一般完全支持TCP/IP協(xié)議，并且支持雙向的通信.為使建模分析更專注于協(xié)議性能，本文假設傳輸中的信道是完全理想的，因此產(chǎn)生的傳輸錯誤都來自信息沖突.

每次傳輸?shù)臄?shù)據(jù)量大小可能從幾十比特到幾百比特，大小取決于具體攜帶信息內(nèi)容和系統(tǒng)采用的安全傳輸策略，越高的傳輸策略級別對應所需的傳輸數(shù)據(jù)量也越大.每完成一次成功傳輸，測量終端都會發(fā)送一條對應的狀態(tài)信息.由于智能測量應用本身所關注的是最原始的信息情況，而不是經(jīng)過預先綜合的結(jié)論，因此在數(shù)據(jù)傳輸過程中無法進行信息壓縮以減少信息沖突的風險.

2 分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議

下面將TCP-IDA進行數(shù)學建模，用來進行后續(xù)的協(xié)議性能分析，同時也用于支持TCP-IDA內(nèi)部的參數(shù)優(yōu)化.比如設置多少個聚合節(jié)點最優(yōu)等.模型在不同通信層都進行了建模，包括傳輸層、應用層等.同時考慮了網(wǎng)絡容量、傳輸試驗、排隊和測量終端數(shù)量、聚合器數(shù)量等網(wǎng)絡方面的特性.通過該模型重現(xiàn)智能測量業(yè)務的全過程，并對負載、丟包率和端到端時延進行指標統(tǒng)計.負荷基于數(shù)據(jù)源的吞吐量，根據(jù)TCP源處理的數(shù)據(jù)比例計算.丟包率是基于網(wǎng)絡緩沖溢出產(chǎn)生的丟包計算的.端到端時延是指數(shù)據(jù)包發(fā)出到接收的所用時間.

圖2給出了TCP-IDA的模型示意圖.智能測量網(wǎng)絡業(yè)務傳輸可分為兩個步驟.第一步驟由測量終端和TCP-IDA聚合器之間的TCP連接承載，第二步驟由TCP-IDA聚合器到應用服務器之間的TCP連接承載.在TCP-IDA模型中，首先將源產(chǎn)生的業(yè)務數(shù)據(jù)建模為網(wǎng)絡參數(shù)函數(shù)，包含丟包率和時延參數(shù).隨后，參數(shù)進一步合并為業(yè)務負荷函數(shù).根據(jù)源產(chǎn)生的網(wǎng)絡負荷初值，可以結(jié)算出網(wǎng)絡參數(shù)值.得到的數(shù)據(jù)用于計算網(wǎng)絡實際可提供負載值.隨著迭代進行，每次丟包率和時延的值均會自動更新，直到具體數(shù)值不再變化時，迭代停止，最終的數(shù)值即模型輸出的系統(tǒng)性能參數(shù)值.

圖2 TCP-IDA模型示意圖

第一步驟完成測量終端到聚合節(jié)點的通信.這個步驟中，測量終端根據(jù)區(qū)域位置分成不同的組，每個組與同一個TCP-IDA聚合器通信.聚合器獲取測量終端信息的瓶頸建模成一個隊列棧.網(wǎng)絡性能參數(shù)通過配置隊列棧的參數(shù)可以實現(xiàn)一一對應.

在第二步驟中，每個區(qū)域的數(shù)據(jù)在對應的TCP-IDA聚合器已經(jīng)被匯總，并發(fā)往應用服務器.傳輸?shù)慕７绞脚c第一步驟一致.第二步驟的平衡點在于TCP-IDA總到達率γt穩(wěn)定下的穩(wěn)態(tài)第二步驟丟包率Pa和時延d2.

下面通過假設給定的聚合器數(shù)量，計算對應的策略業(yè)務的丟包率和時延，從而建立起以聚合器數(shù)量為自變量的第一步驟的丟標率函數(shù)、時延函數(shù).

假設TCP連接一直處于激活狀態(tài)，因此不需要重復TCP連接的建立過程.并且將ACK信令響應功能關閉.考慮到策略數(shù)據(jù)生成速率很低，具有較長的空閑間隔，所以數(shù)據(jù)生成的過程建模為開關過程.假設測量終端靜默時間的均值是Toff秒且服從參數(shù)為α=1/Toff的指數(shù)分布.測量終端傳輸時間的均值是Ton秒且服從參數(shù)為β=1/Ton的指數(shù)分布.

當測量終端處于傳輸狀態(tài)時，TCP會話傳輸?shù)臎_突窗口大小為w.無論采用何種TCP方式，測量終端沖突窗口不會大于2，因為：1)數(shù)據(jù)量很小，即Ton很??；2)Toff很大，導致了沖突窗口有足夠的時間恢復到初值.因此這個開關模型可以表達普遍的數(shù)據(jù)生成和傳輸?shù)姆绞?建立的馬爾科夫模型如圖3所示.

圖3 測量終端馬爾科夫模型

圖3中的狀態(tài)序號對應了沖突窗口的數(shù)值大小.狀態(tài)間的傳輸概率代表成功傳輸或者傳輸失敗的比率.當數(shù)據(jù)生成的頻率非常低的時候，模型停留在狀態(tài)1的可能性大，當數(shù)據(jù)生成頻率高的時候狀態(tài)停留在狀態(tài)2的可能性增大.

通過求解馬爾科夫過程穩(wěn)態(tài)來得到對應的穩(wěn)態(tài)概率：π1，π2，π0和πidle.概率π1和π2分別表示狀態(tài)1和狀態(tài)2的傳輸，每個數(shù)據(jù)源的平均業(yè)務可以表示為：

λi=δπ1+2δπ2

(1)

區(qū)域內(nèi)總的業(yè)務量可以表示為：

(2)

下面進行第二步驟的穩(wěn)態(tài)建模.

第二步驟的穩(wěn)態(tài)模型相對于測量終端穩(wěn)態(tài)模型來講更為復雜，對應的穩(wěn)態(tài)過程模型如圖4所示.

圖4 第二步驟馬爾科夫模型

狀態(tài)序號對應著沖突窗口大小數(shù)值.例如，狀態(tài)S對應每RTT內(nèi)傳輸S個字段.狀態(tài)0代表超時，無數(shù)據(jù)傳輸.

圖4的狀態(tài)轉(zhuǎn)移可描述如下：

在沖突窗口大小為w的情況下，全部會話成功傳輸?shù)母怕时硎緸閝w(1-Pa)w，其中Pa是在聚合器上的丟包率.

狀態(tài)轉(zhuǎn)移代表沖突窗口加大，轉(zhuǎn)移率為δqw.

假設丟包是相互獨立的事件，第i個會話在窗口大小為w時產(chǎn)生丟包的概率表示為：

當狀態(tài)小于4時，任何會話產(chǎn)生丟包都會使得狀態(tài)轉(zhuǎn)移到狀態(tài)0，轉(zhuǎn)化率為δ(1-qw).

狀態(tài)序號大于14的狀態(tài)轉(zhuǎn)移與狀態(tài)14的狀態(tài)轉(zhuǎn)移具有相同的規(guī)律.

從FR狀態(tài)轉(zhuǎn)移到其他狀態(tài)的狀態(tài)轉(zhuǎn)移穩(wěn)態(tài)概率為δ.這樣的狀態(tài)轉(zhuǎn)移將同時啟動TCP重置機制.FR狀態(tài)不傳輸實際數(shù)據(jù).

從狀態(tài)0轉(zhuǎn)移到其他狀態(tài)的狀態(tài)轉(zhuǎn)移穩(wěn)態(tài)概率為τ=1/(Tr+4σ)=1/5Tr=δ/5.

與測量終端不同的是，聚合節(jié)點沒有空閑狀態(tài)(idle狀態(tài)).假設測量終端傳輸概率為Pactive=Ton/(Ton+Toff)，那么n個同一區(qū)域的測量終端的傳輸概率表示為：

Pidle=(1-Pactive)n

(3)

例如，如果Ton=0.1秒且Toff=1分，同時n為10000，那么Pidle=5.8×10-8.

下面進一步計算聚合節(jié)點的負載γt.通過求解馬爾科夫穩(wěn)態(tài)方程求解πs，其中s是狀態(tài)s.

令γj表示第j個聚合節(jié)點的負荷，則：

(4)

其中，Ws是狀態(tài)s的沖突窗口大小.求和項計算沖突窗口的均值.連乘得到總的負荷.那么，傳輸?shù)降诙襟E的總的負載表示為：

(5)

其中，NA表示聚合節(jié)點數(shù)量.

3 算法性能分析

本文通過NS2編程環(huán)境搭建了TCP-IDA協(xié)議模型，并與數(shù)學計算結(jié)果對比驗證.重點關注輸入有誤負載、丟包率和端到端時延.

在測量終端建模環(huán)節(jié)，首先NS2計算Pm和RTT時間長度，為計算網(wǎng)絡吞吐量λt做儲備.將步驟一計算得到的Pm和RTT輸入到步驟2中，得到吞吐量λt.圖5給出了實際網(wǎng)絡測試和NS2搭建的仿真軟件結(jié)果之間的差異.對應的參數(shù)為1Mbps帶寬和50ms傳輸時延，測量終端生成數(shù)據(jù)的激活時間均值是100ms，靜默時間均值是1分鐘.從圖中可以看到，當測量終端數(shù)量增長時，算法測試結(jié)果與實際結(jié)果基本一致.

圖5 第一步驟馬爾科夫模型吞吐量吻合度

對于TCP-IDA的聚合器穩(wěn)態(tài)馬爾科夫過程的驗證方式與上述方式類似.圖6中給出的聚合器穩(wěn)態(tài)測試和仿真數(shù)據(jù)中，仿真的輸入值是上一步驟計算得到的吞吐量負載值.從圖中可以看出，仿真和試驗測試結(jié)果的差異控制在2%以內(nèi)，較符合實際情況.

圖6 第二步驟馬爾科夫模型吻合度

圖7給出了與上述吞吐量測試配置同樣參數(shù)情況下，不同的聚合器數(shù)量下對應的吞吐量和端到端時延.可以看到當聚合器數(shù)量過少或者過多時都將引起兩項指標性能的下降.因此對于具體網(wǎng)絡應用時，可以先根據(jù)預計部署的網(wǎng)絡規(guī)模和相關參數(shù)，應用本文所提的TCP-IDA協(xié)議進行仿真計算，得到最優(yōu)的聚合器配置數(shù)量，從而達到優(yōu)化的網(wǎng)絡傳輸性能.

圖7 TCP-IDA丟包率及時延

4 結(jié)語

智能測量網(wǎng)絡業(yè)務量增大是導致無線傳輸性能下降的主要因素，主要的癥結(jié)在于業(yè)務量增大則產(chǎn)生TCP沖突的次數(shù)增多，從而無法有效完成大量智能測量設備同時傳輸?shù)男枨?本文提出了一種分布式網(wǎng)絡傳感器節(jié)點信息分發(fā)與聚合傳輸控制協(xié)議(TCP-IDA)，通過兩步驟建模方式，將智能測量的信息向聚合節(jié)點、聚合節(jié)點到應用服務器的傳輸過程分別建模為不同的馬爾科夫過程，并求解最優(yōu)穩(wěn)態(tài)解下的聚合節(jié)點數(shù)量，從而實現(xiàn)對智能測量網(wǎng)絡性能的優(yōu)化.本文通過仿真驗證了所提出的理論模型與仿真結(jié)果吻合，且通過改變聚合節(jié)點的數(shù)量可以尋求適合網(wǎng)絡特征的最優(yōu)的聚合節(jié)點數(shù)量.

[1] S Arora,JW Taylor. Forecasting electricity smart meter data using conditional kernel density estimation [J]. Omega, 2016,2(1): 59-62.

[2] 趙文杰. 網(wǎng)絡化智能測控技術研究 [J]. 山東工業(yè)技術, 2016(1):149-150.

[3] 劉浩然,花卉. 現(xiàn)代測控技術的發(fā)展及實踐 [J]. 科學與財富, 2015, 8(1):1-13.

[4] Creaco, Enrico,Kossieris, Panagiotis,VamvakeridouLyroudia, Lydia,Makropoulos, C.,Kapelan, Zoran. Parameterizing residential water demand pulse models through smart meter readings [J]. Procedia Enginnering, 2014, 12(8):91-123.

[5] 邢寧哲,紀雨彤. 基于分布式探針的電力數(shù)據(jù)通信網(wǎng)綜合監(jiān)測方法 [J]. 電力信息與通信技術, 2016(1):77-81.

[6] 姚國棟,丑武勝. 基于CANopen的分布式兩軸傾角測量器設計 [J]. 單片機與嵌入式系統(tǒng)應用, 2016(1):31-38.

[7] 楊子健. 現(xiàn)代測控技術淺析 [J]. 科學導報, 2016(1):3-6.

[8] AR Lodder,T Wisman. Artificial Intelligence Techniques and the Smart Grid: Towards Smart Meter Convenience While Maintaining Privacy [J]. Social Science Electronic Publishing, 2016,2(1):113-124.

[9] SS Grid. Analysis: Smart Meter and Smart Grid Problems [J]. Local Smart Grid Security, 2013, 7(13):88-91.

[10] 尹浩,李峰. 互聯(lián)網(wǎng)性能測量技術發(fā)展研究 [J]. 計算機研究與發(fā)展, 2016(1):4-13.

[11] 張飛朋,陳琳,張京京. 面向大規(guī)模復雜網(wǎng)絡測量和性能瓶頸分析方法 [J]. 計算機科學與探索, 2016, 2(1):8-21.

[12] R Al-Otaibi,N Jin,T Wilcox,P Flach. Feature Construction and Calibration for Clustering Daily Load Curves from Smart Meter Data [J]. IEEE Transactions on Industrial Informatics, 2016:1-10.

[13] 王玥. 區(qū)域分布式能源的智能微網(wǎng)能源管理研究 [J]. 科技創(chuàng)新與應用, 2016(4):18-21.

[14] A. Kipping,E. Tr?mborg. Modeling and disaggregating hourly electricity consumption in Norwegian dwellings based on smart meter data [J]. Energy and Buildings, 2016, 1(1):8-27.

[15] 方禾,許力,蘇彬庭,等. 多信道無線網(wǎng)絡中竊聽與干擾攻擊的對抗策略 [J]. 四川大學學報：工程科學版, 2016(1):13-23.

[16] 顧碩. WAGO作分布式模塊化的引領者 [J]. 自動化博覽, 2016(1):4-6.

[17] R Cardell-Oliver,J Wang，H Gigney. Smart Meter Analytics to Pinpoint Opportunities for Reducing Household Water Use [J]. Journal of Water Resources Planning & Management, 2016, 1(2):78-89.

[責任編輯 蘇 琴]

[責任校對 黃招揚]

Research on a Novel Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation

ZHENG Yu-jie1,LI Xi2

(1.DepartmentofComputerScience，GuangxiEconomicManagementCadreCollege，Nanning530007，China;2.CollegeofInformationScienceandEngineering，GuangxiUniversityforNationalities，Nanning530006，China)

A Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation (TCP-IDA) is proposed in this paper. TCP-IDA works on remote terminals and transmission control protocol connections. TCP-IDA utilizes distributed transmission control protocol to abstract information from smart metering devices, and aggregates the information into a single transmission control protocol which sends the information to management server. Proved by simulation, TCP-IDA could provide great range of dynamic varying for data service, and it could also upgrade the efficiency of transmission control protocol for congestion control.

congestion control; network reliability; transmission control

2016-10-15.

鄭羽潔(1979-)，女，廣西桂林人，碩士，廣西經(jīng)濟管理干部學院計算機系副教授，研究方向：智能數(shù)據(jù)分析處理，算法分析.

TP393.04

A

1673-8462(2016)04-0067-06