服務(wù)器多沖突風(fēng)暴節(jié)點(diǎn)的檢測(cè)器設(shè)計(jì)與實(shí)現(xiàn)

史寶會(huì)+李勇

摘 要： 隨著服務(wù)器系統(tǒng)節(jié)點(diǎn)數(shù)量和用戶任務(wù)的不斷增多，使得風(fēng)暴節(jié)點(diǎn)出現(xiàn)沖突問(wèn)題。在此背景下，通過(guò)分析服務(wù)器系統(tǒng)的節(jié)點(diǎn)連接架構(gòu)，將檢測(cè)器部署在其通信平臺(tái)上，對(duì)用于檢測(cè)服務(wù)器多沖突風(fēng)暴節(jié)點(diǎn)的MooseFS檢測(cè)器進(jìn)行設(shè)計(jì)與實(shí)現(xiàn)。當(dāng)風(fēng)暴節(jié)點(diǎn)中存在較多沖突時(shí)，MooseFS檢測(cè)器采用動(dòng)態(tài)冗余分布策略與硬件平臺(tái)協(xié)同檢測(cè)，沖突不多時(shí)只使用硬件進(jìn)行檢測(cè)。動(dòng)態(tài)冗余分布策略選用冗余度度量節(jié)點(diǎn)任務(wù)開(kāi)銷，給出風(fēng)暴節(jié)點(diǎn)子任務(wù)、帶寬和中央處理器運(yùn)行時(shí)間的可用度函數(shù)，檢驗(yàn)冗余度是否可靠。硬件平臺(tái)通過(guò)邏輯門處理器對(duì)子任務(wù)、帶寬、中央處理器運(yùn)行時(shí)間以及存儲(chǔ)容量的負(fù)載率進(jìn)行度量。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的MooseFS檢測(cè)器擁有很強(qiáng)的資源控制能力。

關(guān)鍵詞： 服務(wù)器； 沖突； 風(fēng)暴節(jié)點(diǎn)； MooseFS； 冗余分布

中圖分類號(hào)： TN911?34； TP393 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）18?0026?03

Design and implementation of detector for multi?collision storm nodes in servers

SHI Baohui1， LI Yong2

（1. School of Computer & Communication Engineering， Beijing Information Technology College， Beijing 100015， China；

2. People′s Public Security University of China， Beijing 100038， China）

Abstract： As the number of server system nodes and user tasks increases unceasingly， conflict of storm nodes occurs. Under this background， the MooseFS detector used for detecting multi?collision storm nodes in servers was designed and implemented based on the analysis of the node connection architecture of the server system and the deployment of the detector on the communication platform of the server system. When many conflicts exist in storm nodes， the dynamic redundancy distribution strategy and hardware platform are used for the MooseFS detector to execute collaborative detection. When not many conflicts exist， only hardware is used for detection. In the dynamic redundancy distribution strategy， redundancy measurement task node overhead is selected， and the availability functions of storm node subtasks， bandwidth， and CPU running time are given to detect the redundancy reliability. On the hardware platform， the logic gate processor is used to measure subtasks， bandwidth， CPU running time and load rate of storage capacity. The experimental results show that the designed MooseFS detector has strong resource control capability.

Keywords： server； conflict； storm node； MooseFS； redundant distribution

服務(wù)器系統(tǒng)是一種提供計(jì)算服務(wù)的器件，經(jīng)過(guò)長(zhǎng)時(shí)間的發(fā)展，服務(wù)器系統(tǒng)節(jié)點(diǎn)越來(lái)越繁雜，數(shù)目也越來(lái)越大，如風(fēng)暴般席卷而來(lái)。風(fēng)暴節(jié)點(diǎn)（由海量節(jié)點(diǎn)組成的集合）沖突造成服務(wù)器系統(tǒng)可靠性不斷下降。開(kāi)放性與容錯(cuò)性是服務(wù)器得以持續(xù)發(fā)展的必經(jīng)之路，很多學(xué)者結(jié)合理論與實(shí)際的關(guān)聯(lián)性設(shè)計(jì)出服務(wù)器節(jié)點(diǎn)檢測(cè)器，具體分為硬件檢測(cè)和軟件檢測(cè)。硬件檢測(cè)的靈活性強(qiáng)、檢測(cè)效率高、成本低廉，資源開(kāi)銷卻不低。軟件檢測(cè)的資源開(kāi)銷低，檢測(cè)精度卻不高。目前，硬件與軟件相結(jié)合的檢測(cè)器已經(jīng)成為服務(wù)器節(jié)點(diǎn)檢測(cè)研究的主要分支。

1 服務(wù)器多沖突風(fēng)暴節(jié)點(diǎn)的檢測(cè)器設(shè)計(jì)與實(shí)現(xiàn)

1.1 冗余分布策略

用于檢測(cè)多沖突風(fēng)暴節(jié)點(diǎn)的MooseFS檢測(cè)器的冗余分布策略應(yīng)絕對(duì)滿足用戶局域網(wǎng)的帶寬、可讀寫(xiě)性、中央處理器性能和存儲(chǔ)容量，可以將檢測(cè)工作看成一個(gè)多源優(yōu)化工作[1]。多源優(yōu)化工作是指從不同的數(shù)據(jù)組合結(jié)構(gòu)中選取能夠賦予任務(wù)最小開(kāi)銷的最優(yōu)策略，并且要符合最基本的限制要求。

如果用[Xi]表示服務(wù)器風(fēng)暴節(jié)點(diǎn)上的冗余分布集合，[Xi]會(huì)對(duì)節(jié)點(diǎn)任務(wù)開(kāi)銷造成很大影響，MooseFS檢測(cè)器選用冗余度度量節(jié)點(diǎn)任務(wù)開(kāi)銷。冗余度是指從可靠性度量出發(fā)，提出一個(gè)度量值來(lái)保證系統(tǒng)在非常規(guī)作業(yè)下也可以正常進(jìn)行任務(wù)處理等工作[2]。冗余度越小，風(fēng)暴節(jié)點(diǎn)讀子任務(wù)使用的用戶局域網(wǎng)帶寬就越大，此時(shí)節(jié)點(diǎn)資源消耗降低，只需要占據(jù)很小的存儲(chǔ)容量就能解決風(fēng)暴節(jié)點(diǎn)的多種沖突問(wèn)題[3]。為了調(diào)節(jié)冗余度，靜態(tài)冗余顯然達(dá)不到要求，需要使用動(dòng)態(tài)冗余分布策略。endprint

動(dòng)態(tài)冗余分布策略在管理平臺(tái)和執(zhí)行平臺(tái)風(fēng)暴節(jié)點(diǎn)的數(shù)據(jù)庫(kù)中進(jìn)行節(jié)點(diǎn)駐留，減少節(jié)點(diǎn)開(kāi)銷。設(shè)用戶任務(wù)集合為[Oi]，服務(wù)器系統(tǒng)中所有節(jié)點(diǎn)經(jīng)過(guò)動(dòng)態(tài)冗余分布分配到的子任務(wù)集合表示為[Ti={Tn}]，集合元素[Tn]的分量用[（TRi，CRi，NRi，TWi，CWi，NWi）]表示，當(dāng)[Ti×NRi=0]時(shí)，[Tn×NRi]的最大值[4]等于0。其中，[T]是任務(wù)，[C]是中央處理器運(yùn)行時(shí)間，[N]表示帶寬，[Ri]，[Wi]分別是節(jié)點(diǎn)上的容錯(cuò)器集合和節(jié)點(diǎn)子任務(wù)權(quán)重。

將[Oi]在用戶局域網(wǎng)的存儲(chǔ)容量、任務(wù)可用度[5]分別設(shè)為[di]，[Ac]，[1-n=1N（1-An）Xin≥Ac]，子任務(wù)的可用度設(shè)為[Ai（Xi）]。可用度是MooseFS檢測(cè)器檢測(cè)風(fēng)暴節(jié)點(diǎn)子冗余度是否可靠的度量標(biāo)準(zhǔn)。如果將[Ac]平均分配到子任務(wù)上得到平均可用度[An]，那么[Ai（Xi）]的函數(shù)式可表示為：

[Ai（Xi）=1-n=1N（1-An）Xin] （1）

式中：[n]是擁有子任務(wù)的節(jié)點(diǎn)次序；[Xin]是第[n]個(gè)節(jié)點(diǎn)上冗余分布的數(shù)據(jù)量，取值為0或1。

MooseFS檢測(cè)器對(duì)服務(wù)器多沖突風(fēng)暴節(jié)點(diǎn)帶寬可用度和中央處理器運(yùn)行時(shí)間可用度的檢測(cè)函數(shù)如下：

[Ni（Xi）=n=1NNRnTRn（1-Xin）+NWnTWniN（Xi-Xin）] （2）

[Ci（Xi）=n=1NCRnTRn+CWnTWniNXi] （3）

1.2 檢測(cè)器硬件平臺(tái)設(shè)計(jì)

MooseFS檢測(cè)器的容錯(cuò)能力強(qiáng)勁，在服務(wù)器系統(tǒng)風(fēng)暴節(jié)點(diǎn)沖突數(shù)量不多的普通情況下，僅使用檢測(cè)器硬件平臺(tái)就能為節(jié)點(diǎn)沖突提供解決方案，存在嚴(yán)重沖突的情況下則采用冗余分布策略與硬件平臺(tái)協(xié)同作業(yè)的方式[6]。圖1是MooseFS檢測(cè)器硬件平臺(tái)架構(gòu)。

圖1中所設(shè)計(jì)的MooseFS檢測(cè)器硬件平臺(tái)由數(shù)據(jù)存儲(chǔ)云平臺(tái)和邏輯門處理器組成，通過(guò)用戶局域網(wǎng)將二者在線連接于服務(wù)器系統(tǒng)通信平臺(tái)外部[7]，對(duì)通信平臺(tái)內(nèi)流經(jīng)的節(jié)點(diǎn)數(shù)據(jù)進(jìn)行存儲(chǔ)與檢測(cè)。邏輯門處理器監(jiān)督風(fēng)暴節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)，當(dāng)風(fēng)暴節(jié)點(diǎn)中存在多沖突，數(shù)據(jù)存儲(chǔ)云平臺(tái)臨時(shí)接管節(jié)點(diǎn)上的任務(wù)數(shù)據(jù)，再將數(shù)據(jù)分配到正常節(jié)點(diǎn)上，保證任務(wù)處理連續(xù)性；當(dāng)風(fēng)暴節(jié)點(diǎn)中的沖突解除，釋放節(jié)點(diǎn)功能，將節(jié)點(diǎn)初始化至正常運(yùn)行狀態(tài)。

邏輯門處理器是一種集成邏輯設(shè)備，擁有74系列邏輯電路，采用5 V電源供電[8]，如圖2所示。設(shè)置A，B兩個(gè)輸入端是為了防止電路負(fù)載過(guò)重導(dǎo)致風(fēng)暴節(jié)點(diǎn)不能與MooseFS檢測(cè)器進(jìn)行數(shù)據(jù)溝通。邏輯電路中有4個(gè)邏輯門，節(jié)點(diǎn)任務(wù)數(shù)據(jù)輸入邏輯門處理器后將依次進(jìn)行風(fēng)暴節(jié)點(diǎn)子任務(wù)、帶寬、中央處理器運(yùn)行時(shí)間以及存儲(chǔ)容量的負(fù)載率度量，通過(guò)輸出端給出檢測(cè)結(jié)果。

2 測(cè)試與分析

設(shè)定用戶局域網(wǎng)帶寬為150 Mb/s，在服務(wù)器系統(tǒng)數(shù)據(jù)庫(kù)中寫(xiě)入2萬(wàn)條原始數(shù)據(jù)，將2萬(wàn)個(gè)節(jié)點(diǎn)構(gòu)成風(fēng)暴節(jié)點(diǎn)測(cè)試組，初始可用度設(shè)為0.98，當(dāng)節(jié)點(diǎn)可用度下降至0.90以下，視為風(fēng)暴節(jié)點(diǎn)中存在多種沖突。把風(fēng)暴節(jié)點(diǎn)測(cè)試組平均分成10個(gè)小組，每小組中節(jié)點(diǎn)的平均讀寫(xiě)任務(wù)容量如表1所示。

表1 風(fēng)暴節(jié)點(diǎn)測(cè)試組讀寫(xiě)任務(wù)容量匯總表

由表1可知，風(fēng)暴節(jié)點(diǎn)測(cè)試組中讀任務(wù)和寫(xiě)任務(wù)幾近負(fù)相關(guān)。按照以往的經(jīng)驗(yàn)，表1中給出的節(jié)點(diǎn)讀寫(xiě)容量不應(yīng)占用超出45%的資源消耗比例，超出后MooseFS檢測(cè)器將不會(huì)維持長(zhǎng)時(shí)間的正常工作。

在MooseFS檢測(cè)器讀、寫(xiě)風(fēng)暴節(jié)點(diǎn)子任務(wù)的過(guò)程中，實(shí)驗(yàn)進(jìn)行MooseFS檢測(cè)器對(duì)服務(wù)器多沖突風(fēng)暴節(jié)點(diǎn)資源控制能力的測(cè)試與分析。設(shè)定此時(shí)所有節(jié)點(diǎn)的可用度均低于0.90，用戶任務(wù)集合[Oi]下動(dòng)態(tài)冗余分布策略的資源控制能力如圖3、圖4所示。

觀察圖3可知，實(shí)驗(yàn)中MooseFS檢測(cè)器最大讀任務(wù)資源消耗比例為19.1%，折線斜率最大的點(diǎn)在第一、二小組之間。此后，雖然讀容量不斷上漲，但讀任務(wù)資源消耗比例的上升趨勢(shì)漸緩。觀察圖4可知，實(shí)驗(yàn)中MooseFS檢測(cè)器寫(xiě)任務(wù)消耗的最大資源比例在寫(xiě)容量為1.25 GB（最大容量）時(shí)，之后的資源消耗比例不斷下降，下降趨勢(shì)明顯，最小資源消耗比例僅為2.6%。從以上實(shí)驗(yàn)分析中可以得出：本文設(shè)計(jì)并實(shí)現(xiàn)了MooseFS檢測(cè)器在進(jìn)行服務(wù)器多沖突節(jié)點(diǎn)檢測(cè)過(guò)程中具有很強(qiáng)的資源控制能力，可減少節(jié)點(diǎn)沖突產(chǎn)生。

3 結(jié) 論

本文采取硬件與軟件相結(jié)合的檢測(cè)方式設(shè)計(jì)MooseFS檢測(cè)器，用來(lái)對(duì)服務(wù)器系統(tǒng)中風(fēng)暴節(jié)點(diǎn)的沖突進(jìn)行檢測(cè)。MooseFS是一種在線分布式數(shù)據(jù)管理平臺(tái)，本文使用動(dòng)態(tài)冗余分布策略，融合數(shù)據(jù)存儲(chǔ)云平臺(tái)和邏輯門處理器的靈活檢測(cè)性能，對(duì)風(fēng)暴節(jié)點(diǎn)內(nèi)的資源狀況進(jìn)行有效控制，在檢測(cè)節(jié)點(diǎn)沖突的同時(shí)減少了沖突的產(chǎn)生幾率。

參考文獻(xiàn)

[1] 彭玉柱，孟凡超，初佃輝.基于多線程機(jī)制的電力數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32（1）：78?81.

[2] 吳清秀.基于WSN的網(wǎng)關(guān)節(jié)點(diǎn)程序設(shè)計(jì)與實(shí)現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2016，6（8）：35?36.

[3] SHAO S， KHREISHAH A， AYYASH M， et al. Design and analysis of a visible?light?communication enhanced WiFi system [J]. Journal of optical communications & networking， 2015， 7（10）： 960?973.

[4] 于翰林，盧澤民，朱詠莉.基于嵌入式Web服務(wù)器的pH值檢測(cè)系統(tǒng)的設(shè)計(jì)[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（1）：390?393.

[5] PENG C， QIAN K， WANG C. Design and application of a VOC?monitoring system based on a ZigBee wireless sensor network [J]. IEEE sensors journal， 2015， 15（4）： 2255?2268.

[6] 朱研，鄭琨.多服務(wù)器環(huán)境下的網(wǎng)絡(luò)最脆弱攻擊區(qū)檢測(cè)[J].計(jì)算機(jī)仿真，2016，33（1）：288?291.

[7] 段小紅，潘國(guó)峰，楊帆，等.面向智慧社區(qū)的云分支服務(wù)器設(shè)計(jì)與實(shí)現(xiàn)[J].電視技術(shù)，2016，40（1）：67?71.

[8] 王新新，梁意文.樹(shù)突狀細(xì)胞算法在Web服務(wù)器異常檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（24）：148?152.endprint