第22卷第12期
2012年12月
计算机技术与发展
COMPUTERTECHNOLOGYANDDEVELOPMENT
Vo1．22No．12
Dec．2012
云计算在轨道交通线网信息分发中的应用
韩泉叶，王晓明，党建武。
(1．陕西广播电视大学陕西工商职业学院计算机信息管理系，陕西西安710119；
2．兰州交通大学电子与信息工程学院，甘肃兰州730070)
摘要：对城轨线网的数据信息及其特征进行了分析，讨论了推送和拉取的信息分发机制，提出了一种适合于城轨线网的
信息分发机制，该机制将推送与拉取相结合，根据当前系统分发信息的特征和及时性要求，通过动态分配可用资源来确定
推送和拉取，达到最小化数据块分发延时的目的。实验结果表明，推拉相结合的信息分发机制通过动态调节参数，既可适
用于线网中严格一致性需求的信息流，也可适用于线网中非严格一致性需求的信息流，还可适用于线网中根据需要随时
获取的信息流。
关键词：云计算；城轨线网；信息分发
中图分类号：TP311文献标识码：A文章编号：1673—629X(2012)12—0203—04
ApplicationofCloudComputingonInformationDisseminationin
UrbanRailTransitLineNetwork
HANQuan—ye，WANGXiao—ming，DANGJian—WU
(1．DepartmentofComputerInformationManagement，ShaanxiCommerceandVocationalCollege，
ShaanxiRadioandTVUniversity，Xian710119，China；
2．ElectronicandInformationEngineeringCollege，LanzhouJiaotongUniversity，
Lanzhou730070，China)
Abstract：Thecharacteristicsofdatainformationinurbanrailtransitlinenetworkareanalyzed．Thepushandpullinformationdissemina-
tionmechanismisdiscussed．Inthispaper，akindofinformationdisseminatingmechanismispresented，whichcombinespushapproach
withpullapproachandfitsforurbanrailtransitlinenetwork，bywhichthesystemCandynamicallyandintelligentlyallocatetheavml~le
resoureebetweenpushclientsandpullclientsSOastooptimizethesendingtimedelayofdatachunkgiventheircharactersanddesired
currency．AndtheexperimentalresuksarepresentedtOvalidatetheapproach．Themajorconclusionisthattheapproachofcombination
pushwithpullCanfitforbothstringentcoherencyrequirementsfordataitemandlessstringentcoherencyrequirementsfordataitemon
linenetwork，alsoCanfitforacquiringatanytimeaccordingtOrequirementonlinenetwork，byoptimizingtheparameterdynamically．
Keywords：cloudcomputing；urbanrailtransitlinenetwork；informationdissemination
O引言
云的构建技术是一种利用大量并行工作的处理器
来处理高性能计算问题的模式，与其它高性能计算
技术相比，其基本特征是建立在大规模廉价服务器集
群之上，通过基础设施与上层应用程序的协同构建达
到最大效率利用硬件资源。我国城轨系统采用线网运
营模式后，系统拓扑结构更为复杂，客流密度也更大，
不同站点之间和不同线路之间相互影响，局部问题对
整个线网运营的波及效应和联动效应更加突出，数据
收稿日期：2012~05—15；修回日期：2012～08—19
基金项目：甘肃省自然科学基金(ZS031一A25—019一G)
作者简介：韩泉叶(1974一)，女，博士研究生，副教授，CCF会员，主要
研究领域为智能信息处理
处理规模也随之增加，加之各条线建设时间和设备厂
家等问题导致数据的异构性使得系统集成性差，云计
算可解决上述问题，利用大规模廉价服务器集群来协
同完成数据的处理任务，信息分发是数据处理的重要
部分。
1相关工作
针对推拉式信息分发问题在学术界已经取得一定
的研究成果。主要集中在Web环境下的信息分发，文
献[3]提出根据发送数据块的往返时延决定网络中要
传输的下一个节点的信息分发机制，主要用于视频流。
文献[4]提出CDN—P2P和Tree—Mesh相结合的信息
分发机制，也是用于Web中的视频流。文献[5]提出
量子行为粒群优化算法的硬件实现，能够缩短信息的
·204·计算机技术与发展第22卷
传送时间。文献[6]证明了在Ⅳ个节点的传输网络中
分发动态数据，树状网络结构的时间复杂性最低。文
献也都研究的是Web环境下的视频流分发，文献
[10]提出将系统中的异构、多层信息进行整合并为应
用的集成提供了一种新思路。文献[11]论述了推拉
技术在数字图书馆信息服务中的应用，文献[10，11]
均没有从信息分发的及时性上进行分析。与这些相
比，城轨线网的信息分发除了要从信息分发的及时性
上进行分析外，还有其自身特点和结构。
其信息分发机制是关键。文中对云计算分布式编程模
型中的推拉信息分发机制进行分析并将其应用在线网
中，以达到信息分发时即便某个任务出现失败，也不会
因数据的丢失而导致整个计算任务的重新执行。
这一点能够很好地满足城轨线网大规模数据信息的完
整性和准确性。
3推拉信息分发机制
先看下面定义：
图1城轨线网信息流图
2城轨线网数据信息及其特征
城轨线网的信息流图如图1所示。其中应急指挥
协调中心是线网运营的核心，承担着线网的信息共享、
线网运营管理、应急处理和智能决策等重大任务；图中
箭头表示信息流方向，1，2，3，4分别代表四类信息流，
其它类型的信息流已在图中注明，1代表运营监督信
息、决策指令信息、协调联动信息；2代表监控信息、救
援反馈信息、信息报送；3代表资源调度信息、指令信
息；4代表监控信息、现场信息执行反馈。其中部分是
实时信息流，即对信息的一致性要求十分严格，如报警
信息、监控信息等；部分是非实时信息流，对信息的一
致性要求不是十分严格，如乘客信息流、统计分析数据
等；还有一些是根据需要随时获取的信息流，如公交线
路图、半径覆盖范围内的110、119应急单位信息和现
场视频流等。为了准确及时地处理大规模线网数据，
●暂时一致性需求
(TemporalCoherencyRe-
quirement，TCR)：定义用户
或系统感兴趣的数据。其
值c表示两次获取信息的
最大可能偏差值，A表示A．
gent在t时刻获取的信息
值，保持暂时一致性也就意
味着下列不等式一直存在。
llA一AI_lll≤C(1)
●刷新时间(TimeTo
Refresh，rI-l)：表示Agent
根据TCR计算的时间间
隔，通过它，Agent可以确定
下一次从Server处获取数
据信息的时间，然后刷新这
期间变化的数据。
●及时性(Currency)：
公式(2)中，t。，t2，…，t表
示不满足用户一致性需求
的时间间隔，表示用户观察的时间间隔。
Currency=1一∑t／T(2)
i：l
●通信量(Communicationoverheads)：定义服务器
和Agent之间交换数据信息的次数，推送时，网络中传
输数据信息的次数等于推送的次数，而每一次拉取操
作包括请求和应答。显然，对于确定数量的更新而言，
拉取会产生更多的通信量。拉取时，Agent根据当前数
据变化率的快慢来估计何时获取Server数据信息值，
如果数据变化率快，Agent获取数据信息的时间间隔就
会动态变小，结果就会导致网络中通信量增加。
●柔性(Flexibility)：用来描述服务器出错情况
下，推送与拉取的反应特性。推送时，如果服务器出
错，Server就不能主动地推送应该推送的信息，而用户
却错误地认为系统没有可推送的数据信息；拉取时，如
果出现服务器有问题，Server被请求后没有应答，一段
时间间隔后，系统就会知道服务器有问题而采取相应
第12期韩泉叶等：云计算在轨道交通线网信息分发中的应用·205·
的措施。
3．1拉取
拉取方法为了实现数据信息的暂时一致性，Agent
要根据数据信息变化率和用户一致性需求计算TI''R
值，原则上一致性要求严格的数据信息，对应一个较小
的rI’I''R值，一致性要求不严格时，，I’I''R会变大。拉取
是一种被动行为，且Agent不需要拉取每一次变化的
数据，只需要拉取那些用户感兴趣且变化了的数据。
因此拉取方法依赖于rI’I''R值计算的准确性，给定用户
一致性需求，Agent可以根据当前数据变化率动态计算
rITI''R值，变化率加快的数据会有一个动态变小的TI’R
值，变化率变慢时，rITI’R值会随之动态增加。TYR的估
计值，ITI’R朗．i…可根据公式(3)计算。
…
=j
I，I’rI．Ri≤1vrRl≤TTR一
LTTRlt=TTR砒e
(3)式中，rI’I''R．衄．表示上一次数据刷新的时间间
隔，其初始值为[TTRi，TTR]之间的一个随机值，
ID。
。
一Dl表示数据最后两次的差值。[rI．I''R
TTR一]表示rI’I''R的取值范围，c表示数据信息TCR
值。
3．2推送
在推送方法中，用户感兴趣的数据信息和有关的
TCR值C需要注册在Server上，无论何时，只要用户感
兴趣的数据信息发生了改变，且满足式(4)，Server就
会将此数据信息推送出去。
ID一DlI≥C，0≤last
式(4)中，D表示数据信息的当前值，D。表示
Server最后推送的数据信息值。为了实现这个目标，
Server需要保存用户感兴趣数据的状态信息、该数据
的TCR值和最后一次推送的该数据值。Server能够主
动识别数据的变化，能够准确地确定何时应该推送什
么样的数据，因此推送方法适合于一致性需求非常严
格的数据，理论上只要Server正常，推送数据的及时性
就为1，推送是一种主动行为。
3．3推送与拉取实验
实验中，考虑到股市价格数据信息流与城轨线网
数据信息流有相似处，很多都属于实时信息流，使用从
http：／／www．kitco．com上获取的实时股票价格数据做
实验，以每秒2股的频率收集数据信息。拉取使用
HvrPWebServer和代理作为实验平台，推送使用单播
和面向连接的socketServer做作为实验平台，所有实
验都在局域网上进行。拉取使用动态TTR，1’rR等
于1秒，三个rI．I''R值分别是1O、30和50秒，C等于
￥0．06
…～j||蔓～_一一一|一一碧自。·i…|～
图2拉取中TCR与及时性关系
O．0fiO．O8O．10l2。圣俄ll6O8o．2
I僚
图3TCR与通信量关系
图2表明，拉取给一致性需求严格的数据能提供
0．7—0．8的及时性；并且随着数据一致性要求的降
低，即随着TCR的增大，及时性增大；当TCR等于￥0．
06时，1TrR值小，数据被刷新的频率快，及时性值就
大；当TCR增大到￥0．2时，可以看到不同fI-rR得到
几乎相同的及时性。图3表明，推送产生的网络通信
量较少，原因是只有用户感兴趣的数据才被推送，而拉
取的网络通信量明显大于推送，随着一致性需求的降
低，网络通信量也会降低。
从上述分析可知，推送不但能提供高及时性还能
降低网络通信量，不失为一种好的信息分发方法，但推
送存在致命的弱点，使用它会导致系统的柔性差，使用
推送方法，Server需要保存客户的关键状态信息，如用
户的TCR信息，若Server出错，这种状态信息会丢失，
结果用户的TCR只有在Server被检测出出错并且重
新注册TCR需求信息后，才能重新被识别。这个问题
可以在拉取方法中得到弥补，若Server出错，经过1TrR
后，Server就会被检测出来。鉴于此种情况，下面给出
一种推拉结合的方法，通过连接资源动态调节推送和
拉取的信息分发机制。
4推拉结合的信息分发机制
推拉结合的信息分发机制，要求在任何时候，
Server要把它的用户分成推送和拉取，这种分类随着
资源的变化而动态变化，Server知道在某一时刻它能
叩叩仰田孀嚣循。42
兽甚墨黟毽嚣嚣
·206·计算机技术与发展第22卷
控制的连接数目和能够提供给推送和拉取进行数据分
发的资源数目，Server给每一次连接提供的资源包括
sockets、memory、CPUtime和bandwidth。该机制的主要
思想是根据资源情况和传输数据的及时性动态选择推
送与拉取，从而提高系统柔性的同时减少数据块的分
发延时。为了达到这一目标，当遇到下列情况之一时，
需要使用推送。
(1)检测当前数据值满足被推送的条件；
(2)自上次推送后，经过一个特定的时间段1TR。
前一个条件保证了推送数据的同步性，后一个条
件保证了经过1TrR后Server正常运行，增加了系统的
柔性。当用户状态信息丢失或因网络问题导致无法连
接Server时，经过TTR，用户重新向Server请求恢复状
态并拉取数据。这确保在最坏情况下，传输数据同步
时间不会超过1TrR。根据资源情况动态调节推送与拉
取，使用公式(5)、(6)调节。式(5)中，R表示当
前资源总数，Ⅳ表示用户总数，孝表示pull用户数量，
．s表示资源sockets量，C表示资源CPUtime，M表示资
源Memory，B表示资源bandwidth。
R=Rpu。h+RpIIll
N一∈N一{N—e一
=(∑S，∑C，∑M，∑Bi)+
ffff
(∑，∑，∑，∑)
，1JI』1，1
--
_min(。。STDpr~．)(6)
式(6)中，STD(SendingTimeDelay)表示特定网
络结构下数据块的发送时延，表示随着变化最
佳的STD。推送和拉取之间的动态选择如图4所示：
／一、、
Push
rdeny／
～
，
图4推送与拉取转化
图4中，不考虑数据信息的及时性，若Server有足
够资源，则所有连接都初始化成推送；若用户能忍受的
及时性低，那么此用户可使用拉取；若某用户需要
100％的及时性，但Server没有足够资源，则Server将
按步骤将一些推送转化为拉取，转化时需要考虑可提
供的bandwidth、数据变化率和TCR。如果可提供的带
宽较低，那么转化为拉取将会使现有情况变得更糟，因
拉取比推送需要更多的带宽，如果存在及时性较低、数
据变化率较低、TCR较高、所需空间小的用户，Server
就会将其转化为拉取，当这种转变不可能时，该请求将
被拒绝。
5推拉结合的信息分发实验
实验中使用与上面相同的数据，Server运行在
Linux工作组平台上，用4个不同的工作组仿真客户
机，每个客户机有56个用户，每次访问3—4个数据
项，每次连接中，队列大小设置成5，连接总数设置成
25。随着推送连接增加，由于资源受限导致请求被拒
绝的情况如图5所示。图5中，当推送连接增加到
65％以后，请求被拒绝的情况也随之增加，当Server接
收到一个新的拉取请求时，如果队列里没有多余的空
间，则请求不得不被拒绝，如果65％的连接是推送，意
味着有9个连接是拉取，可容纳约44个拉取请求，当
第45个拉取请求出现时就会被拒绝。当拉取请求被
Server拒绝后，经过1rrR，被拒绝的用户会重新向Serv—
er发出请求，这会引起应答时间的增加，最终导致系统
的及时性降低，如图5曲线的最后一部分所示。图6
中，随着推送连接数的增加，系统的及时性也随之增
加，当推送连接增加到90％附近时，由于系统资源受
图5推送连接与请求拒绝关系
图6推送连接与系统及时性关系
6结束语
对城轨线网数据信息及其特征进行了分析，讨论
了云计算分布式编程模型中的推送和拉取信息分发机
制，提出了一种适合于城轨线网的信息分发机制，该方
法把推送与拉取相结合，通过动态分配可用资源来确
(下转第210页)
∞％
OO0OO
I_u
·210·汁算机技术与发展第22卷
为QPSK时，在不同信噪比情况下，发送数据长度不同
时，算法的平均误码率曲线如图4所示。
实验表明：发送数据长度不同时，采用改进激活函
数的CHNN盲检测算法误码率大体相同，算法不会随
着数据量的增大而失效。
4结束语
CHNN盲检测算法有效地利用了了Hopfield神经
网络的并行性、联想学习性等优点，较好地实现多值信
号的盲检测，具有一定的应用价值。文中所提出的新
的改进激活函数有效地提高了算法对噪声的抗干扰能
力，适用于低信噪比、大数据量等复杂环境中，为进一
步研究算法在物联网、传感网等复杂环境中的应用奠
定了一定的基础。
参考文献：
[1]DingZ，LiY．BlindEqualizationandIdentification[M]．New
York：MarcelDekker，2002．
[2]GiannakisGB，HuaYB，StoicaP，eta1．SignalProcessing
AdvancesinWirelessandMobileCommunications：Trendsin
ChannelEstimationandEqualization[M]．NJ，USA：Prentice
HallPrrRUpperSaddleRiver．2000．
[3]SantamariaI，PantaleonC，VielvaL，eta1．Blindequalization
ofconstantmodulussignalusingsupportvectormachines[J]．
．--4---++”—■一··—··+
(上接第206页)
定推送连接和拉取连接，最终达到在数据信息的及时
性基础上，使数据块的发送时延达到最小，实验中的数
据采用和城轨线网数据信息类似的股票数据信息，结
果表明，推拉相结合的信息分发机制通过动态调节参
数，既可适用于城轨线网中一致性要求严格的数据
信息也可适用于线网中一致性要求不太严格的数据信
息，还可适用于线网中根据需要随时获取的数据信息。
参考文献：
[1]陈康，郑纬民．云计算：系统实例与研究现状[J]．软件学
报，2009，20(5)：1337—1348．
[2]DeanJ，GhemawatS．MapReduce：AFlexibleDataProcessing
Tool[J]．CommunicationsoftheACM，2010，53(1)：72—77．
『3]AlessandroR．RenatoLC．Delay—awarenessinPush／Pull
StreamingProtocols[R]．[s．1．]：[s．n．]，2010．
[4]黄思嘉，吕智慧，吴杰．新型双重混合的流媒体直播系统
架构[J]．计算机工程，2011，37(9)：284—287．
[5]蔡瑞，须文波，柴志雷，等．粒子群优化算法的硬件实现
及其性能分析[J]．计算机工程，2010，36(4)：166-168．
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
IEEETransactionsonSignalProcessing，2004，52(6)：1773—
1782．
张志涌，张昀．复数Hopfield盲恢复多用户QPSK信号
[J]．东南大学学报，2008，38(Sup)：18—22．
于舒娟，张志涌．含公零点SIMO信道QPSK序列盲检测
[J]．东南大学学报，2005，35(6)：867．871．
BaiErwei，LiQingyu，ZhangZhiyong．Blindsourceseparatiotv／
channelequalizationofnonlinearchannelswithbinaryinputs
[J]．IEEETransactionsonSignalProcessing，2005，53(7)：
2315-2323．
HopfieldJJ．Neuronswithgradedresponsehavecollective
computationalpropertieslikethoseoftwo—stateneurons
[C]／／ProceedingsoftheNationalAcademyofSciencesofthe
UnitedStatesofAmerica．[s．1．]：[s．n．]，1984：3088—3092．
SengnptaD，IltisRA．Neura1．SolutiontotheMuhitarget
TrackingDataAssociationProblem[J]．IEEETrans．onAero—
spaceandElectronicSystems，1989，25(1)：96-108．
ZaveriM，MerchantSN，DesaiUB．RobustNeural-ne!work
BasedDataAssociationandMultipleModel-basedTrackingof
MultiplePointTargets[J]．IEEETransactionsonSystems，
2oo7，37(3)：337—351．
敬忠良。张国伟，周宏仁．随机神经网络在机动多目标跟踪
中的应用[J]．航空学报，1994，15(7)：812—818．
ZuradaJM．NeuralNetworks：BinaryMonotonicandMultiple—
valued[C]／／Proc．ofthe30thIEEEInternationalSymposium
onMultiple-valuedLogic．Portland，Oregon：[s．n．]，2000．
[6]ChakinalaR．C，A，LaingKA，eta1．Pla—
yingPushvsPull：ModelsandAlgorithmsforDisseminating
DynamicDatainNetworks[C]／／SPAA2006．Cambridge，
Massachusetts，USA：[s．n．]，2006．
[7]MengZ，LuoJG，ZhaoL，eta1．APeer—to—PeerNetworkfor
LiveMediaStreaming—UsingaPush—PuffApproach[C]／／
MM’05．Singapore：[s．n．]，2005．
[8]王晖，陈伟涛，刘亚杰．基于网络编码的P2P流媒体推拉
结合数据调度方法customR2[J]．计算机应用，2010，30
(2)：285-288．
[9]卢良进，万健，徐向华．推拉结合的P2P直播系统研究与
实现[J]．计算机工程，2008，34(8)：240—242．
[10]马忠贵，叶斌，王成耀，等．基于“推一拉”技术的多源复
杂信息整合研究[J]．计算机工程，2006，32(5)：178—180．
[11]李挂贞，郑建明．基于智能信息推拉技术的数字图书馆主
动信息服务[J]．情报杂志，2007(2)：65—67．
[12]LiSpez-NeriE，Ramlrez-TrevifioA，L6pez-MelladoE．Hierar—
chicalModelingofUrbanTrafficSystemsforMulti—Agent
BasedSimulation[C]／／WCECS2008．SanFrancisco，USA：
『S．n．]．2008．
|
|
