[發明專利]用于大規模分布式仿真的輕量化DDS自動發現方法

有效

• 申請號: 202011195563.2
• 申請日: 2020-10-30
• 公開（公告）號: CN112257285B
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 劉哲旭;王凱;趙珍
• 申請（專利權）人: 中國民航大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F16/22;G06F16/2458;G06F111/02;G06F111/08
• 代理公司: 天津中環專利商標代理有限公司 12105
• 代理人: 王鳳英

本發明公開了一種用于大規模分布式仿真的輕量化DDS自動發現方法。該方法是基于單哈希函數閾值布隆過濾器OHTBF和簡單發現機制SDP的自動發現方法SDP_OHTBF來實現的，包括基于OHTBF的數據壓縮存儲和基于最優化閾值θ和T的查詢算法。本方法采用OHTBF存儲各仿真節點中所有參與者端點的描述信息時，使用一個哈希函數和簡單的模運算代替了傳統布隆過濾器中的多個哈希函數運算，可以減少運算量。采用基于最優的二值化閾值θ和判定閾值T的OHTBF向量查詢算法來實現數據訂閱，可以有效的降低FPR，從而減少無效數據的傳輸，降低內存消耗和網絡傳輸量。

技術領域

本發明涉及大規模分布式仿真中的數據分發服務領域，特別涉及一種用于大規模分布式仿真的輕量化數據分發服務DDS自動發現方法。

背景技術

分布式仿真任務中仿真節點間的數據傳輸和同步是保證仿真性能的關鍵問題。隨著仿真對象愈發復雜，分布式仿真環境更加龐大，仿真規模不斷增長，仿真節點也在不斷贈加，仿真過程中各節點間巨量的數據傳輸和同步正面臨著極大的挑戰。

目前，分布式仿真平臺中實現數據傳輸和同步的數據分發服務(DataDistribution Service,DDS)所采用是基于簡單發現機制布隆過濾器(Simple DiscoveryProtocol Bloom Filter,SDPBloom)的自動發現算法。在仿真過程中，每個仿真參與者端點均將自己的描述信息(一般為數據的主題名稱)發送給其他參與者，同時也會接收其他參與者端點發送的所有的描述信息。當仿真規模較大時，巨大的內存消耗和網絡帶寬的占用對于仿真實時性的影響是無法忍受的。本發明所涉及的輕量化數據分布服務DDS自動發現算法就是一種可以在滿足分布式仿真運行的同時減少內存消耗和網絡傳輸量的新型技術方案。

發明內容

鑒于現有技術存在的問題，本發明提出一種用于大規模分布式仿真的輕量化數據分發服務DDS自動發現方法，包括基于OHTBF的數據壓縮存儲、基于最優化閾值θ和T的查詢算法。采用該方法可以減少內存消耗和網絡傳輸量，在大規模分布式仿真應用中提高仿真節點間數據通信的實時性。

為了達到上述目的，本發明采取的技術方案是：一種用于大規模分布式仿真的輕量化DDS自動發現方法，其特征在于：所述方法是基于單哈希函數閾值布隆過濾器OHTBF和簡單發現機制SDP的自動發現方法SDP_OHTBF來實現的，具體步驟為：

一、各仿真節點分別通過1個OHTBF布隆過濾器將其自身包含的所有參與者端點的描述信息壓縮映射為1個OHTBF向量，其中OHTBF布隆過濾器是一種具有k個分區的一維向量，所述壓縮映射過程為針對每個參與者端點的描述信息的一個哈希運算和分別針對OHTBF向量各分區的k個取模運算。

二、各仿真節點間互相發送所述OHTBF向量，任一仿真節點均通過查詢算法來搜索含有自身需要的參與者端點描述信息的OHTBF向量，并對其所對應的仿真節點進行數據訂閱，從而實現數據通信；其中，所述各仿真節點間互相發送所述OHTBF向量的過程中，采用閾值0對OHTBF向量中的每一位進行二值化處理。

三、所述仿真節點通過查詢算法來搜索含有自身需要的參與者端點描述信息的OHTBF向量并對其所對應的仿真節點進行數據訂閱的過程中，將該仿真節點需要訂閱的某個數據的主題名稱通過一個哈希和取模運算映射至一個OHTBF向量，再將該OHTBF向量與其他仿真節點發來的所有OHTBF向量分別求點積，再分別通過查詢算法與判定閾值T比對，從而搜索能夠提供該數據的仿真節點并進行訂閱；所述閾值0和判定閾值T通過對采用真陽率TPR和假陽率FPR構建的傳輸精度函數的最優化獲得。

四、當采用所述自動發現算法SDP_OHTBF因搜索不到能夠提供仿真節點所需數據的主題名稱而無法完成數據訂閱時，采用SDPBloom自動發現算法作為補充查詢方法。

本發明在步驟三中，所述采用真陽率TPR和假陽率FPR構建的傳輸精度函數的計算公式為：