服務器多沖突風暴節點的檢測器設計與實現

史寶會+李勇

摘 要： 隨著服務器系統節點數量和用戶任務的不斷增多，使得風暴節點出現沖突問題。在此背景下，通過分析服務器系統的節點連接架構，將檢測器部署在其通信平臺上，對用于檢測服務器多沖突風暴節點的MooseFS檢測器進行設計與實現。當風暴節點中存在較多沖突時，MooseFS檢測器采用動態冗余分布策略與硬件平臺協同檢測，沖突不多時只使用硬件進行檢測。動態冗余分布策略選用冗余度度量節點任務開銷，給出風暴節點子任務、帶寬和中央處理器運行時間的可用度函數，檢驗冗余度是否可靠。硬件平臺通過邏輯門處理器對子任務、帶寬、中央處理器運行時間以及存儲容量的負載率進行度量。實驗結果表明，所設計的MooseFS檢測器擁有很強的資源控制能力。

關鍵詞： 服務器； 沖突； 風暴節點； MooseFS； 冗余分布

中圖分類號： TN911?34； TP393 文獻標識碼： A 文章編號： 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

服務器系統是一種提供計算服務的器件，經過長時間的發展，服務器系統節點越來越繁雜，數目也越來越大，如風暴般席卷而來。風暴節點（由海量節點組成的集合）沖突造成服務器系統可靠性不斷下降。開放性與容錯性是服務器得以持續發展的必經之路，很多學者結合理論與實際的關聯性設計出服務器節點檢測器，具體分為硬件檢測和軟件檢測。硬件檢測的靈活性強、檢測效率高、成本低廉，資源開銷卻不低。軟件檢測的資源開銷低，檢測精度卻不高。目前，硬件與軟件相結合的檢測器已經成為服務器節點檢測研究的主要分支。

1 服務器多沖突風暴節點的檢測器設計與實現

1.1 冗余分布策略

用于檢測多沖突風暴節點的MooseFS檢測器的冗余分布策略應絕對滿足用戶局域網的帶寬、可讀寫性、中央處理器性能和存儲容量，可以將檢測工作看成一個多源優化工作[1]。多源優化工作是指從不同的數據組合結構中選取能夠賦予任務最小開銷的最優策略，并且要符合最基本的限制要求。

如果用[Xi]表示服務器風暴節點上的冗余分布集合，[Xi]會對節點任務開銷造成很大影響，MooseFS檢測器選用冗余度度量節點任務開銷。冗余度是指從可靠性度量出發，提出一個度量值來保證系統在非常規作業下也可以正常進行任務處理等工作[2]。冗余度越小，風暴節點讀子任務使用的用戶局域網帶寬就越大，此時節點資源消耗降低，只需要占據很小的存儲容量就能解決風暴節點的多種沖突問題[3]。為了調節冗余度，靜態冗余顯然達不到要求，需要使用動態冗余分布策略。endprint

動態冗余分布策略在管理平臺和執行平臺風暴節點的數據庫中進行節點駐留，減少節點開銷。設用戶任務集合為[Oi]，服務器系統中所有節點經過動態冗余分布分配到的子任務集合表示為[Ti={Tn}]，集合元素[Tn]的分量用[（TRi，CRi，NRi，TWi，CWi，NWi）]表示，當[Ti×NRi=0]時，[Tn×NRi]的最大值[4]等于0。其中，[T]是任務，[C]是中央處理器運行時間，[N]表示帶寬，[Ri]，[Wi]分別是節點上的容錯器集合和節點子任務權重。

將[Oi]在用戶局域網的存儲容量、任務可用度[5]分別設為[di]，[Ac]，[1-n=1N（1-An）Xin≥Ac]，子任務的可用度設為[Ai（Xi）]。可用度是MooseFS檢測器檢測風暴節點子冗余度是否可靠的度量標準。如果將[Ac]平均分配到子任務上得到平均可用度[An]，那么[Ai（Xi）]的函數式可表示為：

[Ai（Xi）=1-n=1N（1-An）Xin] （1）

式中：[n]是擁有子任務的節點次序；[Xin]是第[n]個節點上冗余分布的數據量，取值為0或1。

MooseFS檢測器對服務器多沖突風暴節點帶寬可用度和中央處理器運行時間可用度的檢測函數如下：

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

[Ci（Xi）=n=1NCRnTRn+CWnTWniNXi] （3）

1.2 檢測器硬件平臺設計

MooseFS檢測器的容錯能力強勁，在服務器系統風暴節點沖突數量不多的普通情況下，僅使用檢測器硬件平臺就能為節點沖突提供解決方案，存在嚴重沖突的情況下則采用冗余分布策略與硬件平臺協同作業的方式[6]。圖1是MooseFS檢測器硬件平臺架構。

圖1中所設計的MooseFS檢測器硬件平臺由數據存儲云平臺和邏輯門處理器組成，通過用戶局域網將二者在線連接于服務器系統通信平臺外部[7]，對通信平臺內流經的節點數據進行存儲與檢測。邏輯門處理器監督風暴節點運動狀態，當風暴節點中存在多沖突，數據存儲云平臺臨時接管節點上的任務數據，再將數據分配到正常節點上，保證任務處理連續性；當風暴節點中的沖突解除，釋放節點功能，將節點初始化至正常運行狀態。

邏輯門處理器是一種集成邏輯設備，擁有74系列邏輯電路，采用5 V電源供電[8]，如圖2所示。設置A，B兩個輸入端是為了防止電路負載過重導致風暴節點不能與MooseFS檢測器進行數據溝通。邏輯電路中有4個邏輯門，節點任務數據輸入邏輯門處理器后將依次進行風暴節點子任務、帶寬、中央處理器運行時間以及存儲容量的負載率度量，通過輸出端給出檢測結果。

2 測試與分析

設定用戶局域網帶寬為150 Mb/s，在服務器系統數據庫中寫入2萬條原始數據，將2萬個節點構成風暴節點測試組，初始可用度設為0.98，當節點可用度下降至0.90以下，視為風暴節點中存在多種沖突。把風暴節點測試組平均分成10個小組，每小組中節點的平均讀寫任務容量如表1所示。

表1 風暴節點測試組讀寫任務容量匯總表

由表1可知，風暴節點測試組中讀任務和寫任務幾近負相關。按照以往的經驗，表1中給出的節點讀寫容量不應占用超出45%的資源消耗比例，超出后MooseFS檢測器將不會維持長時間的正常工作。

在MooseFS檢測器讀、寫風暴節點子任務的過程中，實驗進行MooseFS檢測器對服務器多沖突風暴節點資源控制能力的測試與分析。設定此時所有節點的可用度均低于0.90，用戶任務集合[Oi]下動態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，實驗中MooseFS檢測器最大讀任務資源消耗比例為19.1%，折線斜率最大的點在第一、二小組之間。此后，雖然讀容量不斷上漲，但讀任務資源消耗比例的上升趨勢漸緩。觀察圖4可知，實驗中MooseFS檢測器寫任務消耗的最大資源比例在寫容量為1.25 GB（最大容量）時，之后的資源消耗比例不斷下降，下降趨勢明顯，最小資源消耗比例僅為2.6%。從以上實驗分析中可以得出：本文設計并實現了MooseFS檢測器在進行服務器多沖突節點檢測過程中具有很強的資源控制能力，可減少節點沖突產生。

3 結 論

本文采取硬件與軟件相結合的檢測方式設計MooseFS檢測器，用來對服務器系統中風暴節點的沖突進行檢測。MooseFS是一種在線分布式數據管理平臺，本文使用動態冗余分布策略，融合數據存儲云平臺和邏輯門處理器的靈活檢測性能，對風暴節點內的資源狀況進行有效控制，在檢測節點沖突的同時減少了沖突的產生幾率。

參考文獻

[1] 彭玉柱，孟凡超，初佃輝.基于多線程機制的電力數據采集系統設計與實現[J].計算機應用與軟件，2015，32（1）：78?81.

[2] 吳清秀.基于WSN的網關節點程序設計與實現[J].物聯網技術，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服務器的pH值檢測系統的設計[J].江蘇農業科學，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.多服務器環境下的網絡最脆弱攻擊區檢測[J].計算機仿真，2016，33（1）：288?291.

[7] 段小紅，潘國峰，楊帆，等.面向智慧社區的云分支服務器設計與實現[J].電視技術，2016，40（1）：67?71.

[8] 王新新，梁意文.樹突狀細胞算法在Web服務器異常檢測中的應用[J].計算機工程與應用，2016，52（24）：148?152.endprint