基于IIPP和移動Agent的冗余數據一致性的研究與實現

李海榮 方中純

摘 要： 冗余技術在提高數據可靠性和可用性方面發揮了重要作用，隨之而來的數據一致性問題成為研究熱點。提出一個基于IIPP和移動Agent的一致模型，在IIPP思想的指導下，應用Agent具有移動特性和處理任務的特性來進行事務的發送、轉換及分發等操作，從而實現數據的弱一致性。該模型在實際應用中得到了很好的驗證，提高了系統的智能性、高效性及自適應性。

關鍵詞： IIPP； 移動Agent； 弱一致性； 分布式數據庫； 冗余技術； 一致性模型

中圖分類號： TN911.2?34； TP392 文獻標識碼： A 文章編號： 1004?373X（2018）08?0092?04

Abstract： Redundancy technology plays an important role in improving the data reliability and availability， and the subsequent data consistency problem becomes a hot research topic. A consistency model based on IIPP and mobile Agent is put forward. Under the guide of IIPP idea， operations such as transaction sending， transferring and distribution are conducted by means of the mobile feature and task processing feature of Agent to finally realize the weak consistency of data. The model was well verified in practical application， which improves the intelligence， efficiency and adaptability of the system.

Keywords： IIPP； mobile Agent； weak consistency； distributed database； redundancy technology； consistency model

為了保證和提高數據的可靠性（Reliability）和可用性（Availability），分布式數據庫經常采用冗余存儲的方式，即數據產生多個副本，存儲于不同服務器和數據中心。冗余機制的引入實現了網絡帶寬消耗減少，數據訪問延遲減少的目的，但同時也產生了數據一致性問題。因此，如何高效、智能地解決一致性問題，從而保證系統的可用性與可靠性，已經成為分布式數據庫的一個研究熱點。

一致性又分為強一致性和弱一致性[1]。強一致性是指同一數據的多個備份之間，要任何時刻都保持一致，適用于對數據實時性和準確性要求較高的場合，如銀行賬號的余額更新等。弱一致性要求只要數據最終達到一致即可，也稱為最終一致性或優化一致性。弱一致性具有網絡靈活性，并且節點間的同步協調要求低，是采用較為廣泛的一種一致性策略。

目前公認的最為有效的一致性算法是由Leslie Lamport 于1990年提出的一種基于消息傳遞的一致性算法：Paxos[2]。另外，許多學者也提出了很多其他算法，較為常見的有：事務控制法、復制控制法和消息隊列法[3?4]等。

本文提出一種基于智能信息推拉技術（Intelligent Information Push &； Pull，IIPP）思想的數據弱一致性的更新模型DCIMA（Data Consistency based on IIPP and Mobile Agent），其利用移動Agent具有移動特性和處理任務的特性來解決分布式數據庫系統中數據一致性問題，使得系統具有智能性、高效性及自適應性。

1 相關知識介紹

1.1 智能信息推拉技術

所謂拉取（Pull）指用戶根據自身需求，有目的地從信源中提取所需信息，如用戶進行目錄查詢、數據庫查詢，或者系統自動進行的定時信息搜索等。拉取的針對性好，個性服務，但是及時性差，對用戶的要求較高。

推送（Push）技術是根據用戶需要，有目的、按時地將用戶感興趣的信息主動發送到用戶的計算機中，如各種新聞、財經、體育等信息。信息推送軟件由批處理模塊和實時智能模塊組成，分別負責找到用戶的瀏覽模式建立模式庫和根據模式庫為用戶自動推薦其可能感興趣的頁面或其他知識。其優點是：對用戶要求低，普遍適用于大眾；及時性好，信源可及時地向用戶“推送”不斷更新的動態信息。

智能信息推拉技術[5]就是將信息推送與拉取模式結合，做到取長補短，優勢互補，同時融入人工智能、知識發現技術、互聯網以及數據庫技術。IIPP的產生，可以提高網絡及數據庫的智能水平，進而提高用戶獲取信息的效率和能力，如圖1所示。

目前有許多改進信息推拉的結合方式，如：先拉后推、先推后拉，推中有拉，拉中有推等及其優化組合的推拉方式，提高互動通信的智能水平。

1.2 Agent

Agent是一個具有自適應性和智能性的軟件實體，能代表用戶或其他程序，以主動服務的方式完成一項工作。其概念由Minsky在1986年出版的 《思維的社會》 一書中提出。Minsky認為社會中的某些個體經過協商之后可求得問題的解，這些個體就是Agent。從此，Agent的概念便被引入人工智能和計算機領域，并迅速成為研究熱點。

Agent至少應具備以下幾方面的關鍵屬性[6]：

1） 自主性：Agent具有屬于其自身的計算資源和局部于自身行為控制的機制，能在無外界直接操縱的情況下，根據其內部狀態和感知到的（外部）環境信息，決定和控制自身的行為。

2） 交互性：能與其他Agent進行多種形式的交互，能有效地與其他Agent協同工作。

3） 反應性：能感知所處的環境，并對相關事件做出適時反應。

4） 主動性：能遵循承諾采取主動行動，表現出面向目標的行為。

5） 推理和規劃能力：Agent具有學習知識和經驗及進行相關的推理和智能計算的能力。

移動Agent（Mobile Agent）是可以在網絡上進行移動的、自適應和智能性的軟件實體。它和普通Agent相比，主要表現的特征就是能通過網絡把Agent移動到指定位置，即把軟件執行的功能移動到指定位置。用移動Agent可以方便地協調遠程的執行實體，如：進程、線程、服務、Agent等。本文利用移動Agent進行事務的發送、轉換和分發，從而使得系統的效率提高。本文使用的MAP（Mobile Agent Platform）是由IBM公司用純Java開發的Aglet。Aglet提供了簡單而全面的移動Agent編程模型、它為Agent提供了動態和有效的通信機制、還提供了一套詳細且易用的安全機制。Aglet同時傳送代碼和狀態，以線程的形式產生于一臺計算機上，可隨時暫停正在執行的工作，并允許把整個Aglet分派到另一臺計算機上，再重新啟動執行任務。由于Aglet是線程，因此不會消耗太多的系統資源。

2 DCIMA模型

2.1 相關概念介紹

1） 實體

實體是指計算機中能夠運行的程序組、進程、線程、服務、Agent等。

2） 協調控制器

協調控制器即協調/分發服務器，能夠對整個系統進行協調和事務的分發，用于管理、協調節點間的工作實體，是整個模型的核心。

3） 出版表信息

當一個數據庫中的一個（或多個）表與其他數據庫中的一個（或多個）建立起對等更新關系時，稱這個（這些）表已經出版了。

4） 目錄

在模型中，把出版表的信息（包括所屬的數據庫名、表名等）稱為目錄，也可以看作是表的集合。

本文提出的模型DCIMA采用的是“局部式”方法來分配目錄。即把每個數據節點的出版表信息全部放在協調控制器上的全局目錄或系統目錄（Global Directory，GD）中，但是這并不表示在每個數據節點上執行應用時都要查詢GD，因為每個數據節點都存放有一個局部目錄（Local Directory，LD）（包含了本數據節點的出版表的信息）。這樣的設計使得應用在執行時只需查詢本地的LD即可，從而提高系統的執行效率和可用性。

2.2 DCIMA模型的體系結構

模型DCIMA的體系結構如圖2所示。

圖2所示的模型DCIMA是一個三元組，其中：

PPR（Push?Pull Rules）是推拉規則，系統根據推拉規則對數據庫更新事務進行推送和拉取。推拉規則包括三種：周期性推拉事務、當用戶訪問時拉取事務及基于配置規則進行推拉事務；

PPEE（Push?Pull Executing Entities）是推拉執行實體，對保存于數據庫節點的弱一致更新事務進行推送和拉取的執行程序集；

DAU（Database Access User）是數據庫訪問用戶，如：數據庫管理員、業務操作員等。

從上面的弱一致更新模型DCIMA可以看出，更新分布式冗余數據有三種途徑：事務推送、事務拉取和推拉結合。所有更新事務都通過協調控制器處理并轉發。事務傳送的時機包括如下4種情況：

1） 數據節點用低優先級執行實體周期性推送事務到協調控制器，協調控制器接收到事務并做必要的異構轉換，然后分發到對應數據庫節點。

2） 備份節點周期性從源節點拉取事務，這種方法是通過協調控制器轉發拉取事務命令，數據節點收到有數據庫節點拉取事務時，就把沒有發送出去的更新事務提交給協調控制器，協調控制器再用情況1）中的方式處理。

3） 當用戶訪問到備份節點時，觸發拉取事務功能，拉取事務的過程與情況2）相同。

4） 根據推拉規則進行推送和拉取更新事務，推拉流程同上。

2.3 事務的操作

本文利用移動Agent具有移動特性和處理任務的特性來解決分布式數據庫系統中數據一致性問題。 其中，事務的發送、轉換及分發等操作由部署在協調控制器和數據節點上的多個Agent完成。表1描述了主要Agent及其作用。

從物理分布上來講，數據庫節點上的Agent分布在需要進行冗余一致的數據庫應用服務器上，對協調控制器上的Agent來講，它既可以分布在一個單獨進行協調分發的服務器上，也可以與數據庫節點上的Agent一起放在一個數據庫節點的數據庫應用服務器上。

首先需要在數據庫節點和協調控制器上部署系統的協調目錄。數據庫節點上的目錄只是包含本節點的相關信息；協調控制器上的目錄是全局的，包含所有數據庫節點的目錄。在協調系統啟動之前，數據庫節點上是沒有運行協調Agent的。然后，從協調控制器上啟動協調系統，在協調系統初始化的時候，協調系統會為數據庫節點建立日志閱讀Agent、用戶Agent、網絡狀態檢測Agent和事務發送Agent，并把這些Agent移動到所有數據庫節點上去執行。同時，協調控制器給自己也建立社群管理Agent、用戶Agent、網絡狀態檢測Agent、事務轉換Agent和事務分發Agent，并在協調控制器上執行。這些Agent構成一個和諧的Agent社群，它們在社群管理Agent的協調下，互相制約、互相配合共同為完成冗余數據一致性目標而工作。

表1中，UTT（Update Transaction Table）表示更新事務表，在數據庫節點和協調控制器上都有部署，分別用于保存冗余表的更新事務和數據庫更新事務。

3 DCIMA的應用案例

DCIMA模型在內蒙古包頭市教育局考試管理系統得到了實際應用，效果良好。包頭市教育局管理其下9個考區，每個考區都有自己的數據庫，用來存儲本考區的信息。9個考區和市教育局服務器形成的網絡拓撲如圖3所示。本文以基于表2中的規則進行數據的弱一致更新進行說明。

在表2中，“推拉標志”的含義是：1表示信息推送；2表示信息拉取；3表示信息推拉結合。“觸發方式”的含義是：1表示周期觸發；2表示定時觸發；3表示實時觸發。例如：表2中的第37條規則表示該規則是2016年4月20日上午11點25分9秒建立，規則表明在2016年4月20日下午18點30分要觸發信息推送執行實體進行數據弱一致，RR0089，RR0090，RR0091和RR0092是4條出版關系，即：有4個信息表需要以信息推送的方式進行數據一致。

4 結 語

在分布式數據庫系統廣泛使用的今天，如何實現數據的一致性是提升整個數據庫系統性能的重要研究課題。本文提出一種基于IIPP、應用Mobile Agent實現一致性的模型DCIMA。模型應用IIPP，使得系統能夠智能地、自主地把用戶需要的信息推送到用戶端，也能主動從遠程獲取用戶感興趣的信息。如果機器學習算法比較好，就能有更完善的推拉規則，從而進一步改善系統的性能。該模型的優點有：更新效率高，因為Agent攜帶事務走后，系統可以做其他任務，得到Agent回應后通知系統進一步處理；透明性好，模型屏蔽了數據庫之間的異構性，因此對數據庫用戶而言是透明的； 智能性與自適應性強。規則可以來源于數據庫管理員更新、網絡感知以及數據庫訪問事務，所以能根據數據庫管理員和計算環境動態的更新，從而提高系統的智能性和自適應性。

希望本文能對從事分布式數據庫研究的科研工作者提供參考。

注：本文通訊作者為方中純。

參考文獻

[1] 邵佩英.分布式數據庫系統及其應用[M].2版.北京：科學出版社，2005.

SHAO Peiying. Distributed database system and its application [M]. 2nd ed. Beijing： Science Press， 2005.

[2] LAMPORT L. The part?time parliament [J]. ACM transactions on computer systems， 1998， 16（2）： 133?169.

[3] 車烏江.分布式數據庫的數據加鎖與一致性研究[D].湘潭：湖南科技大學，2011.

CHE Wujiang. Research on data locking and consistency of distributed database [D]. Xiangtan： Hunan University of Science and Technology， 2011.

[4] 宋長宏，劉宇棟，朱劼，等.基于消息的主從式數據一致性更新策略[J].計算機工程，2004，30（1）：92?94.

SONG Changhong， LIU Yudong， ZHU Jie， et al. Updating strategy of master?salve data consistency based on message [J]. Computer engineering， 2004， 30（1）： 92?94.

[5] 百度百科.智能信息推拉技術[EB/OL].[2012?08?30].https：//baike.baidu.com.

Baidu Encyclopedia. Intelligent information push and pull technology [EB/OL]. [2012?08?30]. https：//baike.baidu.com.

[6] LIU Sanya， WANG Hongwei. Agent architecture for agent?based supply chain integration &； coordination [J]. ACM SIGSOFT software engineering notes， 2003， 28（4）： 5.

[7] MAHBOUBI H， SHARIFI F， AGHDAM A G， et al. Distributed coordination of multi?agent systems for coverage problem in presence of obstacles [C]// Proceedings of American Control Conference. Montreal： IEEE， 2012： 5252?5257.

[8] CAO Yongcan， YU Wenwu， REN Wei， et al. An overview of recent progress in the study of distributed multi?agent coordination [J]. IEEE transactions on industrial informatics， 2012， 9（1）： 427?438.

[9] MORIMOTO Y， ARIFIN M S， SIDDIQUE M A. Agent?based anonymous skyline set computation in cloud databases [J]. International journal of computational science and engineering， 2012， 7（1）： 73?81.

[10] VASHISHT P， SHARMA A， KUMAR R. Strategies for replica consistency in data grid?a comprehensive survey [J]. Concurrency and computation： practice &； experience， 2017， 29（4）： 1?30.