陶洪建， 張艷紅， 湯 峰

(1. 重慶理工大學 計算機科學與工程學院， 重慶 400050； 2. 重慶工業(yè)職業(yè)技術學院 信息工程學院， 重慶 401120； 3. 廣東技術師范學院 信息與傳媒學院， 廣州 510540； 4. 華南理工大學 軟件學院， 廣州 510006)

海量網絡數據傳輸能耗優(yōu)化方法*

陶洪建1，2， 張艷紅3， 湯 峰4

(1. 重慶理工大學 計算機科學與工程學院， 重慶 400050； 2. 重慶工業(yè)職業(yè)技術學院 信息工程學院， 重慶 401120； 3. 廣東技術師范學院 信息與傳媒學院， 廣州 510540； 4. 華南理工大學 軟件學院， 廣州 510006)

針對傳統(tǒng)方法對海量網絡數據傳輸能耗進行優(yōu)化時存在傳輸能耗估計不準確、不適合大范圍使用的缺陷，提出一種新的海量網絡數據傳輸能耗控制優(yōu)化方法.通過建立網絡數據傳輸模型，對網絡數據節(jié)點能耗進行計算.選取合適節(jié)點對網絡數據進行參數設計，利用分段曲線壓縮算法對采集的數據進行壓縮傳輸，結合剩余能量實現海量網絡數據傳輸能耗的優(yōu)化.結果表明，在不同數據傳輸距離和數據量條件下，與傳統(tǒng)方法相比采用改進算法可以很大程度降低海量數據的傳輸能耗，改進算法具有的能耗優(yōu)化效果具有一定的實用性.

海量網絡； 傳輸模型； 能耗； 數據傳輸； 優(yōu)化方法； 分段壓縮； 剩余能量優(yōu)化； 節(jié)點能耗控制

隨著網絡技術的發(fā)展，網絡用戶數量逐年增加，借助于移動網絡的升級和手機的推廣，移動互聯(lián)網也迅速發(fā)展，用戶量明顯增加，互聯(lián)網成為了人們生活中不可缺少的一部分.互聯(lián)網具有結構龐大、復雜的特點[1]，導致其數據量迅速增加，傳輸量越來越大，隨之產生的能耗也越來越大.對網絡數據傳輸能耗進行優(yōu)化也成為該領域亟待解決的問題，受到廣大學者的關注，各種有效算法不斷被提出[2-5].

其中，文獻[6]提出基于弱監(jiān)督學習的海量網絡數據傳輸能耗優(yōu)化方法，通過Bootstrapping思想的協(xié)同訓練方法對弱監(jiān)督抽取模型進行強化，并且對預測關系時的協(xié)同策略進行詳細分析，通過實驗證明，此方法可實現網絡數據傳輸過程能耗的優(yōu)化.文獻[7-9]提出基于MapReduce和HBase的海量網絡數據傳輸能耗優(yōu)化方法，方法主要根據數據特點，結合分布式框架對海量網絡數據進行計算，改進網絡數據的傳輸模式和數據存儲模式，完成網絡數據傳輸能耗的優(yōu)化.方案可有效地解決MapReduce讀取和解析二進制數據的問題，但是其數據傳輸速度較快，無法對全部能耗進行優(yōu)化.文獻[10]提出基于層次分析的網絡數據傳輸能耗優(yōu)化方法，該方法通過構建海量網絡數據傳輸模式的預測模型，從多方面進行了分析，為網絡數據的傳輸提供了基礎依據.但針對大規(guī)模的網絡數據，該方法在解析及傳輸方面應用均有局限，使得傳輸能耗估計不準確，不適合大范圍的使用.文獻[11]提出一種基于多條件休眠的海量網絡數據傳輸能耗優(yōu)化方法.文獻對網絡主要狀態(tài)的穩(wěn)態(tài)概率和協(xié)議參數進行推導，獲取了節(jié)點在每個超幀內的平均能耗，并以此為基礎，利用數據包到達率、退避次數等參數對其進行優(yōu)化，完成了網絡數據傳輸能耗優(yōu)化，但該方法時間復雜度較高，不易實現.

針對上述產生的問題，提出一種新的海量網絡數據傳輸能耗優(yōu)化方法，通過建立網絡數據傳輸模型，對網絡數據節(jié)點能耗進行優(yōu)化，并以此為基礎，對網絡數據進行采集.通過分段曲線壓縮算法對采集的數據進行壓縮傳輸；基于剩余能量優(yōu)化方法，對海量網絡數據傳輸能耗進行優(yōu)化處理，實現海量網絡數據傳輸能耗的優(yōu)化.通過實驗結果分析可知，相比傳統(tǒng)的能耗優(yōu)化方法，改進方法能耗優(yōu)化效果更好，具有一定的實用性.

1 網絡數據節(jié)點能耗分析

1.1 網絡數據傳輸模型

在進行網絡數據傳輸能耗優(yōu)化時，需要建立網絡數據傳輸模型[12]降低數據傳輸帶來的能耗.

在海量網絡通信過程中，假設節(jié)點m與另一個節(jié)點相遇時，可能在相遇之后時間T內的任意一個時刻發(fā)送鄰居探測信息，則節(jié)點m取值為0～T均勻分布，節(jié)點m的概率分布函數表示為

(1)

式中，a為概率分布的約束閾值.當a<0時，表示分布過程不符合實際情況，即節(jié)點通信時刻與下一節(jié)點發(fā)出第一個鄰居探測信息時刻之間的間隔大于持續(xù)時間.當兩個節(jié)點通信時，可發(fā)生通信的概率為1-P(Tx≤0)，節(jié)點感知到通信事件的概率分布模型可表示為

(2)

式中：Tx為節(jié)點x的通信時間間隔周期；t為通信時間約束閾值.對節(jié)點感知到的通信事件的概率分布模型求導，可得到鏈路持續(xù)時間Tf的表達式.

通過獲取的節(jié)點實際相遇持續(xù)時間的概率密度函數建立海量網絡數據傳輸模型，將其作為分析海量數據傳輸能耗的基礎.

1.2 網絡數據節(jié)點能耗控制參數

在建立網絡數據傳輸模型的基礎上，計算網絡最大吞吐量，獲取網絡數據節(jié)點的能量消耗值.當相遇節(jié)點直接產生通信的概率為Pr時，則其網絡數據通信持續(xù)時間總和T1及網絡數據傳輸鏈路持續(xù)時間總和T2的表達式分別為

T1=KE(T)

(3)

T2=K(1-Pr)E(Tf)

(4)

式中：E(T)為網絡數據節(jié)點間通信持續(xù)時間的平均值；K為網絡中所有數據節(jié)點間的總相遇次數；E(Tf)為鏈路持續(xù)過程時間的平均值.

通信時間可用兩者比值ρ表示，即

(5)

由式(5)可知，ρ值與K的取值無關，則把該參數帶入到網絡通信模型，可以得到能耗控制參數，即

c=λβ(1-Pr)E(Tf)

(6)

式中：λ為單位時間節(jié)點平均被選次數；β為數據節(jié)點的傳輸速率.λ也被稱為數據節(jié)點相遇速率，取值由數據節(jié)點特性及網絡數據節(jié)點密度決定.

2 結合控制參數的能耗優(yōu)化方法

在獲取網絡數據節(jié)點能耗控制參數的基礎上，采用分段曲線壓縮算法對采集的網絡數據進行壓縮，并通過控制參數優(yōu)化剩余能量方法實現海量網絡數據傳輸能耗的優(yōu)化.

為獲取海量網絡數據特征，假設海量網絡數據傳輸初始端數據量為V1，傳輸終止端數據量為V，傳輸的網絡數據量級為N，則此時的網絡數據負載量為

(7)

通過分段曲線壓縮算法對海量網絡數據進行壓縮處理，以獲得較小數量級的海量網絡數能耗，此過程計算公式可表示為

(8)

式中：er為通信概率為Pr時的網絡通信能耗；α為傳輸約束參數；εk為節(jié)點k的剩余能量.通過對傳輸約束參數進行參數控制，降低在采集過程中所需的能耗.結合剩余能量優(yōu)化方法，對海量網絡數據傳輸能耗進行優(yōu)化處理，假設T(A)表示數據A發(fā)送到簇頭所需時間，則其表達式為

(9)

式中：eref(A)為參考能量；et(A)為發(fā)送數據A到簇頭所需的能量；G為權重參數.

在時間間隔內，若滿足T(B)-T(A)-TAB-TS≥0，則可利用控制參數優(yōu)化剩余能量方法對數據傳輸時所需能耗進行約束，使其降到最低，完成海量網絡數據傳輸能耗的優(yōu)化，最終約束表達式為

(10)

式中，ei(A)為數據A在時間i內的剩余能量；ei(B)為數據B在時間i內的剩余能量；TAB為數據A與數據B傳輸所需時間；r為傳輸總數據量；p為數據傳輸率；Tc為數據壓縮后傳輸時間.

3 實驗結果與分析

為了驗證本文所提出的海量網絡數據傳輸能耗優(yōu)化方法的有效性，通過仿真實驗進行了驗證.實驗在Red.Hat Linux6.1環(huán)境下搭建海量網絡數據傳輸能耗控制仿真平臺，平臺中的具體實驗參數如表1所示，其中網絡數據的分布情況如圖1所示.

表1 實驗參數
Tab.1 Experimental parameters

參數數值網絡范圍300m×300m通訊數量級1000Mbit數據初始總能量600nJ半徑30mmeref(A)參考能量50nJ/biteref(B)參考能量1 3nJ/bitTAB數據傳輸時間0 05s

圖1 海量網絡數據分布Fig.1 Data distribution of massive network

在網絡數據一定的情況下，采用本文方法與文獻[10]的基于層次分析的能耗優(yōu)化方法、文獻[11]的基于多條件休眠的能耗優(yōu)化方法在不同數據傳輸距離的條件下，進行傳輸能耗的比對，結果如圖2所示.

圖2 不同傳輸距離下傳輸能耗對比Fig.2 Comparison in transmission energy consumption under different transmission distances

由圖2可知，在傳輸數據量一定的情況下，采用文獻[10]提出的基于層次分析的能耗優(yōu)化方法對能耗進行優(yōu)化時，雖然在一開始其能耗最低，但在傳輸50 m后其傳輸能耗迅速增加，以至于之后達到最高能耗，由此可知，采用層次分析的能耗優(yōu)化方法時，其能耗會隨著傳輸距離的增加而增加，不適合傳輸距離較長的環(huán)境；文獻[11]基于多條件休眠的能耗優(yōu)化方法雖然開始時相比本文方法所需的能耗低，但在傳輸100 m之后，其傳輸能耗也迅速增加，最終能耗約為921 nJ；在采用本文所提方法時，雖然其能耗一開始均比其它方法的能耗要高，但在100 m之后，明顯比其他兩種算法的能耗要低，且不會隨著傳輸距離的增加而過多產生能耗，使用不會受到傳輸距離的過多限制，具有一定的使用優(yōu)勢.

在傳輸網絡距離一定的情況下，采用本文方法與層次分析法、多條件休眠法在不同數據量條件下進行傳輸能耗的比對結果如圖3所示.

圖3 不同數據量條件下傳輸能耗對比圖Fig.3 Comparison in transmission energy consumption under different data amounts

由圖3可知，在傳輸數據量一定的情況下，采用層次分析法進行優(yōu)化時，其能耗在數據量為400 Mbit之后迅速增加，無下降趨勢，可知采用層次分析法時其能耗會隨著傳輸數據量的增加而增加，不適合海量數據傳輸的環(huán)境；多條件休眠法所用能耗雖然一開始比本文方法所需的能耗要低，但在傳輸數據量大于100 Mbit后，其傳輸能耗也迅速增加，最終能耗高于本文方法；在采用本文方法時，雖然其能耗開始比多條件休眠法所用能耗要高，但在大于100 Mbit后與多條件休眠法出現反差，且不會隨著傳輸數據量的增加而產生過多能耗.

4 結 論

針對傳統(tǒng)海量數據傳輸能耗優(yōu)化方法一直存在能耗優(yōu)化效果不佳的問題，提出一種新的海量網絡數據傳輸能耗優(yōu)化方法.分別通過對傳輸數據節(jié)點、數據壓縮過程及數據傳輸過程的能耗進行優(yōu)化，以達到海量網絡數據傳輸能耗優(yōu)化的目的.通過實驗結果分析可知，改進方法相比傳統(tǒng)的能耗優(yōu)化方法，其能耗優(yōu)化效果明顯，具有一定的實用性.

[1]衛(wèi)何.基于ERP應用的企業(yè)網絡數據傳輸設計和實現 [J].軟件工程師，2015(4)：30-32.

(WEI He.Based on the ERP application of enterprise network data transmission design and implementation [J].Software Engineer，2015(4)：30-32.)

[2]陳志華.分布式云計算環(huán)境下的海量數據有效查詢方法 [J].科技通報，2015，31(8)：222-224.

(CHEN Zhi-hua.Huge amounts data effective query methods in distributed cloud computing environment [J].Bulletin of Science and Technology，2015，31(8)：222-224.)

[3]尹令，周皓恩，劉才興，等.無線傳感器網絡空中下載協(xié)議的研究 [J].湘潭大學學報，2010，32(2)：112-117.

(YIN Ling，ZHOU Hao-en，LIU Cai-xing，et al.Research on reprogramming using OTA technology in wireless sensor network [J].Journal of Xiangtan University，2010，32(2)：112-117.)

[4]張俊虎，彭輝，邵峰晶.移動傳感器網絡路由協(xié)議的多跳數據傳輸及能耗性能分析 [J].計算機應用與軟件，2011，28(11)：202-206.

(ZHANG Jun-hu，PENG Hui，SHAO Feng-jing.Performance analysis on multi-hop data transmission and energy consumption of routing protocols for mobile wireless sensor networks [J].Computer Applications and Software，2011，28(11)：202-206.)

[5]張志東，孫雨耕，劉洋，等.無線傳感器網絡能量模型 [J].天津大學學報，2007，40(9)：1029-1034.

(ZHANG Zhi-dong，SUN Yu-geng，LIU Yang，et al.Energy model in wireless sensor networks [J].Journal of Tianjin University，2007，40(9)：1029-1034.)

[6]王高才，馮鵬，王淖，等.一種速率自適應的能耗優(yōu)化路由策略研究 [J].計算機學報，2015，38(3)：555-566.

(WANG Gao-cai，FENG Peng，WANG Nao，et al.Study on energy consumption optimization routing strategy based on rate adaptation [J].Chinese Journal of Computers，2015，38(3)：555-566.)

[7]景晗，鄭建生，陳鯉文，等.基于MapReduce和HBase的海量網絡數據處理 [J].科學技術與工程，2015，34(15)：182-191.

(JING Han，ZHENG Jian-sheng，CHEN Li-wen，et al.MapReduce and HBase based network data processing [J].Science Technology and Engineering，2015，34(15)：182-191.)

[8]廖雪寧，吳振強，周異輝.一種新型無線網絡編碼數據傳輸方案 [J].計算機應用與軟件，2015，32(3)：97-100.

(LIAO Xue-ning，WU Zhen-qiang，ZHOU Yi-hui.A new type of data transmission scheme for wireless network coding [J].Computer Applications and Software，2015，32(3)：97-100.)

[9]陳娟，徐力生，徐蒙，等.大壩廊道無線傳感器網絡節(jié)點鋪設方法 [J].沈陽工業(yè)大學學報，2015，37(1)：109-115.

(CHEN Juan，XU Li-sheng，XU Meng，et al.Node placement method for wireless sensor network in dam corridor [J].Journal of Shenyang University of Technology，2015，37(1)：109-115.)

[10]王迤冉，王春霞.多層序列規(guī)劃的無線多跳網絡能耗優(yōu)化拓撲干預算法 [J].計算機應用研究，2015，32(8)：2475-2479.

(WANG Yi-ran，WANG Chun-xia.Topology intervention algorithm with energy consumption optimization based on multi-layer sequential programming [J].Application Research of Computer，2015，32(8)：2475-2479.)

[11]蔣華，韓平梅，王鑫.關于無線網絡傳感器節(jié)點能耗優(yōu)化設計與仿真 [J].計算機仿真，2015，32(7)：273-276.

(JIANG Hua，HAN Ping-mei，WANG Xin.Simulation and design of energy optimization of senor node in wireless network [J].Computer Simulation，2015，32(7)：273-276.)

[12]許冬敏，黃有方，楊斌，等.多Agent的集裝箱供應鏈能耗優(yōu)化數學模型 [J].上海海事大學學報，2014，35(2)：22-27.

(XU Dong-min，HUANG You-fang，YANG Bin，et al.Mathematical energy consumption optimization model of container supply chain with multi-Agents [J].Journal of Shanghai Maritime University，2014，35(2)：22-27.)

(責任編輯：景 勇 英文審校：尹淑英)

Optimization method for energy consumption during data transmission of massive network

TAO Hong-jian1,2, ZHANG Yan-hong3, TANG Feng4

(1. School of Computer Science and Engineering, Chongqing University of Technology, Chongqing 400050, China; 2. School of Information Engineering, Chongqing Industry Polytechnic College, Chongqing 401120, China; 3. Information and Media Academy, Guangdong Polytechnic Normal University, Guangzhou 510540, China; 4. School of Software Engineering, South China University of Technology, Guangzhou 510006, China)

In order to solve the problem that when the energy consumption during data transmission of massive network is optimized with the traditional method, the estimation of transmission energy consumption is not accurate and the traditional method is not suitable for a wide range of use, a new optimization method for the energy consumption control during data transmission of massive network was proposed. Through establishing the transmission model for network data, the energy consumption of network data nodes was calculated. In addition, the appropriate nodes were selected to perform the parameter design for the network data, the compressive transmission for the acquired data was carried out with the piecewise curve compression algorithm, and the optimization of energy consumption during data transmission of massive network was realized in combination with the remaining energy. The results show that under the condition of different data transmission distances and different data amounts, compared with the traditional methods, the improved algorithm can greatly reduce the energy consumption during the data transmission of massive network. Furthermore, the improved method has better optimization effect for the energy consumption, and has a certain practicality.

massive network; transmission model; energy consumption; data transmission; optimization method; subsection compression; remaining energy optimization; node energy consumption control

2016-05-24.

廣東省教育廳課題資助項目(14JXN060)； 重慶市教委科技資助項目(渝教科2013-4).

陶洪建(1979-)，男，重慶人，講師，碩士，主要從事計算機網絡工程與檢測系統(tǒng)設計等方面的研究.

17∶39在中國知網優(yōu)先數字出版.

http：∥www.cnki.net/kcms/detail/21.1189.T.20161222.1739.004.html

10.7688/j.issn.1000-1646.2017.01.19

TP 393

A

1000-1646(2017)01-0099-05