电子发烧友App
摘 要：为增大高速网络中被唤醒信息节点的数量值水平，使得网络主机能够准确掌握数据流偏好，从而实现对网络数据的精准查询，提出基于网格索引的高速网络数据流偏好查询方法。根据网格索引原则，建立完整的空间方向定义标准，再分别从点目标匹配、线目标匹配两个角度，完成基于网格索引的高速网络数据指标度量。在此基础上，按照信息表建立条件，描述既定的数据流偏好，再通过计算分发查询向量的处理方式，实现对高速网络数据流偏好的精准查询。实验结果表明，在网格索引原则的作用下，随着网络报文发送数量的增大，被唤醒信息节点的数量值水平也在不断提升，对于高速网络主机而言，能够准确掌握数据流偏好，满足精准查询网络数据的实际应用需求。
0 引 言
网格索引是一种特殊的几何匹配算法，能够直接确定目标节点之间的对应性关系，并可在确保目标对象属性能力不发生变化的前提下，完成对数据信息参量的更新处理[1]。在实际应用过程中，网格索引算法通过增大网络报文信息发送量的方式，确定目标节点与集合参量之间的对应性映射关系，再根据节点目标所处存储位置，对其适用性能力进行度量。对于高速网络环境而言，网格索引算法能够直接面对的数据信息参量相对有限，且随着网络负载环境的改变，一个数据集到另一个数据集的匹配映射标准也会不断改变[2]。因此，为使网格索引算法能够完全匹配高速网络环境的使用需求，应在转换数据查询标准的同时，对信息传输稳定性进行准确度量。
在高速网络环境中，由于数据信息传输行为的不同，与之相关的数据流偏好也会有所不同，此时为使应用程序得到保存，必须要在同一偏好设置界面中保存大量的应用数据[3]。如果利用结构化模型对数据流偏好进行查询，所有信息参量的默认存储位置相同。随着网络
为解决上述问题，本文引入网格索引原则，并以此为基础，设计一种新型的高速网络数据流偏好查询方法，并通过对比实验的方式突出该方法的有效性。
1 基于网格索引的高速网络数据指标度量
基于网格索引的高速网络数据指标度量包含空间方向定义、点目标匹配、线目标匹配三个处理流程，具体研究方法如下。
1.1 空间方向定义
在网格索引算法的认知中，空间方向作为一个标准参考系条件，能够决定点目标与线目标之间的映射关系。在已知网络数据输出流量的前提下，待定义的角度定量指标越多，空间方向参考系的复杂化程度也就越高，反之则越低[5⁃6]。一般来说，一个完整的空间方向参考系必须同时包含东、南、西、北四个角度定性量系数。
设 αN 表示北向方向角的定性量系数；αS 表示南向方向角的定性量系数；αW 表示西向方向角的定性量系数；αE 表示东向方向角的定性量系数。在空间度量条件恒为 λ，且 λ > 0 不等式条件恒成立的情况下，联立上述物理量，可将基于网格索引的空间方向定义标准表示为：
式中：α 表示核心方向角的定性量系数；n 表示北向基向量；s表示南向基向量；w 表示西向基向量；e 表示东向基向量；dˉ表示空间基向量均值。作为基础参考标准，后续的点目标匹配与线目标匹配处理，都必须遵循空间方向定义条件。
1.2 点目标匹配
为得到准确的高速网络数据流偏好查询结果，在实施点目标匹配处理时，除了参考空间方向定义条件外，还会涉及网络数据信息之间的交点，但并不是所有交点都可以作为匹配处理的直接操作对象[7⁃8]。具体匹配处理流程如下：
Step1：将与高速网络数据流偏好相关的信息节点放置在空间参考系之中；
Step2：选取满足匹配需求的信息节点，并以此为基础建立点目标映射集合；
Step3：将所选取点目标与周围节点对应起来；
Step4：对点目标匹配结果进行简化处理。
设 A 表示与高速网络数据流偏好目标相关的节点定义项；χ表示交点查询系数；rα表示基于空间方向定义条件的点目标向量；rmin 表示点目标向量的最小定义系数；ΔP 表示单位时间内的网络数据索引均值。联立公式（1），可将基于网格索引的点目标匹配结果表示为：
一般情况下，网络报文的实际发送数量越多，点目标匹配计算结果的物理取值也就越大。
1.3 线目标匹配
与点目标匹配结果相比，线目标匹配更注重建立区域性高速网络数据流偏好信息之间的映射关系，要求所选取数据节点之间不能出现明显的覆盖关系，且随着网络报文发送数量的增大，线目标匹配结果与点目标匹配结果之间的关联性关系不能发生改变[9]。具体匹配处理流程如下：
Step1：在参考系中选取多个线目标进程作为匹配对象；
Step2：将多个点目标按照网格索引原则整合起来，并将整理后的点目标对象定义成全新的线目标对象；
Step3：排除候选线目标集合中的干扰对象。
设 η 表示基于网格索引的线目标对象提取系数；β表示与高速网络数据流偏好相关的线性定义项；Iα 表示基于空间方向定义条件的线目标向量；q1，q2 表示两个不同的线性匹配系数。联立上述物理量，可将基于网格索引的线目标匹配结果表示为：
在网格索引原则的支持下，可认为线目标匹配结果将直接影响高速网络数据流偏好信息的排列与分布形式。
2 高速网络数据流偏好查询
在网格索引原则的支持下，按照信息表建立、数据流偏好描述、分发查询向量计算的处理流程，完成新型高速网络数据流偏好查询方法的设计与应用。
2.1 信息表建立
在高速网络中，每一个信息表结构都对应一个独立的数据流偏好信息。在数据感知阶段，网络主机能够根据信息节点之间的映射关系，对待查询向量进行按需排列处理；而在实际查询阶段，网络主机则会按照信息表结构所处连接形式，确定数据流偏好信息所处存储范围，并可在网格索引原则的作用下，将这些信息参量再次反馈至核心网络主机中，以供下级查询索引元件的直接调取与利用[10⁃11]。
一个完整的高速网络数据流偏好信息表必须同时包含簇头节点、中部簇区间、簇尾节点三部分，其具体结构形式如图 1所示。
图 1 中：X0 表示高速网络数据流偏好信息表的簇头节点，X2表示簇尾节点，在网格索引原则的约束下，簇头节点、簇尾节点的取值都只能等于 1；X1 表示高速网络数据流偏好信息表的中部簇区间，其节点个数受到网络报文发送数量的直接影响。
2.2 数据流偏好描述
数据流偏好也叫网络数据信息的传输特征，在高速网络环境中，由于网格索引原则的存在，报文信息的发送数量越大，数据流偏好的表现形式也就越明显[12]。为使网络主机能够准确掌握数据流偏好，从而实现对网络数据的精准查询，应在高速网络中设置多个过渡路由节点，其中一部分用于筛选数据流偏好信息中的必要传输部分，另一部分则负责将剩余信息参量反馈至网络主机中，以便于关键数据流偏好参量能够得到准确查询[13]。
设 c 表示最小的数据流传输特征向量；v 和 b 表示两个不同的报文信息指征；fv 表示指征为 v 时的数据信息网格索引度量值；fb 表示指征为 b 时的数据信息网格索引度量值；ω 表示数据流信息在高速网络中的迭代传输次数。在上述物理量的支持下，联立公式（3），可将数据流偏好描述表达式定义为：
在已知数据流偏好行为的前提下，网格索引原则的作用能力越强，网络报文的实际发送数量也就越大。
2.3 分发查询向量
在高速网络环境中，分发查询向量的计算结果直接影响网络主机对于数据流偏好的准确掌握能力，且二者之间始终存在明显的正向关联关系，即分发查询向量取值越大，网络主机对于数据流偏好的准确掌握能力也就越强，反之则越弱[14⁃15]。规定 φ 表示既定的高速网络数据流偏好信息分发系数；ξ 表示基于网格索引原则的数据流查询特征值；l 表示数据流偏好信息的初始定义条件；gϑ 表示一个随机选取的数据流偏好信息分发标度值，ϑ 表示标准度量向量；ϖ 表示高速网络中的数据流偏好信息传输系数。在上述物理量的支持下，联立式（4），可将分发查询向量计算表达式定义为：
至此，完成对各项指标参量的计算与处理，在网格索引原则的支持下，实现高速网络数据流偏好查询。
3 实验分析
为了验证基于网格索引的高速网络数据流偏好查询方法的有效性，设计如下对比实验。具体实验流程如下：
步骤 1：设置高速网络连接环境如图 2 所示。将其 作 为 实 验 背 景 ，其 中 网 络 端 IP 地 址 为 XZ ⁃2318.101.909.28，客户端 IP地址为 XZ⁃0175.167.212.19。
步骤 2：选取 2 台配置完全相同的网络主机作为实验组、对照组算法载体，其中实验组主机搭载基于网格索引的高速网络数据流偏好查询方法，对照组主机搭载结构化模型查询方法。
步骤 3：以网络报文发送数量作为自变量，以被唤醒信息节点数量值作为因变量，分析在实验过程中自变量指标对于因变量指标的影响能力。
本次实验过程中，详细的网络参量数值及实验设备型号如表 1所示。
高速网络中被唤醒信息节点的数量值水平能够反映网络主机对于数据信息的精准查询能力。通常来说，被唤醒信息节点的数量值越大，网络主机对于数据流偏好的掌握能力也就越强，此时所获得的网络数据查询结果也就越精确。
在理想情况下，高速网络环境中被唤醒信息节点数量值的变化曲线如图 3所示。
分析图 3 可知：当网络报文发送数量由 0 增大至1×107 Gbit 时，被唤醒信息节点的理想数量值也呈现出不断增大的变化状态；当网络报文发送数量处于 1×107~3×107 Gbit 之间时，被唤醒信息节点的理想数量值始终保持稳定；当网络报文发送数量处于 3×107~7×107 Gbit之间时，被唤醒信息节点的理想数量值再次出现不断增 大的变化趋势；当网络报文发送数量处于 7×107~9×107 Gbit之间时，被唤醒信息节点的理想数量值则开始不断下降，整个实验过程中，其最大值达到了6 482个。
在实验组、对照组算法作用下，被唤醒信息节点数量值的变化曲线如图 4所示。
根据图 4可得如下结论：
实验组：当网络报文发送数量处于 0~2×107 Gbit 之间时，实验组被唤醒信息节点数量值虽然能够保持不断增大的变化状态，但其均值水平始终低于理想数值；当网络报文发送数量处于 3×107~6×107 Gbit之间时，实验组被唤醒信息节点数量值继续保持不断增大的变化状态，且其均值水平超过了理想数值；当网络报文发送数量处于 6×107~9×107 Gbit 之间时，实验组被唤醒信息节点数量值则开始出现不断下降的变化状态，整个实验过程中，其最大值达到了 7 156 个，与理想最大值相比，增大了 674个。
对照组：整个实验过程中，随着网络报文发送数量的不断增大，对照组被唤醒信息节点数量值始终保持不断增大的变化状态，但其均值水平始终相对较低，其全局最大值仅能达到 4 807 个，与理想最大值相比，下降了 1 675个，更远低于实验组数值水平。
综上可知，在基于网格索引的高速网络数据流偏好查询方法的作用下，随着网络报文发送数量的增大，被唤醒信息节点的数量值水平也在不断提升，与结构化模型查询方法相比，这种新型查询方法能够辅助网络主机准确掌握数据流偏好，符合精准查询网络数据的实际应用需求。
4 结 语
新型高速网络数据流偏好查询方法在结构化模型查询方法的基础上，借助网格索引原则，对空间方向参考系进行定义，又分别从点目标匹配、线目标匹配两个角度着手，建立完整的信息表结构。在已知数据流偏好行为的前提下，网络主机能够按照分发查询向量计算数值结果，对高速网络环境中的数据指标进行度量。从实用性角度来看，随着网络报文发送数量的增大，被唤醒信息节点数量值水平不理想的问题得到有效解决，不但可以使得网络主机能够准确掌握数据流偏好，也实现了对网络数据的精准查询。
审核编辑：汤梓红
工商网监
评论