[发明专利]一种基于谓词区分和关联的快速订阅与匹配方法

说明书

技术领域

本发明涉及一种基于谓词区分和关联的快速订阅与匹配方法。

背景技术

在虚拟现实场景的模拟中，如果我们要模拟条街道的环境，在场景中的每一辆汽车，每一个人作为仿真节点都将出现在仿真场景中，而仿真场景中每一个节点之间都会有相互交互的数据，因此节点交互的发布订阅系统中将会有大量的数据来处理。在处理大量数据时，系统的实时性将会受到很大的影响。这种情况下，我们需要设计一种方法，能增加各个节点的匹配效率，从而增加其实时性。

在现有的事件匹配方法中，陈继明等人提出了基于内容的快速事件匹配方法一种适合分布式虚拟环境的快速事件匹配方法（CEEM,content-based effective event matching algorithm）。CEEM匹配方法在性能上的优势主要体现在以下2个方面：1)动态性，即该方法不需要像现有的匹配方法，如基于匹配网络的方法需构造静态的匹配网络，可以实现动态的更新订购信息；2)高效性，即该方法采用以谓词表为核心的数据结构，利用谓词间的关联性和属性间的相关性来加快匹配速度；同时对谓词族进行了划分，并对每个谓词族用排序或者散列表的方式进行了索引，使得在对每个谓词进行匹配时能获得很高的效率。相对于其他方法，CEEM方法更加适应于订购数目众多、并拥有较多谓词数目的分布式虚拟环境的应用。该方法利用了谓词间的关联性和属性间的相关性，加快了匹配的速度，使基于谓词索引和基于匹配网络方法各自的优点都能得到体现，同时又尽量避免了它们的不足。另外，该方法同时还实现了现有其他方法无法解决的事件匹配的对称性问题。CEEM方法主要的匹配空间需求是谓词表，在实现时只需采用二维数组的形式，且所有的订购共用同一个谓词表，可避免相同订购谓词重复记录，减少了存储空间。因此，当分布式虚拟环境中大量的虚拟对象频繁地向系统发送订购和发布信息时，CEEM方法能够有效解决匹配树方法面临的因路由器存储空间需求快速增加而导致的“内存危机”问题，不会对系统的运行效率产生造成较大影响。但该方法的谓词组织结构是将等值谓词和区间谓词不做区分，匹配时在匹配桶中会做大量的遍历，同时还会因匹配桶结构过于庞大而导致谓词组织结构修改困难，从而影响了效率。而K.R.Jayaram等人在文献Split and Subsume——Subscription Normalization for Effective Content-based Messaging中提出的方法将谓词的组织结构做到了散列谓词和区间谓词的区分，但在匹配过程中没有将谓词的散列和区间相结合，从而也影响了匹配的效率。

上述两种方法各有利弊，基于内容的快速事件匹配方法中谓词组织结构复杂，匹配桶数据繁多，匹配结构中插入和删除谓词时动态改变组织结构过于繁琐；文献Split and Subsume中提出的方法在匹配过程中由于区分了谓词属性而在匹配过程中没有结合，从而导致了匹配过程部分重复而导致效率降低。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于谓词区分和关联的快速订阅与匹配方法，在谓词的组织结构和匹配的方式两个方面做了修改，从而降低了匹配结构的复杂程度，提高了谓词匹配的效率。

技术方案

一种基于谓词区分和关联的快速订阅与匹配方法，其特征在于步骤如下：

步骤1、事件的订购处理：在初始化时由于尚没有订购，谓词集合和订购列表均为空，接口列表也只是对应当前接口；当接收到新的订购后，需要对谓词表、接口列表和订购列表分别进行更新，分为以下4步：

1）新的订购到来时，抽取订购的属性，按照偏序的关系插入到先决集合中；

2）分解订购条件，根据每一条订购条件的类型分别建立该属性的哈希列表或区间树；

3）根据订购条件数目确定订购的属性值，订购的初始计数器值为0；

4）将订购映射到每一属性对应的哈希列表或区间树中；

步骤2、事件的匹配，步骤如下：

1）事件到来时，首先抽取事件的属性，在先决集中查找该属性集的位置，如果该属性集有子结点，匹配策略为：每处理完一个属性的谓词，便对匹配桶中的所有订购执行计数器自增操作，然后检测匹配桶中的订购是否已达到要求，属性值与计数器值相等；如果该属性集没有子结点或者先决集中不存在该属性集，匹配策略为：处理完一个属性的谓词后，该属性集的订购没有子订购，直接对匹配桶的存在的订阅进行下一个属性的谓词的检测，在匹配桶中淘汰不符合条件的订阅，直到事件的所有属性全部检测完毕，最后匹配桶中剩余的订阅就是符合条件的订阅；