[发明专利]一种面向移动网络中节点网络距离的预测方法

说明书

本发明属于计算机网络技术领域，公开了一种针对移动网络中多节点的网络距离预测算法。为了解决现有网络距离预测方法的局限，本发明通过矩阵分解的方法对基本的网络距离预测算法进行延伸，引入节点坐标的入口及出口向量，通过更新相应的向量来进行网络距离的预测。算法中包含线性搜索策略，动态更新学习速率参数，减小学习速率参数对距离预测的影响；还融入了用于处理测量奇异值的能提高鲁棒性的对称矩阵分解方法，以及非负矩阵分解，用于保证预测距离的非负性和对称性，保证其实际意义。本发明通过引入线性搜索策略及矩阵分解，扩大了距离预测算法的通用性，能够提高距离预测的精度，具有显著的效果和很强的实用性。

技术领域

本发明涉及一种面向移动网络中节点网络距离的预测方法，属于计算机网络技术领域。

背景技术

由于突增的数据服务请求而造成的网络拥塞和不稳定使得传统的计算体系架构在应对如今的网络计算模式中已经隐现弊端。在网络计算模式中，可以将节点的地位对等起来，即考虑网络节点之间的关系可以理解为端到端的对等关系。计算机网络领域中，端到端的网络性能指的是节点之间的网络路径选择的性能。现有研究中有多种衡量网络路径性能的方法。例如，节点之间的响应延时，带宽相关的数据传输速率等。

在节点分散的移动网络环境中，用户通常是从不同的地理位置访问数据，所以数据资源的可用性、请求响应时间、出具访问成本以及带宽消耗和可靠性、系统的扩展性等都是需要考虑的对象。网络节点中的复本放管理对于访问性能有很大的影响，而放置节点的选取是复本放置的主要决策依据之一。

网络距离是影响网络应用与服务的基本属性。网络动态性能可以用带宽以及响应延迟等表示，这些表示很大程度上和应用相关，并且可以精确测量。考虑到分布式系统中大量存在的广域传播路径，不适合在网络中根据需求的精确测量，其代价较高并且耗时过大。采用节点间的网络距离预测可解决此问题。

关于网络距离预测的研究主要通过选取基准节点或者虚拟基准节点，构造映射几何空间的方法来对网络距离进行预测，但是此类方法预测精度不高，而且灵活度不够，不利于大规模部署。

发明内容

为了解决现有技术的不足，本发明提供了一种面向移动网络中节点网络距离的预测方法，解决了现有网络距离预测方法的局限，通过矩阵分解的方法对基本的网络距离预测算法进行延伸，引入节点坐标的入口及出口向量，通过更新相应的向量来进行网络距离的预测。这些扩展能够解决在实际应用中部署距离预测算法时遇到的一些问题，包括：节点加入或离开网络频率比较高时，可能会面临一些高频的参数扰动；通过矩阵分解的方法，结合损失函数，剔除测量噪声以及异常值；非负的矩阵因子分解，保证了预测距离值的非负性。

本发明为解决其技术问题所采用的技术方案是：提供了一种面向移动网络中节点网络距离的预测方法，包括以下步骤：

(1)建立由网络节点组成的网络计算系统模型，将由网络节点构成的网络空间映射到欧氏空间，所述欧氏空间为嵌入空间，从网络节点中选取基准节点，网络节点中除基准节点以外的节点为普通节点；测量基准节点之间的距离值，确定基准节点的坐标值；测量嵌入空间中的每个普通节点到基准节点的距离，构建由各距离值组成的距离矩阵X，确定普通节点对于基准节点的坐标；

(2)将距离矩阵X进行随机梯度分解，得到矩阵U和矩阵V，其中，矩阵U的第i行为第i个网络节点即节点i的进口向量u_i，矩阵U的第j行为第j个网络节点即节点j的进口向量u_j，矩阵V的第j列为节点i的出口向量v_i，矩阵V的第i列为节点j的出口向量v_j

(3)节点i向节点j发送请求；

节点j接收请求，回答节点i的请求，该请求中包括(u_j,v_j)，u_j表示节点j的进口向量，v_j表示节点j的出口向量；