战术分布式云计算与云存储体系架构
张丽娇1，郭水平2*，杨灿2
（1. 广州华南商贸职业学院，广东 广州 510650；2.中国电子科技集团公司第七研究所，广东 广州 510310）
【摘 要】 为适应带宽资源受限、弱连接网络、高动态平台的战术环境，提出一种分层分域分布式云计算与云存储的体系架构，结合计算中心的最优子集合选择和最优任务中心簇的选择等方法，对分布式计算任务进行合理划分，减少节点间的通信总量，降低网络传输开销，为实现各类作战平台资源共享与跨域协同云环境提供建议。
【关键词】 战术云；云计算；云存储；分布式
1 引言
分布式云计算和分布式云存储将计算任务和存储任务分散化，由分布在不同物理地点大量的计算机构成的资源池上进行并行处理，可为现代社会飞速发展的信息需求提供超强的计算能力和海量的数据存储能力，并为构建各类信息间的相互融合提供基础环境。
战术环境下，提高作战信息的处理、关联、聚合、共享和协同的效率是战术信息系统的军事需求之一。基于分布式云计算与分布式云存储的“资源共享与协同能力”与OODA环路在战术层面的持续改进思路一致。
战术通信环境具有带宽资源受限、弱连接网络、高动态平台等特征。传统集中式的云计算与云存储架构因其需要高带宽支撑，显然不适应战术环境，只能采用分布式的云计算与云存储架构。考虑到战术环境下高动态的平台特征，云计算和云存储物理设备大多部署在车/舰/飞机等高机动平台上，本身可以构成微型的机动云平台。战场环境下大量信息的关联、大量数据的实时处理和大量信息的跨域协同必然要求多个机动云平台之间进行协同和相互组合。因此，分布式云计算和云存储架构设计的着重点是尽量减少机动云平台之间的通信总量，以适应战术通信环境的带宽资源受限、弱连接的网络环境，提升机动云平台的分布式组合的网络自感知能力以适应网络状态的变化。
加强型切口翅片是在普通切口型翅片的基础上局部改动优化所得，关键要点在凸凹刀齿的配合上，既要形成加强筋起到加强作用，又要使错位在铝材的可延伸范围内，不至于形成新的切口，反而降低了翅片的强度[5-6]，如图5和图6所示关键控制点。
2 体系架构方案
根据国内外民用与美军在云计算和云存储方面的发展经验和技术，结合战术通信环境特点，建议战术分布式云在纵向上分层，在横向上分域，构建分层分域分布式云计算与云存储架构。采用面向服务架构的设计方法，运用协同分配、同步计算及负载均衡等技术，重点突破在分层上的上下信息汇聚、分域上的计算中心集合选择算法和分布式任务中心簇的选择算法等关键技术。
2.1 分层分布式云计算/云存储架构
纵向上，采用分层分布式云计算与云存储架构，根据各战区、各指挥层级、各军兵种特点进行分层建设，构成分层的分布式云计算架构。总体上，分为三层分布式云计算与云存储架构，第一层由部署在各机动平台内的服务器和存储阵列组成，是整个战术云计算与存储环境的主体与关键；第二层由固定部署在战区或野外指挥基地服务器和存储阵列组成，具有对上对下信息分配与汇聚的能力；第三层由固定部署在指挥部的服务器和存储阵列组成，具有对下信息分配与汇聚的能力。同时考虑未来SDN在战术通信网络中的应用，SDN网络连接各层云计算与云存储中心，形成基于SDN网络的分层分布式云计算体系架构，如图1所示。
分层分布式云计算与云存储架构在宏观层面按指挥层级、军兵种、战区进行分布式分层部署。一是突破跨战区、跨军兵种、跨指挥层级的联合战术信息聚合、共享和获取的技术壁垒，提高信息共享的时效性和准确性。二是有利于减少跨地域的云计算中心间和云计算虚拟机间的通信总量。三是有利于解决战术通信网络的由于局部传输手段不稳定所带来的全局信息共享断层问题。
国外农业支持与保护政策表现出更加多元化的发展形式，不仅对农业给予直接的经济补贴，还对农业基础设施建设、农业技术培训、农业风险管控等方面都有较大的投入。因此，中国在农业支持与保护政策的制定上还需要建立更加完善的体系，如加强农业先进技术宣传、加强农业基础设施的支持投入、在农业信贷上给予更多优惠等，从而构建一个更为完善的农业支持与保护政策体系，促进中国农业的健康发展。
（2）机动云间分布式
图1 分层分布式体系架构
2.2 分域分布式云计算/云存储架构
机动云最优任务中心簇选择是分域分布式云计算和云存储的关键技术之一。任务中心簇是为处理同一个任务选择的多个机动云的集合。对于分布式任务处理，用户需要跨过多个机动云进行信息处理和协同共享，需要多个机动云节点的多个虚拟机协同进行分布式计算与存储。由于任务的变化随机，因此最优任务中心簇的选择也是随机和动态的。
图2 分域分布式体系架构
战术分层与分域分布式云计算/云存储架构是在分散的机动云节点当中动态地选择计算中心簇或任务中心簇组成计算集群，以提升整体的计算和存储性能。那么，如何选择计算中心簇或任务中心簇是分层分域架构的关键所在。中心簇的选择包括机动云最优子集合的选择和机动云最优任务中心簇的选择。
（1）单个机动云内分布式
当用户对访问的计算和存储需求很小，又没有必要在多个机动云间进行信息并行处理时，用户的计算和存储需求由机动云内部在多个虚拟机间进行分布式计算和分布式存储。机动云内部放置了多台物理计算和存储资源，通过虚拟化，不同物理机上的计算和存储资源已经形成了由多个虚拟机和存储阵列组成的资源池。
经过以上理解和分析，学生已能够掌握如何根据照应和连接的原则为定语从句选择恰当的关系词。在此基础上，可以继续通过例句引导学生理解和掌握一些比较复杂的定语从句。例如：
湖南渔鼓流传至桂林全州时，因地方语言和演唱习惯的不同，唱腔也各不相同，由此形成了独具风格特色的全州渔鼓。全州渔鼓和桂林渔鼓既有相同点，也有差异性。桂林渔鼓的传统唱腔是以四句为一段，第一句落音“徵”，第二句落音“商”，第三句落音“羽”，第四句落音“徵”；其唱腔随着唱词的语调和故事中的情感需要而变化。全州位于广西与湖南的交界处，因此渔鼓演唱的音调较接近湖南，唱腔仍是徵调，但含有羽调色彩；全州渔鼓的胡琴定弦为3-6弦，也与桂林渔鼓不同。全州渔鼓体现地方的文化内涵和人文精神，是地方艺术史的重要篇章。
当用户对访问的计算和存储需求很大，单个机动云不能满足计算或存储任务，或者高动态用户需要跨过多个机动云进行信息协同处理时，需要多个机动云进行分布式计算与分布式存储。而机动云之间由战术通信网络互联，带宽等传输网络资源缺乏且不稳定，需要减少机动云间的通信总量。机动云间分布式关键点在于选择满足用户所需资源同时相互通信总量最少的机动云最优子集合。因此，需要突破机动云最优子集合的选择技术等关键技术。
本文以企业经营战略理论和企业生命周期理论为基础，在研究分析许昌胖东来企业总体经营战略变更例子的基础上，对基于企业生命周期不同阶段特点和需求企业总体经营战略的选择问题进行了比较系统的研究，得出了要根据企业所处生命周期不同阶段的特点和需求选择合适的经营战略，同时提出企业发展的首要目标是做长久，而非做大做强，要致力于成为一个长寿企业，不断地在企业中探索建设员工的自组织管理，实现企业的可持续发展。
在编程模式上，采用Hadoop的MapReduce分布式计算和HDFS分布式存储等编程模式，实现不同机动云之间的分布式计算与分布式存储功能。
（3）任务中心簇分布式
针对分布式任务处理，用户需要跨过多个机动云进行信息处理，进行信息协同共享时，需要多个机动云进行分布式计算与分布式存储。在实际应用当中，可以看出不同任务虚拟机集群之间的通信比较少，而同一任务的虚拟机集群之间的通信则非常多。因此，需要划分任务计算中心簇，减少虚拟机集群之间的通信开销，在选定的子图中为不同的子任务合理划分虚拟机集群，使得为同个子任务服务的虚拟机集群尽可能地在同一计算中心区域或通信条件好的计算中心组合。任务中心簇分布式需要突破最优任务中心簇选择技术等关键技术。
燃烧产物热平衡方程式是进行锅炉热力计算的基础之一，循环流化床锅炉也是如此。在分离器、EHE以及炉膛中燃烧产物热平衡方程式中必须计入循环灰焓，否则误差会很大。系统热平衡图如图1所示。此系统图由炉膛、分离器和回料器组成。此系统中本应还包括外置式热交换器（EHE），但由于文中所研究循环流化床锅炉无外置式换热故没有体现。
在编程模式上，采用Hadoop的MapReduce分布式计算和HDFS分布式存储等编程模式，实现不同机动云之间的分布式计算与分布式存储功能。
3 分层分域架构技术难点
域的划分：颗粒度从单个机动云到大小不同的机动云的集合，根据分布式任务的不同，机动云的集合可划分不同的任务中心簇。
3.1 机动云最优子集合选择
机动云最优子集合的选择是分域分布式云计算和云存储的关键技术之一。机动云最优子集合的过程实际上就抽象成在分布式云图中子图的选择过程，在云图中寻找符合条件满足任务需求的虚拟机集群，作为处理某任务机动云最优分布式云子集合。
在编程模式上，采用Hadoop的MapReduce分布式计算和HDFS分布式存储等编程模式，实现资源池上不同虚拟机之间的分布式计算与分布式存储功能。
最优子集合选择的条件包括子图路径上的通信带宽时延情况、节点计算和存储性能、节点路径长度等因素。这里涉及到最优子图的选取算法，如蚁群算法等，将路径选择因子设置为通信带宽、通信时延、节点计算总量、节点存储总量、节点间路径长度等，并对选择因子设置比重，可根据任务需求调整因子比重而得出不同关注度的选择集合，如图3所示。图中路径选择从节点1开始，搜索附近节点，发现到节点7的带宽300为最大，计算性能和路径长度相当，因此选择节点7作为集合组成之一，接下来从节点7重复以上步骤，直到选择的节点计算总量满足任务最小计算总量需求为止。
3.2 机动云最优任务中心簇选择
在横向上，采用分域分布式云计算与云存储架构。在上述分层分布式架构上，在各层级按计算与存储需求动态地划分不同的云计算中心域，形成各层级的分域分布式云计算与云存储架构。如图2所示：
另外，一项任务可以划分若干子任务，每个子任务可以对应一个任务中心簇，任务中心簇可以是多个子任务中心簇的集合，如图4所示。
子任务中心簇的选择算法与机动云最优子集合选择算法类似，所不同的是选择因子略有差异，前者更关注于任务所经过的机动云节点间通信带宽、计算与存储性能。
为自己的漂亮所惑的女人很难有幸福之人。所谓知足常乐，而这类女人是不可能知足的。在她们看来，丈夫总是配不上她们，衣服总是配不上她们，工作环境总是配不上她们，居住环境当然也总是配不上她们，身旁的众人更是配不上她们。所以，她们眉藏煞气，心浮气躁，自私自利，惹人生厌。
4 结束语
图3 分布式云计算/云存储子图路径选择
图4 分布式任务中心簇示意图
本文为战术环境下分布式云计算和云存储提供了一种有效的解决方案，采用分层分域分布式体系架构，通过确定计算中心的最优子集合和最优任务中心簇，对分布式计算任务进行合理划分与选择，尽可能减少节点间的通信总量，降低网络传输开销，以适应战术通信网络环境。
参考文献：
[1] 商浩,李明东. 云存储技术的起源与发展[J]. 电脑知识与技术, 2016,12(26): 54-55.
[2] 邓见光,潘晓衡,袁华强. 云存储及其分布式文件系统研究[J]. 东莞理工学报, 2012(5): 41-46.
[3] 杨洋. 云计算的现状及发展趋势[J]. 电脑开发与应用,2012(2): 61-63.
[4] 李菁. 云计算存在的三大问题和两个瓶颈[Z]. 2011.
[5] 郗迪. 基于MapReduce的分布式计算系统的设计与实现[D]. 长春: 吉林大学, 2016.
[6] 赵磊. 基于Spark的分布式协同过滤及工具研究[D]. 南京: 南京大学, 2017.
[7] 王意洁,孙伟东,周松,等. 云计算环境下的分布存储关键技术[J]. 软件学报, 2012,23(4): 962-986.
[8] 刘帅. SDN网络的控制器部署和云存储分配问题研究[D]. 济南: 山东大学, 2016.
[9] 李宏佳,陈鑫,周旭. 面向5G的分布式移动云计算协同架构与管理机制[J]. 中兴通讯技术, 2015,21(2): 14-19.
[10] 程赛先. 美军战术云计算应用研究[J]. 指挥控制与仿真, 2017,39(6): 134-142.
[11] 李智,胡敏. 美军分布式通用地面系统的建设发展及启示[J]. 指挥与控制学报, 2017,3(2): 171-176.
[12] 张海翔. 美军云计算技术运用新进展[J]. 中国信息安全, 2011(6): 66-67.
[13] 佚名. 美军作战理论的一些转变[EB/OL]. (2016-06-28)[2019-06-04]. https://lt.cjdby.net/forum.php?authorid=15 3522&mod=viewthread&page=1&tid=2250671.
[14] 彭默馨. 美军大力开发“云计算”的主要意图[N]. 学习时报, 2014-01-27.
[15] 陈祖香,吴技. 美军分布式通用地面站系统的发展现状与趋势[J]. 电讯技术, 2015,55(4): 462-466.
[16] 刘永丹. 美军云计算应用安全发展趋势研究[J]. 中国新通信, 2014,16(23): 44-46.
[17] 欧伟新,陈国忠. 云计算及其分布式架构[J]. 电信快报,2012(1): 30-33.
[18] 虞慧群,范贵生. 云计算技术的应用及发展趋势综述[J]. 微型电脑应用, 2011,27(10): 1-3.
[19] 韩星晔,李新明. 云计算军事应用研究[J]. 装备指挥技术学院学报, 2011,22(2): 103-107. ★
Tactical Distributed Cloud Computing and Cloud Storage Architecture
ZHANG Lijiao1, GUO Shuiping2, YANG Can2
(1. South China Business Trade College, Guangzhou 510650, China;2. China Electronics Technology Group Corporation NO.7 Research Institute, Guangzhou 510310, China)
[Abstract] In order to adapt to the tactical environment of limited bandwidth resource, weak connection network and high dynamic platform, a hierarchical distributed cloud computing and cloud storage architecture is proposed, which combines the optimal subset selection of the computing center and the selection of the optimal task center cluster.Reasonable partitioning can reduce the total communication between nodes and reduce network transmission cost,To provide guidance for resource sharing and cross domain collaborative cloud environment for all kinds of combat platforms.
[Key words] tactical cloud; cloud computing; cloud storage; distributed
doi: 10.3969/j.issn.1006-1010.2019.07.013
中图分类号： TP915.6
文献标志码： A
文章编号： 1006-1010(2019)07-0078-04
引用格式： 张丽娇,郭水平,杨灿. 战术分布式云计算与云存储体系架构[J]. 移动通信, 2019,43(7): 78-81.
*通信作者
收稿日期： 2018-05-09
OSID：扫描二维码与作者交流
作者简介
张丽娇（orcid.org/0000-0002-0521-6041）：学士毕业于北京大学，现任职于广州华南商贸职业学院，主持科技处工作，主要研究方向为云计算、大数据等。
郭水平（orcid.org/0000-0003-3943-1230）：硕士毕业于华南理工大学，现任职于中国电子科技集团公司第七研究所，主要研究方向为融合通信系统、云通信系统。
杨灿：副总工程师，学士毕业于成都电子科技大学，现任职于中国科技集团公司第七研究所，主要从事无线网络的总体设计、网络交换、栅格服务等方面的研究工作。
标签：战术云论文; 云计算论文; 云存储论文; 分布式论文; 广州华南商贸职业学院论文; 中国电子科技集团公司第七研究所论文;