基于事件的物联网服务相似性检测

收稿日期:2011-01-17;修回日期:2011-03-10。

作者简介:谢川（1963-），男，四川成都人，讲师，硕士，主要研究方向：物联网应用； 王方（1976-），男，上海人，实验师，硕士，主要研究方向：云计算、计算机围棋。

文章编号:1001-9081（2011）08-02258-03doi:10.3724/SP.J.1087.2011.02258

（西南民族大学 计算机科学与技术学院，成都610041）

（）

摘 要:为了检测物联网中冗余服务，节省资源，使用事件和服务关系提出了基于事件服务类图的冗余服务相似性计算模型，在此模型基础上分析了物联网事件上下文及其服务类型，从而得出了面向事件的服务相似度计算方法。由此方法得到了一个静态的服务冗余检测算法。此算法通过检测相似性事件来去除重复的服务函数调用，节约系统服务对资源的占用，从而解决物联网中资源高耗问题。

关键词:事件；事件服务类图；服务相似性检测

中图分类号: TP311.521文献标志码:A

Service similarity checking based on event for Internet of things

XIE Chuan, WANG Fang

（College of Computer Science and Technology, Southwest University for Nationalities, Chengdu Sichuan 610041, China）

Abstract: To check the redundant services of Internet of Things （IoT） and save resources, a novel similarity calculation model based on service event class diagram was proposed to check redundancy by means of relations between events and services. It analyzed the context of IoT and service type and obtained the services similarity measurement based on events according to this model. By this similarity calculation method, a static service redundancy detection algorithm was proposed to remove duplication function invocation of services, which saved system resources occupied by services and decreased the consumption of resources in the IoT.

Key words: event; service event class diagram; service similarity checking

0 引言

物联网（Internet of Things, IoT）作为互联网的延伸，越来越与人们的生活紧密融合,文献［1］通过各种接入网与互联网结合起来而形成一个巨大智能网络,以实现物体与物体互相间的连接和交互。物联网概念模型和体系结构日臻完善。文献［2］从物品、网络和应用角度研究其体系,同时文献［3］认为其体系结构也在不断发展，最终将其推向大规模的应用,特别是在城市管理方面，如文献［4］中提出的环境监测;家庭医疗方面，如文献［5］阐述的智能家居及文献［6］提出的生物制药等领域。文献［7］中关注在应用中的安全问题。物联网是一个自动化程度很高的网络，从语义理解物联网服务已被越来越多地注意。文献［7-9］中，从事件处理方面对物联网进行了详细的研究，在物联网中有无线射频识别（Radio Frequency Identification, RFID）和传感器事件，这些事件组合在一起构成了复杂的服务。其中RFID和传感器自动地触发大量的事件，降低和消去这些冗余事件就成为一个重要的问题，在这样一个大量事件的计算环境中，检测服务的相似性能提供一个高效的方法，从而减少服务和事件的数量，降低系统的资源消耗。在文献［10］中研究了使用复杂事件处理技术去处理RFID数据，未从服务和事件的角度去检测服务的冗余性。本文检测服务的相似性主要思想是把一服务分成若干个事件，先计算事件的相似性，再计算服务内容的相似性，从而找出冗余的服务集合。

1 物联网中冗余服务的相似性计算模型

1.1 事件

定义1 事件指在某个特定的时间和环境下发生的,由若干角色参与,表现出若干动作特征的一件事情。形式上,事件可表示为e,定义为一个六元组:e〈A,S,O,T,L,K〉。事件中的六元组分别表示Action（A）,Subject（S）,Object（O）,Time（T）,Location（L）,Link（K）。Action指在事件变化处理过程中触发一条规则，例如一个个人数据处理机（Personal Digital Assistant, PDA）设备从Location A移动到Location B将触发一条设备移动规则。Subject表示事件参与者要完成的主题。如：在一个房间中的PC可以和一台远程的PC相连，在该房间中的PDA可以将内部PC作为网关，将远程PC中的DATA传送到PDA内部。Object表示事件参与者的集合。Time表示一个时间段，从事件的开始和结束时间。Location表示事件所发生的位置。Link表示发生事件的连接接口。

定义2 事件类是指处理同一个服务所发生的事件集合。

ET{E,T1,T2,…,Tn}。E是一个事件集合，叫做扩展事件类,Ti{T1,T2,…,Tn}（1≤i≤n）是触发事件的元素集合。

定义3 由事件组成的服务上下文形式化为S（E）（S,ET,R）。其中：S代表服务集合；ET代表事件集合；R代表二元关系，表明ET（ETi∈ET）是否是服务S的一个事件。如果ETi是服务S的一个事件类，那么可以表示成ETi R S or （ETi ,S）∈R。例如列表1中显示了3个服务和4个事件。

表1 服务和事件关系

其中“*”代表了一些服务包括这些事件，根据表1，构造一个服务的事件类图如图1所示。

图1 服务的事件类图

在图1中，服务事件类图中v2号顶点“弧北砻ET1事件在s1,s2服务中发生。

定义4 事件E是一个函数,将时间映射为布尔值,它可以表示为E:T{True,False}：

E（t）True, 事件ET在t发生

False, 其他

其中t为事件的发生时间。

1.2 物联网中冗余服务的相似性表示模型原理及特点

在图1中构造了一个物联网的服务类图G（s（v）,lp），其中s（v）（Si,Ej）构成了图中的顶点v，SiS,EjET，Sk∈Si，Sk中包含有事件Ej，且SlSj，不存在Sl中包含有事件Ej，其中Si∪SjS且Si∩SjА＊Ek∈Ej，Ek是Si中的服务包含的事件，且不存在El∈Ei，El是Si的服务包含的事件，其中Ei∪EjET且Ei∩EjА1lp表示事件间的逻辑触发关系。从v1到v6有下列的逻辑触发关系。

Disjunction 表达为ETi∨ETj，表示在一定的时间间隔内ETi或者ETj产生。例如在节点v1v2边上，如果E（t）True触发事件ET1，或者v1v3边上如果E（t）True触发事件ET2,ET3，可表示为如下式子：（v1ET1v2）∨（v1ET2,ET3v3）且E（t）True。

Conjunction 表达为ETi∧ETj，表示在一定时间间隔内ETi或ETj同时产生。例如在节点v4v6和v5v6边上，如果E（t）True，事件ET1、ET4和ET2、ET3同时产生到达节点v6。

Sequence 表达为（ETi;ETj,E（t）），表示事件ETi在ETj之前产生。例如在节点v2v4的边上ET1在ET4之前产生，可表示为v2ET1;ET4,E（t）v4。

2 面向事件的服务相似度计算

2.1 事件组成的服务上下文

事件组成的服务上下文S（E）（S,ET,R）的相似度定义如下：

Sim（（Si,ETi）,（Sj,ETj））（a+

b）常1+c）（h1+h2）（1）

其中：a+b1,c>0,mmax（|Si|,|Sj|）,nmax（|ETi|,ETj）。

由于服务和事件具有同等的地位,可取ab0.5；h1,h2是指在服务事件类图中（Si,ETi）和（Sj,ETj）所在的层；c是为了体现服务的事件类图深度对相似度的影响而作的修正。

2.2 服务类型的相似性计算

根据图1可以得出相对应的在每个服务中的事件发生点，如表2所示。

表2 服务与触发节点的关系

服务相似性计算如下：

SET（Si,Sj）∑mi1∑nj1Sim（（Si,ETi）,（Sj,ETj））（2）

其中：m是服务Si的事件个数，n是Sj的事件个数，kmn，根据方程（1）、（2）计算出服务Si,Sj的相似性。根据表2可计算出s2、s3之间的相似度：

SET（s2,s3）（Sim（v1,v1）+Sim（v1,v2）+

Sim（v1,v3）+Sim（v1,v5）+Sim（v3,v1）+

Sim（v3,v2）+Sim（v3,v3）+Sim（v3,v5））

（1+0.54+0.486+0.421+0.576+0.24+

1+0.539）0.60025

2.3 事件环境相似度计算

事件环境包括：用户，设备，事件，地点，连接。

定义5 服务Si、Sj包含的两个事件ei、ej的同一个环境Pi∈{A,O,T,L,K}的相似度记为:SimF（Pi,Pj）取值如下。1）两环境用户是同一个,SimF（Pi,Pj）1，例如：服务Si中事件ei的请求设备是PDA，过了一个时间T后，服务Sj中事件ej的请求设备还是PDA，则SimF（Pi,Pj）1。2）两环境存在包含关系,SimF（Pi,Pj）0.5，如服务Si中事件ei的地点是房间,服务Sj中事件ej的地点是厨房,SimF（Pi,Pj）0.5。3）其他情况,两环境的相似度视为SimF（Pi,Pj）0。

例如在表3显示了在表1中事件ET2的两个服务环境s2、s3，可表示为p（ET2）（s2,s3）。

表3 事件ET2的两个服务环境

2.4 服务冗余检测算法

输入 一个Services集合SWS,每个Service对应的环境集合FWS,一个Action集合AWS。

输出 一个静态的服务冗余集合SRstatic。

Algorithm Static_Services_Redundancy_Detection（in（SWS,FWS,AWS）,out（SRstatic））

SRstatic:{};

S（E）:ConstructServiceEventClassGraph（S,EC,R）

for each S∈S（E） do

ContextEvent（e）FindEvent（e）

if ContextEvent（e） then CheckServicesRedundancy（S,E）

else

for each SWS∈S（E） do

SWS（S（E））SWS（S（E））∪Snew

CheckServicesRedundancy（SWS（S（E））,S（E））

endfor

endif

endfor

if SRstatic then update（AWS）

return SRstatic

Function CheckServicesRedundancy（S,E）

for each SWS∈S（E） do

for each e∈FWS do

if SSComputeSS（Si,Sj）>0.5 then

if SEComputeSE（ei,ej）>0.5 then

if SCComputeSC（FWS,Si,Sj）>0.5 then

SRstatic:SRstatic∪（Si or Sj）

endif

endif

endif

endfor

endfor

return SRstatic

2.5 算法的复杂度分析

在Static_Services_Redundancy_Detection算法中的时间复杂度为O（nETma），其中：nET代表事件的数量，ma代表Action的数量。在执行ConstructServiceEventClassGraph（S,EC,R）时，使用渐进式插入更新方法，生成的节点的数量随着服务数的增多而减少。函数CheckServicesRedundancy（S,

E）需要O（nET）个大小的事件集合。ComputeSS（Si,Sj）函数中Si触发的服务节点个数为pi，Sj触发的服务节点的个数为qj，时间复杂度为O（piqj）。

3 结语

本文将事件作为服务的最基本的单位，以事件之间的相似去表示服务之间的相似，是物联网服务中复杂事件处理的崭新的方法尝试。本文是基于服务事件类图的方法去检测服务具有的事件，为物联网应用中服务的冗余去除提供了一种新的方法。

参考文献:

[1] 刘强,崔莉,陈海明.物联网关键技术与应用［J］.计算机科学,2010,37（6）:1-4.

［2］ 沈苏彬,毛燕琴,范曲立,等.物联网概念模型与体系结构［J］.南京邮电大学学报:自然科学版,2010,30（6）:1-8.

［3］ 赵静,喻晓红,黄波,等.物联网的结构体系与发展［J］.通信技术,2010,43（9）:106-108.

［4］ 赵静,宋刚,周驰岷.无线传感器网络水质监测系统的研究与应用［J］.通信技术,2008,41（4）:124-126.

［5］ 明光照,李鸥,张延军.基于无线传感器网络的智能家居系统设计［J］.通信技术,2009,42（2）:233-234,237.

［6］ 刘建生,林自葵,王慧.基于物联网的药品流通流程再造研究［J］.物流技术,2007,26（5）:104-114.

［7］ 骆宗伟,周世杰, LI J.一种轻量级RFID安全协议的改进［J］.电子科技大学学报,2007,36（6）:1172-1178.

［8］ 陈远,李战怀,陈群.不可靠RFID数据上的复杂事件处理研究［J］.计算机应用研究,2009,26（7）:2537-2539.

［9］ JEFFERY S R, GAROFALAKIS M, FRANKLIN M J. Adaptive cleaning for RFID data streams ［C］// Proceedings of the 32nd International Conference on Very Large Data Bases. [S.l.]: VLDB Endowment, 2006: 163-174.

［10］ 谷峪,于戈,张天成.RFID复杂事件处理技术［J］.计算机科学与探索,2007,1（3）:255-267.