摘要: 針對傳統移動端云存儲系統數據量急劇增加時對存儲效率產生嚴重影響的實際情況，從理論上對移動端云存儲的存儲狀態進行分析，提出了一種基于馬爾科夫的移動端云存儲策略，該策略以節點存儲代價的量化描述為基礎，引入馬爾科夫決策理論并結合存儲節點的狀態轉移，選擇最優存儲節點實現移動端云存儲訪問。通過仿真實驗對該存儲策略進行了驗證，結果表明，當數據大小發生改變時，該存儲策略能夠準確預測并將數據實時調度到合適的存儲組機群的存儲節點上，有效降低因數據大小不同而導致存儲效率降低的影響。

　　關鍵詞: 馬爾科夫; 存儲狀態; 云存儲策略; 存儲代價; 決策理論; 狀態轉移

　　0 引言

　　傳統移動端云存儲系統的存儲密度不大，綜合存儲效率比較低，不能很好地適應各種不同的應用環境，且不能保證云數據的完整性和機密性，因此將敏感數據直接存放在云上是非常危險的。云存儲系統中的存儲過程近似為馬爾科夫過程，該文提出一種基于馬爾科夫的云存儲策略以實現移動端可靠安全地存儲，從概率的角度來衡量各個存儲節點的存儲代價并綜合調度，選擇最優存儲節點實現云存儲訪問。

　　當移動終端發出請求時，基于馬爾科夫的云存儲策略選擇存儲代價最優的存儲節點能夠有效節省時間，提高存儲效率，同時保證系統的負載均衡。基于馬爾科夫的云存儲策略改進優化了傳統云存儲系統的不足，提出可靠性模型，最后通過一系列仿真實驗驗證該文提出的基于馬爾科夫的云存儲策略具有較高的可靠性。

　　1 移動端云系統副本策略

　　傳統的移動端云存儲系統使用多副本機制，當移動終端發出請求時選擇最近的副本，最近的節點是指該節點存儲代價最低。云系統副本策略包括動態副本策略( Dynamic Replication Strategies，DRS) 和靜態副本策略( Static Replication Strategies，SRS) 。靜態副本策略指的是副本個數、放置的位置從創建開始到數據失效期間都是固定不變的，而動態副本策略指的是系統運行中根據系統性能、負載等各種因素的變化，實時調整副本個數及放置位置等，包括小文件動態副本策略( Small File Dynamic Replication Strategies，SFDRS ) 和大文件動態副本策略 ( Large File Dynamic Replication Strategies，LFDRS) 。

　　1. 1 小文件副本策略

　　不超過 10 MB 的文件定義為小文件，小文件副本策略采用 SQLServer 關系數據庫。接收到移動終端傳來的文件后，調度機群會先判斷其大小，一旦確認是小文件，則交給關系數據庫機群處理，并且將文件相關屬性存儲到數據庫表中。數據庫機群動態選擇最優節點，即將機群中負載最輕的數據庫服務器選出來存儲文件，并保存一份副本確保數據的可靠性。文件所存放的數據庫服務器 IP 地址將被存儲到主服務器中，查詢時需先從主服務器獲取文件存放的服務器 IP，然后再與數據庫服務器交互。小文件存放處理模式

　　1. 2 大文件副本策略

　　當文件超過 10 MB 時稱之為大文件，大文件副本策略采用存儲組機群處理，存儲組機群系統采用全連接網絡，

　　存儲組機群的存儲空間統一編址且為環狀結構。通過虛擬連續存儲空間的方式，存儲組機群可以抵消不同 PC 機間設備性能的不同。使用哈希算法 - 信息摘要算法 5( Message - Digest Algorithm 5， MD5) 實現地址轉換，通過 MD5 算法將實際物理地址處理轉換為 32 位信息串，然后再存儲到虛擬連續地址中，抵消設備間性能的不同。MD5 算法將地址轉換映射到存儲組機群的虛擬存儲空間環中，將數據存儲到第一個被映射的 PC 設備中，并且備份到相鄰的 2 個 PC 設備上。

　　存儲組機群采用 PC 作為存儲介質，PC 可靠性不高，有時還會存儲失效，因此需要存儲副本確保數據可靠。當某節點故障時，相鄰節點會及時修改路由信息并將該設備存儲的所有信息進行重新備份。

　　2 基于馬爾科夫決策的移動端云存儲策略

　　在傳統的云存儲副本策略中，只有主副本錯誤了才請求備用副本，不考慮地域，極大地影響存儲速度。將馬爾科夫轉移概率應用到移動端云存儲策略，從概率角度衡量各個存儲節點的存儲代價，預測某時刻云存儲策略的存儲概率，選擇最優存儲節點實現數據存儲。

　　基于馬爾科夫決策的移動端云存儲策略( Cloud Storage Strategy Based on Markov，CSSBM) 首先提出對應的存儲狀態空間轉移表達; 然后根據云存儲系統的歷史數據樣本得到狀態轉移概率矩陣。利用狀態轉移概率矩陣和當前收斂的存儲狀態矩陣，快速預測未來某個時刻云系統存儲狀態的存儲概率實現存儲。

　　2. 1 有限狀態空間及狀態分布

　　在云系統中，存儲組機群中的服務器叫做存儲節點，每個存儲節點都可以存儲大文件、中文件以及小文件。由于存儲組機群中存儲節點的硬件性能、負載情況以及網絡鏈路狀態都不同，每個存儲節點存儲大、中、小 3 種不同類別的數據所耗費的成本也不同，導致每個存儲節點存儲不同大小文件的存儲代價不同，一般選擇代價最低的存儲節點。

　　根據以上分析，將存儲組機群中存儲節點存儲 3 種不同大小的數據的存儲過程視為離散狀態空間 S，數據存儲過程中下一個存儲節點的選取只與當前存儲節點的存儲代價有關，因而云系統的數據存儲過程符合馬爾科夫鏈的特征。該文所提出的云存儲策略中，狀態空間 S 表示為以下 3 種:

　　1) 狀態 1( 小文件狀態)

　　在小文件狀態下，選擇存儲組機群中存儲小文件的最優存儲節點，實現數據存儲。

　　2) 狀態 2( 中文件狀態)

　　在中文件狀態下，會從存儲組機群中選擇介于小文件和大文件之間的最優存儲節點，實現數據存儲。

　　3) 狀態 3( 大文件狀態)

　　在大文件狀態下，會選擇存儲組機群中存儲大文件的最優存儲節點，實現數據存儲。

　　基于馬爾科夫的云存儲的狀態空間定義為 S = { s1，s2，s3 } 。si ( i = 1，2，3) 分別表示機群中各個存儲節點實現小文件、中文件和大文件存儲的存儲代價。

　　進行云存儲策略的研究，存儲方案狀態的劃分以適中為宜。顯然，該文定義的存儲組機群存儲大、中、小文件 3 種狀態比較簡捷，能很好地滿足云系統中對數據存儲的要求。

　　狀態分布 R 為某一存儲節點實現數據存儲的存儲代價，根據存儲節點在大、中、小 3 種不同狀態下的存儲代價，得到 ti時刻云系統的存儲狀態分布

　　2. 2 狀態轉移概率矩陣

　　根據前文分析可知，存儲組機群中的每個存儲節點均有存儲 3 種不同大小文件的存儲代價，若云系統中某個存儲節點存儲大、中、小文件的綜合存儲代價越高，使用該節點存儲數據的可能性越小; 相反，存儲大、中、小文件的存儲代價越小則被選中的可能性越大。

　　2. 3 基于 Markov 云存儲策略算法

　　對于數據在不同節點存儲的存儲代價，獲得系統當前時刻的存儲代價矩陣，即系統的狀態分布矩陣

　　2. 4 云存儲策略的可靠性分析

　　假設系統可靠性為 A，采取不同存儲策略實現存儲的時間取反并經過歸一處理后的值為 Aj ，依據馬爾科夫決策不同節點實現數據存儲的存儲代價經過歸一處理后的值為 Ak，云存儲的存儲狀態數為 n，則系統的可靠性模型用式( 6) 表示:

　　A =[1 –( 1 - Aj ) n ][1 –( 1 - Ak ) n ] ( 6)

　　從可靠性模型得出當時間 t→∞ 時，云系統的存儲代價也趨近于某一穩定值，此時存儲策略的狀態趨于穩定，當 Aj和 Ak的值越接近于 1，且存儲狀態數 n 越大，則云存儲策略越可靠。

　　3 實驗與結果分析

　　論文使用 python 語言驗證 CSSBM 存儲策略算法。用蒙特卡羅模擬 8000 次樣本，模擬時間間隔為 300 個，統計存儲狀態在這些間隔內的分布及相鄰時間間隔存儲狀態的變化情況，得到存儲策略的狀態轉移概率矩陣

　　通過存儲狀態分布矩陣 R( i) 可快速選出存儲代價最低的節點以實現數據存儲。系統對同等大小的文 件，當采用不同的算法 SFDRS，LFDRS 或 CSSBM 分別進行處理的時間數據。

　　SFDRS 算法對比 LFDRS 存儲時間相對較短，對于文件傳輸總的時間損耗和用戶體驗影響不大。 LFDRS 存儲耗時相對較長，會對系統造成較大的額外時 間 開 銷。CSSBM 對文件存儲的時間相對 SFDRS 沒有明顯增加，存儲效率較高。

　　利用前面提出的可靠性模型式( 6) ，結合表 1 中對同 等 大 小 的 文 件，采用不同的策略 SFDRS、 LFDRS 或 CSSBM 算法進行數據存儲，對時間取反并經過歸一處理后的值 Aj越接近 1，同理經過歸一處理后的存儲代價 Ak也越接近 1，且存儲狀態數目越多，系統的可靠性也就越高。連續采樣移動端 1 小時內使用不同策略的存儲時間和傳輸速率，得到不同策略的可靠性對比圖，如圖 5 所示。

　　通過對圖 5 中的數據對比發現，使用 SFDRS 算法存儲系統的可靠性值基本維持在 1，系統可靠性相對較高，即使用 SFDRS 存儲數據對于文件傳輸和用戶體驗影響不大。LFDRS 算法耗時相對較長，且系統可靠性值抖動較大，使用 LFDRS 存儲數據時系統可靠性較低。CSSBM 存儲數據時間相對 SFDRS 沒有明顯增加，可靠性的值也維持在 1 左右，可見，使用 CSSBM 存儲數據，系統的可靠性相對較高。

　　通過仿真實驗驗證了基于馬爾科夫的云存儲策略具有較高的可靠性，該存儲策略能夠依據存儲狀態矩陣和狀態轉移概率矩陣實現存儲狀態預測，將數據實時調度到存儲代價最低的存儲節點實現數據存儲，有效節省時間，降低因文件大小不同而導致存儲效率降低的影響。

　　4 結語

　　該文用馬爾科夫解決云系統的存儲調度，預測數據的安全存儲。文章首先將云系統的存儲狀態劃分為 3 個，然后分階段使用馬爾科夫決策，并根據存儲節點的存儲代價獲取當前時刻的存儲狀態矩陣，在足夠多樣本數量的支持下，統計出狀態轉移概率矩陣，快速預測未來某時刻云系統的存儲狀態概率，選擇最優存儲節點實現數據存儲。最后通過仿真實驗表明當數據大小發生改變時，該存儲策略能夠準確預測并將數據實時調度到存儲代價最低的節點，有效降低因數據量大小不同而采用相同的存儲方法造成的影響，驗證了將馬爾科夫決策應用在移動端云系統中的存儲策略具有較高的可靠性。相關論文還可參考：淺析云計算與云存儲技術研究

　　參考文獻:

　　[1] 張迪，朱立谷，侯振宇，等. 基于 WEB 的移動端云存儲技術研究[J]. 計算機工程與應用，2010，46( 36) : 66.

　　[2] Iliadis I，Sotnikov D，Ta - Shma P，et al. Reliability of georeplicated cloud storage systems[C]. In: 2014 IEEE 20th Pacific Rim International Symposium on Dependable Computing，2014: 169.

　　[3] 徐婧，楊壽保，王淑玲，等. CDRS: 云存儲中一種代價驅動的自適應副本策略[J]. 中國科學院研究生院學報， 2011，8( 6) : 759.

　　[4] 馮登國，張敏，張妍，等. 云計算安全研究[J]. 軟件學報，2011，22( 01) : 71.

　　[5] 牛德華，馬建峰，馬卓，等. 基于屬性的安全增強云存儲訪問控制方案[J]. 通信學報，2013，34( Z1) :