(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210809111.1 (22)申请日 2022.07.11 (71)申请人 成都众享天地网络科技有限公司 地址 610000 四川省成 都市高新区天府五 街200号5号楼1- 3楼 (72)发明人 孙成刚　张剑锋　周武林　唐庆生　 吴翠　 (74)专利代理 机构 成都慕川专利代理事务所 (普通合伙) 51278 专利代理师 李小金 (51)Int.Cl. H04L 41/14(2022.01) H04L 67/10(2022.01) G06F 30/20(2020.01) (54)发明名称 基于广域网的分布式并行仿真推演系统 (57)摘要 本发明公开了基于广域网的分布式并行仿 真推演系统， 包括分布式调度中心、 计算服务单 元和数据综合单元， 所述分布式调度中心根据预 设的仿真场景以及用户操作数据， 实时计算并生 成各仿真单元的前置数据， 按照DAG模型， 分发给 提供服务的各分布式计算节点， 并收集各计算节 点的计算结果， 随后对各个计算节 点的结果进行 汇总计算， 作用到仿真场景中的对象， 并形成下 一帧调度的前置数据， 所述数据综合单元接收分 布式调度中心分配的计算任务， 并向不同的计算 服务单元的发送统一的数据格式， 接收计算服务 单元反馈的数据， 并按分布式调度中心要求格式 编码后向分布式调度中心进行 数据反馈 。 权利要求书1页 说明书6页 附图1页 CN 114884830 A 2022.08.09 CN 114884830 A 1.基于广域网的分布式并行仿真推演系统， 其特征在于， 包括分布式调度中心、 计算服 务单元和数据综合单元， 所述分布式调度中心根据预设的仿真场景以及用户操作数据， 实 时计算并生成各仿真单元的前置数据， 按照DAG模型， 分发给提供服务的各分布式计算节 点， 并收集各计算节点的计算结果， 随后对各个计算节点的结果进 行汇总计算， 作用到仿真 场景中的对 象， 并形成下一帧调度的前置数据， 所述数据综合单元接 收分布式调度中心分 配的计算任务， 并向不同的计算服务单元 的发送统一的数据格式， 接 收计算服务单元反馈 的数据， 并按分布式调度中心要求格式编码后向分布式调度中心进行数据反馈， 所述计算 服务单元有若干个， 每个计算服务单元在收到数据综合单元发送的统一的数据后， 根据计 算服务单元 的数据结构将接 收的数据解析成所需的数据结构， 进行计算， 并将计算结果反 馈至数据综合单 元内。 2.根据权利要求1所述的基于广域网的分布式并行仿真推演系统， 其特征在于， 所述数 据综合单元根据计算服务单元配置的设备类型， 调度设备提供商的计算服务， 同一服务提 供商内部各计算节点无相互依赖， 设备提供商服务根据负载均衡策略调度各计算节点， 有 依赖关系的设备仿真， 需要先调度其依赖设备服 务， 获得依赖数据后再调度其计算 服务。 3.根据权利要求1所述的基于广域网的分布式并行仿真推演系统， 其特征在于， 所述计 算服务单元采用微服务架构， 每个微服务架构具有 单一功能， 将整体应用分解成一组服务， 将数据粒度控制在单个 计算范围。 4.根据权利要求3所述的基于广域网的分布式并行仿真推演系统， 其特征在于， 当某一 组计算数据发生错漏时， 错漏数据会被隔离在单个计算服务单元中， 其他计算服务单元可 通过备份、 退化机制实现应用层面的容 错， 并基于前序数据继续进行计算。 5.根据权利要求1所述的基于广域网的分布式并行仿真推演系统， 其特征在于， 所述分 布式调度中心和数据综合单元之间通讯采用集群化数据处理方式， 集群化处理前数据计算 节点之间均存在通信延迟。权　利　要　求　书 1/1 页 2 CN 114884830 A 2基于广域网的分布式并行仿真推 演系统 技术领域 [0001]本发明涉及一种仿真推演系统， 具体涉及基于广域网的分布式并行仿真推演系 统。 背景技术 [0002]广域网环境通常跨接非常大的物理范围， 超过了集线器所连接 的距离， 节点间的 通信往往会经历复杂的路由。 广域网环境的分布式计算任务通常包含网络边缘大量的数据 的源点和汇点， 前者产生持续的数据流入广域网， 后者需要从广域网中获取所需数据。 广域 网的部分路由节点处部署 着有一定计算能力的服 务器或数据中心， 负责处 理和暂存数据。 [0003]当分布式系统的计算节点分散在广域网各处时， 需要考虑如何将分布式计算任务 合理地分配到各个计算节点上， 以增加系统的可扩展性， 降低计算和数据传输过程的延迟。 该过程一般是动态的， 即系统应综合考虑当前各个节点的负载和网络拥堵情况等因素， 实 时调整任务在这些节点上的分配。 [0004]传统的分配算法存在以下不足之处： 传统的资源分配方法一般依托于数据中心。 在这种场景下， 各个计算节点之间高速互联， 在这些节点间分配、 迁移计算任务代价并不 高。 然而在基于广域网中的分布式计算系统中， 计算节点之间的连接 关系并不对称： 路由距 离较近的节点之间的数据传输速率更高， 路由距离较远的节点之间数据传输有显著的延 迟， 靠近数据源的计算节点会更加 适合执行这些计算任务。 不考虑这一特性的资源分配方 法会显著影响系统的执 行效率。 [0005]传统的资源分配方法需要实时获取系统中各个计算节点的负 载状况， 并据此做出 合理的任务分配。 然而， 广域网中的分布式计算系统的节点通信代价不可忽略， 很难实时地 将所有节点的状态汇 聚到同一个中心节点。 因此， 中心化的资源分配算法很难对系统中的 突发状况做出及时反应， 如数据源的突发流 量、 计算节点的可用资源变化 等。 [0006]在分布式系统的计算节点增加时， 负责资源分配的专门节点容易成为系统的瓶 颈。 该节点需要与大量的计算节点通信， 以获取它们的运行状态并发送调度信息； 需要维护 相应的数据结构， 记录所有计算节点的各类属性； 需要运行资源分配算法， 将任务分配到合 适的计算节点上。 这些可扩展性问题在广域网中更加突出： 各节点间的通信延迟 更高、 计算 节点的异构性 导致其属性更丰富、 网络中可用的计算节点的数目更加庞大。 [0007]传统的分布式仿真系统集成方法包括基于HLA、 DIS等局域网分布式仿  真系统集 成方法和基于SOA的广域网分布 式仿真系统集成方法。 其中基于  HLA、 DIS的分布式仿真系 统集成方法， 其底层协议多基于组播或广播协议，  此类协议对网络环境的配置要求较高， 且存在网络安全、 数据安全等 问题， 因此基于HLA、 DIS的分布式仿真系统集成方法的平 台 多限于局域网范围；  基于SOA的分布式仿 真系统集 成方法可以支持广域网仿 真， 但在SOA架 构下 存在仿真模型间的通信协议与数据协议描述复杂、 缺乏成熟 的时间管理机  制、 仿真 系统的实时性方面难得以保证等问题， 无法满足仿 真模型间紧耦合  实时/超实时分布式仿 真的需求。说　明　书 1/6 页 3 CN 114884830 A 3