支持运行时状态协同演化的分布式服务框架Zynco

doi:10.11772/j.issn.1001-9081.2025080953

《计算机应用》唯一官方网站 ›› 2026, Vol. 46 ›› Issue (10): 3250-3259.DOI: 10.11772/j.issn.1001-9081.2025080953

• 先进计算 • 上一篇

支持运行时状态协同演化的分布式服务框架Zynco

刘中一¹^,²^,³, 李梦箫¹^,³(), 林骋¹^,², 田丰¹^,³, 符丹¹, 单威¹, 王峥¹, 杨健¹

^1.中国民航信息网络股份有限公司，北京 101318
^2.中国民用航空局民航旅客服务智能化应用技术重点实验室，北京 101318
^3.北京市民航大数据工程技术研究中心，北京 101318

收稿日期:2025-08-19 修回日期:2025-09-09 接受日期:2025-09-15 发布日期:2026-10-21 出版日期:2026-10-10
通讯作者: 李梦箫
作者简介:刘中一（1987—），男，山西大同人，高级工程师，硕士，CCF会员，主要研究方向：内存数据网格、高性能计算、民航数智化、航空运价系统
林骋（1990—），男，山东济南人，工程师，硕士，主要研究方向：民航客票运价系统、自然语言处理
田丰（1980—），男，北京人，高级工程师，硕士，主要研究方向：民航信息化、云计算、人工智能
符丹（1986—），女，陕西咸阳人，工程师，主要研究方向：分布式软件测试
单威（1978—），女，黑龙江密山人，高级工程师，硕士，主要研究方向：民航旅客服务信息系统
王峥（1983—），男，北京人，高级工程师，硕士，主要研究方向：民航信息化
杨健（1986—），男，山东枣庄人，高级工程师，硕士，主要研究方向：民航信息系统、软件系统自主可控。
基金资助:
国家自然科学基金委2024年项目(U2433212);工信部大数据产业发展试点示范项目(工信厅信发函［2022］219号);工信部未来产业创新任务揭榜项目(工信厅科函［2024］220号)

Zynco： distributed service framework for runtime state coevolution

Zhongyi LIU¹^,²^,³, Mengxiao LI¹^,³(), Cheng LIN¹^,², Feng TIAN¹^,³, Dan FU¹, Wei SHAN¹, Zheng WANG¹, Jian YANG¹

^1.TravelSky Technology Limited，Beijing 101318，China
^2.Key Laboratory of Intelligent Passenger Service of Civil Aviation，Beijing 101318，China
^3.Beijing Engineering Research Center of Civil Aviation Big Data，Beijing 101318，China

Received:2025-08-19 Revised:2025-09-09 Accepted:2025-09-15 Online:2026-10-21 Published:2026-10-10
Contact: Mengxiao LI
About author:LIU Zhongyi， born in 1987， M. S.， senior engineer. His research interests include in-memory data grid， high-performance computing， digital intelligence in smart civil aviation， airline pricing system.
LIN Cheng， born in 1990， M. S.， engineer. His research interests include civil aviation passenger ticket fare system， natural language processing.
TIAN Feng， born in 1980， M. S.， senior engineer. His research interests include civil aviation informatization， cloud computing， artificial intelligence.
FU Dan， born in 1986， engineer. Her research interests include distributed software testing.
SHAN Wei， born in 1978， M. S.， senior engineer. Her research interests include passenger service information system in civil aviation.
WANG Zheng， born in 1983， M. S.， senior engineer. His research interests include civil aviation informatization.
YANG Jian， born in 1986， M. S.， senior engineer. His research interests include civil aviation information system， software system self-reliance and controllable.
Supported by:
2024 Project of National Natural Science Foundation of China(U2433212);Pilot and Demonstration Project for Big Data Industry Development of the Ministry of Industry and Information Technology of China （MIIT Letter ［2022］ 219）;Innovation Mission Project for Future Industry of the Ministry of Industry and Information Technology of China （MIIT Letter ［2024］ 220）

摘要/Abstract

摘要：

分布式计算系统对任务持续运行过程中的运行时状态增量识别、一致同步与服务无中断切换提出了更高要求，现有机制在集群状态结构感知、节点一致性控制与服务版本切换可控性方面仍存在不足，难以支撑状态频繁演化下的稳定服务运行。为此，本文提出支持运行时状态协同演化的轻量级分布式框架Zynco。该框架包括3项核心特性：基于指纹与结构感知的增量识别机制，仅传递有效变更内容，并构建滑动版本链；结合用户数据报协议（UDP）组播与传输控制协议（TCP）控制通道的反馈协议，实现状态在多节点间的高效分发与确认；借助监听器路由与3层服务结构，实现服务的平滑切换与一致性回退。实验结果表明，在20节点集群中，针对涉及54 GB文件数据的增量更新，Zynco仅需27 s即可完成状态同步，服务切换期间任务不中断且状态无撕裂，在1 000 QPS（Queries Per Second）压力下响应抖动时间低于8 ms。Zynco表现出的高效、稳定、可控的特性，可为海量数据协同更新场景的状态驱动型分布式高性能服务提供良好的运行支撑。

关键词: 分布式计算系统, 运行时状态, 增量识别, 多节点一致性同步, 服务无缝热切换

Abstract:

The distributed computing systems place greater demands on incremental state recognition， node consistency synchronization， and seamless service switching during continuous task running. However， the existing mechanisms still have limitations in awareness of cluster state structure， node consistency control， and controllable service version switching， which hinder stable service running under frequent state evolution. Therefore， Zynco was proposed， a lightweight and distributed framework for runtime state coevolution. Zynco was designed with three core mechanisms： a fingerprint-based and structure-aware incremental recognition mechanism， by which only effective state changes were transmitted and a sliding version chain was maintained； a feedback protocol combining User Datagram Protocol （UDP） multicast with Transmission Control Protocol （TCP） control channels， to achieve efficient distribution and acknowledgment of state among multiple nodes； a three-layer service structure with listener-based routing， thereby enabling smooth service switching and consistent rollback. Experimental results show that， in a 20-node cluster， Zynco requires only 27 s to complete state synchronization for incremental updates involving 54 GB of file data， without task interruption or state tearing during service switching； under a 1 000 QPS （Queries Per Second） load， Zynco has the response jitter time below 8 ms. It can be seen that Zynco is efficient， stable， controllable， and can provide good operational support for state?driven distributed high?performance services in massive?data collaborative update scenarios.

Key words: distributed computing system, runtime state, incremental recognition, multi-node consistency synchronization, seamless service hot-swapping

中图分类号:

TP391

刘中一, 李梦箫, 林骋, 田丰, 符丹, 单威, 王峥, 杨健. 支持运行时状态协同演化的分布式服务框架Zynco[J]. 计算机应用, 2026, 46(10): 3250-3259.

Zhongyi LIU, Mengxiao LI, Cheng LIN, Feng TIAN, Dan FU, Wei SHAN, Zheng WANG, Jian YANG. Zynco： distributed service framework for runtime state coevolution[J]. Journal of Computer Applications, 2026, 46(10): 3250-3259.

图/表 15

参考文献 47

[1]	To Q C， Soto J， Markl V. A survey of state management in big data processing systems［J］. The VLDB Journal， 2018， 27（6）： 847-872.
[2]	Bhatotia P K. Thesis for obtaining the title of Doctor of Engineering Science［D］. Saarbrücken： Saarland University， 2015.
[3]	Mlinarić D. Challenges in dynamic software updating［J］. TEM Journal， 2020， 9（1）： 117-128.
[4]	Panzica la Manna V. Dynamic software update for component-based distributed systems［C］// WCOP 2011. New York： ACM， 2011： 1-8.
[5]	Gomes V B F， Kleppmann M， Mulligan D P， et al. Verifying strong eventual consistency in distributed systems［J］. Proceedings of the ACM on Programming Languages， 2017， 48（OOPSLA）： No.109.
[6]	Dinh-Tuan H， Beierle F . M S2M： a message-based approach for live stateful microservices migration［C］// CIoT 2022. Piscataway： IEEE， 2022： 100-107.
[7]	Neupane M. A comprehensive survey on dynamic software updating techniques in IoTs［PP/OL］. arXiv （2024-12-01）［2025-03-08］..
[8]	Das A， Gupta I， Motivala A. SWIM： scalable weakly-consistent infection-style process group membership protocol［C］// DSN 2002. Piscataway： IEEE， 2002： 303-312.
[9]	Pina L， Andronidis A， Hicks M， et al. MVEDSUA： higher availability dynamic software updates via multi-version execution［C］// ASPLOS 2019. New York： ACM， 2019： 573-585.
[10]	Zhou Y. A runtime architecture-based approach for the dynamic evolution of distributed component-based systems［C］// ICSE Companion 2008. New York： ACM， 2008： 979-982.
[11]	Mayer R， Gupta H， Saurez E， et al. FogStore： toward a distributed data store for fog computing［C］// FWC 2017. Piscataway： IEEE， 2017： 1-6.
[12]	徐永士，霍菁，孙功星. 一种数据本地化存储与处理系统［J］. 计算机工程与应用， 2012， 48（5）： 7-11.
	Xu Yongshi， Huo Jing， Sun Gongxing. Node-localized data storage and processing system［J］. Computer Engineering and Applications， 2012， 48（5）： 7-11.
[13]	Dastjerdi A V， Gupta H， Calheiros R N， et al. Fog computing： principles， architectures， and applications［M］// Buyya R， Dastjerdi A V. Internet of things： principles and paradigms. San Francisco： Morgan Kaufmann Publishers Inc.， 2016： 61-75.
[14]	Burns B， Grant B， Oppenheimer D， et al. Borg， Omega， and Kubernetes［J］. Communications of the ACM， 2016， 59（5）： 50-57.
[15]	Choudhary S， Vijitha S， Bhavani D D， et al. Edge AI deploying artificial intelligence models on edge devices for real-time analytics［EB/OL］. ［2025-03-08］..
[16]	Zaharia M， Chowdhury M， Das T， et al. Resilient distributed datasets： a fault-tolerant abstraction for in-memory cluster computing［C］// NSDI 2012. Berkeley： USENIX Association， 2012： 1-14.
[17]	Dean J， Ghemawat S. MapReduce： simplified data processing on large clusters［J］. Communications of the ACM， 2008， 51（1）： 107-113.
[18]	Fernández Anta A， Georgiou C， Hadjistasi T， et al. Fragmented objects： boosting concurrency of shared large objects［C］// SIROCCO 2021， LNCS 12810. Cham： Springer， 2021： 106-126.
[19]	Xia W， Zhou Y， Jiang H， et al. FastCDC： a fast and efficient content-defined chunking approach for data deduplication［C］// USENIX ATC 2016. Berkeley： USENIX Association， 2016： 101-114.
[20]	Cavalcanti G， Borba P， Seibt G， et al. The impact of structure on software merging： semistructured versus structured merge［C］// ASE 2019. Piscataway： IEEE， 2019： 1002-1013.
[21]	Arpaci-Dusseau A C， Arpaci-Dusseau R H， Bairavasundaram L N， et al. Semantically-smart disk systems： past， present， and future［J］. ACM SIGMETRICS Performance Evaluation Review， 2006， 33（4）： 29-35.
[22]	Ranković T， Kovačević I， Maksimović V， et al. Configuration management in the distributed cloud［C］// ICIST 2024， LNNS 860. Cham： Springer， 2024： 224-235.
[23]	Abadi M， Barham P， Chen J， et al. TensorFlow： a system for large-scale machine learning［C］// OSDI 2016. Berkeley： USENIX Association， 2016： 265-283.
[24]	Chen T， Li M， Li Y， et al. MXNet： a flexible and efficient machine learning library for heterogeneous distributed systems［PP/OL］. arXiv （2015-12-03）［2025-04-12］..
[25]	Carbone P， Katsifodimos A， Ewen S， et al. Apache Flink^TM： stream and batch processing in a single engine［J］. Bulletin of the IEEE Computer Society Technical Committee on Data Engineering， 2015， 38（4）： 28-38.
[26]	Moritz P， Nishihara R， Wang S， et al. Ray： a distributed framework for emerging AI applications［C］// OSDI 2018. Berkeley： USENIX Association， 2018： 561-577.
[27]	Hunt P， Konar M， Junqueira F P， et al. ZooKeeper： wait-free coordination for internet-scale systems［C］// USENIX ATC 2010. Berkeley： USENIX Association， 2010： 1-14.
[28]	Zhu X， She G， Xue B， et al. Dissecting overheads of service mesh sidecars［C］// SoCC 2023. New York： ACM， 2023： 142-157.
[29]	John V， Liu X. A survey of distributed message broker queues［PP/OL］. arXiv （2017-04-03）［2025-02-22］..
[30]	Sonbol K， Özkasap Ö， Al-Oqily I， et al. EdgeKV： decentralized， scalable， and consistent storage for the edge［J］. Journal of Parallel and Distributed Computing， 2020， 144： 28-40.
[31]	Zhong J， Yates R D， Soljanin E. Minimizing content staleness in dynamo-style replicated storage systems［C］// INFOCOM WKSHPS 2018. Piscataway： IEEE， 2018： 361-366.
[32]	Shambaugh R， Weiss A， Guha A. Rehearsal： a configuration verification tool for puppet［C］// PLDI 2016. New York： ACM， 2016： 416-430.
[33]	Foster J N， Greenwald M B， Kirkegaard C， et al. Exploiting schemas in data synchronization［J］. Journal of Computer and System Sciences， 2007， 73（4）： 669-689.
[34]	Bhattacherjee S， Deshpande A. RStore： a distributed multi-version document store［C］// ICDE 2018. Piscataway： IEEE， 2018： 389-400.
[35]	Moll P， Patil V， Wang L， et al. SoK： the evolution of distributed dataset synchronization solutions in NDN［C］// ICN 2022. New York： ACM， 2022： 33-44.
[36]	Happ D， Wolisz A. Limitations of the pub/sub pattern for cloud based IoT and their implications［C］// CIoT 2016. Piscataway： IEEE， 2016： 1-6.
[37]	Poularakis K， Qin Q， Ma L， et al. Learning the optimal synchronization rates in distributed SDN control architectures［C］// IEEE INFOCOM 2019. Piscataway： IEEE， 2019： 1099-1107.
[38]	Kim D K， Tilevich E， Ribbens C J. Dynamic software updates for parallel high-performance applications［J］. Concurrency and Computation： Practice and Experience， 2011， 23（4）： 415-434.
[39]	Hicks M， Nettles S. Dynamic software updating［J］. ACM Transactions on Programming Languages and Systems， 2005， 27（6）： 1049-1096.
[40]	Jarah M A， Udayashankar S， Baba A， et al. The impact of low-entropy on chunking techniques for data deduplication［C］// CLOUD 2024. Piscataway： IEEE， 2024： 134-140.
[41]	Qian Y， Cheng W， Zeng L， et al. MetaWBC： POSIX-compliant metadata write-back caching for distributed file systems［C］// SC 2022. Piscataway： IEEE， 2022： 1-20.
[42]	陈筱琳，张亚强，史宏志. 面向多样计算场景的检查点技术综述［J］. 计算机应用， 2025， 45（6）： 1922-1933.
	Chen Xiaolin， Zhang Yaqiang， Shi Hongzhi. Review of checkpoint technology for multiple computing scenarios［J］. Journal of Computer Applications， 2025， 45（6）： 1922-1933.
[43]	刘中一，阎松柏，黄向平，等. 面向运行时复杂数据的零序列化远程过程调用mRPC［J］. 计算机应用研究， 2025， 42（5）： 1470-1479.
	Liu Zhongyi， Yan Songbai， Huang Xiangping， et al. mRPC： run-time complex data oriented zero-serialization method and remote procedure call［J］. Application Research of Computers， 2025， 42（5）： 1470-1479.
[44]	黄向平，彭明田，杨永凯. 基于内存映射文件的复杂对象快速读取方法［J］. 计算机技术与发展， 2020， 30（3）： 82-87.
	Huang Xiangping， Peng Mingtian， Yang Yongkai. Fast reading method of complex objects based on memory mapping files［J］. Computer Technology and Development， 2020， 30（3）： 82-87.
[45]	梁海峰，杨毅，刘中一. 面向复杂对象的高性能内存映射数据库MMDB［J］. 计算机工程与设计， 2023， 44（3）： 937-944.
	Liang Haifeng， Yang Yi， Liu Zhongyi. MMDB： a complex object oriented high-performance database based on memory mapping［J］. Computer Engineering and Design， 2023， 44（3）： 937-944.
[46]	Sohani M， Jain S C. A predictive priority-based dynamic resource provisioning scheme with load balancing in heterogeneous cloud computing［J］. IEEE Access， 2021， 9： 62653-62664.
[47]	刘中一，李梦箫，阎松柏. 高频数据访问场景下的单体架构性能优化［J］. 计算机技术与发展， 2024， 34（12）： 9-15.
	Liu Zhongyi， Li Mengxiao， Yan Songbai. Performance optimizations of monolithic architecture in high-frequency data access system［J］. Computer Technology and Development， 2024， 34（12）： 9-15.

组件名	主要职责	对应生命周期阶段
Intaker	数据接入前端，负责接收外部系统或调度策略推送的更新数据流，并对数据进行版本标记和处理准备	原始数据管理与输入清洗阶段（原始版本管理）
Updater	状态构建与分发调度核心，接收来自Intaker的原始数据版本，执行结构识别、差分提取、状态打包和分发控制	状态构建与同步推进阶段
Worker	分布式任务执行单元，接收并加载本地状态，负责完成服务逻辑执行、状态切换应用与执行反馈上报	状态应用与服务承载阶段
Master	全局协调与服务控制中枢，汇聚各Worker的状态与反馈信息，协调节点状态推进、版本切换调度与失败处理	状态收敛与切换协调阶段
Listener	请求入口代理模块，负责根据服务状态切换情况控制客户端流量路由，实现请求的多版本感知与切换策略控制	用户请求入口控制阶段

组件名	主要职责	对应生命周期阶段
Intaker	数据接入前端，负责接收外部系统或调度策略推送的更新数据流，并对数据进行版本标记和处理准备	原始数据管理与输入清洗阶段（原始版本管理）
Updater	状态构建与分发调度核心，接收来自Intaker的原始数据版本，执行结构识别、差分提取、状态打包和分发控制	状态构建与同步推进阶段
Worker	分布式任务执行单元，接收并加载本地状态，负责完成服务逻辑执行、状态切换应用与执行反馈上报	状态应用与服务承载阶段
Master	全局协调与服务控制中枢，汇聚各Worker的状态与反馈信息，协调节点状态推进、版本切换调度与失败处理	状态收敛与切换协调阶段
Listener	请求入口代理模块，负责根据服务状态切换情况控制客户端流量路由，实现请求的多版本感知与切换策略控制	用户请求入口控制阶段

机制类型	状态粒度	是否支持差分	是否支持多版本	是否支持运行时同步	应用定位
并行文件系统^［41］	文件级/块级	否	否	否	高吞吐批量读写
工具类（Rsync）	文件级（基于修改时间）	是（粗粒度）	否	否（通常需停机）	通用文件同步
检查点机制^［42］	内存页级	是	是（本地留档）	否（用于离线快照）	容灾、检查点重启
Zynco	文件级或对象级	是（结构感知）	是（版本链/全局一致）	是（热同步/多节点）	高并发状态更新与热切换

机制类型	状态粒度	是否支持差分	是否支持多版本	是否支持运行时同步	应用定位
并行文件系统^［41］	文件级/块级	否	否	否	高吞吐批量读写
工具类（Rsync）	文件级（基于修改时间）	是（粗粒度）	否	否（通常需停机）	通用文件同步
检查点机制^［42］	内存页级	是	是（本地留档）	否（用于离线快照）	容灾、检查点重启
Zynco	文件级或对象级	是（结构感知）	是（版本链/全局一致）	是（热同步/多节点）	高并发状态更新与热切换

支持运行时状态协同演化的分布式服务框架Zynco

Zynco： distributed service framework for runtime state coevolution

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 47

相关文章 15

编辑推荐

Metrics

[1]	黄颖熙王春桃汪建才汤毅超边山. 全局-局部统计特征与攻击驱动载体选择的JPEG鲁棒可逆水印[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	张雷崔浩楠李之奇贺飞陈仲. 多模态协同语义提示的跨域目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	杨懿袁得嵛黄赞苗博孙基玮. 面向下游任务需求的领域自动模式归纳与知识图谱构建方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	廖文睿孔祥喆孙丹李文杰梁红茹. 面向核燃料性能分析的3D建模仿真多智能体系统[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	刘晟, 童英华. 基于转置自注意力机制与卷积自编码器的多元时序数据分析方法[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3206-3214.
[6]	赵志宏, 刘栩硕. 基于对比学习与Mamba的时间序列异常检测方法Mamba-ADCL[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3199-3205.
[7]	张睿, 郑至诚, 潘理虎, 郭桓渊, 张林梁, 闫慧敏. 基于介尺度建模的动态交通多智能体仿真方法[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3180-3190.
[8]	冯霞, 王琦, 张明泽, 左海超, 王国钰. 基于CTrans-ATGCN的航班地面保障里程碑事件预测[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3161-3170.
[9]	汤魁, 高拴梁, 李阳, 李赓, 张嘉兴, 祝远芳, 付永明, 毛瑞棋, 梁红茹. 面向航空数据链的大语言模型信息抽取[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3153-3160.
[10]	尚毅蒙, 迟增林, 张宏鸣, 刘斌, 胡国强, 牛当当. 融合图文与大语言模型的农业用户身份识别方法[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3143-3152.
[11]	李聪聪, 高冠东, 肖珂, 沈伯玮. 基于TF-Chi概率特征和混合提示学习的犯罪心理归因模型[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3133-3142.
[12]	王政, 倪佳慧, 张凡龙. 全局感知融合二值多尺度特征的语音情感识别[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3124-3132.
[13]	高兵, 林锦卓, 邹启杰, 姚永强. 基于双通道嵌入融合的零样本知识图谱关系预测方法[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3117-3123.
[14]	滕尚志, 黄进, 吕学强, 游新冬. 基于提示引导生成与三元交互注意力的意图槽位联合识别方法[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3107-3116.
[15]	吴雨臻, 潘晨, 栗倩楠. 基于筛选机制的多模型协同持续学习框架[J]. 《计算机应用》唯一官方网站, 2026, 46(10): 3093-3100.