支持访问控制的P2P大规模遥感数据分发系统

遥感数据日益增长,大规模遥感数据分发对集中分发服务器构成了巨大压力。充分利用参与下载节点的网络资源,提出并实现了一种支持访问控制的P2P大规模遥感数据分发系统。遥感数据分发系统分为遥感数据管理平台和遥感数据客户端两部分,遥感数据管理平台包含共享分发平台网站、云存储、种子资源服务器和跟踪服务器4个组件,遥感数据各客户端和种子资源服务器构成P2P网络。设计了包括共享分片、分片选择、跟踪器通信等的P2P协议,实现的遥感数据分发系统能够上传遥感数据并自动做种,支持对用户的访问控制。根据用户权限进行下载,各下载节点共享分片,然后基于类Bittorrent协议来加速遥感数据的分发。实验结果表明,实现的大规模遥感数据分发系统的功能完善,在多节点下载时具备良好的并发性能,能够满足大规模遥感数据分发的需要。     

基于BitTorrent种子的内容分发算法

分析当前最流行的P2P软件——BT的工作方式,发现其内容分发算法使得文件片段在网络节点中分布不均,影响系统效率。提出基于种子控制的内容分发算法,该算法能有效避免稀有片段的产生,使各节点上的片段拥有量基本相等。采用单次分发时间、节点上内容相异性和平均下载时间等几个方面对新旧系统进行评估比较。仿真试验结果表明,加入新算法的系统降低了平均下载时间,提高系统的健壮性和整体效率。     

P2P网络中自适应节点选择策略

以Bittorrent应用为背景,对P2P网络中传统的节点选择策略进行了研究分析,指出了传统节点选择策略中存在的随机选择节点连接与交互以及交互过程中节点带宽利用率偏低的问题.对Tracker以外的节点来源如DHT、PEX节点来源的情况进行分析,以自身上传带宽利用率和网络中各节点的空闲带宽为参考,以减少带宽资源浪费、提高带宽利用率为目的.针对节点选择各阶段特点,设计并实现自适应节点选择机制,实验表明在对原系统的公平性影响很小的情况下,自适应机制能有效的减少网络中带宽资源浪费并将自身上传节点带宽利用率提高8.45％.小规模节点环境下(100节点)平均缩短节点下载完成时间6.7％,大规模下载环境下(500节点)平均缩短下载完成时间36.3％.有效的提高了系统中文件的获得和分发效力.     

IMS 可管理P2P 流媒体应用服务器的设计与实现

基于IP多媒体子系统的流媒体系统采用的都是传统的客户端/服务器（Client/Server,C/S）架构,当大量用户同时请求流媒体服务时,中心媒体服务器将成为整个系统的性能瓶颈。在参考ETSI TISPAN制定的IMS-based IPTV架构基础上,给出了基于IMS的可管理P2P流媒体系统架构,并根据引入P2P技术的系统需求设计了可管理P2P流媒体应用服务器的软件模块结构及P2P分发树的构建算法。在原有基于C/S架构的流媒体应用服务器基础上,通过扩展集中管理和维护对等节点树P2P模块实现了媒体上传节点的选择,并以直播业务为例进行了原型系统验证。测试结果显示该系统能够有效地将终端节点组织成P2P流媒体分发网络,并有效地降低了媒体服务器的压力,提升了流媒体系统的性能。     

基于流媒体服务的IP网络内容分发系统的设计

IP网络中数据量巨大的流媒体内容使服务器和骨干网络承受的压力越来越大。内容分发系统对保证流媒体QoS起到至关重要的作用。该文通过分析内容分发网络(CDN)和P2P两种新型内容分发技术，提出了多源网状散列式P2P模型和一种改进的内容缓存算法，设计了基于CDN和P2P技术的内容分发系统。系统可同时满足请求多和请求少的情况，提高了流媒体QoS。     

一种Tracker引导的缓存调度方法

为优化流媒体视频点播系统中客户端对数据的缓存调度,使整个系统的播放质量与资源利用率趋向最优,提出一种Tracker引导的缓存调度方法,Tracker收集缓存服务器的负载信息和网络中的数据请求信息,采用基于流行度的预测方法推测下一阶段网络中需要的副本数,以此为根据对客户端缓存建议请求予以响应.客户端以Tracker的建议和自身在邻域网络内感知到的副本数为依据,使用兼顾全局和局部利益的决策算法进行视频数据的缓存操作.模拟结果表明,Tracker引导的缓存调度方法能够有效的保证网络中客户端节点的播放质量,并在一定程度上降低缓存服务器的负担,使整个系统的缓存调度趋向最优.     

基于CDN和P2P的分布式网络存储系统

把用户的文件分片后均衡存储在不同的分布式存储节点上,并利用虚拟目录服务器和基于P2P—DHT的目录服务器把文件元数据与文件数据片高效地对应起来,以提供高效目录服务,分布式存储节点以P2P方式工作以快速完成用户对文件数据的请求任务。分布式网络存储系统DNSS充分利用了CDN和P2P的技术优势,有较高的可用性、可靠性和可扩展性。DNSS已经在中国科学技术大学应用。     

BitTorrent中一种基于全局贡献的节点选择策略

BitTorrent采用基于速率的Tit-For-Tat(Rate-based TFT)阻塞算法和乐观激活(Optimistic Unchoke,OU)算法为节点选择策略:上传节点采用Rate-based TFT算法选择为自身提供文件块上传速度最快的4个请求节点为下载节点,采用OU算法随机选择其他1个请求节点为下载节点...     

BitTorrent网络节点间流量的数据采集和分析

BitTorrent网络流量占据了互联网总流量的很大比例,吸引了大量专家学者的专注,然而现有实测工具无法实时记录BT网络中节点间的流量交互情况,有关真实BT网络中节点间流量的研究很少。建立了一个BT网络节点间流量的数据采集系统,将其部署在全球性实验平台Planetlab之后得到了真实数据,并验证了数据的正确性。通过对实测数据的分析和研究发现:(1)Tracker服务器在为各下载节点随机返回邻居节点列表时会受到各节点入网时间的影响;(2)50%以上的下载节点从种子处下载的数据为零,大部分下载节点的数据下载对种子的依赖性不大,从而深刻地体现出P2P应用模式的优越性。     

双端协作的P2P流媒体节点选择机制

针对P2P流媒体系统现有节点选择方法仅在请求节点执行且功能单一的问题,提出超级节点和请求节点双端协作的节点选择机制。在超级节点端,根据路由相似的思想提出面向网络拓扑聚集性的候选节点选择算法。在请求节点端,综合考虑系统动态性与异构性,提出基于枚举的服务节点选择算法,保证流服务质量,融入动态冗余思想以提高健壮性。仿真结果表明,该机制能更好地改进系统的网络拓扑聚集性,提高流服务质量和健壮性。     

缓存与迁移策略下对等网络节点负载控制算法

在非结构化对等(P2P)网络中,节点“搭便车”行为以及用户查询不均匀会造成网络节点负载分布严重失衡。为此,提出一种节点负载控制算法,采用缓存和链路迁移策略,将重载节点中的剩余负载向其他轻载节点转移,同时在链路节点中缓存网络中的热门文件资源。实验结果表明,在用户查询服从Zipf分布的环境下,该算法能使网络中节点负载达到较好的均衡,降低系统整体负载。     

一种基于拥塞发现的强化学习P2P网络视频点播预取策略

在P2P(Peer to Peer)网络视频点播中设计合理的视频内容预取策略,可以有效地解决视频观看中出现的缓冲等待时间过长、服务器负载过大等问题。而现有的P2P网络视频预取方法往往考虑了视频内容的发现而忽略了节点本身的状态监控,在网络拥塞发生时存在视频播放观看不佳的情况。提出了一种基于拥塞发现的强化学习P2P网络视频点播预取策略,通过监测节点的拥塞状况以及带宽等参数,采用Q-learning学习算法综合评估网络节点,引导视频预取节点的选择,减少了对网络拥塞节点视频内容的预取。实验结果表明,该方法能提高视频播放流畅性,避免用户在节点发生拥塞时等待时间过长,提高了视频播放效率。     

基于图多层K路划分的仿真节点映射策略

为了提高网络仿真系统中,多物理服务器情况下,服务器资源的利用率,提出一种基于图多层K路划分的仿真节点映射策略。首先对仿真网络拓扑图进行多层K路划分,将节点映射问题转化为图划分问题,然后依据划分结果将仿真节点映射到物理服务器。经过试验表明,相对于随机映射策略,该策略在保证物理服务器负载均衡的同时,可以有效减少物理服务器资源的消耗。     

集群服务器文件动态分配的改进算法

在分析MMPacking算法的基础上，提出了一种改进的文件分配算法。在按照MMPacking算法分配文件时，根据节点的文件累积需求度去完成文件的分配或复制，考虑了节点的剩余能力。文件分配在所有服务器节点中周期性地进行，每进行了一轮文件分配后，都要从第1个节点开始新的一轮分配。在开始新一轮分配前，服务器节点要按照服务器的剩余能力重新进行降序排列。在每轮分配中，每分配一次文件到某个服务器节点后，都要检测当前节点服务器的剩余能力是否大于下一节点的剩余能力，如果满足条件，则将重新开始新的一轮文件分配。改进后的算法降低了由于客户需求或服务器配置变化所要支出的额外成本，有效地达到了负载均衡的目的。仿真结果表明，改进后的算法优于MMPacking 算法。     

一种对等网络拓扑构建的优化实现方案

针对对等网络中的文件污染问题,提出一种基于免疫克隆的拓扑构建方案来抑制污染传播。通过分析文件对象的污染传播模型,借鉴免疫学习的思想,优化网络中的节点连接。仿真实验表明,该算法可增加节点的集聚性,能够以较低的通信代价对恶意节点进行有效屏蔽,抑制污染文件在共享网络中的传播,提高对等文件系统的可用性。     

基于超级节点的P2P信任模型

提出基于超级节点的P2P网络信任模型SuperTrust,其中,超级节点的信任度由群组内所有节点对其进行评价,普通节点利用本地的局部信任信息与所属群组的推荐信任信息确定目标节点的信任度,同时利用反馈信息过滤算法来过滤恶意节点提供的不公正评价。仿真结果表明,该信任模型能有效识别恶意节点,使P2P网络中的合作节点在不同的恶意节点攻击模式下具有较高的成功交易率。     

Algorithms and performance of load-balancing with multiple hash functions in massive content distribution

We consider a two-tier content distribution system for distributing massive content, consisting of an infrastructure content distribution network (CDN) and a large number of ordinary clients. The nodes of the infrastructure network form a structured, distributed-hash-table-based (DHT) peer-to-peer (P2P) network. Each file is first placed in the CDN, and possibly, is replicated among the infrastructure nodes depending on its popularity. In such a system, it is particularly pressing to have proper load-balancing mechanisms to relieve server or network overload. The subject of the paper is on popularity-based file replication techniques within the CDN using multiple hash functions. Our strategy is to set aside a large number of hash functions. When the demand for a file exceeds the overall capacity of the current servers, a previously unused hash function is used to obtain a new node ID where the file will be replicated. The central problems are how to choose an unused hash function when replicating a file and how to choose a used hash function when requesting the file. Our solution to the file replication problem is to choose the unused hash function with the smallest index, and our solution to the file request problem is to choose a used hash function uniformly at random. Our main contribution is that we have developed a set of distributed, robust algorithms to implement the above solutions and we have evaluated their performance. In particular, we have analyzed a random binary search algorithm for file request and a random gap removal algorithm for failure recovery.     

基于Maze的混合型超级节点架构设计和实现

针对天网Maze(一个P2P网络文件系统)[1]单点中央服务器负载瓶颈的问题,通过对网络和系统真实数据的量化分析,确立可优化的网络拓扑参数;采用日志统计分析的方法,归纳出用户的行为特征,节点特性,采用K-均值类聚方法建立了用户超级节点选举算法模型.综合考虑前面两个分析结论,提出了服务器超级节点配合用户超级节点的混合型超级节点架构设计.最后描述了架构实现中关键流程和模块,并采集新构架数据进行简单评测,达到了预期的改进效果.     

一种基于锚节点筛选的改进DV-Hop算法

作为一种经典的无线传感网节点非测距定位算法,DV-Hop定位算法有其一定的优势,但其仅适用于节点均匀分布的情况,如果在节点分布不均匀的网络中,定位结果则存在较大的偏差。针对这一问题,研究人员提出一种锚节点筛选定位算法(Anchors Filtering DV-Hop,AFDV-Hop),它是通过筛选合格的锚节点对未知节点定位。与DV-Hop算法相比,AFDV-Hop算法在节点分布不均匀的情况下,对定位精度有一定程度的改善,但由于该算法对均匀度的计算较为简略,算法的改进程度并不明显。本文对该算法中锚节点的筛选和均匀度的衡量方式进行改进,以验证此AFDV-Hop算法对DV-Hop算法改进的优越性。仿真结果表明,对于节点定位偏差的改善将随着节点不均匀度的增加而更为显著。