应用层组播的研究与算法实现

引入了组播的概念,并对传统的口组播作了一个简要的概述及总结归纳.然后引入应用层组播的概念,并对应用层组播的研究现状和主要的研究方法进行了详细的介绍和评述.特别是对应用层组播中所使用的几个关键技术和在该领域中所经常采用的一些算法,进行了深入的探讨和细致的总结.同时也介绍了目前在应用层组播研究领域中所遇到的几个主要问题,比如流量控制和拥塞控制,并提出了相应的解决方案.在介绍应用层组播的同时,与传统的IP层组播进行了比较,给出了两者之间存在的差别.最后,提出了一套对应用层组播算法进行评价的评估体系.     

结合IP组播的P2P流媒体直播系统

在流媒体系统中利用P2P技术与IP组播各自的优势,提出了一种结合IP组播的P2P流媒体直播系统,不仅能够充分利用用户节点的资源,减轻流媒体服务器与骨干网的负载,提高系统的可扩展性和可用性,而且有效地提高了P2P流媒体直播系统中视频流的服务质量。     

可扩展的基于MPLS的稀疏模式IP组播算法

提出了一种可扩展性较好的基于MPLS的稀疏模式的IP组播算法,利用分枝节点和隧道相结合的原理,实现了共享树的组播。通过使用隧道技术,实现多点到多点的MPLS共享树组播,解决了MPLS组播中的关键问题：mp2mp的标签分配。基于网络仿真软件NS-2,实现了该算法的仿真模块。实验证明,该算法是可行和有效的。     

MPLS网络中的可扩展QoS组播研究

MPLS网络中的服务质量组播面临着组播路由状态的可扩展性、服务质量支持困难等瓶颈.针对这些问题,提出一种基于子树共享的新型MPLS服务质量组播方案.本文的贡献有:提出一种组播组到组播分发子树的映射算法,将多个组映射到同一颗子树,以共享的子树为基础构造完整的组播分发树,从而有效地减少MPLS核心网络中的路由状态;将服务质量的考量引入组播分发树的构造过程中,使新的方案能够支持服务质量组播;提出一种简单方便的子树共享实现机制.模拟结果表明,基于子树共享的新型MPLS服务质量组播方案能够有效地减少组播路由状态并提供多种服务质量控制的能力.     

IPv6环境下的端到端QoS模型

IP网络将向着IPv6的方向发展,提供可靠的网络服务并保证服务质量是未来IPv6网络需要解决的关键问题.介绍了IPv6的QoS功能,在分析比较综合服务(integrated services,IntServ)、区分服务(differentiated services,DiffServ)和多协议标签交换(multiprotocol label switching,MPLS)等服务质量模型的基础上,提出了一个基于IPv6的端到端QoS模型,探讨了模型的功能组成和工作过程,指出了进一步研究的方向.     

二层组播QoS最优生成树

具有一对多特性的组播数据大量涌入以太网,对网络服务质量提出了更高的要求.二层域中生成树协议在选择根桥时没有考虑其对组播服务质量的影响.从二层组播接收者的角度出发,提出了二层组播QoS最优生成树的概念,从理论上证明了组播源位于最优生成树的根桥上时,组播能达到最优的服务质量.而且,最优生成树对于经过根桥的单播也能达到最优的服务质量.最后,给出的最优根桥逼近查找算法可以作为生成树算法的补充.通过对比实验,验证了该算法的有效性、可靠性和可扩展性.     

Big Data Based Self-optimization Networking: A Novel Approach Beyond Cognition

It is essential to satisfy class-specific QoS constraints to provide broadband services for new generation wireless networks. A self-optimization technique is introduced as the only viable solution for controlling and managing this type of huge data networks. This technique allows control of resources and key performance indicators without human intervention, based solely on the network intelligence. The present study proposes a big data based self optimization networking (BD-SON) model for wireless networks in which the KPI parameters affecting the QoS are assumed to be controlled through a multidimensional decision-making process. Also, Resource Management Center (RMC) was used to allocate the required resources to each part of the network based on made decision in SON engine, which can satisfy QoS constraints of a multicast session in which satisfying interference constraints is the main challenge. A load-balanced gradient power allocation (L-GPA) scheme was also applied for the QoS-aware multicast model to accommodate the effect of transmission power level based on link capacity requirements. Experimental results confirm that the proposed power allocation techniques considerably increase the chances of finding an optimal solution. Also, results confirm that proposed model achieves significant gain in terms of quality of service and capacity along with low complexity and load balancing optimality in the network.