P2P VOD系统邻居节点查找算法

P2P流媒体点播系统中,由于用户的VCR操作存在不确定性,在查找合作节点时存在一定困难。针对该问题,提出了一种基于预测的邻居节点选择算法。描述了基于虚拟直播频道的点播系统覆盖网构建方式,将系统中的节点通过DHT协议的方式组织起来。提出了一种基于用户行为的学习预测策略模型,根据该模型预测结果提前查找所需邻居节点。仿真实验表明,该算法能改善用户跳转响应延时,促进节点协作。     

P2P网络中基于K-means聚类的用户在线行为分析

使用K-means的聚类方法,从用户上下线规律的角度,对P2P网络中的用户进行了聚类分析,发现系统中存在稳定的节点类,以及在线规律呈现日周期规律但是与其他类节点可以互补的节点类,我们提出,合理有效地利用这些用户节点可以提高一些P2P系统的性能以及可靠性.     

基于语义扩展的P2P网络

针对当前P2P系统中多数为媒体文件,而对应描述信息有限的问题,提出了一个通过Web信息挖掘来扩展语义的算法.同时提出了一个基于语义跳表的多层环网络结构,帮助用户进行相关内容推荐.实验表明,用本文所提出的方法,在消息量很小的情况下,与传统的基于中心服务器的检索精度很相近,具有实用价值.     

广域大规模实验平台设计和研究

针对互联网实验床的特点,本文分析了传统互联网实验床的成功经验和不足,基于可扩展、可隔离和真实性三个基本原则,设计了一个新的广域大规模实验平台.该平台基于层次性结构,不同区域的节点设备形成自治的设备集群,每个集群通过管理节点进行管理和互联,接受中心管理器的统一管理.实验平台通过VLAN为实验提供隔离的网络环境,基于虚拟化技术为实验提供隔离的资源,并提供持久数据存储空间方便实验存储和共享数据.     

异构边缘网络中内容扩散策略及优化

通过内容扩散系统在边缘网络中部署热门内容的副本可以有效缓解骨干网络的负载压力。因为网络边缘设备的能力和其所属用户的兴趣可能存在差异,内容扩散策略需要充分考虑边缘网络的异构性。本文首先提出一种分层的边缘网络拓扑和去中心化的内容扩散策略实现热门内容副本的扩散。基于设备的能力、负载和兴趣特征,本文进一步优化内容扩散策略,包括：基于兴趣的扩散目标调整策略、启发式的缓存节点选择策略、覆盖率感知的传输内容选择和传输负载感知的接收节点选择策略。实验结果表明优化后的扩散策略在边缘网络中拥有更稳定的高服务成功率,提高了约25.5%的本地获取服务的概率,减少了约7.6%的完成扩散所需时间。     

多路径数据传输中的可用带宽测量算法研究

在分布式中转服务器网络辅助的多路径数据传输系统中,为获得最快的数据传输速率,需要使用可用带宽测量技术以获得数据发送端至各中转服务器的可用带宽值列表.然而,传统的可用带宽测量算法难以同时兼顾测量精度与收敛速度,故无法达到实际数据传输系统中准确快速完成维护可用带宽值列表的目的.为解决上述问题,提出了一种可用带宽测量算法.通过收集初始探测流的包对在发送端及接收端的时间间隔关系数据获得可用带宽估测值,再以此值为后续探测流的发送速率初始值,通过自适应方法调整探测流发送速率以逐渐逼近可用带宽真实值.实验结果表明,改进算法能快速获得高精度的测量结果,有效提升可用带宽的测量效率,满足数据传输系统的需求.     

基于访问预测的P2P VoD系统服务端数据缓存策略

分析了P2P VoD系统中各服务端数据访问顺序性与持续性的特点,提出了一种适用于P2P VoD系统的基于访问预测的服务端数据缓存策略(CAF).该策略对顺序访问与随机访问进行预测并实施数据预取,在计算P2P VoD网络中节点数据访问持续性的基础上,由历史访问与预测的未来访问推断缓存项未来被访问频率,以该频率选择缓存替换...     

P2P直播系统中节点启动过程优化

针对现有P2P直播系统在动态环境下存在的较大启动时延等性能问题,建立节点的启动过程模型,分析影响节点的启动过程性能的关键因素,并从数据调度的角度提出了1种节点状态自适应的启动策略.该策略对节点的启动过程中的请求起始位置的选取、缓冲区的数据填充策略、播放策略3方面进行改进,以提高节点在启动过程中获取数据的效率,减少资源浪费,改进开始播放条件,进而达到提高节点对动态环境的适应性,提高系统的数据分发效率,降低节点的启动时延与播放延时的目的.仿真结果表明,该策略在动态环境下能够降低节点的启动时延与播放延时,提高数据分发效率.     

P2P流媒体系统层次关系模型及其优化

当前流媒体系统的研究主要从数据调度层及覆盖网层内部各自展开,缺少对于层次间关系的建模描述及优化.为解决此问题,建立P2P流媒体层次间闭环控制模型,具体分析覆盖网层所提供信息的误差对数据调度层及系统整体性能的影响.并在此基础上提出基于数据调度反馈的增强型层次间交互模型,用以优化覆盖网维护.     

一种基于马尔可夫模型的加速ICN路径收敛性的方法

在新型的内容中心网络(Information-Centric Networking, ICN)多宿主场景中,主机的标识和地址分离,允许数据包中携带多个地址。多目的地址的数据包在匹配路由表之后获得多个转发端口,在每跳具有路径选择的能力,可以根据网络的动态进行路径调整。然而,这种转发方法打破了根据路由表最短路径转发规则,数据包可能在网络中来回跳动而不能尽快收敛到目的地。本文提出一种基于马尔可夫模型的多地址裁剪方法,该模型能根据历史地址裁剪状态信息进行裁剪决策,从而提高路径的收敛性。实验结果表明该方法与基准方法相比,在保证传输速率几乎相同的同时,平均跳数减少约16%,在路径收敛性方面得到了改善。