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.     

非结构化P2P网络中基于物理位置与Bloom-filter的副本一致性维护机制

拥有一个有效的一致性维护机制是保证P2P系统正常运行的关键之一。非结构化P2P系统中的消息传播主要通过邻居的转发,会产生大量冗余消息;并且,系统中节点的物理位置和逻辑位置存在着不匹配,会增加消息传播的时间开销。为减少一致性维护代价,该文提出基于物理位置与Bloom-filter的副本一致性维护机制。该机制利用复杂网络中社团划分思想,将网络中的节点按物理位置划分成多个簇,簇中节点物理位置相近,让更新在簇内进行;再引入双层Bloom-filter和冗余二级邻居改进现有更新消息的传播方法。实验表明,该机制可以降低更新消息的冗余传播和一致性维护的时间开销。