P2P网络资源搜索方法研究

对等计算（P2P Computing）是下一代网络中的关键技术之一。如何高效地搜索P2P网络上的资源是P2P网络设计中最为关键的问题。文章介绍了P2P网络的特点及分类，在分析P2P网络的基本搜索方法的基础上，对各类搜索方法进行了分析和研究。     

无结构P2P网络搜索方法及其改进

对等(P2P)计算是未来网络中的关键技术,对等网络是实现下一代互联网的重要组成部分。如何高效地搜索P2P网络上的资源是P2P网络实现的最为关键的问题。在讲述对等网络的基本搜索方法的基础上,分析了许多改进的搜索方法,包括基于转发的改进方法、基于缓存的改进方法和基于覆盖网拓扑优化的改进方法。     

一种基于兴趣协助的P2P网络共享文件搜索方法

分析了传统的结构化P2P网络和非结构化P2P网络搜索方法的优点和缺点,提出了一种基于兴趣协助的搜索方法,通过在结构化P2P网络节点上发布兴趣来加速非结构化P2P网络上的查询。实验结果表明,此方法在查询成功率和搜索延迟等方面都有着较好的性能。     

P2P搜索新技术:智能搜索技术

在P2P网络中正确高效地搜索信息十分重要,然而现有的搜索技术并不能很好地满足用户要求.文中提出了由历史记录、相似度和站点优先级3部分组成的新的信息搜索技术--智能搜索技术.在智能搜索技术中每个站点都各自记录以往搜索的历史记录,以此结合搜索要求计算出最可能拥有所需结果的站点,最后仅向这些站点发送搜索请求.通过在中间件上的测试,比较了不同信息搜索技术的性能,智能搜索技术能在使用较少搜索消息的情况下得到较高的搜索成功率.     

P2P搜索新技术：智能搜索技术

在P2P网络中正确高效地搜索信息十分重要,然而现有的搜索技术并不能很好地满足用户要求。文中提出了由历史记录、相似度和站点优先级3部分组成的新的信息搜索技术———智能搜索技术。在智能搜索技术中每个站点都各自记录以往搜索的历史记录,以此结合搜索要求计算出最可能拥有所需结果的站点,最后仅向这些站点发送搜索请求。通过在中间件上的测试,比较了不同信息搜索技术的性能,智能搜索技术能在使用较少搜索消息的情况下得到较高的搜索成功率。     

基于DHT的分布式P2P网络搜索模型

P2P搜索技术是当前P2P网络的研究热点和难题。现有的算法主要有中一心服务器式的搜索算法和分布式的搜索算法等,但中央搜索服务器很容易就成为系统性能的瓶颈,分布式的搜索算法查找按照简单洪泛的方式进行会造成巨大的带宽和资源浪费。本文在Chord算法和SHA算法的基础上,设计了基于DHT的分布式快速精确搜索P2P网络搜索模型,并讨论了该P2P网络的建立过程并分析了该模型的优缺点。     

P2P网络搜索技术

随着P2P技术的蓬勃发展,作为P2P应用中核心的搜索技术成为研究人员关注的焦点.P2P网络的搜索技术与其结构有着密切联系,不同网络体系结构下的搜索技术各不相同.介绍了P2P技术近几年的研究进展,阐述了目前P2P系统中不同结构下核心搜索算法,探讨了P2P搜索技术的发展方向.     

基于DHT的分布式P2P网络搜索模型

P2P搜索技术是当前P2P网络的研究热点和难题。现有的算法主要有中心服务器式的搜索算法和分布式的搜索算法等,但中央搜索服务器很容易就成为系统性能的瓶颈,分布式的搜索算法查找按照简单洪泛的方式进行会造成巨大的带宽和资源浪费。本文在Chord算法和SHA算法的基础上,设计了基于DHT的分布式快速精确搜索P2P网络搜索模型,并讨论了该P2P网络的建立过程并分析了该模型的优缺点。     

基于兴趣相关度的P2P网络搜索优化算法

P2P网络中的搜索性能是影响P2P网络发展的关键问题。该文研究非结构化分散型P2P网络中的搜索机制,提出2个改进算法。改进算法利用节点的共享情况和查询历史发掘节点的兴趣爱好,并赋予节点一定的自治性,使得非结构化分散型P2P网络能随着网络中查询数的增长而动态优化,提高查询效率。实验证明改进算法提高了查询检索的效率,在保证查全率的基础上,查询产生的消息减少了75%。     

反馈机制在P2P网络资源搜索中的应用研究

资源搜索是P2P网络的关键问题。目前P2P网络资源搜索中对反馈机制的应用研究较少,这样每次搜索对成功历史没有充分利用,搜索效率较低。该文针对此问题提出了基于改进的Rumormongering协议的资源发布算法BDFB(BidirectionFeedback),并将其应用到P2P网络资源搜索的反馈机制研究中,充分利用成功历史,提高资源在网络中的知名度,从而提高P2P网络中资源搜索效率。     

Pagerank Computation and Keyword Search on Distributed Systems and P2P Networks

This paper presents a fully distributed computation for Google's pagerank algorithm. The computation is based on solution of the matrix equation defining pageranks by a distributed implementation of asynchronous iteration. Pageranks for the documents stored on a web server or on a host in a peer-to-peer network are computed in place and stored with the documents. The matrix is never assembled and no crawls of the web are required. Continuously accurate pageranks are enabled by incremental computation of pageranks for documents as they are inserted onto a network storage host and incremental recomputation of pageranks when documents are deleted. Intrahost and intradomain dominance of document link structure is naturally exploited by the distributed asynchronous iteration algorithm.Three implementations: (i) a simulation which was previously reported, (ii) an implementation of the algorithm in a peer-to-peer computational system and (iii) an embedding of the computation in web servers, are described. Application of the three implementations to three different workloads, two constructed following power law network models for link distributions and one derived from the Government document database are reported. Convergence for computation of a complete set of pageranks is rapid: 1% accuracy in 10 or fewer messages per document. Incremental computation of pageranks resulting from addition or deletion of documents also converges rapidly, usually requiring 10 or fewer messages per document.Coupling locally stored pageranks with the documents in a peer-to-peer network dramatically diminishes the volume of data which must be transmitted to satisfy keyword searches in peer-to-peer networks.The web server implementation shows that the distributed algorithm can be used to enable web servers to compute pageranks for the documents they store and thus potentially enable effective keyword searches for the documents stored on the web servers of intranets by utilizing unused processing power of the web servers.     

P2P中一种基于小世界聚类的资源搜索模型

为有效解决P2P中不同资源的搜索和定位问题,设计了一种基于小世界聚类的资源搜索模型。以小世界模型为理论基础,构建具有局域聚集现象及短的路径的P2P网络模型,按照分级转发方式对资源进行全局搜索。仿真实验证明,这种基于小世界聚类的资源搜索模型具有较高的搜索成功率和较短的平均搜索路径。     

一种基于兴趣域的高效对等网络搜索方案

为了改进无结构对等网络中搜索效率低下的问题,提出了一种基于兴趣域的高效搜索方案．和常用的随机搜索方案不同,在所提方案中。文档属性由元数据通过RDF语句描述,拥有相同元数据的节点同属一个兴趣域,搜索请求首先在兴趣域中传播,大大提高了搜索效率．随着搜索过程的进行,节点对兴趣域内其他节点了解越多其搜索效率也越高．通过元数据选择窗口和元数据复制机制,可以进一步提高搜索效率．模拟实验结果证实了所提方案在无结构对等网络中的准确和高效．     

基于代理节点的无结构对等网查询机制

在基于洪泛的无结构对等网中,尽管被查询文件的流行度不同,查询消息仍以同样的方式处理,从而产生大量不必要的消息.为了提高查询效率,该文提出一种基于代理节点的查询机制.一个查询消息被源节点转发给多个代理节点,它们连同源节点发起多个小洪泛.源节点通过调整小洪泛的数量控制查询过程.与Gnutella中的洪泛查询相比,新的查询机制在保持相似成功率的同时最多减少56%的带宽消耗,在保持相同命中数目的同时将响应时间缩短15%.     

蚁群算法在P2P搜索中的应用研究

为了提高P2P网络中资源的搜索效率,蚁群算法被广泛应用于P2P网络的搜索中。但P2P网络中搜索的是大量不同的文件,不同于蚂蚁寻找的单一食物,目前的研究较少考虑到这方面的不同。基于此在应用基本蚁群算法的基础上,引入合成信息素的概念,提出了合成信息素的提取策略,并编程进行了模拟仿真。实验结果表明相比洪泛和基本蚁群算法,可提高查找的结果数并降低网络中产生的消息包总数。因此在蚁群算法中引入合成信息素可有效提高P2P网络的查找效率,进而提高网络的性能。     

一种基于蚁群算法的非结构化P2P网络搜索算法

在类似Gnutella的分散的非结构化P2P网络中,如何降低消息开销,提高搜索效率,是解决其扩展性问题的关键。引入蚁群算法的思想,提出一个非结构化P2P网络搜索算法。此算法利用蚂蚁留下信息素的正反馈机制,有效地指导搜索的方向,将查询消息包尽量发往目标可能存在的区域,从而减少冗余消息包的产生,得到更好的搜索输出。     

?无结构P2P网络中的混合式搜索方法

针对轻洪泛冗余查询消息数多、对稀有资源搜索延迟大的问题,提出一种结合无结构P2P搜索技术和双向Chord环的混合式搜索方法。该方法利用节点的异构性,在k-walker随机走的基础上,根据邻居节点的查询能力,对查询请求的转发方式进行改进,在双向Chord环中对无结构P2P未搜索到的资源进行结构化P2P搜索。仿真结果证明,与轻洪泛相比,混合式搜索方法的冗余查询消息数较少,对稀有资源的搜索延迟较小。     

基于P2P的Web搜索技术

Web搜索引擎已经成为人们从海量Web信息中快速找到所需信息的重要工具,随着Web数据量的爆炸性增长,传统的集中式搜索引擎已经越来越不能满足人们不断增长的信息获取需求.随着对等网络(peer-to-peer,简称P2P)技术的快速发展,人们提出了基于P2P的Web搜索技术并迅速成为研究热点.研究的目的是对现有的基于P2P的Web搜索技术进行总结,以期为进一步研究指明方向.首先分析了基于P2P的Web搜索面临的诸多挑战;然后重点总结分析了基于P2P的Web搜索的各项关键技术的研究现状,包括系统拓扑结构、数据存放策略、查询路由机制、索引切分策略、数据集选择、相关性排序、网页收集方法等;最后对已有的3个较有特色的基于P2P的Web搜索原型系统进行了介绍.     

一种媒体点播系统资源对等搜索模型

媒体点播是网络教育中重要的教学方式,但是目前存在标准不同、共享困难等问题。为此引入P2P技术解决资源共享问题。P2P网络是一种自组织、适应性强、负载均衡、可靠性好的网络,目前被广泛运用于文件共享等领域。文中介绍利用P2P技术实现多个媒体点播系统互联,为用户提供可扩展的查询服务和资源共享平台。通过分析得出互联后的媒体点播系统较单个系统具有许多优点。     

基于查询统计的P2P系统导向搜索机制

无结构对等网络最大的问题就是数据查询成功率与查询开销的矛盾,传统的洪泛查询带来的网络开销过大,而低开销的随机走、扩展环等查询方式又无法保证查询的成功率。提出了一种将历史查询统计和语义分析相结合的导向机制,基于查询统计结果把每次查询引导到更有效率的结点进行,尽量避免使用低效、高开销的洪泛查询。模拟实验证实了该机制能有效减少查询的网络开销,提高查询成功率,降低通信延迟,并且不增加额外的维护开销。