基于新路由表的双向搜索chord路由算法

针对结构化P2P（Peer to Peer）网络资源高效搜索问题,提出了一种基于新路由表的双向搜索chord路由算法。该算法为解决chord算法路由表中存在着大量冗余信息,查找资源效率低下等缺点,提出了一个新的路由表构造公式。该公式首次加入路由因子概念,充分考虑了网络中节点个数和资源个数对路由表的影响,在不增加路由表项的前提下,不仅基本删除了路由表的冗余项,还实现了chord环的双向查找以减少平均查找跳数。实验仿真结果表明,该算法基本消除了路由表中的冗余信息,减少了平均查找跳数,有效地提高了资源的查找效率。     

云计算中基于Chord算法的研究与改进

定义了云服务器为P2P网络拓扑结构的基本节点,引进Chord协议对其进行资源定位与搜索.由于Chord算法一方面没有考虑节点异构的问题,另一方面其查询路由表存在着较大的冗余信息,因此从这两方面着手,对Chord算法进行了改进.建立了一个基于主从式结构的多Chord环模型,对环中节点的查询路由表进行分析研究,提出一个新的路由表计算公式,在删除冗余信息的基础上,充分利用查询路由表的空间资源,将节点的路由查找的覆盖范围从Chord环的1/2提升到3/4,最终提升到整个Chord环.实验结果表明,改进后的算法在平均路由跳数和平均网络延迟都有明显的减少,从而提高了资源搜索的效率.     

一种基于对等网络的云资源多属性区间查询算法

设计了n元属性组来描述云资源, 并为属性组中的每个属性都划分区间。为解决云资源的多关键字高效查找问题, 对不同属性的不同区间的任意组合都建立索引。针对云资源属性变动时导致索引更新时网络开销太大的缺点, 提出依据索引中属性的个数对全部索引进行归类存储。仿真实验表明, 在云资源的属性发生变动时, 该算法在更新索引时在网络中产生的信息个数是一个常数n, 数目远远小于其他的多关键字区间查询算法, 查找资源时网络开销不仅小而且稳定。     

基于P2P网络的云资源多维查询算法

在云资源共享服务模式中,为实现云资源的多维度查询,提出一种基于P2P网络的云资源多维查询算法.在结构化对等网络的基础上设计一种分层的云资源网络拓扑结构.首先对云资源的属性和属性值分别进行编码,结合云资源多维发布策略实现了云资源多维查询;然后给出了该算法的查询效率分析和稳定性分析.实验结果表明,该算法能快速高效地实现云资源多维度查询,并且不会随着查询维度数和网络节点数的增加而产生较大的查询时延.     

一种基于分层云对等网络的多属性云资源区间查找算法

为了研究多维属性云资源在云对等网络中快速定位问题,结合云对等网络的优势,提出了一种基于云对等网络的多属性云资源的查找算法。在分层云对等网络的基础上,分别利用云资源的类型和属性值建立多维索引。首先根据类型索引将相关的数据聚集在同一个资源簇内;然后将属性值的值域划分为多个区段,并将相应资源存储其中。同时建立资源簇融合、区间邻居维护等机制使算法更具效率和扩展性。仿真实验表明,该算法实现了多属性云资源的快速定位。并且它不会随着网络节点和类型维度增加而产生较大查询迟延,具有很好的扩展性。     

基于结构化对等网络的云资源查询算法

为实现云计算中云资源的快速查询,针对资源查找过程中查询效率较低以及网络维护成本较高等问题,提出一种基于结构化对等网络的云资源查询算法,实现对待查询云资源进行快速有效定位。首先设计一种新型超级节点拓扑结构,对网络拓扑中各节点进行唯一性编码,构造二元组路由信息索引列表,并设计相应的路由算法;然后给出了分层象限超级节点算法的查询效率与稳定性分析。仿真实验结果表明,分层象限超级节点算法查询效率较高,且随着网络规模增加,查询路径长度趋于稳定,同时对于超级节点失效带来的网络维护成本较低。     

基于P2P的高效存储系统

结构化的P2P存储系统使用DHT技术将数据映射到相应的网络节点,从而进行数据的存放与查找[1][3].一些常数跳的路由算法可以取得理论上的两跳,甚至一跳的路由效率,但当网络节点达到一定规模后,庞大的路由表维护开销会极大地降低系统的存取效率和准确度,从而使得类似算法很难在实际中广泛应用.提出了基于路由和存储分开管理的常数跳P2P存储系统,与已有的一些系统相比,本系统在很大程度上降低了数据维护的开销,并且做到了很好的负载均衡性.     

基于校园环境的移动P2P网络体系研究与设计

由于P2P技术的广泛应用以及无线网络和移动设备的普及,人们提出了基于无线网络的移动P2P网络。文中通过分析移动P2P网络的特点和已有的网络模型,结合校园网络环境的特点,设计出基于校园环境的网络体系结构模型,并对模型的资源查找进行详细的描述。模型被划分成三层结构,底层的网络采用改进后的Kelips路由算法通信,该算法的路由复杂度是一个常数,有效减少资源查找时间,保证节点维护状态信息的实时性和正确性;由超级节点组成的中间层,实行分布式管理,采取泛洪搜索算法来通信;顶层是一些域内中心节点,负责连接外网和解决网络的安全问题。仿真实验表明：该模型能够更好地减少资源查找时间,即使大量节点失效,也可以快速检测到节点间关系变化并进行管理。     

基于IPv6的三层混合P2P覆盖网络模型

研究现有的非结构化对等(P2P)网络,结合IPv6以及人类社会资源查找方法,提出一种三层混合P2P覆盖网络模型。在该模型中,具有相同IPv6网络前缀的节点组成一个域,域内节点根据属性相似性划分为若干个兴趣组,组内节点管理功能由智能节点完成,域内路由节点负责跨域路由消息。仿真结果表明,该模型能提高资源查找效率,缩短查找时延,减少消息路由跳数。     

一种基于短链特性的P2P路由改进算法

P2P节点路由算法是提高资源搜索效率的核心技术.本文详细分析对等网络中节点存在的小世界模型特征现象,提出一种基于短链特性的路由改进算法.新算法有效结合Pastry和FreePastry两者之长,利用节点短链特性更为有效地选择下一跳.实验证明,改进后的路由算法能明显缩短路由跳数,提高P2P网络对节点的定位和查找效率.     

一种基于Cloud-P2P计算模型的恶意代码联合防御网络

针对目前的反病毒系统在应对恶意代码时通常具有的滞后性,提出并构建了一种新颖的基于Cloud-P2P计算模型的恶意代码联合防御网络。Cloud-P2P计算模型将云计算与对等计算进行有机融合。恶意代码联合防御网络系统中的集群服务器与用户终端群体联合组成了一个高安全防御网,协同防御恶意代码,并快速产生群体免疫力。为了提高系统的性能表现,提出适用于Cloud-P2P融合计算环境的两种基于分布式哈希表的层次式网络结构C-DHT和D-DHT,并通过引入移动agent技术实现了恶意代码联合防御网络中的疫苗agent和巡警agent。基于Cloud-P2P计算模型的恶意代码联合防御网络具有负载均衡、反应快捷、防御全面和兼容性良好等性能表现。     

多关键字云资源搜索算法

云计算的核心是在虚拟化技术的基础上,通过互联网技术为用户提供动态易扩展的计算资源。利用中心服务器的计算模式来管控网络上大量云资源使得中心服务器成为整个系统的瓶颈,不利于云计算的大规模应用,因此提出使用对等网络技术构建分布式的云资源索引存储和查询系统,但是结构化拓扑系统维护比较复杂,一般不支持复杂搜索条件查询。本文提出了一种多关键字云资源搜索算法。在基于分层超级节点的云资源搜索算法基础上进行路由算法改进,希望实现多关键字的精确查询。对多关键字的生成、分割及存储做出了详细说明,提出一种有效的基于数据集的索引搜索策略,实现了包含三个或三个以上的关键字高效、准确查询。分析实验结果证明了算法明显提高了资源搜索的命中率,尤其是随着关键字数目的增多,不仅保证了资源搜索的命中率,同时大大增加了资源的召回率。     

基于Chord的P2P路由模型

针对现有P2P路由模型存在逻辑拓扑与物理拓扑失配和没有考虑节点异构性的不足,基于Chord提出了一种新的路由模型。该模型利用IPv6的地址聚类性,通过分段哈希节点IP,构建具有层次特性的节点标识符,实现逻辑拓扑与物理拓扑的有效结合;根据网络规模动态调整聚类级别,将节点映射到多层Chord环上,实现聚类内部自治;考虑节点的性能差异,让性能好的节点承担更多的路由任务。模拟实验表明,该模型能保持与Chord接近的平均跳数,但降低了存储开销和查询时延。     

Latency based group discovery algorithm for network aware cloud scheduling

Cloud computing is a big paradigm shift of computing mechanism. It provides high scalability and elasticity with a range of on-demand services. We can execute a variety of distributed applications on cloud’s virtual machines (computing nodes). In a distributed application, virtual machine nodes need to communicate and coordinate with each other. This type of coordination requires that the inter-node latency should be minimal to improve the performance. But in the case of nodes belonging to different clusters of the same cloud or in a multi-cloud environment, there can be a problem of higher network latency. So it becomes more difficult to decide, which node(s) to choose for the distributed application execution, to keep inter-node latency at minimum. In this paper, we propose a solution for this problem. We propose a model for the grouping of nodes with respect to network latency. The application scheduling is done on the basis of network latency. This model is a part of our proposed Cloud Scheduler module, which helps the scheduler in scheduling decisions on the basis of different criteria. Network latency and resultant node grouping on the basis of this latency is one of those criteria. The main essence of the paper is that our proposed latency grouping algorithm not only has no additional network traffic overheads for algorithm computation but also works well with incomplete latency information and performs intelligent grouping on the basis of latency. This paper addresses an important problem in cloud computing, which is locating communicating virtual machines for minimum latency between them and group them with respect to inter-node latency.     

Building Efficient Overlays

Peer-to-peer (P2P) and Grid computing systems have emerged as popular models aiming at further utilizing Internet information and resources, complementing the available client–server services. However, the mechanism of peers randomly choosing logical neighbors without any knowledge about underlying physical topology can cause a serious topology mismatch problems between the overlay network and the physical underlying network. The topology mismatch problem brings a great stress in the Internet infrastructure and greatly limits the performance gain from various search or routing techniques in P2P and Grid systems. Aiming at alleviating the mismatch problem and reducing the unnecessary traffic, we have proposed two approaches, adaptive overlay topology optimization (AOTO) and location-aware topology matching (LTM) techniques, to reduce the total traffic cost and average query response time. Both AOTO and LTM are scalable and completely distributed in the sense that they do not require any global knowledge of the whole overlay network when each node is optimizing the organization of its logical neighbors. This paper shows the effectiveness of AOTO and LTM and compares the performance of these two approaches through simulation studies.     

云计算环境下并行分布式数据挖掘平台研究

网络技术在带给人们大量信息的同时,也极大地增加了人们从海量数据中发现有用知识的难度,而解决这一问题的努力促进了数据挖掘技术的出现和快速发展。云计算是能够提供动态资源池、虚拟化和高可用性的计算平台,云计算开发平台可被用来开发高性能应用程序。研究云计算环境下并行分布式数据挖掘平台的3个层次,依下而上为分布式计算层,知识发现平台层以及用户应用层。     

基于对等监控网络的云监控系统设计与实现

为解决传统方案中单节点带来的性能瓶颈和低可靠性问题,基于对等监控网络设计并实现了云监控系统解决方案。在硬件部署上,该解决方案将监控节点封装在应用容器中,分布式部署在不同机架上,组建对等的监控网络;监控节点间采用非关系型数据库构建分布式存储集群,实现了监控数据的异地访问和备份。在软件实现上,该解决方案进行了分层设计,采用推拉结合的方式收集数据,对采集的数据进行可信度评估和分布式存储,使用阈值控制和主机空闲评估相结合的策略对云中主机进行智能化管控。通过系统测试,发现该监控系统对计算资源的平均占用率仅有2.17%;而1 ms内响应读写请求的平均比率达到93%以上,表明该解决方案具有资源消耗率低、高频次读写效率高的性能优势。     

云计算中相似驱动的并行任务划分方法

云计算是并行计算、分布式计算和网格计算等高性能计算的进一步发展,它的异构性、按需等特征对高性能计算提出了新的挑战。针对云计算的典型特征,提出了基于并行任务和云环境相似驱动的任务划分方法。首先用图刻画了并行任务和云环境,建立了图的相似关系及其相似度计算方法;其次给出云计算中拟解决的问题,通过图局部相似和全局相似度偏差最小来实现并行任务和体系结构的异构匹配及按需要求;接着利用F度标号方法给出相似驱动的任务划分算法;最后通过实验和其他划分方法进行比较,阐明了该方法的优点。     

基于云计算的开放性教学资源平台建设研究

针对当前高等教育信息化资源平台建设零散分布、重复投资等突出问题,提出了基于云计算的开放性教学资源平台建设方案。以期建立一个基于云计算的集中管理、分散存储的资源开发、管理、应用系统平台,形成高等教育信息化资源共建共享的机制。首先分析了基于云计算的开放性教学资源平台建设的可行性,然后提出了基于云计算的开放性教学资源平台的设计思想、系统设计、系统架构、资源库建设内容,并对主要应用功能进行了概述,有助于推进基于云计算的高校信息化资源平台建设进程。