基于副本复制和Bloom Filter 的P2P 概率路由算法

非结构化P2P网络资源定位过程中的查询延迟、查准率和查询成本难以同时被优化,为此,提出一种基于副本复制和Bloom Filter技术的P2P概率路由算法DCBF(data copying and Bloom Filter).DCBF基于有向随机网络,对资源对象进行少量的复制,并将各个副本随机路由给网络中的节点;接收副本的节点,以分布式衰减Bloom Filter向邻近节点传递副本的成员资格信息.理论分析和实验结果均表明,DCBF仅需复制少量的副本,通过以分布式衰减Bloom Filter传递副本的成员资格信息,使得网络中的绝大多数节点能够感知到副本的成员资格信息,从而使得各个节点能够以极低的查询代价,在较低的路由延迟范围内,高概率地将查询路由到目标节点.     

IS-P2P:一种基于索引的结构化P2P网络模型

在分析无结构与有结构P2P网络结构的基础上,提出了一种新的基于索引的有结构P2P网络模型IS-P2P（Index-based Structured P2P Networks）.IS-P2P网络采用两层混合结构,上层由比较稳定的索引节点组成有结构索引网络,使用文档路由搜索机制,提供资源的发布和查找功能.下层由普通节点组成分布式网络.IS-P2P模型充分利用P2P网络中节点的性能差异,具有高效的查找性能,且能适应P2P网络高度动态性.进一步计算IS-P2P模型中索引网络路由性能、查询处理速度、索引节点索引数据库大小以及索引节点转发查询消息代价表明,IS-P2P具有良好的性能.     

P2P网中基于文件分片的副本建立策略

在大规模P2P网络中,为了提高数据的可用性,可以通过在系统中多个节点上建立数据副本的方法来增加数据的冗余度.传统方法建立副本的过程中,数据资源通常是以完整的数据文件为单位在节点间进行拷贝.为了减小副本建立的开销,可采用一种基于文件分片的副本建立策略,将需要复制的数据文件先进行分片,然后把这些分片在一组选取好的候选节点间进行分发复制,能够充分利用网络带宽,明显减小建立副本所需的时间开销.     

非结构化P2P网络的增量式查询

基于非结构化P2P网络的应用日益广泛,参与共享资源的节点越来越多,且呈海量增长趋势.如何在海量节点、海量资源的情况下,对同一查询语义进行增量式查询,是一个重要而颇具挑战性的问题.提出了一个通用的近似依相关性大小的非结构化P2P网络增量式查询算法模型,该算法模型使得针对同一查询语义的增量式查询尽力优先访问与语义最为相关的节点,从而在完全分布式的P2P网络中获得类似Google[1]的依据资源相关性排序显示及其"下一页"的功能.     

基于生态网络的P2P环境信任博弈进化模型

P2P网络中信任机制能够很好地检测和惩罚恶意节点,激励节点之间合作。提出了一种基于生态网络协同进化机理的信任博弈模型,应用复制动态机制分析了节点之间信任关系的长期演化趋势,从理论与实践上说明了在P2P网络中应用此信任模型具有良好的演化稳定性及性能的整体最优性。     

IPSBSAR:一种基于熟人关系的增量式P2P搜索算法

P2P网络中参加资源共享的节点日益增多且呈海量趋势.如何在海量用户、海量资源的情况下,对所有满足查询语义的资源进行穷尽式搜索是一个颇具挑战性的问题.针对这一问题,提出了一种基于熟人关系的增量式P2P搜索算法IPSBSAR.算法基于人类社会的熟人关系,将人类社会关系中个体间交流与合作机制引入到P2P网络中,不但实现了P2P网络的增量式搜索,而且可以避免由非法拷贝而引起的版权问题.实验表明,IPSBSAR算法能够以较低的代价和较低的路由延迟,获得较高的增量式查询命中率;对同一语义进行穷尽式搜索时,能够搜索出满足查询语义的绝大多数资源,具有较高的效率.     

基于网络拓扑和节点兴趣的P2P搜索机制

对于搜索机制而言,终端用户的反应时间是最重要的性能指标.在P2P系统中,终端用户的反应时间多由网络传输时间决定.提出了一种基于网络拓扑和节点兴趣偏好的P2P搜索机制,使终端用户在进行资源搜索时尽量命中在拓扑上与自己最近的,兴趣偏好也最接近的节点,减少路由距离和转发查询消息副本的数量,最小化网络传输时间,提高查询效率.     

节点在线率和资源热度相关的P2P存储系统副本复制和修复策略

在半结构化的P2P存储系统结构下,副本是提高数据可用性的有效保证.本文结合资源所在节点的在线率和资源访问的频度来衡量所需要的资源副本数量.它较好地反映了高动态P2P网络中节点的行为特征,并据此设计了冗余数据修复策略.实验表明,设计的方法虽然占用了一定的维护带宽,但是网络中资源的可用率得到了显著提高.     

基于拥塞控制的非结构化P2P网络的路由负载均衡策略

非结构化P2P(unstructured peer-to-peer network)对等网络中的节点资源定位的路由查询是对等网络研究中的一个主要难题,特别是当网络中客户端节点由于其频繁加入、离开导致网络结构动态变化所带来的资源查询难题.提出了一种新的基于拥塞控制的路由查询方法来实现动态网络下的资源查询.该方法分两部分实现:首先是网络资源的分组与节点重连策略.该策略使得具有同等资源的节点相互连接,并周期性地调整节点上的节点连接数量以减少同组资源节点上的负载.通过以上策略,使得网络的拓扑结构自动地从随机网络结构进化到以资源组为单位的聚类网络,从而使得网络中形成网络资源组间的查询负载均衡.另一方面,组内的节点之间的路由负载均衡是通过节点间协同学习实现的.采用协同Q-学习方法,所研究的方法不仅从节点上学习其处理能力、连接数和资源的个数等参数,还将节点的拥塞状态作为协同Q-学习的重要参数,并建立模型.通过这种技术,同一组节点上的资源查询被有目的地引导,以避开那些组内拥塞的节点,从而最终实现资源组内节点之间的查询均衡.仿真实验结果表明,相比常用的random walk资源查找方法,该研究所实现的资源定位方法能够更迅速地实现网络的资源查询.仿真结果还表明,相比random walk方法,所提出的方法在网络高强度查询和网络节点动态加入和退出的情况下进行查询具有更高的鲁棒性和适应性.     

SSBIE:P2P覆盖网中基于信息交互的超节点选择

超节点选择是构造基于超节点结构P2P覆盖网的主要问题之一,与通常按节点能力如带宽、CPU处理、存储空间等纯物理性质选择超节点不同,本文充分考虑节点间延时、距离、信息交互频率和时间以及内容相似度等,提出一种基于信息交互的超节点选择方法(SSBIE),按节点Score值选择超节点,以解决P2P网络中搭便车(free-rider)问题.实验结果表明SSBIE较之按节点能力选择的方法使P2P系统性能明显提高,可提高文件查询成功率,减少平均查询跳数,降低查询延时.     

P2P MMOG中多代理节点下的资源分配算法

基于对等网络(peer-to-peer)的大型多人在线游戏(massive multi-player online game, MMOG)是网络游戏研究的热点之一.其关键任务是建立有效的兴趣管理机制.大量研究采用兴趣域内单协作者管理的模式来组织节点.随着兴趣域内玩家数量的不断增加,协作者容易达到性能瓶颈.提出一种负载均衡的结构化多代理节点模型.该模型依靠节点加入算法和邻居发现算法来建立节点间的联系.同时通过计算资源消耗指数和节点性能指数,将域内资源的处理权均衡地分配给所有节点.由于资源状态在任意时刻都由唯一的节点进行更新,保证了所有资源状态的一致性.实验表明,该模型在多方面具有良好的性能优势.     

RNP2P——一种基于复本网络的非结构化P2P系统

根据非结构化P2P系统中资源分布的特点，提出一种基于复本网络的非结构化P2P系统，即RNP2P。通过查询反馈、主动探测和反向探测三种方式协调复本节点之间的相互感知，构建数据结构存储每种资源的其他复本节点信息，针对每种资源均构成一个复本网络。基于这种复本管理机制，RNP2P平均能够以命中3~5个复本的消息开销获得100%的命中率，其他查询方法均可以和RNP2P有效结合。模拟结果表明RNP2P的查询性能远远高于其他查询方案。当采用k-随机游走进行查询，RNP2P的消息开销为普通非结构化P2P中k-随机游走查询的5%,并且远远低于泛洪查询,RNP2P的查询时延也相应降低。     

基于节点兴趣和Q-learning的P2P网络搜索机制

将智能手机设备加入基于非结构化P2P网络的资源共享系统中能够满足人们对资源共享的多样化、便利性、高频性、实时性、高效性等要求,但是该系统网络规模的扩张和网络节点互异性的加大,必将导致系统资源搜索效率的降低、冗余信息的剧增以及网络更加不稳定。为了解决这些问题,文中设计了一种改进的基于节点兴趣和Q-learning的资源搜索机制。首先将节点根据兴趣相似度进行兴趣聚类,划分兴趣集,然后根据兴趣集中节点的能力值构建兴趣树,该结构避免了消息环路的产生,极大地降低了冗余信息;在资源搜索中,兴趣树内采用洪泛算法转发消息,兴趣树之间采用基于Q-learning的消息转发机制,不断强化最可能获取目标资源的路径,查询消息优先在这些路径上传播。另外,针对"热点"资源问题,设计了自适应热点资源索引机制,减少了重复路径搜索,进一步减少了冗余消息量;针对节点失效的问题,给出了根节点冗余机制和捎带检测的策略方法,分别解决了根节点失效和普通节点失效导致的兴趣树的不完整性问题,分析表明该方法能够减少消息冗余量。仿真实验结果表明,与GBI-BI算法和Interest CN算法相比,所提搜索算法能够提高命中率,缩短响应时间...     

基于路由学习的非结构化P2P搜索技术研究

针对无结构化P2P环境下P2P泛洪搜索的盲目性和高资源消耗性,提出一个基于路由学习的非结构化P2P搜索算法,建立两个索引表,存储三类节点信息,通过学习关联节点的信息,建立路由表,并定时与路由表内节点交换信息,减少搜索时间,降低搜索开销。理论和仿真实验证明该算法能有效地提高搜索速度,降低搜索开销。     

基于混合式拓扑结构的P2P信息查找系统的研究和设计

对等网络所面临的两个最基本的问题是如何进行信息有效查找、定位以及如何进行网络的自我管理。本文介绍了一种基于混合式拓扑结构的分布式信息查找(DHH)体制。该体制可以实现信息的高效查找和节点的自我管理,同时达到可扩展性、有效性、可靠性、负载均衡和用户匿名性等指标。     

基于混合P2P的端到端网络测量系统

基于P2P的网络测量系统以降低单点瓶颈和部署开销为目标,其中结构化P2P一般假设节点具有相同的能力,不适合大规模部署;非结构化P2P通信负载过大,可扩展性差.因此,本文结合多种P2P模式的优点,引入分层思想,对节点按能力分簇,选取性能佳的作为簇首组成上层高速转发网,由簇首负责维护和管理簇内普通节点,同时描述了系统的初始化构建过程、各个功能模块、自适应维护机制等,并实现了一个系统原型.实验结果表明,该系统实现了节点的自动化部署,同时提高了系统的可扩展性,降低了测量开销.     

P2P网络中Chord搜索算法的改进研究

为解决P2P网络中Chord算法众多节点性能不一、节点频繁离开和加入制约系统性能的问题, 提出了基于信息相关度的分组改进算法。该算法通过引入节点信息相关度的概念, 对原Chord进行信息相关度的一个分组调整。从每个组选出两个超级节点组成超级组, 同时为每个节点增加了逆时针路由, 在两个超级节点顺逆两个方向上选择出最短路径进行查找。实验表明, 改进后的算法使得系统的性能和适应性都得到了加强, 提高了Chord在对等网中的查找效率。     

基于结构化对等网络的高效分布式任务调度

提出与描述了一个基于结构化对等网络的高效分布式任务调度策略HDTS(High-Efficient Distributed Task Scheduling)。HDTS建立在结构化对等网络的应用层覆盖网络上,保证了系统的非集中性、可扩展性、自组织性,以及规模大的优点。HDTS把基于Chord风格的对等网络协议和容错及高效的多播调度策略结合起来,允许分布式计算的各种大量的子任务在对等网络的节点上高效的调度、分配、执行。除了支持主-从风格的并行计算外,系统允许具有数据依赖的分布式旅行商算法正确的执行,使系统具有通用性和开放性。测试结果表明:HDTS具有正确性与高效性,可以作为对等网络上计算资源高效共享与聚集的可行方案。     

基于P2P在线信息聚合的存储策略研究

利用P2P节点的在线信息,设计存储策略,使得在没有副本迁移的情况下具有比较高的可靠性,减少频繁的副本迁移带来的带宽压力。节点根据历史在线信息利用Cluster-Based Predictor预测模型对未来一段时间的在线情况进行预测,当本地节点存储文件时搜集邻居节点的在线信息,然后基于这些聚合的在线信息通过三种存储策略选择副本进行存储。实验结果表明在线行为相似策略可以在没有副本迁移的情况下有很高的可靠性。