一种基于点路结合的骨干网P2P缓存部署方法

P2P应用的广泛流行给ISP骨干网络带来了前所未有的流量压力,P2P缓存(peer-to-peer caching)技术是目前缓解这种流量压力的最有效手段之一,缓存部署方法对P2P缓存系统的运行效率有重要影响.已有缓存部署方法分为两类:基于骨干节点的部署方法(node-based cache deployment,NCD)和基于骨干链路的部署方法(link-based cache deployment,LCD).在不同的P2P流量分布情形下,NCD与LCD各有优劣,但是,这两类方法未能充分发挥缓存的性能.提出一种基于点路结合的骨干网P2P缓存部署方法(node-Link based cache deployment,NLCD),根据缓存部署过程中P2P流量分布和缓存存储状态的动态变化,灵活选择骨干节点或骨干链路作为部署位置.建立了以网络负载最小化为目标的缓存部署模型,基于该模型将P2P缓存部署问题建模为一个最优化问题,由于流量分布和缓存状态会在部署过程中不断变化,不具有最优子结构性质.证明了该最优化问题为NP完全问题,并设计了一种启发式贪婪算法进行求解.实验结果表明,针对典型的H&S型、Ladder型骨干网络拓扑,使用NLCD的平均链路使用率比使用LCD低5%～15%,比使用NCD低7%～30%.

P2P网络资源负载模型研究

P2P负载占据大量的Internet带宽,对骨干网络造成很大威胁.为了掌握P2P负载量的生产机制,管理P2P流量,通过分析P2P协议,建立P2P网络排队模型和P2P资源负载模型;通过仿真实验,分析相关因素对资源负载量的影响.发现:节点平均度和搜索协议TTL值,特别是TTL值,对具体资源的负载量影响最大;资源负载量随节点规模、资源初始数量、资源总量而增长,但当这些因素数量达到一定规模时,其数量的变化对资源负载的影响明显变小.

P2P流媒体系统服务器部署的优化设计

P2P流媒体系统中,内容服务器提供源数据并驱动数据扩散,是系统的重要组成部分,其部署方案会影响整个系统的流量变化.分析了服务器的优化部署问题,从服务器负载均衡、主干网内流量最小和调度代价最小3个优化目标建立系统模型,并给出了各个优化目标的算法实现,包括基于负载均衡的贪心算法和基于0-1规划的分支定界算法.最后,通过仿真实验验证了服务器部署方案对系统的影响,实验结果表明不同的优化目标满足了不同的部署需求.

基于代理的P2P网络流量监控与调整算法

设计了一种基于代理的P2P的网络流量监控与调整模型算法。该模型所采用的结构是基于代理的,基本机制为将P2P网络用代理的体系结构进行组织,设置监控管理站点,从而实现对网络的流量调整与实时监测,重新组织网络的拓扑结构。采用Visual C++对系统进行模拟分析,结果表明所提供的代理监控结构模型能够实现对P2P网络流量的有效监控与调整,当整个网络承受过多的负载时,本文所设计的算法将表现出更突出的效能,可以大大的减小系统开销,降低互联网占用的带宽,以提高网络利用率。

基于流量距离因子的P2P缓存选址与容量分配算法

为缓解P2P应用的广泛流行给网络服务提供商（ISP）骨干网络带来的流量压力,进行了P2P缓存部署研究,以避免不合理的缓存部署影响缓存性能发挥和造成缓存投入浪费.首先在综合考虑骨干网络拓扑、内容热度变化和缓存状态更新等信息的基础上建立了基于骨干流量的缓存部署模型,然后定义流量距离因子辅助部署算法设计,并给出了一种基于流量距离因子的P2P缓存选址与容量分配（LSCA）算法,最终通过缓存位置和缓存容量的联合优化设计,充分发挥缓存性能,降低骨干网络P2P流量负载.仿真实验结果表明,针对典型的H＆S型、Ladder型骨干网络拓扑,LSCA算法与已有部署算法相比均具有更好的性能.应用LSCA算法后,平均链路使用率比已有算法Degree低14％～21％,比已有算法Centrality低9％ ～ 12％;平均传输跳数比Degree算法低18％ ～29％,比Centrality算法低11％ ～20％.

基于网络流量的P2P动态检测方法

随着目前的P2P应用开始采用随机端口、隧道和加密等技术,传统检测方法的识别率逐渐降低.针对这一问题,提出了一种基于网络流量的P2P动态检测方法.该方法通过分析网络流量对不同检测方法的误报率和漏报率的影响,采用流量阈值机制动态地选择检测方法,并通过将负载均衡的思想运用于流量阈值的调整,实现了一种变步长的自适应算法,提高了适应性和检测效果.实验结果证明,该方法可以稳定地、高效地识别不同网络环境下的P2P流量.