分层P2P流媒体超级节点动态选举机制研究教案资料

分层P2P流媒体超级节点动态选举机制研究教案资料 分层P2P流媒体超级节点动态选举机制研究答辩人指导老师目录课题研究背景及意义123本文的主要工作结论与展望?互联网发展迅速，对网络资源的需求趋向于流媒体资源。 ?P2P流媒体系统在大规模视频播放上功能强大，应用前景广阔。 ?现有的典型P2P流媒体系统分为基于树状拓扑、基于网状拓扑和分层混合三种模型。 1.课题研究背景及意义1.课题研究背景及意义?典型的P2P直播模型?基于树状拓扑的P2P直播模型简单易实现，数据分发效率较高，树高层节点的延时大，抗扰动性差。 ?基于网状拓扑的P2P直播模型在系统可扩展性和抗扰动性方面有了很大的提高，数据传输延时和维护拓扑的控制开销比较大。 ?分层混合的P2P直播模型考虑了不同节点间的性能差异，分层分簇组织节点，充分利用了异构节点的资源，是当前研究的重点。 2.本文的主要工作?1.从框架设计、TS管理功能、系统关键策略方面详细介绍了一个分层混合直播系统Lstream。 ?2.针对分层P2P流媒体系统中超级节点的失效和饱和问题，对现有的分层P2P网络的超级节点选取机制进行研究，提出基于信任度的动态超级节点选举机制。 ?3.仿真实验结果及分析。 Lstream框架结构节目源CS节目源CS节目源CS节目源CS节目源CSSPSPSP节目源CSSPSPNPNPNPNPNPNPNPSNP节目源CSTSNPNPNPNPNPNPNPNPNPNP1集中管理层由TS完成BootStrap功能.2数据转发及管理控制层:由SP和SNP组成.3边缘共享层:由NP组成Lstream框架结构?超级节点功能及动态选举1.数据转发功能向SP层子节点及簇内逻辑子节点推送流媒体数据。 2.管理控制功能 (1)接收NP上传信息（退出，上传能力等），周期性向TS上报。 (2)根据自身负载及NP上传能力，确定逻辑子节点 (3)监听SP层子节点及监护节点的异常退出。 超级节点存在失效和饱和问题，需要引入动态的超级节点选举机制。 TS根据节点信息计算节点信任度，信任度高的节点作为簇的备用超级节点，当系统需要新的超级节点时，备用超级节点就加入到SP层成为簇首。 基于信任度的动态超级节点选举机制?两种选举时机?节点信任度度量?超级节点选取机制?备用超级节点机制选举时机?1.当前SP(SNP)正常或异常退出?2.当前SP(SNP)饱和节点信任度度量?备选超级节点集合Di=nj1d(i,j)?Di为节点i到簇内其它普通节点的距离之和节点信任度度量?节点提供服务能力节点性能度量值，节点性能具体可表述为节点的CPU、内存等特性。 节点平均上传速率:节点i在一定周期t内向节点j发送流媒体数据分片的平均速率为V ij,ni iii1C w*S?nijj=1ivV=n?节点信任度度量?节点稳定性用节点在线时长来代表节点稳定性。 其中，TUptime为节点总在线时间，num为上线次数。 TUptimeinumP?节点信任度度量?对Ci、Vi、Pi标准化本文选择的SNP根据以上三个方面的度量，并用加权的方法计算节点的信任度TRUST_VALUE iiXXmax(X|i1,2.m)?TRUST_VALUECVP?超级节点选取机制SNP的选举工作由TS进行。 TRUST_VALUE高的为簇BACKSP。 BACKSP根据统计信息的更新周期性实时更新。 /周期执行SendTsNPInfo();UpdateNPInfo();For?ASiSys doUpdate(I);For?PASi doCalculate(TRUST_VALUE);End ForBACKSP=SelectTop(I);End For备用超级节点机制针对超级节点失效饱和，引入备用超级节点机制，降低网络波动。 ?簇首失效当前SP(SNP)正常或异常退出，TS通告BACKSP成为SNP，并为其发它NP信息和数据源。 while(Listen(SPLOGOUT)=TRUE|Listen(SPOUT)=TRUE)/TS监听超级节点正常或异常退出SendMessage(BACKSPTOSNP);SendClusterInfo();SNP=BACKSP;Recv(ClusterInfo);/接收TS传来的簇信息JoinTree();/加入转发树For?PjClusterInfo doSendMessage(BESP);/向簇内其它节点通告自己成为SP。 End ForFor?PjClusterInfo dJoinSP();/普通节点连接簇首，重新加入系统End For备用超级节点机制?簇首饱和当前SP（SNP）饱和，不再接受新节点加入，TS通告BACKSP成为SNP，并以以前簇首为父节点加入超级节点层。 算法伪码描述如下while(Listen(BENEWSNP)=TRUE)SendMessage(BACKSPTOSNP Newcluster(BACKSP);/新建簇JoinTree();如果SNP饱和，则新选举出的SNP不以该饱和的SNP为父节点，而是以该区域的SP为父节点加入SP层。 实验结果分析?性能分析指标1.网络上传能力2.超级节点的控制负载3.SNP失效率4.SNP平均上传速率5.NP重加延时实验结果分析?实验参数设置频道源10SP数15SP转发频道数5NP数5000簇大小30实验结果分析?实验结果 (一)没有引入超级节点动态推举时引入超级节点动态推举的网络上传能力对比图.引入超级节点动态推举机制后，没有系统瓶颈，网络上传能力随着网络规模增加而增加。 实验结果分析?实验结果（二）没有引入超级节点动态推举时引入超级节点动态推举的超级节点控制负载与传输负载对比图。 引入超级节点动态推举机制后，控制负载与传办输负载比值是趋于稳定的。 实验结果分析?实验结果（三）基于信任度和非基于信任度的超级节点选举机制的SNP失效率对比图。 基于信任度的SNP比较稳定，不会频繁退出，给系统造成的波动小。 实验结果分析?实验结果（四）基于信任度和非基于信任度的超级节点选举机制的SNP的平均上传速率对比图。 基于信任度的SNP在具有更高的上传速率，提高了系统的上传能力。 实验结果分析?实验结果（五）引入备用超级节点机制和不引入备用超级节点机制的NP重加延时对比图。 引用备用超级节点机制后，超级节点失效恢复机制的响应时间降低。 3.总结与展望?总结?研究分析了现有的典型的基于树状、网状和分层混合的三种P2P流媒体直播模型的优缺点。 ?通过研究了现有的分层P2P网络模型中的超级节点选取机制，根据Lstream系统实际，提出了一种基于信任度的超级节点选举机制。 ?对超级节点选举机制进行仿真实验验证，证明本文所提出的机制在提高系统可扩展性、稳定性和提高网络服务能力方面具有更好的能力，