学位论文 > 优秀研究生学位论文题录展示

基于节点服务能力的自适应P2P模型研究

作　者: 陈水平
导　师: 吴开贵
学　校: 重庆大学
专　业: 计算机系统结构
关键词: 对等网络服务能力自适应异构性超级节点
分类号: TP393.02
类　型: 硕士论文
年　份: 2010年
下　载: 52次
引　用: 0次
阅　读: 论文下载

内容摘要

对等网络P2P(Peer-to-Peer)是当前流行于计算机网络技术研究领域的一种新兴网络模型。具有搜索效率高、可扩展性好等优点,有效地解决了C/S模式单点故障的问题。因此,P2P的各种应用也得以迅速发展,在电子商务、文件共享、即时通信等多个领域广泛应用。而P2P的应用是建立在P2P模型基础之上的,所以如何构建一个合理的P2P模型成为了P2P研究的一个重要问题。P2P网络模型的研究一直是P2P研究领域的热点和难点。当前的P2P模型均有各自的缺陷,集中式P2P模型存在单点失败的问题;完全分布式非结构化P2P模型的可扩展性差而完全分布式结构化P2P模型其维护机制非常复杂,并且对网络的动态适应性差;半分布式P2P模型充分结合了上述几种模型的优点,但也存在自身固有的一些局限性。本文在半分布式P2P模型的基础上,认真分析P2P网络节点存在的异构性和网络的动态性,提出了基于节点服务能力的自适应P2P模型BSC-P2P。该模型根据节点的异构性定义节点的服务能力,自组织形成服务组;根据自身需求和网络的动态变化调整节点间的连接,提高自适应能力。并对模型中超级节点选取问题进行了深入研究,提出了基于CPU动态处理能力的超级节点选取方法。该方法使用RBF神经网络预测超级节点CPU的动态负载,以CPU的动态负载评定超级节点的动态处理能力,使得普通节点在进行查询时能够选取一个当前处理能力最强的超级节点来为其服务。为了验证BSC-P2P模型的性能,我们设计仿真实验,从四个方面对BSC-P2P模型与Gnutella 0.6模型的性能进行了比较,实验结果表明,BSC-P2P模型的整体性能较Gnutella 0.6模型有了进一步的提高。

全文目录

中文摘要  3-4
英文摘要  4-8
1 绪论  8-14
  1.1 研究背景  8-9
  1.2 问题的提出及研究意义  9-10
    1.2.1 问题的提出  9
    1.2.2 研究意义  9-10
  1.3 国内外研究现状  10-12
    1.3.1 P2P 模型的研究现状  10
    1.3.2 超级节点选取的研究现状  10-12
  1.4 本文研究目的和研究内容  12-13
    1.4.1 本文的研究目的  12
    1.4.2 本文研究的主要内容  12-13
  1.5 本章小结  13-14
2 P2P 网络概述  14-31
  2.1 P2P 网络的概念和特点  14-16
    2.1.1 P2P 网络的概念  14
    2.1.2 P2P 网络的特点  14-16
  2.2 P2P 网络的结构  16-19
    2.2.1 集中式拓扑结构  16-17
    2.2.2 完全分布式非结构化拓扑结构  17
    2.2.3 完全分布式结构化拓扑结构  17-18
    2.2.4 混合式拓扑结构  18-19
  2.3 P2P 网络的应用  19-26
    2.3.1 文件共享  20-22
    2.3.2 分布式计算  22-23
    2.3.3 搜索引擎  23
    2.3.4 即时通信  23-25
    2.3.5 P2P 分布式存储系统  25
    2.3.6 流媒体直播  25-26
    2.3.7 其他应用  26
  2.4 P2P 网络待解决的问题  26-29
  2.5 P2P 模式与C/S 模式的比较  29-30
  2.6 P2P 技术展望  30
  2.7 本章小结  30-31
3 基于节点服务能力的自适应 P2P 模型  31-40
  3.1 设计思想  31-32
  3.2 BSC-P2P 模型的体系结构  32-33
    3.2.1 模型的相关概念  32
    3.2.2 模型的层次结构  32-33
    3.2.3 模型的特点  33
  3.3 BSC-P2P 模型的组规模定理  33-34
    3.3.1 定理的提出  33
    3.3.2 定理的证明  33-34
  3.4 BSC-P2P 模型的核心算法  34-39
    3.4.1 节点加入算法  34-36
    3.4.2 节点退出算法  36
    3.4.3 组规模的自适应算法  36-38
    3.4.4 资源搜索算法  38-39
  3.5 BSC-P2P 模型的路由协议  39
  3.6 本章小结  39-40
4 BSC-P2P 模型的超级节点选取  40-46
  4.1 选取策略  40
  4.2 RBF 神经网络的结构和算法  40-42
    4.2.1 RBF 神经网络的结构  40-41
    4.2.2 RBF 神经网络的算法  41-42
  4.3 基于RBF 神经网络的CPU 动态负载预测  42-43
  4.4 超级节点选取  43-44
  4.5 选取开销分析  44
  4.6 本章小结  44-46
5 仿真实验与性能分析  46-53
  5.1 P2P 仿真概述  46-47
  5.2 主流仿真工具比较与选取  47-49
    5.2.1 主流仿真工具介绍  47-49
    5.2.2 仿真工具的比较与选取  49
  5.3 仿真实验设计  49-50
    5.3.1 实验环境  49-50
    5.3.2 评价标准  50
  5.4 仿真结果及分析  50-52
    5.4.1 查询时延对比  50-51
    5.4.2 查询成功率对比  51
    5.4.3 查全率对比  51-52
    5.4.4 系统开销对比  52
  5.5 本章小结  52-53
6 结论与展望  53-55
  6.1 主要结论  53-54
  6.2 后续研究工作展望  54-55
致谢  55-56
参考文献  56-60
附录  60
  A 作者在攻读学位期间发表的论文目录  60
  B 作者在攻读学位期间参与的科研项目  60

基于节点服务能力的自适应P2P模型研究

内容摘要

全文目录

相似论文