分層P2P流媒體超級(jí)節(jié)點(diǎn)動(dòng)態(tài)選舉機(jī)制研究ppt課件

1、分層分層P2P流媒體超級(jí)節(jié)點(diǎn)動(dòng)態(tài)選舉流媒體超級(jí)節(jié)點(diǎn)動(dòng)態(tài)選舉機(jī)制研討機(jī)制研討爭(zhēng)辯人： 指點(diǎn)教師： 目錄目錄 課題研討背景及意義123本文的主要任務(wù) 結(jié)論與展望 互聯(lián)網(wǎng)開(kāi)展迅速，對(duì)網(wǎng)絡(luò)資源的需求趨向于流媒體資源。 P2P流媒體系統(tǒng)在大規(guī)模視頻播放上功能強(qiáng)大，運(yùn)用前景寬廣。 現(xiàn)有的典型P2P流媒體系統(tǒng)分為基于樹(shù)狀拓?fù)?、基于網(wǎng)狀拓?fù)浜头謱踊旌先N模型。1.課題研討背景及意義課題研討背景及意義1.課題研討背景及意義課題研討背景及意義 典型的P2P直播模型 基于樹(shù)狀拓?fù)涞腜2P直播模型 簡(jiǎn)單易實(shí)現(xiàn)，數(shù)據(jù)分發(fā)效率較高，樹(shù)高層節(jié)點(diǎn)的延時(shí)大，抗擾動(dòng)性差。 基于網(wǎng)狀拓?fù)涞腜2P直播模型 在系統(tǒng)可擴(kuò)展性和抗擾動(dòng)性方

2、面有了很大的提高，數(shù)據(jù)傳輸延時(shí)和維護(hù)拓?fù)涞目刂崎_(kāi)銷(xiāo)比較大。 分層混合的P2P直播模型 思索了不同節(jié)點(diǎn)間的性能差別，分層分簇組織節(jié)點(diǎn)，充沛利用了異構(gòu)節(jié)點(diǎn)的資源，是當(dāng)前研討的重點(diǎn)。 課題研討背景及意義課題研討背景及意義 分層混合模型中超級(jí)節(jié)點(diǎn)存在失效和飽和問(wèn)題。 有效的處置方案是要從眾多的NP中動(dòng)態(tài)選舉出一部份節(jié)點(diǎn)成為超級(jí)節(jié)點(diǎn)。 課題來(lái)源于 “863方案專(zhuān)項(xiàng)課題:基于新一代通訊網(wǎng)絡(luò)的大規(guī)模個(gè)人直播系統(tǒng)。2.本文的主要任務(wù)本文的主要任務(wù) 1.從框架設(shè)計(jì)、TS管理功能、系統(tǒng)關(guān)鍵戰(zhàn)略方面詳細(xì)引見(jiàn)了一個(gè)分層混合直播系統(tǒng)Lstream。 2.針對(duì)分層P2P流媒體系統(tǒng)中超級(jí)節(jié)點(diǎn)的失效和飽和問(wèn)題，對(duì)現(xiàn)有的分層P

3、2P網(wǎng)絡(luò)的超級(jí)節(jié)點(diǎn)選取機(jī)制進(jìn)展研討，提出基于信任度的動(dòng)態(tài)超級(jí)節(jié)點(diǎn)選舉機(jī)制。 3.仿真實(shí)驗(yàn)結(jié)果及分析。Lstream框架構(gòu)造框架構(gòu)造1集中管理層：由TS完成BootStrap 功能.2數(shù)據(jù)轉(zhuǎn)發(fā)及管理控制層:由SP和 SNP組成.3邊緣共享層:由NP組成Lstream框架構(gòu)造框架構(gòu)造 超級(jí)節(jié)點(diǎn)功能及動(dòng)態(tài)選舉 1.數(shù)據(jù)轉(zhuǎn)發(fā)功能： 向SP層子節(jié)點(diǎn)及簇內(nèi)邏輯子節(jié)點(diǎn)推送流媒體數(shù)據(jù)。 2.管理控制功能： 1接納NP上傳信息退出，上傳才干等，周期性向TS 上報(bào)。 2根據(jù)本身負(fù)載及NP上傳才干，確定邏輯子節(jié)點(diǎn) 3監(jiān)聽(tīng)SP層子節(jié)點(diǎn)及監(jiān)護(hù)節(jié)點(diǎn)的異常退出。 超級(jí)節(jié)點(diǎn)存在失效和飽和問(wèn)題，需求引入動(dòng)態(tài)的超級(jí)節(jié)點(diǎn)選舉機(jī)制。

4、TS根據(jù) 節(jié)點(diǎn)信息計(jì)算節(jié)點(diǎn)信任度，信任度高的節(jié)點(diǎn)作為簇的備用超級(jí)節(jié)點(diǎn)，當(dāng)系統(tǒng)需 要新的超級(jí)節(jié)點(diǎn)時(shí)，備用超級(jí)節(jié)點(diǎn)就參與到SP層成為簇首。 基于信任度的動(dòng)態(tài)超級(jí)節(jié)點(diǎn)選舉機(jī)制基于信任度的動(dòng)態(tài)超級(jí)節(jié)點(diǎn)選舉機(jī)制 兩種選舉時(shí)機(jī) 節(jié)點(diǎn)信任度度量 超級(jí)節(jié)點(diǎn)選取機(jī)制 備用超級(jí)節(jié)點(diǎn)機(jī)制選舉時(shí)機(jī)選舉時(shí)機(jī) 1.當(dāng)前SPSNP正?；虍惓Ｍ顺?2.當(dāng)前SPSNP飽和 節(jié)點(diǎn)信任度度量節(jié)點(diǎn)信任度度量 備選超級(jí)節(jié)點(diǎn)集合 Di=nj 1d(i, j) Di為節(jié)點(diǎn)i到簇內(nèi)其它普通節(jié)點(diǎn)的間隔 之和節(jié)點(diǎn)信任度度量節(jié)點(diǎn)信任度度量 節(jié)點(diǎn)提供效力才干 節(jié)點(diǎn)性能度量值，節(jié)點(diǎn)性能詳細(xì)可表述為節(jié)點(diǎn)的CPU、內(nèi) 存等特性。 節(jié)點(diǎn)平均上傳速率:節(jié)點(diǎn)i

5、在一定周期t內(nèi)向節(jié)點(diǎn)j發(fā)送流媒體 數(shù)據(jù)分片的平均速率為Vij,niiii 1Cw *Snijj=1ivV =n節(jié)點(diǎn)信任度度量節(jié)點(diǎn)信任度度量 節(jié)點(diǎn)穩(wěn)定性 用節(jié)點(diǎn)在線(xiàn)時(shí)長(zhǎng)來(lái)代表節(jié)點(diǎn)穩(wěn)定性。 其中，TUptime為節(jié)點(diǎn)總在線(xiàn)時(shí)間，num為上線(xiàn)次數(shù)。TUptimeinumP節(jié)點(diǎn)信任度度量節(jié)點(diǎn)信任度度量對(duì)Ci、Vi、Pi規(guī)范化 本文選擇的SNP根據(jù)以上三個(gè)方面的度量，并用加權(quán)的方法計(jì)算節(jié)點(diǎn)的信任度TRUST_VALUE iiXXmax(X |i1,2.m)TRUST _VALUECVP 超級(jí)節(jié)點(diǎn)選取機(jī)制超級(jí)節(jié)點(diǎn)選取機(jī)制 SNP的選舉任務(wù)由TS進(jìn)展。TRUST_VALUE高的為簇BACKSP。BACKSP

6、根據(jù)統(tǒng)計(jì)信息的更新周期性實(shí)時(shí)更新。 /周期執(zhí)行 SendTsNPInfo; UpdateNPInfo; For ASi Sys do UpdateI; For PASi do CalculateTRUST_VALUE; End For BACKSP =SelectTopI; End For備用超級(jí)節(jié)點(diǎn)機(jī)制備用超級(jí)節(jié)點(diǎn)機(jī)制 針對(duì)超級(jí)節(jié)點(diǎn)失效飽和，引入備用超級(jí)節(jié)點(diǎn)機(jī)制，降低網(wǎng)絡(luò)動(dòng)搖。簇首失效 當(dāng)前SPSNP正?；虍惓Ｍ顺?，TS通告BACKSP成為SNP，并為其發(fā)它NP信息和數(shù)據(jù)源。 whileListenSPLOGOUT= =TRUE | ListenSPOUT= =TRUE/TS監(jiān)聽(tīng)超級(jí)節(jié)點(diǎn)正常

7、或異常退出 SendMessageBACKSPTOSNP; SendClusterInfo; SNP=BACKSP; RecvClusterInfo;/接納TS傳來(lái)的簇信息 JoinTree;/參與轉(zhuǎn)發(fā)樹(shù) For Pj ClusterInfo do SendMessageBESP;/向簇內(nèi)其它節(jié)點(diǎn)通告本人成為SP。 End For For Pj ClusterInfo d JoinSP;/普通節(jié)點(diǎn)銜接簇首，重新參與系統(tǒng) End For 備用超級(jí)節(jié)點(diǎn)機(jī)制備用超級(jí)節(jié)點(diǎn)機(jī)制l 簇首飽和l 當(dāng)前SPSNP飽和，不再接受新節(jié)點(diǎn)參與， TS通告BACKSP成為SNP，并以l 以前簇首為父節(jié)點(diǎn)參與超級(jí)節(jié)點(diǎn)層

8、。l 算法偽碼描畫(huà)如下：l whileListenBENEWSNP= =TRUEl l SendMessageBACKSPTOSNP l NewclusterBACKSP;/新建簇l JoinTree; l l 假設(shè)SNP飽和，那么新選舉出的SNP不以該飽和的SNP為父節(jié)點(diǎn)，而是以該區(qū)域的l SP為父節(jié)點(diǎn)參與SP層。 實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 性能分析目的 1.網(wǎng)絡(luò)上傳才干 2.超級(jí)節(jié)點(diǎn)的控制負(fù)載 3.SNP失效率 4.SNP平均上傳速率 5.NP重加延時(shí)實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 實(shí)驗(yàn)參數(shù)設(shè)置 頻道源：10 SP數(shù)：15 SP轉(zhuǎn)發(fā)頻道數(shù)：5 NP數(shù)：5000 簇大?。?0實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分

9、析 實(shí)驗(yàn)結(jié)果一：沒(méi)有引入超級(jí)節(jié)點(diǎn)動(dòng)態(tài)推舉時(shí)引入超級(jí)節(jié) 點(diǎn)動(dòng)態(tài)推舉的網(wǎng)絡(luò)上傳才干對(duì)比圖. 引入超級(jí)節(jié)點(diǎn)動(dòng)態(tài)推舉機(jī)制后，沒(méi)有系統(tǒng)瓶頸，網(wǎng)絡(luò)上傳才干隨著網(wǎng)絡(luò)規(guī)模添加而添加。實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 實(shí)驗(yàn)結(jié)果二：沒(méi)有引入超級(jí)節(jié)點(diǎn)動(dòng)態(tài)推舉時(shí)引入超級(jí) 節(jié)點(diǎn)動(dòng)態(tài)推舉的超級(jí)節(jié)點(diǎn)控制負(fù)載與傳輸負(fù)載對(duì)比圖。引入超級(jí)節(jié)點(diǎn)動(dòng)態(tài)推舉機(jī)制后，控制負(fù)載與傳辦輸負(fù)載比值是趨于穩(wěn)定的。實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 實(shí)驗(yàn)結(jié)果三：基于信任度和非基于信任度的超級(jí)節(jié)點(diǎn) 選舉機(jī)制的SNP失效率對(duì)比圖。 基于信任度的SNP比較穩(wěn)定，不會(huì)頻繁退出，給系統(tǒng)構(gòu)成的動(dòng)搖小。實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 實(shí)驗(yàn)結(jié)果四：基于信任度和非基于信任度的超級(jí)節(jié)點(diǎn) 選舉機(jī)制的SNP的平均上傳速率對(duì)比圖?；谛湃味鹊腟NP在具有更高的上傳速率，提高了系統(tǒng)的上傳才干。實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 實(shí)驗(yàn)結(jié)果五：引入備用超級(jí)節(jié)點(diǎn)機(jī)制和不引入備用超 級(jí)節(jié)點(diǎn)機(jī)制的NP重加延時(shí)對(duì)比圖。 援用備用超級(jí)節(jié)點(diǎn)機(jī)制后，超級(jí)節(jié)點(diǎn)失效恢復(fù)機(jī)制的呼應(yīng)時(shí)間降低。 3.總結(jié)與展望總結(jié)與展望 總結(jié) 研討分析了現(xiàn)有的典型的基于樹(shù)狀、網(wǎng)狀和分層混合的三種P2P流媒體直播模型的優(yōu)缺陷。 經(jīng)過(guò)研討了現(xiàn)有的分層P2P網(wǎng)絡(luò)模型中的超級(jí)節(jié)點(diǎn)選取機(jī)制，根據(jù)Lstream系統(tǒng)實(shí)踐，提出了一種基于信任度的超級(jí)節(jié)點(diǎn)選舉機(jī)制。 對(duì)超級(jí)節(jié)點(diǎn)選舉機(jī)制進(jìn)展仿真實(shí)驗(yàn)驗(yàn)證，證明本文所提出的機(jī)制在提高系統(tǒng)可擴(kuò)展性、穩(wěn)定