分层P2P流媒体超级节点动态选举机制研究ppt课件

1、分层分层P2P流媒体超级节点动态选举流媒体超级节点动态选举机制研讨机制研讨争辩人： 指点教师： 目录目录 课题研讨背景及意义123本文的主要任务 结论与展望 互联网开展迅速，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，运用前景宽广。 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.课题研讨背景及意义课题研讨背景及意义1.课题研讨背景及意义课题研讨背景及意义 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

2、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 思索了不同节点间的性能差别，分层分簇组织节点，充沛利用了异构节点的资源，是当前研讨的重点。 课题研讨背景及意义课题研讨背景及意义 分层混合模型中超级节点存在失效和饱和问题。 有效的处置方案是要从众多的NP中动态选举出一部份节点成为超级节点。 课题来源于 “863方案专项课题:基于新一代通讯网络的大规模个人直播系统。2.本文的主要任务本文的主要任务 1.从框架设计、TS管理功能、系统关键战略方面详细引见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P

3、2P网络的超级节点选取机制进展研讨，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框架构造框架构造1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框架构造框架构造 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接纳NP上传信息退出，上传才干等，周期性向TS 上报。 2根据本身负载及NP上传才干，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，需求引入动态的超级节点选举机制。

4、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，备用超级节点就参与到SP层成为簇首。 基于信任度的动态超级节点选举机制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选举时机 1.当前SPSNP正常或异常退出 2.当前SPSNP饱和 节点信任度度量节点信任度度量 备选超级节点集合 Di=nj 1d(i, j) Di为节点i到簇内其它普通节点的间隔 之和节点信任度度量节点信任度度量 节点提供效力才干 节点性能度量值，节点性能详细可表述为节点的CPU、内 存等特性。 节点平均上传速率:节点i

5、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Vij,niiii 1Cw *Snijj=1ivV =n节点信任度度量节点信任度度量 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节点信任度度量节点信任度度量对Ci、Vi、Pi规范化 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 超级节点选取机制超级节点选取机制 SNP的选举任务由TS进展。TRUST_VALUE高的为簇BACKSP。BACKSP

6、根据统计信息的更新周期性实时更新。 /周期执行 SendTsNPInfo; UpdateNPInfo; For ASi Sys do UpdateI; For PASi do CalculateTRUST_VALUE; End For BACKSP =SelectTopI; End For备用超级节点机制备用超级节点机制 针对超级节点失效饱和，引入备用超级节点机制，降低网络动摇。簇首失效 当前SPSNP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。 whileListenSPLOGOUT= =TRUE | ListenSPOUT= =TRUE/TS监听超级节点正常

7、或异常退出 SendMessageBACKSPTOSNP; SendClusterInfo; SNP=BACKSP; RecvClusterInfo;/接纳TS传来的簇信息 JoinTree;/参与转发树 For Pj ClusterInfo do SendMessageBESP;/向簇内其它节点通告本人成为SP。 End For For Pj ClusterInfo d JoinSP;/普通节点衔接簇首，重新参与系统 End For 备用超级节点机制备用超级节点机制l 簇首饱和l 当前SPSNP饱和，不再接受新节点参与， TS通告BACKSP成为SNP，并以l 以前簇首为父节点参与超级节点层

8、。l 算法伪码描画如下：l whileListenBENEWSNP= =TRUEl l SendMessageBACKSPTOSNP l NewclusterBACKSP;/新建簇l JoinTree; l l 假设SNP饱和，那么新选举出的SNP不以该饱和的SNP为父节点，而是以该区域的l SP为父节点参与SP层。 实验结果分析实验结果分析 性能分析目的 1.网络上传才干 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结果分析 实验参数设置 频道源：10 SP数：15 SP转发频道数：5 NP数：5000 簇大小：30实验结果分析实验结果分

9、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才干对比图. 引入超级节点动态推举机制后，没有系统瓶颈，网络上传才干随着网络规模添加而添加。实验结果分析实验结果分析 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，给系统构成的动摇小。实验结果分析实验结果分析 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，提高了系统的上传才干。实验结果分析实验结果分析 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。 援用备用超级节点机制后，超级节点失效恢复机制的呼应时间降低。 3.总结与展望总结与展望 总结 研讨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陷。 经过研讨了现有的分层P2P网络模型中的超级节点选取机制，根据Lstream系统实践，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展仿真实验验证，证明本文所提出的机制在提高系统可扩展性、稳定