非结构化对等网络中的路由优化技术研究

非结构化对等网络中的路由优化技术研究

论文摘要

非结构化对等网络(P2P:Peer to Peer)是目前对等计算应用领域最重要的网络模型之一。由于在非结构化P2P中,即没有中心索引,也没有对网络拓扑和文件位置的精确控制,发起查询的请求结点(Requester),多采用泛洪式路由向其逻辑邻居结点(Neighbor),广播查询请求。邻居结点收到请求后,如果能够满足该请求,就成为响应结点(Responder),返回查询结果;如果不能响应该请求,就成为转发结点(Relayer),采用与请求结点相同的方法继续向自己的邻居结点广播请求。该过程直至请求得以满足或者发生某些错误为止。研究表明,在适度连接的P2P网络中,使用盲目泛洪查询(BFS:Blind Flooding Search)算法会产生大量的查询消息,且70%以上都是冗余的。这些冗余消息占用网络带宽、消耗结点的处理时间,却对扩展查询范围毫无益处。因此,如何减轻泛洪引起的网络负担,同时保证一定的查询命中率,已经成为一个研究的热点。基于对上述问题的考虑,本文提出了自适应泛洪路由算法(AFRA:Adaptive Flooding Routing Algorithm)和基于主动推荐机制的近似索引算法(ARMBDAI:Active Recommendation Mechanism Based Distributed Approximate Indexing)。本文提出的自适应泛洪路由算法结合了深度调整和广度调整。所谓深度调整,就是通过调整每条消息的生命期(TTL:Time to Live)来限制消息的传播范围。所谓广度调整,就是通过调整接收消息的邻结点数来减少消息的转发数量。现有文献虽然也提及广度调整和深度调整,但据我们所知,如何结合广度调整和深度调整,达到路由优化目的,还未见成熟方案。为此本文就相关问题进行了讨论,并详细阐述算法的原理和实现,最后通过仿真实验验证了算法的有效性。本文提出的基于主动推荐机制的近似索引算法以面向服务的主动推荐机制为基础,在保留泛洪查询动态性好、可维护性高和可靠性强等优点的前提下,构建了一种由信誉评估代理和信息索引代理组成的两级代理结构。该结构有效地结合了查询和信誉两种机制,提高了查询的准确性和系统的可靠性。仿真实验验证了算法的有效性和对网络拓扑的优化。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 P2P 的迅速发展
  • 1.1.2 P2P 路由技术面临的问题
  • 1.2 研究目的与意义
  • 1.3 本文的主要工作
  • 1.4 论文章节安排
  • 第二章 非结构化P2P 路由技术相关研究
  • 2.1 P2P 基本原理
  • 2.1.1 P2P 系统定义
  • 2.1.2 P2P 体系结构
  • 2.2 传统泛洪路由算法研究
  • 2.3 路由优化技术研究
  • 2.3.1 限制路由范围
  • 2.3.2 改进体系结构
  • 2.3.3 利用附加信息
  • 2.4 路由优化技术比较
  • 2.5 小结
  • 第三章 非结构化P2P 自适应泛洪路由算法
  • 3.1 自适应泛洪路由算法概述
  • 3.1.1 自适应泛洪路由算法思想
  • 3.1.2 自适应泛洪路由算法原理
  • 3.1.3 自适应泛洪路由算法组成
  • 3.2 自适应调整函数
  • 3.3 自适应泛洪路由算法设计
  • 3.3.1 路由范围的自适应调整策略
  • 3.3.2 路由方向的优化选择策略
  • 3.3.3 路由范围调整与路由方向选择的优化组合策略
  • 3.4 自适应泛洪路由算法实现
  • 3.5 仿真实验分析
  • 3.5.1 仿真环境简介
  • 3.5.2 仿真实验参数
  • 3.5.3 网络拓扑生成
  • 3.5.4 性能分析
  • 3.5.5 性能优化
  • 3.6 小结
  • 第四章 基于主动推荐机制的近似索引算法
  • 4.1 基于主动推荐机制的近似索引算法概述
  • 4.1.1 基于主动推荐机制的近似索引算法思想
  • 4.1.2 基于主动推荐机制的近似索引算法原理
  • 4.1.3 基于主动推荐机制的近似索引算法组成
  • 4.2 基于主动推荐机制的近似索引算法设计
  • 4.2.1 请求结点的消息处理流程
  • 4.2.2 转发结点的消息处理流程
  • 4.2.3 评估结点的消息处理流程
  • 4.2.4 推荐结点消息的处理流程
  • 4.2.5 响应结点消息的处理流程
  • 4.3 基于主动推荐机制的近似索引算法实现
  • 4.3.1 Gnutella 协议扩展
  • 4.3.2 信誉评估策略
  • 4.4 基于主动推荐机制的近似索引算法优缺点分析
  • 4.5 基于主动推荐机制的近似索引算法应用场景
  • 4.6 仿真实验分析
  • 4.6.1 仿真实验参数
  • 4.6.2 网络拓扑生成
  • 4.6.3 性能分析
  • 4.6.4 拓扑分析
  • 4.6.5 动态分析
  • 4.7 小结
  • 第五章 结束语
  • 5.1 工作总结
  • 5.2 未来的研究工作
  • 致谢
  • 作者攻硕期间的工作
  • 科研工作情况
  • 发表论文情况
  • 参考文献
  • 相关论文文献

    • [1].安全问题不是大数据发展拦路虎[J]. 网络安全和信息化 2016(07)
    • [2].基于深度学习模型的非结构化数据标注方法研究[J]. 西北民族大学学报(自然科学版) 2020(02)
    • [3].面向大数据的音乐艺术院校非结构化资源的管理与应用[J]. 科教文汇(上旬刊) 2020(08)
    • [4].大数据时代下的数据仓库新升级[J]. 金融电子化 2017(07)
    • [5].分析非结构化数据的10个要点[J]. 电脑知识与技术(经验技巧) 2017(12)
    • [6].铁路货运非结构化数据的应用与应用框架研究[J]. 交通运输工程与信息学报 2017(01)
    • [7].企业非结构化数据元数据模型设计[J]. 云南电力技术 2016(S2)
    • [8].浅析非结构化电子文件[J]. 兰台世界 2016(16)
    • [9].基于素质教育的地理非结构化教学研究[J]. 中学教学参考 2020(10)
    • [10].运用非结构化材料 创造无限教育价值[J]. 基础教育研究 2017(18)
    • [11].“大数据”的温情[J]. 中小学信息技术教育 2017(05)
    • [12].面向中文科技文献非结构化摘要的知识元表示与抽取研究——基于知识元本体理论[J]. 情报理论与实践 2020(02)
    • [13].基于关键词检索的非结构化数据审计应用研究[J]. 中国内部审计 2020(04)
    • [14].非结构化道路识别研究综述[J]. 科技资讯 2019(02)
    • [15].大型企业非结构化数据管理平台设计[J]. 中国科技信息 2019(07)
    • [16].非结构化机器数据范式化处理的研究[J]. 现代信息科技 2018(06)
    • [17].非结构化数据安全需关注[J]. 网络安全和信息化 2016(02)
    • [18].非结构化电子病历关系抽取的机器学习[J]. 中国数字医学 2017(06)
    • [19].面向云存储的非结构化数据存储研究[J]. 计算机光盘软件与应用 2014(19)
    • [20].开放教育对学生流动非结构化管理的策略研究[J]. 当代教育实践与教学研究 2015(09)
    • [21].非结构化材料在大班表现性活动区中的有效运用[J]. 新课程(综合版) 2018(05)
    • [22].非结构化数据存储管理研究[J]. 科研信息化技术与应用 2013(01)
    • [23].一种非结构化数据的多牵度分配存取实现方法[J]. 科技通报 2014(08)
    • [24].基于主体行为的非结构化数据模型[J]. 计算机工程与设计 2013(03)
    • [25].基于词语语义和隐喻逻辑的顾客非结构化需求分析[J]. 中国机械工程 2013(08)
    • [26].世博会旅游形象的结构化与非结构化测量——以重庆市民对世博会感知为例[J]. 安徽农业科学 2009(27)
    • [27].集成非结构化数据[J]. 软件世界 2008(01)
    • [28].基于公共模型技术的非结构化数据模型设计与应用研究[J]. 电子设计工程 2018(05)
    • [29].从容应对金融海量非结构化数据存储[J]. 金融电子化 2018(04)
    • [30].面向大数据的城市轨道交通非结构化数据管理[J]. 城市轨道交通研究 2016(11)

    标签:;  ;  ;  ;  ;  ;  

    非结构化对等网络中的路由优化技术研究
    下载Doc文档

    猜你喜欢