P2P网络中资源搜索算法的研究

P2P网络中资源搜索算法的研究

论文摘要

近年来,P2P网络(Peer-to-Peer Networks,对等网络)技术飞速发展,它被视为21世纪计算机发展的热点技术之一。目前,对等网络技术已经广泛应用于科学计算系统、即时消息传递系统和文件共享系统等领域,P2P在这些领域中的运用都离不开资源搜索问题,因此资源搜索问题是P2P发展和应用的关键问题。在P2P网络中,节点可以自由地加入或退出,资源分散地分布在网络中的节点上,每个节点既可以向其他节点发出资源请求,从其他节点获得资源,也可以接收其他节点发来的请求,为其它节点提供资源,这使P2P网络资源处于不断的动态变化之中,增加了P2P搜索技术的难度,因此,有必要对P2P搜索技术进行研究,以便更准确、更高效地进行资源搜索。本文主要通过分析P2P网络特性和现有的P2P网络资源搜索算法,提出了适用于全分布式结构化的P2P网络资源搜索模型TRChord(Tree Ring Chord)和半分布式非结构化的P2P网络资源搜索算法NPS(Nodes’Popularity Search),主要工作为:(1)总结了P2P网络的特征、拓扑结构、应用和研究现状,针对典型的网络拓扑结构阐述了现有的P2P网络资源搜索算法。(2)在结构化P2P网络中,提出了基于IPv6和树环网的资源搜索模型TRChord。为适应IPv6地址协议,基于树环网建立了覆盖网络结构,并给出相应的资源搜索算法。TRChord模型中用IPv6进行较细粒度的地址聚类并利用树环网构造P2P网络的三层网络拓扑结构,这打破了用单层和双层结构的限制;运用Chord环中节点的逆向启发信息替换原Chord环中节点Finger表中的冗余信息,并增加目标资源列表,以提高资源搜索性能。最后通过仿真证明了TRChord模型和其资源搜索算法的高效性。(3)在非结构化P2P网络中,提出了基于节点热度的资源搜索算法NPS。该算法从P2P网络的幂律特性入手,充分考虑网络节点的历史和当前信息,提出了节点热度的概念和计算方法,把查询消息优先转发给节点热度较高的超级节点,解决了Gnutella2网络中超级节点之间盲目转发搜索消息而导致路由延迟大、冗余消息多的问题;为避免高热度节点的负载过重,通过基于负载度的自适应负载均衡算法均衡节点负载。最后通过仿真证明了NPS资源搜索算法的高效性和负载均衡算法的有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景与研究意义
  • 1.2 国内外研究及应用现状
  • 1.3 本文的主要工作及组织结构
  • 第二章 P2P 网络资源搜索算法
  • 2.1 P2P 概述
  • 2.2 P2P 网络拓扑结构
  • 2.3 P2P 网络中资源搜索算法
  • 2.3.1 结构化P2P 网络中资源搜索
  • 2.3.2 非结构化P2P 网络中资源搜索
  • 2.4 本章小结
  • 第三章 基于IPV6 和树环网的结构化P2P 搜索算法
  • 3.1 引言
  • 3.2 基于IPv6 和树环网的覆盖网络结构TRChord
  • 3.2.1 IPv6 地址聚类性
  • 3.2.2 树环网
  • 3.2.3 基于IPv6 和树环网的覆盖网络结构TRChord
  • 3.2.4 路由表设计
  • 3.3 TRChord 节点管理机制
  • 3.3.1 节点加入和退出
  • 3.3.2 节点失效处理
  • 3.4 资源搜索算法
  • 3.5 仿真与性能分析
  • 3.5.1 仿真环境与参数设置
  • 3.5.2 性能仿真及结果分析
  • 3.5.3 拓扑一致性仿真
  • 3.6 本章小结
  • 第四章 基于节点热度的非结构化P2P 搜索算法
  • 4.1 Gnutella2 协议分析
  • 4.1.1 Gnutella2 协议及网络模型
  • 4.1.2 超级节点和普通节点的特性
  • 4.1.3 幂律特性和小世界模型
  • 4.2 对Gnutella2 算法的改进
  • 4.2.1 节点热度的定义及计算
  • 4.2.2 改进的搜索算法
  • 4.3 自适应的负载均衡策略
  • 4.3.1 负载的度量
  • 4.3.2 负载均衡策略
  • 4.4 仿真与性能分析
  • 4.4.1 NPS 算法仿真环境与参数设置
  • 4.4.2 NPS 算法仿真及结果分析
  • 4.4.3 负载均衡算法的仿真环境与性能测试
  • 4.5 本章小结
  • 第五章 总结与展望
  • 参考文献
  • 攻读硕士期间发表的学术成果
  • 相关论文文献

    • [1].基于改进涡流搜索算法的支持向量机分类模型[J]. 吉林大学学报(信息科学版) 2020(03)
    • [2].一种改进的和声搜索算法求解非线性方程组[J]. 重庆理工大学学报(自然科学) 2020(10)
    • [3].基于涡流搜索算法的支持向量机分类模型[J]. 化工自动化及仪表 2016(12)
    • [4].一种改进的引力搜索算法及其波束赋形[J]. 西安电子科技大学学报 2020(02)
    • [5].基于改进乌鸦搜索算法的云计算任务调度研究[J]. 微电子学与计算机 2020(02)
    • [6].基于改进引力搜索算法的桁架结构优化设计[J]. 计算机技术与发展 2020(05)
    • [7].浅谈计算机围棋中的搜索算法[J]. 科技风 2018(12)
    • [8].马尔可夫网络的因子搜索算法[J]. 青岛大学学报(自然科学版) 2016(04)
    • [9].一种人工智能搜索算法的改进研究[J]. 通信技术 2017(02)
    • [10].基于动态自适应t分布变异的人群搜索算法[J]. 数学的实践与认识 2017(12)
    • [11].一种求解车辆路径问题的分散搜索算法[J]. 信息与电脑(理论版) 2015(23)
    • [12].基于和声库择优的和声搜索算法的配电网重构[J]. 通信电源技术 2016(01)
    • [13].基于贝叶斯方法的失踪目标优化搜索算法[J]. 计算机与现代化 2016(10)
    • [14].非线性多目标优化的和声分散搜索算法[J]. 小型微型计算机系统 2015(07)
    • [15].基于社会群体搜索算法的机器人路径规划[J]. 计算机研究与发展 2013(12)
    • [16].基于和声搜索算法的电力系统经济调度[J]. 科技资讯 2014(06)
    • [17].和声搜索算法在结构有限元模型修正中的应用[J]. 兰州理工大学学报 2013(05)
    • [18].基于改进的群搜索算法求解分类规则[J]. 无线互联科技 2012(10)
    • [19].动态和声搜索算法在土坡稳定分析中的应用[J]. 人民黄河 2011(02)
    • [20].基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版) 2018(03)
    • [21].面向最优化问题的人工智能搜索算法研究[J]. 通信技术 2016(11)
    • [22].一种融入模式搜索的改进人群搜索算法[J]. 西华大学学报(自然科学版) 2017(01)
    • [23].复杂网络搜索算法比较研究[J]. 电脑知识与技术 2017(04)
    • [24].基于和声搜索算法的软件可靠性模型参数估计方法[J]. 山东理工大学学报(自然科学版) 2017(02)
    • [25].融合局部搜索的和声搜索算法[J]. 计算机工程与设计 2017(06)
    • [26].求解过道布置问题的一种改进分散搜索算法[J]. 计算机集成制造系统 2017(08)
    • [27].基于人群搜索算法优化参数的支持向量机短期电力负荷预测[J]. 电测与仪表 2016(08)
    • [28].改进的多目标快速群搜索算法的应用[J]. 价值工程 2016(32)
    • [29].多子群混合和声搜索算法[J]. 东北大学学报(自然科学版) 2015(02)
    • [30].轮循式搜索算法求解农机调度问题[J]. 信息系统工程 2015(08)

    标签:;  ;  ;  

    P2P网络中资源搜索算法的研究
    下载Doc文档

    猜你喜欢