基于拓扑关键点保护的非结构化P2P网络拓扑优化

基于拓扑关键点保护的非结构化P2P网络拓扑优化

论文摘要

分布式、自组织的P2P网络在过去几年里以惊人的速度发展到巨大的规模,并被广泛应用到多个领域,如资源共享、实时消息、协同工作、分布式计算等等。P2P网络作为各类应用的载体,其覆盖网拓扑结构的特性是影响应用服务质量最重要的因素之一。然而,随着网络中信息的日益膨胀,如何提高网络中信息检索的查全率和查准率是P2P技术研究的关键所在。而且,P2P网络规模大、动态性强等特点也给其拓扑优化技术带来巨大的挑战。网络连通性是对P2P网络拓扑结构进行优化的前提。为了确保P2P网络中每一个节点的相互连通,增强网络拓扑的抗毁性,本文从对非结构化P2P网络拓扑结构的研究出发,发现网络中的一些节点是两个或多个独立子网之间的唯一通道,对网络拓扑结构有重要影响,其失效很可能导致网络被分割。这些具有特殊意义的节点称为“拓扑关键点”。如果能在非结构化P2P网络中以分布式的方法有效地检测到拓扑关键点并加以合理地消除,就能从本质上增强网络应对分割的抵抗力,同时显著地提高系统的容错性。本文对非结构化P2P网络的拓扑关键点发现算法——CAM算法进行研究分析,发现该算法准确率高,但是由于采用泛洪的方式进行探测,效率非常低,网络消耗非常大。本文提出一种基于扩展式CAM(Extended CAM,简称ECAM)的拓扑关键点发现算法,对CAM算法进行了改进,通过理论分析与仿真实验证明,ECAM算法在保持高准确率的情况下,大大减少了网络消耗,提高了发现效率。非结构化P2P网络的拓扑关键点消除算法主要有线性连接消除算法和带弦环消除算法。线性连接消除算法的通信开销小,但是可靠性不是很高。带弦环消除算法虽然具有最高的可靠性,但是往往造成一些无效连接,带来大量冗余。针对两算法存在的问题,本文在线性连接消除算法的基础上,考虑节点交互的频繁程度,提出一种基于热点连接的拓扑关键点消除算法HBEA(HotLink-Based Eliminate Algorithm),使得每一条连接更有价值——因为这条链路上的通信最频繁。并针对拓扑关键点级联的拓扑状态,提出面向多拓扑关键点级联的消除算法MLBA(Mult-Link Eliminate Algorithm),有效解决此类拓扑隐患。理论分析与仿真结果表明,HBEA+MLBA算法能够有效地消除拓扑关键点,使网络应对分割的抵抗力得到本质的增强,且可靠性大于线性连接消除算法,而冗余度小于带弦环消除算法。

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 非结构化P2P 网络的发展
  • 1.3 国内外研究现状
  • 1.4 论文创新点
  • 1.5 论文组织结构
  • 第二章 非结构化 P2P 网络下的拓扑关键点发现算法
  • 2.1 相关工作
  • 2.1.1 问题描述
  • 2.1.2 相关工作
  • 2.2 基于扩展式CAM 的拓扑关键点发现算法(ECAM)
  • 2.3 算法比较
  • 2.3.1 发现准确率
  • 2.3.2 通信开销
  • 2.4 本章小结
  • 第三章 非结构化P2P 网络下的拓扑关键点消除算法
  • 3.1 相关工作
  • 3.1.1 问题描述
  • 3.1.2 相关工作
  • 3.2 基于热点连接的拓扑关键点消除算法(HBEA)
  • 3.3 针对多拓扑关键点级联的消除算法(MLEA)
  • 3.4 算法比较
  • 3.4.1 网络粘聚度
  • 3.4.2 复杂度
  • 3.5 本章小结
  • 第四章 模拟仿真
  • 4.1 仿真平台
  • 4.2 拓扑关键点发现算法仿真分析
  • 4.2.1 生成非结构化P2P 网络
  • 4.2.2 拓扑关键点对覆盖网的意义
  • 4.2.3 发现算法的准确率
  • 4.2.4 发现算法的通信开销
  • 4.3 拓扑关键点消除算法仿真分析
  • 4.3.1 消除算法的有效性
  • 4.3.2 网络应对分割的抵抗力
  • 4.3.3 网络容错性
  • 4.4 本章小结
  • 第五章 总结与展望
  • 5.1 本文总结
  • 5.2 工作展望
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 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].基于蚁群算法的非结构化大数据深度挖掘仿真[J]. 计算机仿真 2020(11)
    • [13].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)
    • [14].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)
    • [15].非结构化道路识别研究综述[J]. 科技资讯 2019(02)
    • [16].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)
    • [17].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)
    • [18].非结构化数据安全需关注[J]. 网络安全和信息化 2016(02)
    • [19].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)
    • [20].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)
    • [21].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)
    • [22].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)
    • [23].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)
    • [24].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)
    • [25].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)
    • [26].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)
    • [27].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)
    • [28].集成非结构化数据[J]. 软件世界 2008(01)
    • [29].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)
    • [30].从容应对金融海量非结构化数据存储[J]. 金融电子化 2018(04)

    标签:;  ;  

    基于拓扑关键点保护的非结构化P2P网络拓扑优化
    下载Doc文档

    猜你喜欢