文章快速检索  
  高级检索
实时流媒体P2P可收敛反馈网络结盟算法
沈孟如1, 张晋豫2     
1. 北京交通大学交通运输学院, 北京 100044;
2. 北京交通大学计算机与信息技术学院, 北京 100044
摘要: 客户端贡献的不公平性严重影响系统的服务质量和提供服务的能力,本文提出了一个基于距离汇聚的结盟算法,在动态业务量环境中通过实现可收敛反馈网络,有效消除了随机结盟、内容相似驱动结盟和带宽相似驱动结盟中存在的业务量不合理问题。实现了基于公网IP的静态距离算法和基于探测包的距离动态测量法的混合节点间距离评估机制,较好地解决了探测包测距受业务量波动影响较大、客户端感知测距实时性较差以及IP包测距误差较大的问题。引入了一个具有位置意识的基于Polling的均匀流周期请求协同机制,在保持推—拉周期请求机制开销小优点的同时,提高对抗Serving Peer传输劣化和失败的弹性。仿真结果表明:该机制可以减少业务量不合理和用户不贡献恶意行为的概率,当节点较多时,其能够提供比其他结盟算法更好的时延、丢包率和到达率性能。
关键词: 流媒体     对等网络     服务质量     反馈网络     结盟算法    
Alliance algorithm of converging feedback network on P2P real-time media streaming
SHEN Mengru1, ZHANG Jinyu2     
1. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China;
2. School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044, China
Abstract: Quality of service and the services providing ability of system are deeply influenced by unfairness of client contributions, a alliance algorithm based on distance-convergence was proposed by implementing the converging feedback network in dynamic traffic condition, and it can avoid the unreasonable traffic which cannot be eliminated by the random-alliance, content-likeness driven alliance and bandwidth-likeness driven alliance. A node mix distance algorithm was implemented, which combines IP static range algorithm and dynamic packet probe ranging method. The node mix distance algorithm can overcome the drawbacks that packet probing range is easily affected by the traffic fluctuation, the real-time feature cannot be ensured by the client perception range, and the IP-based range algorithm lacks precision. Moreover, a uniform flow cycle request collaborative mechanism based on Polling was introduced, which not only keeps the lower-offset merit of the pushing-pulling periodic requesting mechanism, but also provides enough resilience against transport ability decline and transport failure. The simulation results show that our mechanism can reduce the probabilities of unreasonable traffic and the vice behavior of non-contribution, and can provide better performance of delay, packet loss rate and packet arriving rate than other alliance mechanisms in larger scale.
Key words: media streaming     peer to peer     quality of service     feedback network     alliance algorithm    

客户端贡献的不公平性是导致P2P流媒体系统中“搭便车(free-ride)”[1]等作弊行为存在的主要原因,其严重影响了系统的服务质量和提供服务的能力。随机结盟法、内容相似驱动结盟法[2]和带宽相似驱动结盟法是目前消除用户间不公平性的通用方法,其通过把单向的无约束服务关系变为同盟内双向的强制服务关系,消除了享受服务但不做出贡献的不公平行为,但都因缺乏考虑距离因素而无法得到满意的性能[3]

本文提出了一个P2P流媒体反馈网络实现机制,即基于静态计算和动态测量结合的距离估算混合算法,并提出了一个基于距离汇聚的结盟算法。通过把业务量汇聚到近距离节点上,双向同步服务的约束提高了用户间的公平性,通过减少数据包的平均传输距离提高了媒体的传输质量。

1 距离驱动P2P流媒体结盟机制 1.1 距离估算混合算法

1.1.1 基于公网IP的静态距离算法

公网IP地址的划分具有很好的计划性,互联网名称与数字地址分配机构(the Internet Corporation for Assigned Names and Numbers,ICANN)负责整个国际的公网IP地址的规划[3, 4, 5]。基于公网IP地址具有显著的地域和位置特点[6],本文提出了一个节点间物理距离的估计算法:

式中:Dji(IP)为节点i和节点j之间的距离,用时间单位表示;IPi(x)为节点i的公网IP地址二进制表示的第x段(从右开始计算);IPv4地址总段数为32,IPv6的总段数为128;k为单位IP差值对应的时延值,可表示为

其中:D为不存在拥塞的情况下,IP具有很好计划和位置特征的实验网络中2个节点之间的探测包的时延;DI为相应的2个节点IP差值。

1.1.2 基于探测包的距离动态测量法

客户端在选定Serving Peer后,向它发出一个探测包,探测包中含有发出的时间t,Serving Peer收到后,把收到的时间加到探测包中并返送给客户端,客户端收到后,解析出发送和接收时戳,并计算出节点i和节点j之间的往返时延,用Rji(t)表示。

1.1.3 距离估算混合算法的提出

根据第1.1.1节和第1.1.2节论述,当节点的IP不服从位置计划分布时,Dji(IP)和真实距离具有较大的误差。当探测包所通过的网络路径出现拥塞或业务量过大时,Rji(t)也存在较大的误差。为此,需要把两者结合起来。本文提出了一个距离估算混合算法。设

式中:u(x)为单位函数,

混合估算距离可表示为

式中:dji(t)为节点i和节点j之间的混合估算距离,用时间单位表示;L1L2为2个时间门限:关门门限L1和达标门限L2(L1>L2)。当往返时延Rji((t)≥L1时,由于单位函数的屏蔽作用,式(1)变为:dji((t)=Dij(IP)V(Rji((t)-L2)/2。客户端发出探测包后,设置一个关门定时器,值为L1,当时间超过关门门限时,认为探测包遭遇了拥塞或过分延迟,于是不再等返回包,用静态公网IP计算值作为距离值。当Rji((t)≤L2时,同样由于单位函数的屏蔽作用,式(1)变为:dji((t)=Rij((t)V(L1-Rji((t))/2。设置一个达标定时器,值为L2,当在达标门限之前返回时,认为网络正常,此时,用探测包的往返时延表示距离值。关门门限和达标门限的设置确保了式(1)具有较高的实时性。往返时延Rji(t)越大,L1-Rji(t)越小,Rji((t)-L2越大,式(1)中Rji(t)的作用越小,Dij(IP)越大,静态公网IP计算值起到显性作用;同样,Rji(t)越小,L1-Rji(t)越大,Rji((t)-L2越小,式(1)中Rji(t)的作用越大,Dij(IP)越小,探测的往返测量值起到显性作用。

L1通常参考国际间公网IP值相差最大时的Dij(IP)定义[7],通过实验得到的值为:L1=600 ms。L2通常参考国内公网IP值相差最大时的Dij(IP)定义,通过实验得到的值为:L2=213 ms。

综上所述,式(1)能够在网络拥塞或业务量较大时,使基于公网IP的静态距离算法发挥主导作用,从而减少业务量波动的影响。当网络正常时,使基于探测包的距离动态测量法发挥作用,从而减少IP位置分布异常的影响。因此,式(1)兼有实时性和准确性的优点。

1.2 具有位置意识的基于Polling的流媒体传输机制和Serving Peer选择算法 1.2.1 基于Polling的流媒体传输机制

由于流媒体是时基媒体,用户边下载边播放,播放以后就删除,节点不保存内容[8, 9],因此,节点中可共享的内容就是已经下载并存放在缓存中但没有播放的内容。所以在流畅播放的情况下,无论对直播或者点播流媒体,登录时间相近的节点缓存中的内容相似。

流媒体播放器大多构造可复用的环形缓存,如Cold Streaming[10]。本文构造重复可用的环形缓存,总长度为Tb,正常情况下,对节点x,设其登录时刻为tsx,则在[tsx,tsx+Tb]时间内登录的节点具有它需要的内容,这些节点作为候选节点。

假设流媒体服务器的登录时间一直定义为当前时间,因此可成为所有登录节点的候选节点,保证任何节点不会被拒绝。Tb通常为几十秒,因此,候选节点不会很多。

假设流媒体的播放速率为Wp,局域网中2个节点之间流媒体可用的平均传输带宽为WLAN,市民平均的国际带宽为WINTER(认为IP差距最大(255.255.255.255 ),即距离为最远Dmax(IP)=时的带宽)。一个节点能支持的最大子流数为Nt,对流媒体服务器节点,支持的最大子流数Nt不受限制。本文提出了一个具有位置意识的Serving Peer提供的子流传输带宽算法:

1.2.2 Serving Peer选择算法

假设P2P流媒体系统中为每一个客户端分配m个Serving Peer,对节点i,在所有已登录的候选节点中寻找节点j,使其满足:

1) 分配节点:从满足式(3)的所有节点中(Media Server(MS)除外)按照Wji从大到小选出不大于m个候选节点作为Serving Peer节点。如果选出的候选节点数小于m,MS替补进来成为Serving Peer。这里MS为流媒体服务器(也可以是高级父节点或者超级节点)。

2) 任务(子流数)分配算法:给每一个Serving Peer分配一个子流。如果Serving Peer数目小于m,则把多于节点数的子流按照Wji从大到小的顺序依次分配给任务不饱和(提供的总子流数小于Nt)的除MS以外的节点。如果除MS以外的所有节点任务都饱和但仍有子流未分出,则将这些剩余的子流全部委派给MS。因为MS的子流数不受限制,所以任务分配算法不会失败。把MS作为候补的任务分配算法可以降低MS的负担,消除MS瓶颈,使系统能接纳更多的节点。

3) 子流序号分配算法:按照Serving Peer的登录时间tsj由早到晚顺序由小到大分配子流序号。如果同一个Serving Peer被分配了多个子流,则这些子流序号连续[11]。由于认为MS登录时间最晚(当前时间),因此肯定分配序号最大的子流。原因在于:在同一个Polling周期中,子流序号越小,数据包次序越靠前,其数据最早播放,因此,需要最早被下载。而Serving Peer登录时间tsj越早,下载数据越多,数据越可靠,给登录早的Serving Peer分配小的子流号,可以提高抵抗传输失败的弹性。

给每一个子流分配Wp/m的传输带宽,则一个节点的下载速度等于播放速度,并在动态业务量环境中,通过控制机制使下载速率围绕Wp/m波动,就可实现下载和删除的动态平衡,在可复用缓存中的下载内容既不因增长过快而覆盖下载未播放的内容,产生剪辑,也不会因增长过慢而使播放器没有内容播放,产生停顿。

为了处理网路波动和网络异常,在P2P流媒体系统中周期请求机制被广泛采用。如Cold Streaming子流传输速率恒定(均匀流)的周期申请机制[12],其实现了推—拉传输(一次请求(拉),连续传输(推)),简化了申请开销;缺点是不能实现量力而为,参与门限高。Peer Streaming采用变子流传输速率(非均匀流)的周期申请机制[13],其实现了量力而为的自适应传输,降低了参与门限;缺点是维持每个流的信息和周期请求的开销大,实现复杂[14]。当Polling周期大小恒定时,增加节点可以减少单个节点的任务量(包数),从而提高节点完成任务的概率,提高系统的可靠性。结合以上2个机制的优点和Polling P2P协同机制的优点,本文提出了一个基于Polling的P2P均匀流周期请求协同机制,如图 1所示。

图 1 基于Polling的均匀流周期请求协同机制 Fig. 1 Uniform flow cycle request collaborative

mechanism based on Polling

图 1中,客户端C1有3个Serving Peer:P1P2P3,产生3个对应的子流:S1S2S3,它们的传输速率都是Wp/3。选择均匀流可方便节点间的结盟。

以IP包为任务分配的基本单位,一个Polling周期中每个流包含的IP包个数称为作业任务(Task of Assignment,TOA)。图 1中,S1S2S3的TOA为3个包。S2的第2个Polling周期和S3的第3个Polling周期发生丢包,丢包ID分别为13和26。选用IP包作为媒体的基本体积,可以选择用户数据报协议(User Datagram Protocol,UDP)作为节点间数据交换协议,省去了媒体的分割、同步和组装的开销,简化了传输协议的实现[15]

1.3 基于距离汇聚的结盟算法

本文提出了基于距离汇聚的结盟算法,如图 2所示。

基于距离汇聚的结盟算法描述如下:依次登录的不同节点ijk,如图 2(a)所示,如果满足:

图 2 基于距离汇聚的结盟算法 Fig. 2 Alliance algorithm based on distance-convergence

则:①如果同盟成员数不等于子流总数,父节点i提供给节点k的最新子流被节点j代替;②如果同盟成员数等于子流总数,父节点i提供给节点k的序号不大于k(同盟序号)的最新子流被节点j代替。

节点j和节点k的结盟如图 2(c)所示。如果父节点i被替代的子流是节点k提供给节点j的子流,父节点k提供给节点j的子流被节点i取代(见图 2(d)),则节点j成为节点k的父节点。

基于距离汇聚的结盟算法说明如下:

1) 式(4)中第1个式子表示新加入的节点j要比父节点k离节点i的距离近,同时离节点k的距离要比节点i近,这是距离汇聚的前提。

2) 式(4)中第2个式子表示节点j和节点i之间登录时间之差小于门限值Ts-Ta,Ts-Ta表示同步门限。证明如下:

为了实现数据同步,节点ijk的登录时间必须在一个环形缓存周期Tb内,如图 2(b)所示的外侧圆。当节点k用新节点j替代节点i时,为了实现数据同步,节点j需要花费tsj-tsk+(tsk-tsi)时间去下载节点k中已有内容,只有当这段时间小于播放点和下载点之间的缓冲带Ts时,节点k的播放点才能在还没有赶上下载点时从节点j下载到新内容,播放不会出现停顿。为了处理网络异常,还需要增加Ta的缓冲时间,回馈门限为Ts-Ta

以上关系表示为:tsj-tsk+(tsk-tsi)≤Ts-Ta。即:tsj-tsiTs-Ta。即如图 2(b)所示的内侧圆。

选择序号较大的子流是因为替代节点j是刚登录的,本身没有内容,替换序号较大(在Polling周期比较后)的子流可以减少内容同步的压力。

基于距离汇聚的结盟算法通过距离汇聚引导数据流从物理距离比较近的节点下载,不但有效消除业务量不合理(数据重叠和数据流折返)的问题,还可提高媒体的传输质量。

2 网络异常处理和反馈网络汇聚 2.1 基于距离汇聚的结盟算法的反馈网络

通过具有距离意识的Serving Peer选择机制使一个节点距离近的候选节点成为Serving Peer,下面通过科学归纳法证明,通过基于距离汇聚的结盟算法,可以使近距离节点结盟并形成反馈网络[16]

1) m=2

P1P2是依次登录的近距离节点,图 3为二子流结盟算法。

图 3 二子流结盟算法 Fig. 3 2 subflow alliance algorithm

二子流结盟算法执行前(见图 3(a)),P1登录,因为只有MS存在,所以S1S2都选流媒体服务器,P2登录,根据Serving Peer选择算法,选择P1和MS作为Serving Peer。由于假设流媒体服务器的登录时间始终为最晚(当前时刻),根据子流分配算法和子流序号分配算法,从P1选择S1,从MS选择S2。当P1P2距离比较近时,认为P1P2到MS的距离相等,P2P1满足二子流结盟算法条件,启动结盟过程:P2P1提供S2,MS到P1S2流取消,如图 3(b)所示。

最终,MS把2个不同的子流分别分配给P1P2,P1P2彼此从对方下载不同的流,反馈网络形成。

2) m=k

假设可以形成反馈网络,图 4k子流反馈网络。

图 4 k子流反馈网络 Fig. 4 k subflow feedback network

3) m=k+1

假设P1~Pk+1节点依次到达,当P1~Pk到达后,根据Serving Peer选择算法,P1~Pk序号最大的子流Sk+1都指派给MS。

由于同盟的节点数等于子流数m=k+1,式(4)中第2个式子被满足:∀x∈[1,k],PxSk+1子流号因大于其同盟号x,所以不会被取代。

k个节点通过结盟形成k子流反馈网络,如图 5(a)所示。

图 5 k+1子流反馈网络形成过程 Fig. 5 Formation of k+1 subflow feedback network

此时,Pk+1节点登录,按照P1~Pk、MS的登录次序依次选择子流并支配子流序号:

P1~Pk选择的子流依次为S1~Sk,从MS选择的子流为Sk+1

启动结盟进程:对Pk+1节点,由于Sk+1是节点序号不大于其结盟序号k+1的最新子流,按照基于距离汇聚的结盟算法,把它回馈给P1~Pk,P1~Pk到MS的Sk+1被取消,k+1子流反馈网络形成,如图 5(b)所示。

因此,在动态环境中,通过基于距离汇聚的结盟算法实现反馈网络。

2.2 动态环境中的基于距离汇聚的结盟算法

图 2描述的算法主要涉及3个节点。对依次登录的P1P2P3节点,只有当P2P3距离比较接近时,即d12<d32时,P2P3才满足结盟条件,它们的位置关系如图 6所示。图中:阴影部分是满足d12<d32P3存在的区域。

图 6 基于距离汇聚的结盟算法消除业务量不合理现象 Fig. 6 Alliance algorithm based on distance-convergence to eliminate unreasonable traffic phenomenon

下面用科学归纳法证明基于距离汇聚的结盟算法可以消除P1P2P3之间的业务量不合理。

1) m=1

P2登录,只有P1在线,因此选择P1,P3登录,由于到P2距离比到P1近,选择P2,折返流出现,发生业务量不合理现象。

P1P3的距离小于到P2的距离,大于P3P2的距离,且P2P3满足式(4)中第1个式子,基于距离汇聚的结盟算法执行,P2P3结盟。P3P2提供子流,P1P2发出的子流断开。由于P3P2提供的子流和P1P2断开的子流是同一个子流,按照基于距离汇聚的结盟算法,P1P3提供该子流,P2P3提供的子流断开(见图 6(b)),折返流消失消除。

2) m=k(k>1)

假设基于距离汇聚的结盟算法可以消除折返流和重复流,如图 7所示。

图 7 k子流基于距离汇聚的结盟算法消除业务量不合理现象 Fig. 7 k subflow alliance algorithm based on distance-convergence to eliminate unreasonable traffic phenomenon

3) m=k+1

k+1子流的情况如图 8所示。

图 8 k+1子流基于距离汇聚的结盟算法消除业务量不合理现象 Fig. 8 k+1 subflow alliance algorithm based on distance-convergence to eliminate unreasonable traffic phenomenon

P2先登录,从P1选择k+1条流,P3登录,根据Serving Peer选择算法,其可以从P1P2选择流,由于P2登录时间晚,Sk+1流一定从P2选择。节点选择后的情况如图 8(a)所示,折返流和重复流都出现,业务量不合理现象发生。

先对前k个子流执行基于距离汇聚的结盟算法,消除了前k条流中的重复流和折返流,如图 8(b)所示。对Sk+1流,当k+1=3时,满足式(4)中第2个式子,此时对P3,S3是不大于节点在同盟中序号3的序号最大的子流,可对其执行基于距离汇聚的结盟算法。当k+1>3时,满足式(4)中第1个式子,此时对P3,Sk+1是最新的流,可对其执行基于距离汇聚的结盟算法。对Sk+1执行基于距离汇聚的结盟算法与m=1过程相同,结果如图 8(c)所示,重复流和折返流都消失了。

因此,基于距离汇聚的结盟算法可以消除重复流和折返流业务量不合理问题。

3 实验结果及讨论 3.1 参数配置 3.1.1 网络仿真环境参数

参与者节点的IP采用IPv4版本,共产生50 000个节点,节点IP的32位二进制位数随机产生:

第1个字段[1~254]:

Math.abs(new Random().nextInt())%254+1

后3个字段[0~255]:

Math.abs(new Random().nextInt())%255

为保证IP不重复,要作重复过滤,保证:String.valueOf(IPx)唯一。

登录时间:早上8:00到24:00之间的随机值,用ms表示。设=16×60×60×1 000+1。Math.abs(new Random()).nextInt()%

初始缓存Ts=5 s,包含20个Polling周期,Ns=20。一个节点支持的最大子流数Nt=6,同盟中的节点数m=6。局域网的传输带宽平均为8 Mb/s,其中用于流媒体传输的设为:WLAN=2 Mb/s,国际互联网平均带宽设为:WINTER=2.75 Kb/s。Sp=256 B。

3.1.2 流媒体服务器和视频

流媒体服务器的IP为:202.112.147 .112 ,测试文档为:《倚天屠龙记》06.rnvb,Wp=420 000 bit/s。

3.1.3 P2P流媒体系统配置

k=1/133 674.628,L1=600 ms,L2=213 ms,TOAPolling=52,总环形缓存长度为200个Polling周期,定义淘汰异常门限为20个Polling周期:Tidle=1 040 ms。Ta包含5个Polling周期:Ta=260 ms。

本文开发了基于Mesh的P2P流媒体业务平台,如图 9所示。

图 9 实验的软件构架和网络配置 Fig. 9 Software architecture and network configuration in experiment
3.2 距离估算混合算法的验证

通过Ping得到某大学主机(211.71.76 .113 )到测试主机的时延,将一天内测得的多次时延的平均值作为距离的标准,与不同的测距模型进行比较。

3.2.1 公网IP静态距离公式

公网IP静态距离公式的理论值和实际值对比结果如图 10所示。

图 10 公网IP静态距离公式理论值和实际值对比 Fig. 10 Comparison between theoretical value of public network IP static distance formula and actual situation

结果表明,计算的网络距离与测量的统计平均网络时延在国内和国外(80.66.177 .63 为界)大部分节点都符合得很好,但也有部分符合得不好,不够精确。

3.2.2 基于距离汇聚的结盟算法的仿真实验

使用第2.1节描述的基于距离汇聚的结盟算法,重复和第3.2.1节相同的实验,结果如图 11所示。

图 11 基于距离汇聚的结盟算法的理论值和实际值对比 Fig. 11 Comparison between theoretical value of alliance algorithm of distance-convergence and actual situation

结果表明,几乎所有节点的测量距离都与用统计平均时延表示的距离非常接近,说明本文提出的算法可以克服IP包测距不够精确的缺点,克服探测包测距受业务量波动影响较大的缺点,克服客户端感知测距实时性差的缺点。

3.3 性能比较 3.3.1 不同结盟方式下时延的比较

不同结盟方式下时延比较结果如图 12所示。图中,时延是所有节点的所有包多次测量值的平均值。

图 12 不同结盟方式下时延比较 Fig. 12 Comparison of delay in different alliance ways

仿真结果显示,在节点数小于4 000时,4种结盟驱动机制的平均时延相同,且都线性减小。随着节点数的增多,距离汇聚驱动模式和带宽相似驱动模式的时延都显著降低,其中距离汇聚驱动模式的时延最小,说明节点之间的距离最小。当节点数多于10 000时,距离汇聚驱动模式和带宽相似驱动模式的优化效果逐渐减缓。距离汇聚驱动模式的优化饱和点(9 000)要低于基于带宽的结盟模式(25 000),说明其距离汇聚能力强。

3.3.2 不同结盟方式下丢包率和到达率的比较

不同结盟方式下丢包率的对比结果如图 13所示,到达率比较结果如图 14所示。图 13图 14中的丢包率和到达率为所有节点的平均值。

图 13 不同结盟方式下丢包率比较 Fig. 13 Comparison of packet loss rate in different alliance ways
图 14 不同结盟方式下到达率比较 Fig. 14 Comparison of arrival rate in different alliance ways

仿真结果显示,节点数少于3 000时,网络的丢包率直线上升,数据包的到达率直线下降。随着节点数的增加,所有结盟方式的丢包率开始减少,到达率开始上升,结盟优化效果开始显现。

当参与者节点数大于5 000时,基于距离的结盟模式和基于带宽的结盟模式的丢包率开始减小,到达率上升,其中基于距离的结盟模式减少最多。当节点数大于10 000时,基于距离和带宽的结盟模式的优化趋势逐渐变缓,基于距离的结盟模式的优化饱和点(9 000)要低于基于带宽的结盟模式的优化饱和点(25 000)。

3.3.3 消除用户不贡献恶意行为验证

用户之间的“搭便车”、“联合作弊增加积分”等不贡献行为主要是由贡献和付出不对等造成的,本文仿真了在不同参与节点场景下,使用结盟和不结盟机制时,所有节点上传和下载相等概率的平均值,如图 15所示。

图 15 上传和下载相等概率 Fig. 15 Equal probability of upload and download

仿真结果显示,在节点数较少时,结盟和不结盟机制都有较高的概率,主要原因在于节点数目少,所有节点都要参与服务。节点数目较多时,结盟机制的概率要比不结盟机制高很多,说明节点之间的公平性提高了,节点参与贡献的概率提高了,从而不贡献恶意行为减少。

4 结 论

本文的主要研究成果及结论有以下几个方面:

1) 提出了一个距离驱动的P2P流媒体反馈网络实现机制,通过使距离接近的节点间基于距离汇聚的结盟,提高媒体的传输质量和优化网络的业务量。

2) 提出了一个静态计算和动态测量相结合的距离估算混合算法,并通过实验证明了其与用统计平均时延表示的节点间距离具有较好的一致性。该算法较好解决了IP包测距不够精确,探测包测距受网络实时业务量影响较大的缺点,克服了客户端感知测距缺乏实时性和开销过大的缺点。

3) 实现了一个具有位置意识的基于Polling的流媒体协同机制,通过基于内容相似的候选节点选择机制、距离接近的Serving Peer定义机制、基于Polling的具有能者多劳意识的任务(子流)指派机制和基于具有登录早者靠前意识的子流顺序分配机制,提高了流媒体的服务质量保证能力。

4) 提出了一个基于距离汇聚的结盟算法,证明了其可以通过将业务流汇聚到近距离节点上,实现反馈网络,并证明了其在动态业务量场景下可以有效消除业务量不合理现象。

此外,在本文开发的基于Polling的P2P流媒体系统基础上创建了随机的仿真环境,并通过仿真实验与内容相似驱动结盟、随机结盟和带宽相似驱动结盟进行了比较。结果显示,本文提出的机制可以有效减少业务量不合理和用户不贡献恶意行为的概率,在参与者节点数据较大时,其在时延、丢包率和到达率方面都比其他机制优越。

在未来的研究中,需要进一步通过实验来优化距离算法的系数,以使其和统计平均时延表示的节点间互联网物理距离更加一致。

参考文献
[1] PURANDARE D, GUHA R.An alliance based peering scheme for P2P live media streaming[J].IEEE Transactions on Multimedia,2007,9(8):1633-1644.
Click to display the text
[2] XIE S S, KEUNG G Y,LI B.A measurement of a large-scale peer-to-peer live video streaming system[C]//Packet Video 2007.Piscataway,NJ:IEEE Press,2007:153-162.
[3] FRANCIS P, JAMIN S,JIN C,et al.ID maps:A global internet host distance estimation service[J].IEEE/ACM Transactions on Networking,2001,9(5):525-540.
Click to display the text
[4] RATNASAMY S, HANDLEY M,KARP R,et al.Topologically-aware overlay construction and server selection[C]//21st Annual Joint Conference of the IEEE Computer and Communications Societies.Piscataway,NJ:IEEE Press,2002:1190-1199.
[5] LIU X, VUONG S T.A cost-effective peer-to-peer architecture for large-scale on-demand media streaming[J].Journal of Multimedia,2006,1(2):38-49.
Click to display the text
[6] LI J. PeerStreaming:An on-demand peer-to-peer media streaming solution based on a receiver-driven streaming protocol[C]// 2005 IEEE 7th Workshop on Multimedia Signal Processing.Piscataway,NJ:IEEE Press,2005:1-4.
[7] KUMAR M G, RAM K A,ANANYA A R.Controlling free riders in peer to peer networks by intelligent mining[C]//2009 International Conference on Computer Engineering and Technology.Piscataway,NJ:IEEE Press,2009:267-271.
Click to display the text
[8] XIE S S, LI B,KETING G Y,et al.Coolstreaming:Design,theory,and practice[J].IEEE Transactions on Multimedia,2007,9(8):1661-1671.
Click to display the text
[9] PARK H, VAN DER SCHAAR M.Coalition-based resource reciprocation strategies for P2P multimedia broadcasting[J].IEEE Transactions on Broadcasting,2008,54(3):557-567.
Click to display the text
[10] ENDO R, TAKAYAMA K,SAKATA Y,et al.Neighbor selection method based on sending capacity for P2P live streaming with layer coding[C]//Processing of 9th International Conference on Ubiquitous Intelligence & Computing and 9th International Conference on Autonomic & Trusted Computing.Piscataway,NJ:IEEE Press,2012:264-271.
[11] TAKAYAMA K, FUJIMOTO T,ENDO R,et al.Neighbor selection based on transmission bandwidth on P2P live streaming service[C]//2012 26th International Conference on Advanced Information Networking and Applications Workshops (WAINA).Piscataway,NJ:IEEE Press,2012:105-110.
[12] LI B,XIE S S, QU Y,et al.Inside the new coolstreaming:Principles,measurements and performance implications[C]//Processing of the 27th IEEE Conference on Computer Communications.Piscataway,NJ:IEEE Press,2008:1705-1713.
[13] CHEN G, WU G X.A client peer adjustment policy for peer-to-peer media streaming[C]//1st International Conference on Hybrid Information Technology.Piscataway,NJ:IEEE Press,2006:98-102.
[14] LI B,KEUNG G Y, XIE S S,et al.An empirical study of flash crowd dynamics in a P2P-based live video streaming system[C]//Processing of IEEE Global Telecommunications Conference(GLOBECOM 08).Piscataway,NJ:IEEE Press,2008:1-5.
Click to display the text
[15] QUEVEDO G P L, OCAMPO R M,FESTIN C A M.Evaluating the effects of peer localization on a bit torrent-based P2P video-on-demand network[C]//2012 IEEE Region Conference TENCON.Piscataway,NJ:IEEE Press,2012:1-5.
[16] GONG S F, YAN Y.A small-world fault-tolerant model for P2P media streaming network[C]//2011 International Conference on Computer Science and Service System.Piscataway,NJ:IEEE Press,2011:114-117.
Click to display the text
http://dx.doi.org/10.13700/j.bh.1001-5965.2015.0300
北京航空航天大学主办。
0

文章信息

沈孟如, 张晋豫
SHEN Mengru, ZHANG Jinyu
实时流媒体P2P可收敛反馈网络结盟算法
Alliance algorithm of converging feedback network on P2P real-time media streaming
北京航空航天大学学报, 2016, 42(4): 728-736
Journal of Beijing University of Aeronautics and Astronsutics, 2016, 42(4): 728-736.
http://dx.doi.org/10.13700/j.bh.1001-5965.2015.0300

文章历史

收稿日期: 2015-05-12
录用日期: 2015-08-29
网络出版时间: 2015-12-23 17:30

相关文章

工作空间