论文部分内容阅读
对等网络(Peer-to-Peer，简称P2P)技术发展迅速，在现代互联网和商业系统中得到了广泛应用，尤其在大规模的资源检索和内容分发系统中起到非常重要的作用。P2P网络的核心在于如何快速找到所需信息并得到相应数据，即信息检索和数据分发技术。目前，与P2P网络相关的研究和系统，主要是基于关键字的一维信息搜索和一对一的简单数据分发。如何进行高维度数据的信息检索，以及进行海量富媒体的文件分发仍是一个亟待解决的难题。
针对此问题，通过研究基于多维数据和用户偏好的信息检索(Skyline查询)以及不同类型的P2P网络中的信息检索和数据分发新算法，提出了在结构化和非结构化P2P网络中的高效的Skyline检索算法和数据分发策略。并进一步提出了在更高动态和低连通性的移动P2P网络中进行高效信息检索和数据分发的优化算法。最后，根据P2P网络的特点和不足，结合前面研究的不同P2P环境中的检索算法，设计并实现了一个新型、通用的网内存储系统，以解决P2P网络数据分发的难题。
本文的主要贡献包括以下几个方面：
(1)提出了基于iMinMax(θ)转化模型的结构化P2P网络中的高效Skyline查询算法。为了实现低网络通信消耗和快速回复的Skyline查询，使用iMinMax(θ)模型将多维数据空间转化为一维数据值，根据转化映射将数据分发于一个称为BATON的结构化P2P网络之中，并以此提出一个基于自适应过滤技术的高效Skyline计算模型。在此基础上，引进了一些优化技术，通过详细地分析与整合，使用模型的关键属性来提高查询路由算法的效率。最终通过详尽的实验证明了算法的有效性。
(2)提出了基于非结构化P2P网络的Skyline范围查询算法。在实际的大规模应用系统中，相关数据往往被存放在地理位置不同，非结构化的服务器节点之中，并且用户对数据的查询通常限定在某个目标范围之内，而非全域检索。对此提出一个基于节点划分模型的算法来计算这种非结构化P2P中的Skyline范围查询。首先使用划分模型，以查询的约束范围为基础，将所有节点划分为多个不可比较的群，使Skyline计算可以在不同的群内并行进行而互不干扰。其次提出一个全新的算法框架，叫作PaDSkyline，负责实现不同群之间的并行查询算法，并且引用群内优化技术和多层过滤技术来提高单个群内的查询计算效率。实验结果证明了算法的有效性和高效性。
(3)提出了移动P2P网络中基于激励模型的信息检索和多跳数据分发策略。根据移动P2P网络的特殊性质，建立一个有效的激励模型，以此提出了一个高效的信息检索和数据分发策略。为了实现高效的信息检索和数据分发，我们采用了一个新颖的办法，它能模拟人类在社交网络中的不同行为，通过信息准确性的模拟机制能够准确地判断网络中某个数据与节点的距离。由于移动节点是由各种各样的用户所控制，用户们是否愿意他们的节点参与到系统中，以及是否愿意合作是一个重要的问题。现有的很多研究都默认移动节点是无条件合作的，在实际应用中未必都是这样。为了鼓励移动节点能够合作，本文提出一个基于收入经济模型的竞争博弈模型，叫做MP2P博弈，作为系统的激励模型。理论证明在该模型下，节点只有使用本文的策略并且合作起来，才能达到个人的利益最大化。实验结果证明了策略的有效性以及在高动态环境中的健壮性。
(4)提出了高效且通用的P2P数据分发系统DECADE。由于P2P网络在数据分发过程中存在根本性的不足：高动态性与接入网上行带宽瓶颈。因此，提出一个全新、高效且通用的P2P网络数据分发系统，利用互联网内的云存储资源来帮助P2P系统更有效、更稳定、更快速地分发数据。并利用前面研究的在不同P2P环境中的检索算法，实现高效的资源检索和云存储资源发现。更实现了P2P流媒体直播系统与DECADE的结合，展示了P2P系统如何简易地利用DECADE系统进行数据分发。最终通过真实平台上的大规模实验证明DECADE系统的可用性和有效性。