基于Mesh的P2P流媒体协议研究

来源 :云南大学 | 被引量 : 0次 | 上传用户:qiuwangyang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
流媒体应用是互联网和多媒体技术发展的趋势和前沿性研究课题。基于Mesh的P2P网络凭借其高可扩展性和部署成本低等特点,成为了解决流媒体应用的最重要的途径之一。论文主要针对基于Mesh的P2P流媒体的关键技术展开研究,主要包括覆盖网的构建、数据通告策略、流媒体调度以及激励机制等方面。   论文首先系统概述了P2P流媒体的相关研究工作。详细介绍了几种P2P覆盖网络中的资源定位方式和路由模型,并给出了一些代表性的协议和软件。并根据P2P流媒体中的覆盖网拓扑所划分的两种P2P流媒体模型:基于树型的流媒体和基于Mesh的流媒体进行讨论,分析它们的各自的优缺点,得出基于Mesh的流媒体相对于基于树结构的优越性,同时分别给出了此两种模型的代表性协议,并对当前基于Mesh的P2P流媒体协议存在的一些问题进行了探讨。   近乎最优的带宽利用率使得BitTorrent对流媒体传输来说是个很好的选择。通过分析BitTorrent协议与P2P流媒体协议的相似性,论文提出了一个基于BitTorrent的P2P流媒体协议。为了使得BitTorrent协议适合流媒体传输,我们对该协议进行了如下修改。(1)基于数据分片的最后播放时限,我们给予它们不同的优先级别。(2)源节点采用push-based的机制来分发数据。(3)我们引入了block-leveltit-for-tat策略来取代BitTorrent中基于速率的tit-for-tat策略。实验结果表明改进后的BitTorrent协议能有效利用节点带宽,提供好的服务质量并具有很高的可扩展性和鲁棒性。   针对当前基于mesh的P2P流媒体协议中存在的不足之处,论文第四章提出了一个基于Mesh的P2P流媒体协议:FairStreaming。在FairStreaming中,我们首先提出了一种数据块通告策略,源节点向其邻居节点通告不同的可用数据信息,避免了传统的通告策略在低带宽环境下数据的严重丢失。其次我们提出了一个P2P流媒体中数据块调度的简单模型,揭示了数据块调度中,节点的下载速度与数据块大小、缓冲区大小、节点带宽等的关系。并根据该模型,我们提出了一个流媒体调度的贪心算法,根据数据块在邻居中的分布状况和播放时限赋予它们不同的优先级,并优先请求具有最高优先级的数据块,使得这些数据块总是能在最短的时间内得到。最后,我们提出了一个MIMD(Multiplicative Increase MultiplicativeDecrease)激励算法,每个节点计算其与每个邻居节点上传下载的数据块数目,并根据上传与下载的数据块数目之差来决定其下一轮向该邻居节点的发送速度。该算法能有效促使节点贡献出自己的带宽,驱逐自私节点。通过模拟实验等手段,我们对该协议进行了性能评估。实验表明,FairStreaming具有很高的带宽利用率,并且即使在低带宽环境下也能提供很高的服务质量,同时能有效驱逐自私节点,保证了全局吞吐率。
其他文献
互连网络中构造点不相交路径(即并行路)是并行与分布式系统设计与实现的基本问题之一。根据Menger的定理,连通度为k的网络中任两不同节点之间存在至少有k条并行路。对于一般的网
软件演化过程中的度量特性是软件演化过程和软件度量领域交汇的结晶。软件度量可对软件产品和过程进行量化评估。目前国外对软件度量的研究主要集中在软件产品度量和软件过程
随着现代GPU的迅速发展,GPU可编程能力带来了很高的灵活性。Shader Model4.0的GPU中已经可以进行Vertex Shader,Geometry Shader,Pixel Shader三个阶段的GPU编程。Shader是我们自
校园网格已经成为教育界目前研究的热点,它的最终目的是通过服务共享来实现提高资源利用率和系统整体性能。而服务发现是服务共享的基础,是网格应用的重要基石,在校园网格环
随着Web服务技术的发展,Web服务及其组合在电子商务、应用集成、业务流程等领域得到了广泛的应用。但是,目前Web服务组合仍有许多关键问题尚待解决,其中一个非常重要的问题是
针对日趋复杂的软件需求的挑战,软件业界发展出了软件复用技术。作为针对“软件危机”的最佳对策,软件复用技术已经引起人们的普遍关注。而组件技术是当今解决软件复用的最有效
在企业大量地部署信息化系统之后,系统的弊端逐渐暴露,主要表现在:各系统建设在异构平台上,缺乏互操作性,形成信息孤岛;系统与工作流程粘度高,不能便捷的改变流程以满足市场快速变化
时序数据在日常生活中随处可见,对时序数据的研究和挖掘具有重大实际应用意义。本文以测井数据作为时序数据分组方法研究对象,是由于测井数据不仅具有时序数据的普通特性,且具有
支持向量机是在统计学习理论基础上发展出来的一种新的、非常有效的机器学习方法。它较好地解决了以往困扰很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际
随着科学的发展,科学对计算的要求的不断提高。但是,由于受到物理器件极限速度和技术水平的限制,使得单处理机远远满足不了现代许多领域中具有挑战性的大规模计算课题对计算资源