基于移动Agent的非结构化P2P网络负载均衡方法研究

来源 :江苏大学 | 被引量 : 0次 | 上传用户:wangccui
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
在非结构化P2P网络(unstructuredpeertopeernetworks)中,由于对网络的节点及资源分布没有统一的管理,资源的查找易形成大量的网络查找消息负载。同时由于网络节点的异构性,节点在转发消息时,容易出现部分节点转发查找消息数量过多产生拥塞而另一部分节点转发查找消息数量过少而处于空闲状态的现象。节点的拥塞严重影响到搜索算法的性能,因此研究如何充分利用不同网络节点的处理能力,平衡网络中节点转发查找消息的负载,引起学术界和工业界的广泛关注并进行了深入地研究。   此外移动Agent作为一种可以在异构网络上自主迁移的软件实体,可以被派遣到网络上自主的执行信息检索任务。本文在深入研究移动Agent技术的基础上提出了基于移动Agent技术的非结构化P2P网络负载均衡方法,希望在资源的查找过程中通过网络的自动进化,形成一种合理的拓扑结构,以实现网络节点负载均衡的目的。   本文的主要工作如下:   1.介绍了P2P网络及移动Agent技术的基本概念。讨论了P2P网络中现有的各种负载均衡方法。   2.提出了一种基于移动Agent的非结构化P2P网络拓扑自适应调整的负载均衡方法,网络中节点通过收集其邻居节点的处理能力以及连通性等信息,指导移动Agent有目的的在网络中迁移,从而及时发现网络节点上的拥塞,并使用拓扑重连机制降低节点上的负载。通过仿真实验表明,该方法可以有效地提高P2P网络的搜索性能。   3.在上述方法的基础上,进一步提出了基于兴趣群组的负载均衡方法。经过节点定期发起重连消息,将具有相同资源的节点连接在一起,形成一个兴趣群组,同时应用移动Agents在群组内的节点上不断移动以检测过载节点,并通过节点重连的方式将过载节点的查询负载转移到轻载节点上,减少网络的查询拥塞。实验结果表明该方法可以有效避免网络发生拥塞,进一步提高P2P网络的查询性能,并且能够适应网络环境的动态变化。
其他文献
图像识别,是图像处理与计算机视觉领域的一个重点研究问题,可以解决卫星遥感,航空航天,生物医学等方面的不同模式的目标和对象的识别问题。当前的图像识别研究中存在两个问题:首
随着信息网络的高速发展,信息通讯技术已经融入到社会生活的各个层面。传统的反垃圾邮件技术和工作方式,已经无法满足垃圾邮件数量与日俱增以及种类日益变化的形势。本文针对常
随着风力发电成为世界上增长最快的可再生能源,为保持风电的长期稳定发展,需不断降低风电安装和运行维护的成本。由于风机系统是复杂的时变非线性的特点,一般的方法很难提取精确
城市轨道列车作为重要的城际间交通工具,在近几年来发展迅猛。在轨道列车迅猛进步之际,为了使得列车能够安全行驶、准点到站,运输效率更高,满足旅客舒适度和环保节能的需求,
随着信息技术水平的提高和企业对网络的依赖性日益增强,网络安全状况面临着巨大挑战。攻击者和网络安全管理人员始终上演着攻击预防大战。攻击者的攻击方式日新月异,安全管理人
医学图像三维重建是借助于可视化技术将医学图像重建成三维模型并显示出来,具有重要的研究和应用价值。MarchingCubes方法是三维重建中应用广泛的面绘制方法,但会生成大规模
随着社会的不断发展,人们的经济条件和生活水平不断提高,越来越多的食品安全问题被曝光使得人们对其关注度不断提高,然而这些食品安全事故严重威胁着人们的身体健康和精神健
网络编码允许节点对多个数据包进行运算编码,当接收节点收到足够数量的编码包后,可以应用相应的编码系数进行解码。相关研究表明,当网络编码被应用于组播及无线网络传输时,可
覆盖算法作为一种构造型分类建模算法,以其训练速度快、分类效果好而著称。在现今互联网时代,时常面对较大的数据集训练和分类的挑战,因此提升机器学习算法的训练速度和分类
高光谱图像通常具有纳米级的光谱分辨率,能提供丰富的地物空间信息和光谱信息,被广泛应用在精细农业、环境监测、现代军事等诸多领域。高光谱图像在具备诸多优势的同时也存在光谱维度高、光谱相关性大、噪声多、样本少等特点,这给高光谱图像分类过程带来了诸多问题和挑战,研究如何解决上述问题提高分类效果,是高光谱遥感领域的重要研究课题之一。针对高光谱图像分类过程中样本难以获取、样本数量少的特点,本文从降维、去噪和特