论文部分内容阅读
P2P (Peer-to-Peer Network)网络是构建在底层物理网络之上的逻辑覆盖网络,具有网络节点非中心化、高可扩展性、强健壮性、高性价比、负载均衡等多种特性。随着Internet的普及、网络接入带宽的增大以及端系统计算能力的迅速增强,P2P端到端通信模式已经逐渐发展成为IT行业和学术界应用和研究的热点。目前P2P技术在内容分发、流媒体、分布式存储、并行计算、云存储以及即时通讯等领域均有广泛应用,根据调查显示,国内主要运营商骨干网流量中P2P流量已达到了60%以上,成为因特网上的主要流量。然而多数P2P应用采取的随机邻居节点选取策略忽略了底层物理网络的信息,导致逻辑网络与物理网络严重失配,产生大量冗余跨域流量,加重了因特网服务提供商(ISP, Internet Service Provider)的流量压力并破坏了ISP收支平衡,同时P2P应用挤占带宽的局面对其他带宽敏感型应用也造成了不良影响。如何减少域间冗余流量,即对P2P流量进行优化,成为ISP以及P2P内容提供商共同关注的热点问题。目前一些P2P流量优化方法根据时延、带宽、AS距离等信息估计节点间网络距离,优先选取“邻近“节点作为邻居,然而这些方法大多选取单一因素进行网络距离度量,在复杂的因特网背景下这种方式无法保证有效性。本文提出了一种基于模糊综合评价的P2P流量优化方法,当某个P2P节点进行邻居节点选择时综合考虑时延、带宽、AS距离、链路代价、文件差异程度等多种因素对所有节点进行评价并排序,从中选取评价结果较高的P2P节点作为该节点的邻居节点,据此构建逻辑覆盖网络。该方法采用结合粒子群算法(PSO, Particle Swarm Optimization)的改进层次分析法(AHP, Analytic Hierarchy Process)确定各因素权重,同时验证和修正一致性判断矩阵。本文还对提出的优化方法进行了网络模拟实验,分析结果表明该算法能够大幅度本地化P2P流量并且一定程度上加速文件下载,保证P2P应用性能不下降的同时进一步优化P2P流量。