随着互联网的普及以及互联网基础设施的不断完善，网络视频逐步成为网民的主要应用服务之一。面对海量用户环境，需要在现有视频资源环境下设计一种新型的视频业务网络结构以保障高并发视频业务请求下的用户服务质量。　　 对等网络的出现在一定程度上很好地解决了集中式结构面临的服务器负载过重、拒绝服务攻击、网络带宽限制等一些严重影响系统性能的问题。为此，越来越多的研究者开始关注和研究对等网络，并在系统结构设计中采用对等网络的思想来提高系统性能。在众多对等网络技术中，Kademlia作为一种基于P2P思想的新型网络拓扑结构表现出优越的搜索性能和稳定性。　　 本文针对现有的Kademlia协议在高并发、高实时性需求的环境中的优缺点进行深入分析，为了保留以分布式哈希表技术为基础的Kademlia算法资源定位的快速收敛性，提出了一种新型的基于服务节点资源池划分的改进的Kademlia网络的视频业务系统结构。新网络结构采用了基于网络连通性的准则将视频业务网的服务节点划分为若干资源池，各个资源池内部采用Kademlia进行节点组织和资源定位，保证了同一资源池内的节点间的通信响应延迟较小以及查询的返回集不过于冗余，避免了查询信息在整个网络中肆意扩散给系统网络流量带来负担。当用户请求的视频在本资源池中没有对应的视频源时，则本地资源池利用池资源调度管理节点向其他资源池请求视频资源。　　 同时，为了缓解单个资源池由于业务量增大而导致的服务过载问题，本文采取了基于用户请求量预测和租借原理的池间资源调度机制。鉴于视频服务对实时性的高要求，本文选取了轻量级的马尔科夫链预测法对用户请求量和资源池容量状态进行预报。　　 实验仿真中采用真实的用户视频请求量的trace对预测方法进行检验。结果表明，对于典型的视频业务请求，马尔科夫链预测法能够实现过载漏报率和误报率为0的精确预警，从而有助于系统根据预测结果采用资源池间调度机制来降低用户拒绝率。此外，利用P2P仿真软件OverSim对新型网络的路由机制进行性能检测。仿真实验证明对大规模视频业务网进行资源池化后，资源定位的路由算法的平均延迟时间和跳数都有明显的减小。