论文部分内容阅读
在复杂多变的网络环境下,覆盖网络与物理网络之间普遍存在着拓扑不匹配问题。拓扑不匹配问题会给网络造成不必要的压力,影响系统的效率和可扩展性等。缓解拓扑不匹配问题有助于提高网络寻址效率、减少冗余流量、降低端到端时延。随着计算机和通信技术的不断发展,互联网的规模不断增大,网络节点的地理位置分布范围扩大、移动性增强,极大地增加了网络的动态性,尤其是节点的频繁加入、退出和失效,严重地加剧了大规模网络中覆盖网络与物理网络的不匹配问题。为了缓解该问题,本文提出了一种基于测量的启发式拓扑匹配优化算法(Measurement-based Heuristic Topology Matching Optimization Algorithm,MHTMOA),该算法包括了节点加入、退出和失效算法,用于维护一个或者多个树形覆盖网络。该算法的主要优点在于:1)通过网络测量技术获取底层物理网络中节点间的跳数信息,简单地利用跳数三角形的边长关系,就可有效地将相近节点逐渐地汇聚;2)允许对跳数进行粗粒度的比较,并通过三角不等式违反(Triangle Inequality Violation,TIV)感知以及启发式规则选择邻居节点,每个节点最终可获得一个准确度较高的邻居节点集合;3)在节点频繁加入、退出和失效的场景下,节点之间也能保持高一致性的近邻关系。除了传统的时延伸缩比(Latency Stretch,LS)外,本文还定义了全局拓扑匹配比(Global Topological Matching Ratio,GTMR)和局部邻居节点准确率(Local Neighborhood Accuracy,LNA)这两个量化指标,以便更精确地衡量拓扑一致性。评价结果表明,相较于现有算法,提议算法的GTMR和LNA提升显著,LS降幅可达53%,从而更好地缓解了拓扑不匹配问题。