基于相似性的p2p网络资源发现策略分析.docx

摘要
近几年,随着网络规模的不断扩大,网络中海量的资源给传统网络应用带来新的挑战。基于网络资源(包括 CPU 处理、存储、服务等)的不断增多,其组织、获取、分析、处理等操作也逐渐成为资源发现领域中新的研究方向。传统的网络模型主要依赖中心服务器对资源进行集中控制,存在单点失效、负载不均衡等很多潜在的缺陷,从而促使了新的网络模型——P2P 网络的出现。P2P 网络具有自组织性、可扩展性、对称性以及容错能力强等优点,克服了传统网络模型中所存在的瓶颈。
P2P 网络应用中,分布式的资源发现技术已成为网络研究的热点问题。如何在一个庞大的 P2P 系统中快速准确的定位和发现用户所需资源尤其关键。在结构化网络中,基于分布式哈希表的方法只支持单关键字的精确查询,由于 P2P 网络的高度动态特性使得网络拓扑及其存储规则的维护非常困难。非结构化网络能适应节点的高度动态变化,容错能力较强,但是搜索具有不确定性,且容易产生较多的冗余消息。因此,本文结合结构化 P2P 网络和非结构化的 P2P 网络的特点以及在资源发现方面的优缺点,设计出一种分组式的 P2P 系统,该系统由两部分组成:一部分是以超级节点为服务器的结构化网络,另一部分是具有随机链接的非结构化网络。将网络中的节点根据改进的兴趣相似性算法进行分组;组内选择性能较优的节点作为服务节点,用来维护和管理该分组内的普通节点以及相邻超级节点的基本信息。
运用相似性度量的方法计算用户的兴趣相似和用户行为相似值,根据兴趣相似程度的不同将网络节点进行分组,实现网络拓扑的结构化分布;提出基于混合相似性的资源发现策略,在一定消息耗费的前提下实现网络资源的精确查询。本文的研究工作和创新点包括以下几个方面:
(1)引入信息熵估算感兴趣资源在文件信息量中的概率,改进兴趣相似度计算过程中余弦相似度的计算方法;引入节点访问路径 C 和访问时间 T 两个计算因子,使用内积的计算方法计算对象的时间相似系数,反映对象之间的行为相似程度。
(2)提出一种基于混合相似性的资源发现机制研究策略,该策略综合改进的兴趣相似度算法和行为相似度算法实现 P2P 网络中资源信息的查询,从而提高了资源发现的效率。
(3)提出一种分组式 P2P 网络拓扑模型,该模型在组内进行相似度查询、组外使用消息广播的形式进行资源发现。分组式 P2P 网络中用到了超级节点之间的链接和资源传送,超级节点是兴趣覆盖网络中性能比较好的节点,它记录了兴趣网中其它普通节点的基本信息,方便资源的查询。同时,在超级节点中设置缓存,用来记录历史查询的相关信息,从而为快速查询和负载均衡提供一些方便。
关键字:分组式 P2P,兴趣分组,资源发现,混合相似性中图分类号:TP393
I
Resource discovery strategy research in work based on the similarity
ABSTRACT
In recent years, along with work constant expansion, the huge amounts of resources work bring new challenges to work applications.
work resources include CPU processing, storage, service, etc. Based on these
resources has increased, anization, access, analyze and processing operation gradually e the new research direction in resource discovery field. The work model relying mainly on center server resources for centralized control, existing single-point failure, load the imbalance of many potential defects, which prompted work model—works to appear. work has anizability, expansibility, symmetry and fault-tolerant ability etc, over- come the existence of the bottleneck in work model.
Distributed resource work technology has e a hotspot in work applications. So how