无结构对等网络资源聚集模型

2014-03-13郑晓健等

价值工程 2014年5期

郑晓健等

摘要：针对P2P网络规模的扩大使基于洪泛的检索方法易产生严重的通信消耗问题，提出一种区域资源聚集模型，对非结构化对等网络中分散的资源进行分层聚集，形成大粒度的资源实体，从而显著缩减网络规模，并综合考虑影响资源检索命中率的多种因素，构造资源引用价值衰减函数来调节描述资源实体的引用价值向量和矩阵。检索时从区域资源簇中具有最大引用价值的资源组开始逐步寻找所要的资源。实验证明，该方法的消息转发范围得到控制、检索命中率有显著提高。

关键词： P2P网络；资源聚集；引用价值衰减；消息扩散

中图分类号：TP393.01 文献标识码：A 文章编号：1006-4311（2014）05-0013-05

0 引言

随着P2P网络规模的扩大和资源的分散存储使节点的相邻节点大量增加且节点间的最大路径增大，洪泛和随机漫步等传统检索方法因此产生了大量无效通信，占用了网络带宽[1，7，11]，而大部分网络节点的瓶颈在于通信时的带宽，计算和存储能力相比带宽约束可以忽略[2，12]，因此提高有效通信成为研究的焦点。

一些P2P网络利用社会特性构建新型网络结构和调整查找策略，节点转发消息的范围得到控制，使情况有所好转[1，3]。

文献[3]提出的Social Search模型将具有类似兴趣的节点组成兴趣簇，通过比较查询请求与簇中节点的兴趣相似度实现资源检索，其中跨簇节点负责簇间消息的转发。由于未限定簇的规模，大型簇产生的突发性簇间通信会使跨簇节点过载。

文献[4]提出建立一个可分层的树型自治系统模型，并给出相应的路由发现和更新算法，该模型可伸缩性好，通过动态调节保证路由效率。

文献[1]提出一种通过资源引用效果、信任度和动态响应效率多因素选择查找路径的方法，并且发现引用效果会随时间而衰减，因此采用基于时间的衰减函数对资源检索进行修正，使命中率得到提高。但该方法没有考虑资源访问量的增加会延缓引用价值的衰减，另外，只通过时间因素对资源引用价值的衰减方式会造成部分资源特别是稀有资源的快速边缘化，不利于资源的有效利用。为此本文提出P2P网络区域资源聚集模型（Regional Resource Aggregation， RRA），根据资源的聚集效应[1]，将分散在网络节点中的资源分层、分类聚集为资源分组、区域和簇，并简化链接结构，让松散链接的小粒度的网络节点变成为可伸缩性良好的大粒度的资源实体。各实体设置资源引用价值向量，通过多因素综合构造的资源引用价值衰减函数动态调节实体的引用价值。查找资源时检索请求按类匹配区域资源簇，从簇中选择引用价值最大的资源组开始寻找要检索的资源，若查找不成功再将查找范围逐步扩大到其他资源组或区域。实验结果表明，该方法有效控制了消息转发范围、提高了检索命中率。

1 区域资源聚集模型的建立

1.1 模型描述

RRA模型的资源检索方法是基于引用价值的。从总体变化趋势上，资源的引用价值随时间在不停地衰减[1]，但是同时存在多种影响资源引用价值衰减的因素，首先，如果节点资源不断被其他节点访问，说明该节点资源的影响力在持续甚至扩大，引用价值的衰减会延缓；另外，节点的度具有幂率分布特征，高度数节点的命中率较高且比较稳定[7，8]，因而其资源的影响力和引用价值能够长时间维持在较高水平上；最后，资源引用价值的衰减应该进行差异化处理。稀有资源的检索命中率一般都很低[9]，为了保证资源特别是稀有资源不因长期不被访问，而使引用价值迅速衰减，RRA采取两段式衰减策略即设置资源引用最低保证值，使资源在没有达到设定访问次数前其引用价值不会快速衰减，超过最低保证值后才正常衰减。

P2P网络中新节点的加入和退出是频繁发生的事件[]，特别是对于那些暂时未被区域覆盖到的节点必须及时加入到确定的区域内，因为孤点将会影响检索命中率。RRA采用就近加入区域的方法即挑选已经属于某区域的邻近节点帮助发送加入区域请求，获得批准后即可成为区域节点。

加入过程需要更新区域各资源组引用价值向量，接纳节点的中心节点消息可立即更新，其他中心节点的更新由路经的消息携带更新信息去各中心节点更新。

节点退出，普通节点的退出先要更新资源组中心节点消息，中心节点的更新需要先在本资源组挑选接任者，再通知组员和区域各组，更新方法与加入时相同。

1.3 基于区域资源簇的检索策略

RRA模型以资源簇引用价值为基础，从最大引用价值开始按类匹配资源组的检索策略。

节点s产生查找资源r的请求q（r，sIP）并发送给其资源组的中心节点（如果是跨区域节点可以选择资源组发送或都发送），通过归类查询获知r∈mi，利用中心节点的区域引用价值矩阵获取该区域的mi资源簇，按照该资源簇的引用价值由高到低的顺序向对应的资源组的中心节点发送检索请求或者同时向所有资源组的中心节点发送检索请求，由资源组在组内查询资源r，然后通过sIP返回查询结果。

如果在规定时间内未获得返回消息，则通过跨区域中心节点的区域引用价值矩阵的mi资源簇，选择其他区域并发送查询请求q（r，sIP），接收到请求的区域按照上述过程进行检索。

基于区域资源簇的检索算法：

2 实验结果与分析

借鉴文献[1，6，13]提出的简化的NS2网络模拟软件，采用VC++6.0和SQL Server2008数据库开发的P2P网络模拟程序进行实验。

程序让每一个节点具有模拟的网络连接、计算和存储能力，方法是在关系数据库中建立关系表描述节点的信息和邻接关系，节点间的邻居关系由邻接关系表描述，节点的计算和存储能力由节点信息表描述即设节点计算和存储能力数据域，对节点计算和存储能力的量化方法是设立由低到高10个等级以表示节点的能力值。endprint

实验过程是用功能命令完成，执行命令就是执行关系查询。通过关系查询获得节点的邻居关系，节点间转发消息即在节点信息表中查找邻居节点的记录。

由于实际P2P系统中节点的加入和退出、节点间的连接状况（网络延迟或故障）、节点查找请求的时机、查找的文件等都是随机的和有一定时延的，因此由程序随机产生功能命令及其参数，由相应关系查询完成，节点间通信的网络延迟通过计时器的计时中断实现。实验结果表明模拟程序可以保证P2P规模和单位时间查找请求数量及网络消息的随机性。

资源检索命中率实验由模拟软件按表3所定的系统参数进行。建立节点信息表记录节点信息及其邻接关系；用RRA区域资源聚集算法按表3建立3种规模的模拟网络；通过模拟软件以不同速率随机产生节点的资源查询请求，并利用区域资源簇的检索算法查找资源；计算出所有规模的检索命中率的平均值，将RRA的实验结果与SocialSearch和Kazaa进行比较，结果如图6、7、8所示。

可以看出，RRA的检索命中率有明显提高，而且区域数和组规模对实验结果有较大影响，设置较大区域数和组规模可以明显减少检索跳数，原因是减少了区域包含的资源组数，但也明显增加了跨区域检索消息量，从而增加跨区域节点的负荷。

另外，对部分孤点的检索需要较大的检索跳数，可以通过强制要求节点及时主动地寻找管辖区域，并更新引用价值矩阵的方法减少孤点。

3 结束语

本文提出建立区域资源聚集模型，实现P2P网络资源实体的聚集方法。

通过定义的资源聚集运算实现了资源的分层聚集，资源组中心节点保存区域资源引用价值矩阵，并通过资源簇实现资源的按类检索，RRA模型从逻辑上缩减网络规模，使按照资源类型的查询更加高效，较好地控制了无效网络通信消息的扩散，提高了稀有资源检索命中率。

参考文献：

[1]Huang Yong-Sheng， Meng Xiang-Wu， Zhang Yu-Jie. Strategy of Content Location of P2P Based on the Social Network[J]. Journal of Software， 2010，21（10）：2622-2630.

[2]Ge Zihui，Figueiredo D R Jaiswai S，et al.Modeling Peer to Peer File Sharing Systems[c]//Proc of the 22nd Annual Joint Conference on IEEE Computer and Communications Societeis，San francisco：IEEE Press，2003：2188-2198.

[3]Chen Zhuo， Xue Fei-teng. P2P Resource Searching Strategy Based on Social Characteristics[J]. Computer Engineering，2012，38（6）：32-36.

[4]Ye Jian-Hong，Sun Shi-xin，Zhang Yun-sheng，et al.New self-orgnizing P2P Network and Routing Agarithm[J].Application Research of Computers，2009，26（1）：306-310.

[5]Li Shao-jing，Su Wan-li.Research on Reputation Model Based on Interest Group in P2P File Sharing System[J].Computer Science，2013，40（2）：129-132.

[6]Zhang Tian， Mao Li， Zhang Zhao-xin. Simplified routing simulation strategy for NS2[J]. Computer Engineering and Design，2011，32（2）：386-388.

[7]Ma Wen-Ming， Meng Xiang-Wu， Zhang Yu-Jie， et al. Bidirectional Random Walk Search Mechanism for Unstructured P2P Network [J]. Journal of Software， 2012， 23（4）： 894-911.

[8]Tang Daquan， He Mingke， Meng Qingsong. Research on Searching in Unstructured P2P Network Based on Power-Law Distribution and Small World Character [J]. Journal of Computer Research and Development， 2007， 44（9）：1566-1571.

[9]Xu Hai-Mei，Lu Xian-Liang，Ge Li-Jia，et al，Rare Resources sharing mechanism in unstructured P2P networks[J].Journal of electronics & information technology，2009，31（8）：2029-2032.

[10]Ma Wen-Ming， Meng Xiang-Wu， Zhang Yu-Jie， et al. Bidirectional Random Walk Search Mechanism for Unstructured P2P Network [J]. Journal of Software， 2012， 23（4）： 894-911.

[11]Ren Li-yong， Lei Ming， Zhang Lei. Data Traffic Optimization in P2P Application Layer[J]. Journal of University of Electronic Science and Technology of China，2011，40（1）：111-115.

[12]Wei Wen-hong， Liang Ke-jie， Wang Gao-cai.CPN：A P2P Model Based on Small-world Network[J]. Computer Engineering，2010，36（13）：15-17.

[13]Hoong P K， Matsuo H. Push-pull two-layer super-peer based P2P live media streaming[J]. Journal of Applied Sciences， 2008， 8（4）： 585-593.endprint