CN101304437A - 具有高播放连续度的p2p流媒体系统的设计方法 - Google Patents

Abstract

一种具有高播放连续度的P2P流媒体系统的设计方案，包括步骤：1.组织DHT，将系统中所有结点按照DHT的方法分布式地组织到一个P2P覆盖网上；2.有目的的数据存储，即让每个结点存储k个数据分片，k是一个较小的常数，所存储的数据分片id与结点的ID密切相关；3.数据调度算法；4.数据预取算法；5.结束。本发明与现有技术相比，其显著优点是：它是纯分布式的方法，实现起来十分简单并且可以方便地嵌入到现有P2P流媒体系统中，它能使系统中每个结点维持稳定的高播放连续度，并且带来的额外开销非常低。

Description

具有高播放连续度的P2P流媒体系统的设计方法

一、技术领域

本发明涉及一种具有高播放连续度的P2P流媒体系统的设计方法，它的使用具有能使系统以较低的额外开销保持高播放连续度的效果。

二、背景技术

目前，基于Gossip协议的P2P流媒体系统已成为P2P流媒体系统的主流。例如：Journal of Software，2006，18(2)：391-399(软件学报，2006-18(2)：391-399)公开了一种基于P2P(peer-to-peer)网络的大规模视频直播系统GridMedia.该系统采用Gossip协议构建无结构的应用层覆盖网络，每个节点可以独立地选择自己的伙伴节点。在覆盖网络上，每个节点通过一种推拉结合的流传输策略从邻居节点获取数据。

虽然改进的Gossip协议能更为明智地获取数据，但它并不能够克服Gossip协议固有的缺点：数据传播的随机性与不确定性，因此，很难保证从媒体数据源发布的每个数据分片能按时传播到每个结点，导致当前基于Gossip协议的P2P流媒体系统普遍存在着播放连续度较低的问题。播放连续度一般被认为是一个流媒体系统最重要的属性，不连续的播放效果往往要比低数据率造成的低画质效果要更损害观看体验。目前，未见有效保持P2P流媒体系统高播放连续度的设计方案。

三、发明内容

本发明目的是：提出一种具有高播放连续度的P2P流媒体系统的设计方案，通过采用基于DHT(Distributed Hash Table即分布式哈希表，一种分布式存储方法)的数据预取方法来弥补Gossip协议数据传播随机性的缺陷，从而设计出一个具有高播放连续度的P2P流媒体系统。

为实现上述目的，本发明的技术方案是：一种具有高播放连续度的P2P流媒体系统的设计方法案，包括以下步骤：

1、组织DHT，将系统中所有结点按照DHT的方法分布式地组织到一个P2P覆盖网上；

2、有目的的数据存储，即让每个结点存储k个数据分片，k是一个较小的常数，所存储的数据分片id与结点的ID密切相关；

3、数据调度算法，即每个结点从其建立连接的网络邻居中周期性地获取数据可用性信息，从而规划数据分片的获取过程；

4、数据预取算法，即系统中每个结点不断预测哪些数据分片很可能被数据调度算法遗漏，如果有认为遗漏的数据分片，就启动数据预取算法快速查找并获得它们，从而保证连续播放；

5、结束，当流媒体播放结束时终止整个过程。

步骤(1)中，所述DHT包括：

(1)连接邻居包含无结构P2P覆盖网上M个邻居；当前结点与这M个邻居建立TCP连接，周期性的数据交换仅发生在当前结点和其连接邻居之间；如果当前结点发现某个邻居已失效或者给自己提供的数据很少，即相比于其它邻居平均提供给自身的数据量不到五分之一，就从监听结点中选取时延最小的结点来替换这个邻居；

(2)DHT结点包含logN个按层排列的DHT结点；N是覆盖网最多能容纳的结点个数；对于某个结点n来说，n是该结点的ID，它的第i层DHT结点唯一需要满足的条件是必须落在区间[n+2^i-1，n+2ⁱ)中，所有结点的ID均是模N后的结果；所有的DHT结点周期性地用监听结点来更新；

(3)监听结点包含H个最近监听到的网络结点；每个结点不断地监听经过自身的路由消息，用路由消息中的结点信息更新监听结点的信息；连接邻居和DHT结点都是根据监听结点来更新的，而监听结点是通过本地监听来更新。

所述步骤(2)中，对一个结点n，设其在DHT中最近的结点是n₁，则n最终需要在其按需数据备份中保存id符合如下公式的数据：hash(id×i)％N∈[n，n₁)，i＝1，2，Λk.，hash()是一个普通的安全散列函数，％代表取模操作，这样每个数据分片最终会备份在k个不同的结点中；

结点n想离开系统，它首先找到逆时针方向离n最近的结点，然后将自身数据备份中的数据移交给n′来保存n′，所述逆时针是指系统中各个节点构成的环状网络的逆时针。

步骤(3)中，规划数据分片的获取过程：

综合考虑每个数据分片的紧迫性与稀缺性，通过公式(1)到(3)计算出每个数据分片的获取优先权：

首先计算数据分片D_i的紧迫性：

$R_i=\max \{R_{i_1},R_{i_2},\mathrm{\Λ},R_{i_n}\}$

$t_i=\frac{{\mathrm{id}}_i-{\mathrm{id}}_{\mathrm{play}}}{p}-\frac{1}{R_i},$ 那么 ${\mathrm{urgency}}_i=\frac{1}{t_i}---\left(1\right)$

将数据分片D_i的稀缺性理解为D_i在其所有提供者的缓存中都被替换掉的概率：

${\mathrm{rarity}}_i=\left(\frac{p_{i_1}}{B}\right)\×\left(\frac{p_{i_2}}{B}\right)\×\mathrm{\Λ}\×\left(\frac{p_{i_{n_i}}}{B}\right)---\left(2\right)$

数据分片D_i的获取优先权：priority_i＝max{urgency_i，rarity_i}    (3)

计算出每个数据分片的获取优先权后，数据调度器将需要获取的数据分片按优先权降序排列，获取数据分片按此优先权顺序；

上述R_i是数据分片D_i的最大获取速率、id_i数据分片D_i的id、id_play是当前正在播放的数据分片的id、t_i是数据分片D_i的过期时间、

是从第j个提供者那里获取D_i的速率、urgency_i是数据分片D_i的紧迫性、rarity_i是数据分片D_i的稀缺性、priority_i是数据分片D_i的获取优先权、B是缓存大小、p是每秒播放的数据分片数目、

是数据分片D_i在第j个提供者的缓存中的位置。

所述步骤(4)中，数据预取算法的流程：

设被预测为遗漏的数据分片是D₁，D₂，Λ，D_m，对每个数据D_i，首先需要定位到k个，也可能不足k个，备份了D_i的结点，然后选择能以最大发送速率传送D_i的结点作为D_i的预取提供者；

当结点n向一个应当备份D_i的结点n₀索取D_i时，有可能n₀也没有获得D_i，这个概率记为P_fail，一般认为n和n₀有等价的概率获得D_i，所以平均来说 $P_{\mathrm{fail}}=\frac{1}{2},$ 那么n从k个应当备份D_i的结点处都不能获得D_i的概率是这个概率是相当低的，所以绝大多数情况下遗漏数据的预取操作都能成功。

数据预取算法包含了一套称为“紧迫界线”的机制让每个结点动态、自适应地预测可能被数据调度算法遗漏的数据分片，有效地避免不必要的数据预取操作，所述“紧迫界线”的机制的基本工作原理是，

缓存中的数据分片被紧迫界线分成两部分，即紧迫部分和不急于获取部分；仅是紧迫部分的尚未获得的分片被预测为可能遗漏；

紧迫界线机制的基本公式：id_urgent＝id_head+α×B

所有尚未获得的id小于id_urgent的数据分片都被预测为遗漏数据，它们的总数目为N_miss，根据N_miss与参数l的关系，数据预取算法采取不同行为：

情形1：如果N_miss＝0，不需要启动数据预取算法；

情形2：如果N_miss≤l，启动数据预取算法并行获取所有遗漏的数据分片；

情形3：如果N_miss＞l，不启动数据预取算法；

上述α是缓存的紧迫比率、B是缓存大小、id_head是缓存头部的数据分片的id、id_urgent是紧迫界线对应的数据分片的id、N_miss是被预测为遗漏的数据分片数目、1是数据预取算法在一个调度周期中最多能获取1个遗漏分片。

参数α的计算方法：

在一个调度周期τ中，数据预取算法必须为按期获得遗漏分片的过程分配足够的时间，也就是说必须满足α×B＞p×τ和α×B＞p×t_fetch，即 $\mathrm{\α}>\frac{p}{B}\×\max (\mathrm{\τ},t_{\mathrm{fetch}}),$ 这就是α的下限和初始值。随着时间的推移，在出现下面两种情况时α需要被动态更新：

情形1——数据过期：如果发现有预取的数据获得时已经过期，说明为预取操作分配的时间不足，因此必须增加缓存紧迫数据的比例， $\mathrm{\α}\←\mathrm{\α}+\frac{p\×t_{\mathrm{hop}}}{B};$

情形2——数据重复：如果发现有预取的数据和数据调度算法按期取得的数据重复，说明预测为遗漏的数据比例过大，因此必须减少缓存紧迫数据的比例， $\mathrm{\α}\←\mathrm{\α}-\frac{p\×t_{\mathrm{hop}}}{B},$ 其中t_hop为路由一跳的时间估计值，t_fetch为一次预取操作的时间估计值。

所述步骤(4)中预测可能被数据调度算法遗漏的数据分片按照上述的“紧迫界限”机制进行。

本方法首先将系统结点组织到一个轻量级的混合式P2P覆盖网上，此覆盖网组合了无结构P2P覆盖网和结构化P2P覆盖网，结构化P2P覆盖网也就是用来实现高效数据定位的DHT。之所以称此混合式P2P网络是轻量级的，因为它所支持的DHT是松散组织的，并且其中结点状态的更新主要依靠监听经过的路由消息，所以维护开销很低。

本发明与现有技术相比，其显著优点是：它是纯分布式的方法，实现起来十分简单并且可以方便地嵌入到现有P2P流媒体系统中，它能使系统中每个结点维持稳定的高播放连续度，并且带来的额外开销非常低。

四、附图说明

图1 Peer Table结构示意图

图2紧迫界线机制基本原理示意图

五、具体实施方式

下面结合附图与具体实施方式对本发明作进一步说明。

本发明可分为4个步骤：组织DHT、有目的的数据存储、数据调度算法、数据预取算法。

1：组织DHT

本发明所设计的P2P流媒体系统称为ContinuStreaming系统，该系统中每个结点维护一张称为“Peer Table”的表，该表正是分布式Hash表的基础结构，如图1所示，它由3个部分组成：

(1)连接邻居(Connected Neighbors)包含无结构P2P覆盖网上M个邻居。当前结点与这M个邻居建立TCP连接，周期性的数据交换仅发生在当前结点和其连接邻居之间。如果当前结点发现某个邻居已失效或者给自己提供的数据很少，就从监听结点中选取时延最小的结点来替换这个邻居。

(2)DHT结点(DHT Peers)包含logN个按层(Level)排列的DHT结点。N是覆盖网最多能容纳的结点个数。对于某个结点n来说(n是该结点的ID)，它的第i层DHT结点唯一需要满足的条件是必须落在区间[n+2^i-1，n+2ⁱ)中，所有结点的ID均是模N后的结果。可见结点n在选择它的DHT结点时拥有很高的灵活性，所以这里设计的DHT是松散组织的。所有的DHT结点周期性地用监听结点来更新。

(3)监听结点(Overheard Nodes)包含H个最近监听到的网络结点。根据模拟实验经验，H＝20通常就足够了。每个结点不断地监听经过自身的路由消息，用路由消息中的结点信息更新监听结点的信息。

由上可见，连接邻居和DHT结点都是根据监听结点来更新的，而监听结点又是通过本地监听来更新，本地监听操作不需要额外的通信开销，因此本方法所设计的混合式P2P覆盖网维护开销非常低。

如果结点A想要加入覆盖网，A首先需要联系“会合服务器”(RendezvousServer)，会合服务器的IP地址是公开的，它维护系统结点的列表。会合服务器给A分配一个独一无二的ID，并给A发送一张很短的列表，其中包含着与A的ID最相近的若干现存结点的信息。假定A收到的列表是{B，C，D，E}，A首先使用UDP数据报给B、C、D、E发送PING消息来探测哪个结点离A最近且在线，结点间的距离(也就是时延)通过RTT/2来近似估计，RTT是探测消息的往返时间(Round Trip Time)。如果B、C、D都在线而E已失效，且B是其中离A最近的结点，那么A就获取B的Peer Table作为A的Peer Table的基础，同时通知B、C、D它的加入，并且通知会合服务器E已失效。

2：有目的的数据存储

对一个结点n，假设其Peer Table中最近的结点是n₁，那么n最终需要在其按需数据备份中保存id符合如下公式的数据：hash(id×i)％N∈[n，n₁)，i＝1，2，Λk.，hash()是一个普通的安全散列函数，％代表取模操作，这样每个数据分片最终会备份在k个不同的结点中。使用id×i来散列是为了平衡负载，如果使用id+i来散列，那么连续的数据分片可能会聚集在同一个结点上导致该结点负载过重。如果结点n想离开系统，它应首先找到逆时针方向离n最近的结点n′，然后将自身数据备份中的数据移交给n′来保存。如果结点n离开系统是突然的，数据移交就不可能发生，然而考虑到随着时间的流逝，n所备份的数据变得越来越陈旧和无意义，所以n的突然离开并不会给系统带来多少影响。

3：数据调度算法

每个结点和其连接邻居周期性地交换各自缓存中的数据信息，交换的周期称为“调度周期”，符号τ。在本例中设计一个数据调度器，由它来调度数据分片的搜寻与获取。每个调度周期中，结点的数据调度器首先查明连接邻居的缓存中有哪些数据分片可用，“可用”指的是这些数据分片是当前结点还没得到的。数据调度过程所涉及的各项参数列举在表1中。现有技术中，可以完成所述数据调度器功能的软件模块比较常见，在此不作进一步限制。

表1  数据调度算法的相关参数

综合考虑每个数据分片的紧迫性与稀缺性，数据调度器通过公式(1)到(3)计算出每个数据分片的获取优先权。首先计算数据分片D_i的紧迫性：

$R_i=\max \{R_{i_1},R_{i_2},\mathrm{\Λ},R_{i_n}\}$

$t_i=\frac{{\mathrm{id}}_i-{\mathrm{id}}_{\mathrm{play}}}{p}-\frac{1}{R_i},$ 那么 ${\mathrm{urgency}}_i=\frac{1}{t_i}---\left(1\right)$

我们将数据分片D_i的稀缺性理解为D_i在其所有提供者的缓存中都被替换掉的概率，这比过去的文献中普遍将D_i的稀缺性理解为 ${\mathrm{rarity}}_i=\frac{1}{n_i}$ 要更为合理：

${\mathrm{rarity}}_i=\left(\frac{p_{i_1}}{B}\right)\×\left(\frac{p_{i_2}}{B}\right)\×\mathrm{\Λ}\×\left(\frac{p_{i_{n_i}}}{B}\right)---\left(2\right)$

数据分片D_i的获取优先权priority_i＝max{urgency_i，rarity_i}    (3)

计算出每个数据分片的获取优先权后，数据调度器将需要获取的数据分片按优先权降序排列，比如排列成形如D₁，D₂，Λ，D_m。对一个数据分片D_i来说，可能有多个邻居能提供D_i，通常会选择能够最快传送D_i的邻居作为D_i的提供者。然而，这样的选择方式可能会出现冲突，比如当两个数据分片选择了同一个邻居作为提供者时，其中一个数据分片必须等待或者重选提供者。因此，为数据分片选择合适的提供者可表述为如下调度问题：如何为每一个数据分片选择一个合适的提供者，以使得过期或被替换的数据分片数目最少？实际上，即使是这个问题的一个简化版的特例(并行机调度问题)都已被证明是NP难的，因此我们使用算法1所示的贪心调度算法来试图尽早取得高优先权的数据分片，而不必追求总体最优的效果。

算法1数据调度算法：

输入：(1)按照获取优先权降序排列的数据分片D₁，D₂，Λ，D_m；

(2)每个数据分片的提供者集合S₁，S₂，Λ，S_m；

(3)结点j的发送数据率R(j)；

(4)结点j处的预期排队时间τ(j)，初始时τ(j)＝0。

输出：每个数据分片D_i的提供者supplier_i。

算法：

1  计算在此调度周期内最多能接收的数据分片数目：min(m，I×τ)；

2  for i＝1 to min(m，I×τ)do

3  设置D_i的最早获取时间t_min＝∞；

4  假设S_i中包含k个提供者

5  for j＝1 to k do

6  计算从

处获取D_i的预期时间 $t_{\mathrm{trans}}=\frac{1}{R\left(S_{i_j}\right)};$

7   $\mathrm{if}{t}_{\mathrm{trans}}+\mathrm{\&tau;}\left(S_{i_j}\right)<t_{\min }\mathrm{and}{t}_{\mathrm{trans}}+\mathrm{\&tau;}\left(S_{i_j}\right)<\mathrm{\&tau;}$

8   $t_{\min }\&LeftArrow;t_{\mathrm{trans}}+\mathrm{\&tau;}\left(S_{i_j}\right);{\mathrm{supplier}}_i{\&LeftArrow;S}_{i_j};$

9  if supplier_i≠null

10 τ(supplier_i)←t_min；

4：数据预取算法

在每个调度周期中，数据调度器预测哪些数据分片很可能被数据调度算法遗漏。因为实际上不可能精确预测到数据分片被遗漏的可能性，所以我们设计了一套称为“紧迫界线”的机制让每个结点动态、自适应地预测。图2描画了紧迫界线机制的基本工作原理。缓存中的数据分片被紧迫界线(Urgent Line)分成两部分，左边的部分是紧迫的，右边的部分并不急于获取，灰色的部分是已获得的数据，白色部分尚未获得。因此，仅是紧迫界线左边的白色数据分片被预测为可能遗漏。数据预取算法相关的参数列举在表2中。

表2数据预取算法的相关参数

参数	说明
		α	缓存的紧迫比率，需动态计算。
B	缓存大小，即缓存中能放多少分片。
		idhead	缓存头部的数据分片的id。
idurgent	紧迫界线对应的数据分片的id。
		Nmiss	被预测为遗漏的数据分片数目。
k	每个数据分片需要备份在k个结点中。
		l	数据预取算法在一个调度周期中最多能获取l个遗漏分片。

对照表2和图2，可以得出紧迫界线机制的基本公式：id_urgent＝id_head+α×B。可以看出α是紧迫界线机制的关键性参数，我们将在这一小节的最后部分详细讲述参数α的计算。所有尚未获得的id小于id_urgent的数据分片都被预测为遗漏数据，它们的总数目为N_miss，根据N_miss与参数l的关系，数据预取算法采取不同行为：

情形1：如果N_miss＝0，不需要启动数据预取算法；

情形2：如果N_miss≤l，启动数据预取算法并行获取所有遗漏的数据分片；

情形3：如果N_miss＞l，不启动数据预取算法，因为遗漏分片太多，预取将带来过大开销；

算法2描述了数据预取算法的流程。假设被预测为遗漏的数据分片是D₁，D₂，Λ，D_m，对每个数据D_i，首先需要定位到k个(有可能不足k个)备份了D_i的结点，然后选择能以最大发送速率传送D_i的结点作为D_i的预取提供者。当结点n向一个应当备份D_i的结点n₀索取D_i时，有可能n₀也没有获得D_i，这个概率记为P_fail，一般认为n和n₀有等价的概率获得D_i，所以平均来说 $P_{\mathrm{fail}}=\frac{1}{2},$ 那么n从k个应当备份D_i的结点处都不能获得D_i的概率是

这个概率是相当低的，所以绝大多数情况下遗漏数据的预取操作都能成功。

所述参数α的计算方法：

在一个调度周期τ中，数据预取算法必须为按期获得遗漏分片的过程分配足够的时间，也就是说必须满足α×B＞p×τ和α×B＞p×t_fetch，即 $\mathrm{\&alpha;}>\frac{p}{B}\&times;\max (\mathrm{\&tau;},t_{\mathrm{fetch}}),$ 这就是α的下限和初始值；

随着时间的推移，在出现下面两种情况时α需要被动态更新：

情形1——数据过期：如果发现有预取的数据获得时已经过期，说明为预取操作分配的时间不足，因此必须增加缓存紧迫数据的比例， $\mathrm{\&alpha;}\&LeftArrow;\mathrm{\&alpha;}+\frac{p\&times;t_{\mathrm{hop}}}{B};$

情形2——数据重复：如果发现有预取的数据和数据调度算法按期取得的数据重复，说明预测为遗漏的数据比例过大，因此必须减少缓存紧迫数据的比例， $\mathrm{\&alpha;}\&LeftArrow;\mathrm{\&alpha;}-\frac{p\&times;t_{\mathrm{hop}}}{B},$ 其中t_hop为路由一跳的时间估计值，t_fetch为一次预取操作的时间估计值。

算法2数据预取算法：

输入：预测遗漏的数据分片D₁，D₂，Λ，D_m，按id升序排列；

输出：每个数据分片D_i的预取提供者on-demand supplier_i；

算法：

1  for i＝1 to m do

2  为获取D_i，并行发送k条路由消息去寻找k个目标结点n₁，n₂，Λ，n_k；

3  设置D_i的最大接收速率R_i＝0；

4  for j＝1 to k do

5  对于目标结点n_j，最终将会找到逆时针方向离n_j最近的结点n_j′；

7  if n_j′已备份了D_i and n_j′的发送速率大于R_i

8  on-demand supplier_i←n_j′；

Claims (7)

1、一种具有高播放连续度的P2P流媒体系统的设计方法，其特征是采用基于DHT的数据预取方法来弥补Gossip协议数据传播随机性的缺陷，从而设计出一个具有高播放连续度的P2P流媒体系统，包括以下步骤：

(1)组织分布式哈希表DHT，将系统中所有结点按照DHT的方法分布式地组织到一个P2P覆盖网上；

(2)有目的的数据存储，即让每个结点存储k个数据分片，k是一个较小的常数，所存储的数据分片的id与结点的ID密切相关；

(3)数据调度算法，即每个结点从其建立连接的网络邻居中周期性地获取数据可用性信息，从而规划数据分片的获取过程；

(4)数据预取算法，即系统中每个结点不断预测哪些数据分片很可能被数据调度算法遗漏，如果有认为遗漏的数据分片，就启动数据预取算法快速查找并获得它们，从而保证连续播放；

(5)结束，当流媒体播放结束时终止整个过程。

2、根据权利要求1所述的一种具有高播放连续度的P2P流媒体系统的设计方案，其特征是步骤(1)中，所述DHT包括：

(1)连接邻居包含无结构P2P覆盖网上M个邻居；当前结点与这M个邻居建立TCP连接，周期性的数据交换仅发生在当前结点和其连接邻居之间；如果当前结点发现某个邻居已失效或者给自己提供的数据很少，即相比于其它邻居平均提供给自身的数据量不到五分之一，就从监听结点中选取时延最小的结点来替换这个邻居；

(2)DHT结点包含logN个按层排列的DHT结点；N是覆盖网最多能容纳的结点个数；对于某个结点n来说，n是该结点的ID，它的第i层DHT结点唯一需要满足的条件是必须落在区间[n+2^i-1，n+2ⁱ)中，所有结点的ID均是模N后的结果；所有的DHT结点周期性地用监听结点来更新；

(3)监听结点包含H个最近监听到的网络结点；每个结点不断地监听经过自身的路由消息，用路由消息中的结点信息更新监听结点的信息；连接邻居和DHT结点都是根据监听结点来更新的，而监听结点是通过本地监听来更新。

3、根据权利要求1所述的一种具有高播放连续度的P2P流媒体系统的设计方案，其特征是所述步骤(2)中，对一个结点n，设其在DHT中最近的结点是n₁，则n最终需要在其按需数据备份中保存id符合如下公式的数据：hash(id×i)％N∈[n，n₁)，i＝1，2，Λk.，hash()是一个普通的安全散列函数，％代表取模操作，这样每个数据分片最终会备份在k个不同的结点中；

结点n想离开系统，它首先找到逆时针方向离n最近的结点n′，然后将自身数据备份中的数据移交给′n′来保存′，所述逆时针是指系统中各个节点构成的环状网络的逆时针。

4、根据权利要求1所述的具有高播放连续度的P2P流媒体系统的设计方法，其特征是步骤(3)中，规划数据分片的获取过程：

综合考虑每个数据分片的紧迫性与稀缺性，通过公式(1)到(3)计算出每个数据分片的获取优先权：

首先计算数据分片D_i的紧迫性：

$R_i=\max \{R_{i_1},R_{i_2},\mathrm{\&Lambda;},R_{i_n}\}$

$t_i=\frac{{\mathrm{id}}_i-{\mathrm{id}}_{\mathrm{play}}}{p}-\frac{1}{R_i},$ 那么 $\mathrm{urgenc}{y}_i=\frac{1}{t_i}---\left(1\right)$

将数据分片D_i的稀缺性理解为D_i在其所有提供者的缓存中都被替换掉的概率：

${\mathrm{rarity}}_i=\left(\frac{p_{i_1}}{B}\right)\&times;\left(\frac{p_{i_2}}{B}\right)\&times;\mathrm{\&Lambda;}\&times;\left(\frac{p_{i_{n_i}}}{B}\right)---\left(2\right)$

数据分片D_i的获取优先权：priority_i＝max{urgency_i，rarity_i}    (3)

计算出每个数据分片的获取优先权后，数据调度器将需要获取的数据分片按优先权降序排列，获取数据分片按此优先权顺序；

上述R_i是数据分片D_i的最大获取速率、id_i数据分片D_i的id、id_play是当前正在播放的数据分片的id、t_i是数据分片D_i的过期时间、

是从第j个提供者那里获取D_i的速率、urgency_i是数据分片D_i的紧迫性、rarity_i是数据分片D_i的稀缺性、priority_i是数据分片D_i的获取优先权、B是缓存大小、p是每秒播放的数据分片数目、

是数据分片D_i在第j个提供者的缓存中的位置。

5、根据权利要求1所述的具有高播放连续度的P2P流媒体系统的设计方法，其特征是所述步骤(4)中，数据预取算法的流程：

设被预测为遗漏的数据分片是D₁，D₂，Λ，D_m，对每个数据D_i，首先需要定位到k个，也可能不足k个，备份了D_i的结点，然后选择能以最大发送速率传送D_i的结点作为D_i的预取提供者；

当结点n向一个应当备份D_i的结点n₀索取D_i时，有可能n₀也没有获得D_i，这个概率记为P_fail，一般认为n和n₀有等价的概率获得D_i，所以平均来说 $P_{\mathrm{fail}}=\frac{1}{2},$ 那么n从k个应当备份D_i的结点处都不能获得D_i的概率是这个概率是相当低的，所以绝大多数情况下遗漏数据的预取操作都能成功。

6、根据权利要求1或5所述的具有高播放连续度的P2P流媒体系统的设计方法，其特征是数据预取算法包含了一套称为“紧迫界线”的机制让每个结点动态、自适应地预测可能被数据调度算法遗漏的数据分片，有效地避免不必要的数据预取操作，所述“紧迫界线”的机制的基本工作原理是，

缓存中的数据分片被紧迫界线分成两部分，即紧迫部分和不急于获取部分；仅是紧迫部分的尚未获得的分片被预测为可能遗漏；

紧迫界线机制的基本公式：id_urgent＝id_head+α×B

所有尚未获得的id小于id_urgent的数据分片都被预测为遗漏数据，它们的总数目为N_miss，根据N_miss与参数l的关系，数据预取算法采取不同行为：

情形1：如果N_miss＝0，不需要启动数据预取算法；

情形2：如果N_miss≤l，启动数据预取算法并行获取所有遗漏的数据分片；

情形3：如果_Nmiss＞l，不启动数据预取算法；

上述α是缓存的紧迫比率、B是缓存大小、id_head是缓存头部的数据分片的id、id_urgent是紧迫界线对应的数据分片的id、N_miss是被预测为遗漏的数据分片数目、1是数据预取算法在一个调度周期中最多能获取1个遗漏分片。

7、根据权利要求7所述的具有高播放连续度的P2P流媒体系统的设计方法，其特征是所述参数α的计算方法：

在一个调度周期τ中，数据预取算法必须为按期获得遗漏分片的过程分配足够的时间，也就是说必须满足α×B＞p×τ和α×B＞p×t_fetch，即 $\mathrm{\&alpha;}>\frac{p}{B}\&times;\max (\mathrm{\&tau;},t_{\mathrm{fetch}}),$ 这就是α的下限和初始值；

随着时间的推移，在出现下面两种情况时α需要被动态更新：

情形1——数据过期：如果发现有预取的数据获得时已经过期，说明为预取操作分配的时间不足，因此必须增加缓存紧迫数据的比例， $\mathrm{\&alpha;}\&LeftArrow;\mathrm{\&alpha;}+\frac{p\&times;t_{\mathrm{hop}}}{B};$

情形2——数据重复：如果发现有预取的数据和数据调度算法按期取得的数据重复，说明预测为遗漏的数据比例过大，因此必须减少缓存紧迫数据的比例， $\mathrm{\&alpha;}\&LeftArrow;\mathrm{\&alpha;}-\frac{p\&times;t_{\mathrm{hop}}}{B},$ 其中t_hop为路由一跳的时间估计值，t_fetch为一次预取操作的时间估计值。

Images