CN104158904B - 一种云辅助移动p2p网络协同下载方法 - Google Patents
一种云辅助移动p2p网络协同下载方法 Download PDFInfo
- Publication number
- CN104158904B CN104158904B CN201410431233.7A CN201410431233A CN104158904B CN 104158904 B CN104158904 B CN 104158904B CN 201410431233 A CN201410431233 A CN 201410431233A CN 104158904 B CN104158904 B CN 104158904B
- Authority
- CN
- China
- Prior art keywords
- node
- file
- network
- download
- piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种云辅助移动P2P网络协同下载方法,云中心根据节点的计算能力进行文件片的分配,在用户层中各个节点的下载过程中,使用改进后的蚁群算法,将寻找下载速度快的节点作为蚂蚁寻路的启动因子,优选下载速度快的节点互相作为彼此的邻居节点,进而可以加速文件片向最优节点处的收敛,以全网中节点的平均下载时间最小为目标完成整个下载过程。本发明直接提高终端用户下载效率的同时,也可以间接的减少了移动终端的本地流量的花费。
Description
技术领域
本发明属于移动P2P领域,具体涉及在云中心的辅助下加快移动P2P网络中终端的下载进度的技术。
背景技术
近年来,随着移动网络的迅速发展,发展移动P2P的条件已经成熟。P2P技术在传统有线网络中得到广泛应用,例如文件共享、分布式计算、视频播放、IP层语音通话、游戏网络平台等,几乎深入到了人们生活的各个方面。因此,越来越多的研究机构对移动P2P网络的研究也逐渐活跃起来。但由于移动网络具有无线信道的物理局限、网络拓扑的动态变化、节点自身的限制、缺少基础设施的支持、移动设备的异构性等有别于有限网络的特点,使得移动P2P数据分发技术面临着诸多困难。
云计算在近几年也发展同样迅猛,在计算、存储等方面带来了众多创新性的模式与技术成果,为基于云计算实现低延时、大规模P2P文件传输提供了契机。首先,云计算环境能够提供大规模P 2 P文件传输服务器所需的计算、存储和可靠的带宽资源;其次,云计算技术具有动态可扩展特性与环境感知能力,基于运行状态监控,可实现系统资源与数据传输的动态调度,适于移动P2P对等网络环境,并可改变P2P文件传输服务器资源不可知、不可控的研究现状。
针对移动P2P网络性能不稳定问题,目前已有的基于云辅助环境下的文件分发机制主要有:(1)CALMS机制(Cloud-Assisted Live Media Streaming)(参见文献Wang F,LiuJ,Chen M.CALMS:Cloud-assisted live media streaming for globalized demandswith time/region diversities[C]//INFOCOM,2012 Proceedings IEEE.IEEE,2012:199-207.):在CALMS系统框架共分两层:云服务层和用户层。用户层在流媒体视频下载应用的高峰期,采用基于用户需求的动态分配带宽方式,提高用户观看视频过程的QoS。(2)CPAS(cloud and peer-assisted system)(参见文献Carlsson N,Dán G,Eager D,etal.Tradeoffs in cloud and peer-assisted content delivery systems[C]//Peer-to-Peer Computing(P2P),2012 IEEE 12thInternational Conference on.IEEE,2012:249-260.):该系统中,选择云中心和节点之间相互辅助的系统,是因为在文件分发的过程中,节点到云中心的下载带宽容易受到瓶颈,采用节点之间相互辅助,充分利用各个节点自身的上传带宽方式来完成文件片的转发,可以实现云中心和节点之间的负载均衡。(3)ODT机制(optimal download time)参见文献(Rodrí guez-Bocca P,Rostagnol C.Optimaldownload time in a cloud-assisted peer-to-peer video on demand service[M]//Network Optimization.Springer Berlin Heidelberg,2011:283-288.):在视频点播应用中,根据用户的上传能力来提供适应的下载带宽,采用正反馈机制来优化用户的下载时间,对于贡献大的节点提供高质量的视频点播服务,可以加快文件的下载效率。
本发明将云中心引入到移动P2P网络中,用户只需要将自己的下载请求发给云中心,云中心利用自己的强大的计算能力、网络带宽、高可靠性、及高存储等优势,将用户所需要请求的文件下载到云存储服务器,以实现用户下载资源的本地化,在直接提高终端用户下载效率的同时,也可以间接的减少了移动终端的本地流量的花费。
目前移动P2P网络中节点终端由于其显示/计算/存储/带宽能力有限;接入方式存在多种(3G/WLAN/WiMax);用户频繁加入/退出,对P2P网络稳定性和负荷产生影响;移动终端具备随身性、随时在线等特点,比固定终端更加灵活;移动P2P网络中无线带宽/链路质量不稳定,数据传输质量受影响;移动IP产生的波动,数据转发影响应用质量;用户位置随时变化,应用层路由维护开销大。因此需要引入云中心辅助优化完成移动P2P网络下终端用户获取文件的过程。
发明内容
针对以上现有技术中的不足,本发明的目的在于提供一种提高终端用户下载效率的云辅助移动P2P网络协同下载方法,本发明的技术方案如下:一种云辅助移动P2P网络协同下载方法,其包括以下步骤:
101、初始化移动P2P网络,即此时节点数量为N0;
102、在t时刻,网络中的节点终端向云中心发送文件下载请求,所述云中心响应并将待下载文件下载到云存储服务器上,云中心将用户所需要下载的文件分成大小相等的n分片,云中心再根据感知到节点终端的状态信息来估算节点终端的计算能力γ,然后根据节点终端的计算能力在全网节点终端中所占的比重确定给该节点终端所分配的文件片数量为xi;
103、启用改进的蚁群算法,其中蚁群算法中的蚂蚁相当于每一个文件分片,在分片被节点终端下载的过程中,记录节点i下载第j片文件的下载时间tij,进而推出全网的节点平均下载时间
104、当节点终端完成云中心所分配的第一片文件的下载时,就进入相互转发阶段进行数据转发,完成文件的下载。
进一步的,所述节点终端的状态信息包括内存大小、CPU型号、接入方式、电池电量。
进一步的,步骤101中初始化移动P2P网络,节点加入网络的过程服从泊松分布。
进一步的,步骤102中,节点终端的计算能力γ=ω1α1+ω2α2+ω3α3,其中权重因子ω1、ω2、ω3分别表示CPU的处理能力、内存Memory的大小、节点的带宽大小占计算能力的权重;然后计算该节点终端的计算能力占全网中所有节点的比重公式为来确定给该节点所分配的文件片数量为整个文件的大小为F。
进一步的,步骤103中,改进的蚁群算法的具体步骤为:当时,即节点i下载第j片文件的下载时间小于全网节点的平均下载时间时,蚂蚁在此节点会释放信息素,增加该节点处信息素的含量。云中心将信息素含量高的节点互相作为其邻居节点选择节点,加速文件片向最优节点处进行收敛;
当时,即节点i下载第j片文件的下载时间大于全网节点的平均下载时间,蚂蚁不在此节点会释放信息素,也不增加该节点处信息素的含量,此类节点因为下载上传带宽的限制,继续从云中心获取文件片进行下载;
进一步的,步骤104中,节点终端进入相互转发阶段后包括三个阶段,前期、中期和后期,前期是指节点终端i拥有的文件片数在总文件片数n的比重低于10%这个阶段,即:在这个阶段中,选择随机推荐邻居节点的方式进行转发;中期是指节点i拥有的文件片数在总文件片数n的比重在10%~90%这个阶段,即:在这个阶段中,采取最少片优先策略,将拥有最少片文件的节点推荐给他们的邻居节点进行转发;后期是指,指节点i拥有的文件片数在总文件片数n的比重在大于90%这个阶段,判断该节点是否需要提供上传服务,若是则随机推荐邻居节点给该节点进行数据转发,否则选取片数目相近的邻居节点进行转发。
本发明的优点及有益效果如下:
云中心根据节点的计算能力进行文件片的分配,在用户层中各个节点的下载过程中,使用改进后的蚁群算法,将寻找下载速度快的节点作为蚂蚁寻路的启动因子,优选下载速度快的节点互相作为彼此的邻居节点,进而可以加速文件片向最优节点处的收敛,以全网中节点的平均下载时间最小为目标完成整个下载过程。在云辅助移动P2P网络协调下载机制中,当终端节点通过3G/WLAN/WiMax等方式接入云中心时,云中心可以感知到节点终端的状态信息(例如:内存大小、CPU型号、接入方式、电池电量等)。当用户向云中心发出自己的下载请求后,云中心会利用自己强大的计算能力和高速的带宽,来辅助节点终端用户将其所需要的文件下载并保存在云中心,以实现资源的本地化、提高用户的下载效率和减少用户下载流量等目的。
附图说明
图1是本发明图1为本发明中云辅助移动P2P网络协同下载机制流程图;
图2为本发明中云辅助移动P2P系统框图。
具体实施方式
下面结合附图给出一个非限定的实施例对本发明作进一步的阐述。但是应该理解,这些描述只是示例的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
假设节点的加入过程服从单调递减的possion分布。在全网中的终端节点在没有获得完整的文件之前是不会离开的,且所有节点用户在网络中随机分布。终端节点的上传带宽小于其下载带宽。
如图1所示为本发明中云辅助移动P2P网络协同下载机制流程图。包括以下步骤:初始化网络节点数量,节点的动态加入过程,云中心的文件下载与分片过程,云中心到终端用户的文件片分发过程及节点之间所拥有的文件片相互转发过程。
具体包括以下步骤:
1.初始化网络节点数量N0。
节点的加入过程:由于节点的加入过程具有平稳性、无后效性、普通性,因此该过程服从possion分布。继而,可以估算出网络中的节点在t时刻的数量为N(t),即。至此,网络的节点的初始化阶段完成。
2.网络节点初始化后,云中心接受节点的下载请求,利用自己强大的计算能力从Internet将用户所需要的文件下载到云存储服务器上,进而,对文件进行切片处理,准备向网络中的节点进行下发。
起始时刻,云中心根据感知到节点终端的状态信息(例如:内存大小、CPU型号、接入方式、电池电量等),来估算节点终端的计算能力γ,然后根据节点的计算能力在全网节点终端中所占的比重来决定给该节点所分配的文件片数量为xi。
3.节点的计算能力γ:
节点的计算能力γ与CPU的处理能力、内存Memory的大小、节点的带宽大小有关,结合权重因子ω1、ω2、ω3,于是得:
γ=ω1α1+ω2α2+ω3α3
其中,ω1+ω2+ω3=1,再计算节点i的计算能力在全网中所有节点比重来确定给该节点所分配的文件片数量为(整个文件的大小为F)。
4.记录tij:
节点在下载云中心所分配的文件片的过程中,启用改进的蚁群算法,蚂蚁相当于每一个文件分片,在分片被节点下载的过程中,记录节点i下载第j片文件的下载时间tij,进而推出全网的节点平均下载时间
当时,即节点i下载第j片文件的下载时间小于全网节点的平均下载时间,蚂蚁在此节点会释放信息素,增加该节点处信息素的含量。云中心将信息素含量高的节点互相作为其邻居节点选择节点,可以加速文件片向最优节点处进行收敛。
当时,即节点i下载第j片文件的下载时间大于全网节点的平均下载时间,蚂蚁不会在此节点会释放信息素,也不会增加该节点处信息素的含量。此类节点因为下载上传带宽的限制,继续从云中心获取文件片进行下载可以提高其下载效率。
云中心在对终端节点进行文件分发的过程中,当全网节点终端所拥有的文件片总数满足时,其中,N*=1,2,…,n,即全网节点之间拥有的文件片数的总和满足至少能组成一个完整的文件时,云中心可以停止文件分发过程,重点监控节点之间的相互转发过程,为节点终端在其不同阶段推荐适合的邻居节点。
5.节点相互转发阶段:
当节点完成云中心所分配的第一片文件时,就进入相互转发阶段。
(1)前期
前期是指节点i拥有的文件片数在总文件片数n的比重低于10%这个阶段,即:
在这个阶段中,由于节点拥有的文件片数量都很少,通常选择随机推荐邻居节点的方式,就能满足节点之间快速的获取文件片。
(2)中期
中期是指节点i拥有的文件片数在总文件片数n的比重在10%~90%这个阶段,即:
在这个阶段,为了对整体的下载速率进行优化,需要采取最少片优先的策略,即:
其中,表示的是第j片文件在节点1到节点N中的分片总数。
不妨设,在t时刻,片数最少的是第j片文件,因此:
再结合片交换率(节点j到节点i获取片段的成功率):
由此公式可知:当节点i拥有的文件片数ni逐渐增大的时候,节点j到节点i获取到所需片段的成功率η也是在逐渐增大。
因此,可以通过计算各个节点的片交换率ηi(i=1,2,...,N),根据其大小进行正向排序。对拥有最少片文件的节点,推荐给它们的邻居节点(一般是5个)是片交换率大的节点,能够在中期明显提升节点的下载效率。
(3)后期
后期是指节点i拥有的文件片数在总文件片数n的比重在大于90%这个阶段,即:
有理论研究成果表明:
在BT下载进入到最后阶段,请求节点选择拥有文件片数比自身多的节点作为邻居节点,未必能提高其下载效率。原因一,拥有分片数量较少的节点被选作邻居节点的概率变小,由此它为其他节点提供上传的机会也会随之降低,由于BT采用tit-for-tat(一报还一报)机制,节点从其他节点下载的速度也会变慢。二由于BT系统的上载策略是选择给它共享过的节点提供上传服务,由于节点只选择分片数量比自己多的节点作为邻居节点,造成它提供给邻居节点的服务会非常少,从而它也无法从邻居节点得到想要的分片。
请求节点选择片数比自己少的节点作为邻居节点时,自身对邻居节点的兴趣度也不高,因此有可能请求节点自身将其邻居节点阻塞。因此下载成功率也不高。
所以,在最后阶段,为了保证节点有比较高的下载速率,改进的邻居节点选择方案是:把与资源请求节点片数相同节点作为邻居节点。因为,对一个比较大的文件而言,按一定比例进行分片以后,分片的数量其实也是很大的。对于片数相同的节点之间,彼此拥有对方感兴趣的分片的概率也是很大的;而且根据BT中的tit-for-tat机制,片数相同的节点之间,分片交换的成功率也很大。
应用到云辅助移动P2P网络中,在节点的资源下载进入到最后阶段,需要结合实际情况进行分类讨论:
①.当网络需要此类节点提供上传服务时,是因为:
其中:N*=1,2,…,n。即当有k个节点进入最后阶段时,全网中的其他(N-k)节点所拥有的文件片的总和不能组成一个完整的资源文件时,需要这k个节点继续留在网络中,继续提供上传服务。因此,此时在节点之间转发过程的最后阶段应采取随机推荐邻居节点的方式进行。
②.当网络不需要此类节点提供上传服务时,是因为:
其中:N*=1,2,…,n。即当有k个节点进入最后阶段时,全网中的其他节点(N-K)所拥有的文件片的总和有能力重新组成一个完整的资源文件时,不需要此类节点长期呆在网络中;同时由于新增节点的不断加入,此类节点长期呆在网络中会增加网络的负担,从而影响到其他节点的下载效率。因此,需要一种高效的邻居节点选择策略来保证其快速完成整个下载任务,从而及时离开网络。
此时,邻居节点的选择方案是:选择与请求节点用于的文件片数相同的节点作为邻居节点,并对所提供的邻居节点进行满意度评估,选择满意度大的节点作为邻居节点。
6.目标函数:
(1)全网节点的平均下载时间ADT(the average download time)
全网节点的平均下载时间越短,则说明云辅助移动P2P文件分发系统的执行效率越高。
(2)节点的下载时间的方差σT
节点的下载时间的方差越小,则说明云辅助移动P2P文件分发系统的公平性越高。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明方法权利要求所限定的范围。
Claims (4)
1.一种云辅助移动P2P网络协同下载方法,其特征在于,包括以下步骤:
101、初始化移动P2P网络,即此时节点数量为N0;
102、在t时刻,网络中的节点终端向云中心发送文件下载请求,所述云中心响应并将待下载文件下载到云存储服务器上,云中心将用户所需要下载的文件分成大小相等的n分片,云中心再根据感知到节点终端的状态信息来估算节点终端的计算能力γ,然后根据节点终端的计算能力在全网节点终端中所占的比重确定给该节点终端所分配的文件片数量为xi;
103、启用改进的蚁群算法,其中蚁群算法中的蚂蚁相当于每一个文件分片,在分片被节点终端下载的过程中,记录节点i下载第j片文件的下载时间tij,进而推出全网的节点平均下载时间改进的蚁群算法的具体步骤为:当时,即节点i下载第j片文件的下载时间小于全网节点的平均下载时间时,蚂蚁在此节点会释放信息素,增加该节点处信息素的含量;云中心将信息素含量高的节点互相作为其邻居节点选择节点,加速文件片向最优节点处进行收敛;当 时,即节点i下载第j片文件的下载时间大于全网节点的平均下载时间,蚂蚁不在此节点会释放信息素,也不增加该节点处信息素的含量,此类节点因为下载上传带宽的限制,继续从云中心获取文件片进行下载;
104、当节点终端完成云中心所分配的第一片文件的下载时,就进入相互转发阶段进行数据转发,节点终端进入相互转发阶段后包括三个阶段,前期、中期和后期,前期是指节点终端i拥有的文件片数在总文件片数n的比重低于10%这个阶段,即:在这个阶段中,选择随机推荐邻居节点的方式进行转发;中期是指节点i拥有的文件片数在总文件片数n的比重在10%~90%这个阶段,即:在这个阶段中,采取最少片优先策略,将拥有最少片文件的节点推荐给他们的邻居节点进行转发;后期是指,指节点i拥有的文件片数在总文件片数n的比重在大于90%这个阶段,判断该节点是否需要提供上传服务,若是则随机推荐邻居节点给该节点进行数据转发,否则选取片数目相近的邻居节点进行转发,完成文件的下载。
2.根据权利要求1所述的云辅助移动P2P网络协同下载方法,其特征在于,所述节点终端的状态信息包括内存大小、CPU型号、接入方式和电池电量。
3.根据权利要求1所述的云辅助移动P2P网络协同下载方法,其特征在于,
步骤101中初始化移动P2P网络,节点加入网络的过程服从泊松分布。
4.根据权利要求1所述的云辅助移动P2P网络协同下载方法,其特征在于,步骤102中,节点终端的计算能力γ=ω1α1+ω2α2+ω3α3,其中权重因子ω1、ω2、ω3分别表示CPU的处理能力、内存Memory的大小、节点的带宽大小占计算能力的权重;然后计算该节点终端的计算能力占全网中所有节点的比重公式为来确定给该节点所分配的文件片数量为整个文件的大小为F。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410431233.7A CN104158904B (zh) | 2014-08-28 | 2014-08-28 | 一种云辅助移动p2p网络协同下载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410431233.7A CN104158904B (zh) | 2014-08-28 | 2014-08-28 | 一种云辅助移动p2p网络协同下载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104158904A CN104158904A (zh) | 2014-11-19 |
CN104158904B true CN104158904B (zh) | 2017-07-28 |
Family
ID=51884309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410431233.7A Active CN104158904B (zh) | 2014-08-28 | 2014-08-28 | 一种云辅助移动p2p网络协同下载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104158904B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868068A (zh) * | 2015-12-03 | 2016-08-17 | 乐视移动智能信息技术(北京)有限公司 | 终端设备开机视频的下载优化方法及装置 |
CN105812455B (zh) * | 2016-03-07 | 2018-11-06 | 北京邮电大学 | 一种移动Ad hoc网络中协同下载的方法和装置 |
US9961139B2 (en) | 2016-05-24 | 2018-05-01 | International Business Machines Corporation | Cooperative download among low-end devices under resource constrained environment |
CN108920272A (zh) * | 2018-06-08 | 2018-11-30 | 中国平安人寿保险股份有限公司 | 一种数据处理方法、装置、计算机设备及存储介质 |
CN108810145A (zh) * | 2018-06-13 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种基于p2p的多节点内容分发网络系统及方法 |
CN117061503B (zh) * | 2023-10-11 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 镜像文件管理方法、装置、计算机可读介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932422A (zh) * | 2012-09-29 | 2013-02-13 | 南京邮电大学 | 基于改进蚁群算法的云环境任务调度方法 |
CN103345657A (zh) * | 2013-04-02 | 2013-10-09 | 江苏大学 | 云计算环境下基于遗传和蚁群的任务调度方法 |
CN103412792A (zh) * | 2013-07-18 | 2013-11-27 | 成都国科海博计算机系统有限公司 | 一种云计算平台环境下的动态任务调度方法及装置 |
CN103970609A (zh) * | 2014-04-24 | 2014-08-06 | 南京信息工程大学 | 一种基于改进蚁群算法的云数据中心任务调度方法 |
-
2014
- 2014-08-28 CN CN201410431233.7A patent/CN104158904B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932422A (zh) * | 2012-09-29 | 2013-02-13 | 南京邮电大学 | 基于改进蚁群算法的云环境任务调度方法 |
CN103345657A (zh) * | 2013-04-02 | 2013-10-09 | 江苏大学 | 云计算环境下基于遗传和蚁群的任务调度方法 |
CN103412792A (zh) * | 2013-07-18 | 2013-11-27 | 成都国科海博计算机系统有限公司 | 一种云计算平台环境下的动态任务调度方法及装置 |
CN103970609A (zh) * | 2014-04-24 | 2014-08-06 | 南京信息工程大学 | 一种基于改进蚁群算法的云数据中心任务调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104158904A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104158904B (zh) | 一种云辅助移动p2p网络协同下载方法 | |
US9130958B2 (en) | Terminal, seed server, and tracker server for reducing delay in streaming service | |
US10708350B2 (en) | Method and system for content delivery of mobile terminal applications | |
CN102355448B (zh) | 云流媒体数据传输方法及系统 | |
Zhong et al. | Deep multi-agent reinforcement learning based cooperative edge caching in wireless networks | |
US20140258536A1 (en) | Application delivery controller and global server load balancer | |
CN101997922B (zh) | 基于代价优化的p2p流媒体覆盖网拓扑构造调整方法 | |
CN105830419B (zh) | 优先化对象通过网络的传播的对等网络 | |
CN101331739A (zh) | 对等网络内容传输方法及装置 | |
US9591069B2 (en) | Peer-to-peer assist for live media streaming | |
Jiang et al. | Efficient D2D content caching using multi-agent reinforcement learning | |
EP2044525A1 (en) | Multi-party cooperative peer-to-peer video streaming | |
CN110392020A (zh) | 一种流媒体资源的传输方法及系统 | |
CN104767796B (zh) | 一种基于移动p2p的车联网热点资源管理方法 | |
CN103685497B (zh) | 一种在线存储共享方法和系统 | |
CN110324175B (zh) | 基于边缘缓存的网络节能方法及系统 | |
CN101668037A (zh) | 一种p2p网络的调度方法 | |
Koskela et al. | RADE: Resource-aware distributed browser-to-browser 3D graphics delivery in the web | |
Chung et al. | A batch join scheme for flash crowd reduction in iptv systems | |
Jiang et al. | A replica placement algorithm for hybrid CDN-P2P architecture | |
CN108449374B (zh) | Web3D虚拟场景对等传输数据调度方法及平台 | |
Wang et al. | A general p2p scheme for constructing large-scale virtual environments | |
CN107800567B (zh) | 一种混合模式的p2p流媒体网络拓扑模型的建立方法 | |
Kawakami et al. | A load distribution method based on distributed hashing for P2P sensor data stream delivery system | |
Mori et al. | DCLA: Distributed chunk loss avoidance method for cooperative mobile live streaming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |