CN107800567B - 一种混合模式的p2p流媒体网络拓扑模型的建立方法 - Google Patents

Abstract

本发明公开了一种混合模式的P2P流媒体网络拓扑模型的建立方法，将整个流媒体网络构建成社区结构并划分成核心层和接入层，通过与经典的CoolStreaming模型对比，验证了所提的混合网络模型在服务器负载、平均启动延迟和系统抖动率等参数指标上优于CoolStreaming模型，整体性能有一定的提高。本专利所提出的混合模型的服务器负载比相同条件下CoolStreaming模型的服务器负载小、具有更低的启动延迟且具有具有更小的系统抖动率，支持更多的并发访问。

Description

一种混合模式的P2P流媒体网络拓扑模型的建立方法

技术领域

本发明涉及一种混合模式的P2P流媒体网络拓扑模型的建立方法。

背景技术

目前流媒体的数据传输网络模式经历了以下几个阶段：

(1)首先是传统的客户机/服务器(C/S)模式，用户如果要获取视频资源，必须要连接相应的服务器，然后从服务器上下载视频资源，只是一种“点对点”的视频点播服务，获取数据的方式采用了最简单的单播技术，该模式的优势在于技术简单成熟，但正是由于用户获取数据都要从从服务器上下载，导致系统对中心服务器的依赖性过重，中心化程度过高，当用户数量急剧增加时，系统的服务能力大大降低，系统稳定性较差，同时也存在浪费带宽资源的问题，所以传统的C/S模式并不适用于海量用户接入网络的情形，无法满足大型企业流媒体数据传输的应用需求。

(2)针对C/S模式对单一节点依赖性高的问题，人们采用P2P技术实现流媒体数据分发，该模式下用户自身可以上传流媒体数据，这在极大程度上实现了大规模的数据分发，但P2P网络结构具有明显的无中心性特征，导致网络存在很大的不确定性，此外，普通节点的带宽资源有限，导致上传流媒体数据的时间过长，很难满足流媒体数据传输的实时性要求。

(3)随着CDN技术的兴起，更多的流媒体数据传输模式逐渐被提出，包括基于多树覆盖的内容分发模型，该模型采用了P2P技术实现视频数据的实时传输；Napster采用P2P模式实现了音乐数据的传输；基于CDN和P2P 混合技术的Pando Network可以实现较高的流媒体服务质量。这些新的流媒体数据传输模式从系统服务质量、节点带宽资源利用、系统稳定性等方面展开了深入的分析，对流媒体网络构造进行了全面的评价。

上述模型主要基于资源的定位、查询、分发效率等问题进行研究，很少从网络的本质属性出发。随着复杂网络理论的逐渐成熟，基于复杂网络理论的拓扑构建方法引起了众多研究学者的关注。网络拓扑由最初的规则网络演化为随机网络，能够客观反映规模较小的计算机网络拓扑演化规律，但是对于当前日益增长的网络规模和用户数量，采用结构相对简单的随机网络难以描述拓扑行为的演化规律。

发明内容

为了解决目前流媒体的数据传输质量受条件所限而不稳定的技术问题，本发明提供一种可有效提高流媒体传输效率及效果的混合模式的P2P流媒体网络拓扑模型的建立方法。

为了实现上述技术目的，本发明的技术方案是，

一种混合模式的P2P流媒体网络拓扑模型的建立方法，包括以下步骤：

步骤一：根据小世界模型建立网络拓扑模型的核心层，所述的核心层包括互相通信连接的服务器和多个社区头节点；

步骤二：根据BA模型建立网络拓扑模型的接入层，所述的接入层包括互相通信连接的社区头节点和社区普通节点，其中一个社区头节点和与该社区头节点通信连接的多个社区普通节点组成一个社区。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，步骤一中所述的根据小世界模型建立网络拓扑模型的核心层包括以下步骤：

(1)从拥有N个社区头节点的规则网络开始，任意节点向最近k个节点连接k条边，并满足N>>k>>1,任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连；

(2)随机重连概率为p，p取值为0-1，即对于任意边，都具有p的概率改变其目标连接节点去重新连接其他节点，同时保证无自连接及重连接，继而形成pNk/2条长距边将节点与远端节点相连接，生成小世界网络。这里的p 的取值能够代表当前网络形式。规则网络和随机网络分别对应p＝0和p＝1的情况，小世界网络对应0<p<1的情况。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，步骤二中所述的根据BA模型建立网络拓扑模型的接入层包括以下步骤：

(a)注册：节点联系网络中的服务器，由服务器根据新加入节点所在的地域信息将其物理地址分配到相应的社区；

(b)建立邻居关系：根据该社区内节点的带宽和节点的数据传输延时作为粘度，然后计算社区内所有节点粘度的大小并进行排序，优先选择前m个节点作为邻居节点，建立邻居关系列表，相连接的节点之间能够进行流媒体传输，并能够通过邻居节点实现与社区内的节点相互通信；

(c)通信：节点向邻居节点进行资源请求，进行流媒体数据传输。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，步骤(b) 中所述的计算节点粘度包括以下步骤：

将节点的带宽和节点的数据传输延时作为节点的粘度，当新节点加入网络时，根据网络中已有节点的粘度数值大小来选择需要连接的节点，粘度的计算公式如下：

其中，B_i为节点i带宽，l_ki为节点j到节点i的传输延时。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，还包括节点退出网络的步骤，所述的节点退出网络的步骤包括：

正常退出步骤：普通节点正常退出网络时，向社区里的其它节点发送退出通知，当邻居节点收到该节点发来的退出网络的消息时，删除与该节点的连接关系，当社区头节点收到该退出消息时删除与该节点相关的资源信息，完成退出；社区头节点正常退出网络时，首先在该社区结构内推选一个新的社区头节点取代其位置，并将要退出的头节点相关连接移植到新的社区头节点，然后重置社区头节点之间邻居关系，完成退出；

突发退出步骤：如果该节点是普通节点，其邻居节点在一定时间内没有响应则转向与其它的邻居节点通信，删除与该节点的连接关系；如果该节点是头节点，在社区内所有普通节点都无法获取信号时则根据社区内节点的综合性能排序，选择具有最佳综合性能的节点取代其位置，并将相关连接植到新的社区头节点，重置社区头节点之间邻居关系。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，还包括社区自适应更新的步骤，所述的社区自适应更新包括以下步骤：

更新社区头节点：以带宽和在线时间的加权作为节点综合性能的评价依据，计算节点的综合性能，选取社区内综合性能最佳的节点作为社区头节点。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，所述的社区自适应更新还包括社区分裂与合并的步骤：

社区分裂步骤：

(1)从社区中选择一个综合性能最佳节点作为分裂后的社区的头节点；

(2)社区内的节点随机的选择留在本社区还是分裂后的新社区；

(3)节点加入新的社区，开始和邻居节点进行信息交互；

社区头节点之间重新构建小世界网络模型；

社区合并步骤：

(1)从两个要合并的社区的头节点中选出综合性能更优秀的节点作为合并后社区的头节点；

(2)清除掉另外一个社区所有邻居节点的描述信息；

(3)社区内节点加入到合并后的社区中，社区的规模减少一个。

所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，所述的节点的综合性能的计算步骤为：

其中a和(1-a)分别是带宽和在线时间的权重，节点的带宽和在线时间分别用B_i和T_i表示，该网络中拥有最大带宽的节点的带宽值为B_max，T_sum表示当前视频资源总共的播放时间。

本发明的技术效果在于，通过模拟大约1500个节点，运行过程中新的节点不断的加入网络，节点的带宽为400kbps-1024kbps，节点之间的通信采用 PeerSim中的URT算法，即通信时间用数据传输时间加上一个固定范围内的随机值进行模拟。实验中比较了CoolStreaming模型和混合模型在相同条件下的服务器负载大小、平均启动延迟和抖动率三项参数。本专利所提出的混合模型的服务器负载比相同条件下CoolStreaming模型的服务器负载小、具有更低的启动延迟且具有更小的系统抖动率，支持更多的并发访问。

下面结合附图对本发明作进一步说明。

附图说明

图1为现有流媒体网络架构图；

图2为本发明的混合流媒体网络结构图；

图3为核心层小世界模型示意图；

图4为规则网络、小世界网络、随机网络的网络结构示意图。

具体实施方式

步骤一 混合网络拓扑构建

大型企业的流媒体应用包括视频会议。在视频会议中存在两种用户节点：第一种用户节点是参会节点，参会节点需要实时的分享自己的流媒体数据；第二种用户节点是观看节点，该节点的特点是无需进行交互只是观看会议。在会议期间，会有海量观看节点接入网络，传统的树形结构通常难以满足海量的用户接入请求。本发明将网络通信分为两种模式，当需要用户参与交互时，则用户终端与服务器建立点对点连接，实现实时交互；当数据下行时，采用网状的数据传输模式，实现海量终端接入，网络架构如图1所示。这种方式充分结合了树形结构和网状网结构的优点，既能够满足用户进行实时交互的需求，又可以满足海量用户的接入的需求。

大型企业的视频会议或者视频直播等流媒体技术的应用有明显地域性特征，如xx公司总公司，xx公司长沙分公司，xx公司武汉分公司等。如果不考虑地域特性来构建流媒体网络会使得物理层的网络与应用层的覆盖网络有很大的失配误差，在这种情况下，地域相近的两个节点由于应用层的网络构建问题在数据传输过程中造成了很大的传输延时，极大程度影响了系统的实时性，而且由于节点处在不同的覆盖网络，数据传输时产生了大量的跨网域流量，产生了极大的资源浪费。如果在构建网络时充分考虑实际的地域特征，使得应用层的节点连接更多地选择其物理层相近的节点，则会较大程度提高带宽资源利用率，提高数据传输效率。

考虑到节点的地域特征，Newman基于复杂网络理论提出了社区结构，社区内节点联系频繁，而不同社区间的节点联系很少。本发明把社区结构的概念引入到大型企业的流媒体网络，根据流媒体节点所在的地理位置把网络划分成不同的社区，这样可以有效地减少跨网间流量，并且大大地降低传输延时，具体结构如图2所示。

本发明中的网络拓扑有三种节点属性，包括服务器节点，社区头节点和普通节点。第一种节点属性是服务器节点，它是提供流媒体数据的中转服务器；第二种属性节点是社区头节点，主要是对社区内的节点数据分发连接以及维护；第三种节点属性是普通节点，是社区内除了头节点之外的节点。混合流媒体网络分为两层结构，核心层和接入层。

(1)核心层

核心层是服务器和社区头节点之间的连接构成的。社区头节点不仅可以从服务器获取数据也可以从其他社区头节点获取，核心层网络的构建是整个混合流媒体网络的核心。

(2)接入层

接入层是社区内部构建的网络模型。利用P2P的高度可扩展性和去中心性，普通节点不仅是数据接受者也是数据的提供者，接入层网络有很高的可扩展性。

步骤二 基于“小世界”的核心层网络

整个混合流媒体网络的核心层是由服务器和各个社区头节点所构成的，如果社区结构简单，服务器的负载不大，那么对于核心层的拓扑结构没有很高的要求。但是在大型企业的流媒体网络中，用户节点多且分散在不同地域，社区结构复杂，如果只从服务器获取数据可能会造成服务器的拥塞并且中心化严重，所以需要对核心层的网络拓扑进行合理的构建。

小世界网络的两个典型特征是较小的平均路径长度和较大的聚类系数。前者的意义在于降低整个网络的传输延时，提高传输的实时性；后者的意义在于提高网络的扩展性，支持大量用户的接入与访问请求。这两个特点说明将小世界理论应用于流媒体核心层网络拓扑构建的可行性。

本发明将核心层网络按照小世界模型构建，网络拓扑如图3所示。

核心层网络拓扑的构造主要是服务器节点和社区头节点连接关系的建立，将其按照小世界网络模型来构造。其中小世界模型的概念最早是由邓肯·瓦特和斯托加茨在1998年提出来的，它是由规则网络和随机网络演化而来，该网络模型的典型特征是具有较小的平均路径长度和较大的聚类系数。

在小世界网络模型提出来之前，网络结构分为规则网络和随机网络，一般而言，规则网络具有较大的平均路径长度和较大的聚类系数，而随机网络具有较小的平均路径长度和较小的聚类系数，但是这就一定意味着大的平均路径长度伴随着大的聚类系数吗？实际上这种推论是不科学的，邓肯·瓦特和斯托加茨在1998年的《自然》杂志上率先提出了‘small-world’networks的概念，在这种模型下，网络具有较小的平均路径长度和较大的聚类系数。图4 揭示了规格网络、随机网络以及小世界网络模型的规律。网络中共有N个节点，各节点与其相邻节点连接，然后每条边以概率p进行随机重连(0≤p≤1)。规则网络和随机网络分别对应p＝0和p＝1的情况，小世界网络对应0<p<1的情况。

本发明中根据小世界模型建立网络拓扑模型的核心层包括以下步骤：

(1)从拥有N个社区头节点的规则网络开始，任意节点向最近k个节点连接k条边，并满足N>>k>>1；

(2)随机重连概率为p，p取值为0-1，规则网络和随机网络分别对应p＝0 和p＝1的情况，小世界网络对应0<p<1的情况，任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。意味着对于任意边，都具有p的概率改变其目标连接节点去重新连接其他节点，但需保证无自连接及重连接，继而形成pNk/2条长距边将节点与远端节点相连接，生成小世界网络。

步骤三 基于“BA”的接入层网络

混合模型的接入层网络是由社区头节点和社区内普通节点所构成，由前文所述的P2P网络的特点可知，该网络具有较高的可扩展特性，即容许海量用户接入网络，由于网络内各节点拥有的带宽资源等指标有所差异，导致网络内各节点的综合性能并不相同，新加入的节点更大概率会选择综合性能优良的节点，这些特性与BA模型的连续生长和倾向生长特性非常相似，所以，接入层网络结构的设计可以考虑采用BA模型来实现。

当然，传统的BA模型不能直接用于设计接入层网络，考虑到大型企业流媒体网络的应用特点，需要对BA模型进行适当的改进，本发明结合大型企业流媒体网络自身的应用特性设计一种适合接入层网络的拓扑结构，充分利用 P2P网络的去中心性以及充分利用节点资源的特性。故本发明首先结合复杂网络的特点，在BA模型的基础上提出了以性能为优先的节点连接策略，并在此基础上设计了接入层网络的拓扑随时间变化的模型，该模型符合大型企业实时流媒体技术的接入层应用特点。

按照BA模型的理论，先加入的节点会随着时间的推移，连接它的节点会越多，其度也会越多，使其会成为网络的核心。虽然这些老节点拥有更多的连通性，但是其本身的服务能力并不一定是网络中最强的节点，过多依赖这些节点会造成这些节点本身无法承载更多的服务，同时那些更有能力的新节点也不能分担更多的任务。因此，BA模型并不完全适用于接入层的网络。在实际网络中，由于网络内各节点拥有的带宽资源等指标有所差异，导致网络内各节点的综合性能并不相同，如果一个节点想要加入网络，该节点会更倾向于连接综合性能优良的节点。所以，如果仅仅考虑网络中节点的度，是无法实现提升网络性能的要求的，这里所谓的网络性能包括传输延时和带宽等资源的利用率。本发明结合经典的BA模型，将节点的带宽与延迟的比定义为节点的粘度，采用粘度优先的策略，该策略摒弃了传统BA模型仅仅考虑节点度的思想，当新节点加入网络时，根据网络中已有节点的粘度数值大小来选择需要连接的节点，以提升实际网络的综合性能，包括数据传输延时和系统的资源利用率。传统的度优先的策略和改进的粘度优先的策略描述如下。

(1)传统的度优先的策略

式中，k_i表示当前网络中任意一个节点的度，N表示网络中节点的总数。根据传统的BA模型的理论，先接入网络的节点会随着时间的推移，连接它的节点会越来越多，其度也会越来越多，最终使其成为网络的核心。虽然这些初始节点拥有更多的连通性，但是其本身的性能并不一定是网络中优秀的节点，对这些节点过来的依赖会造成他们本身无法承载更多的服务，同时那些更有能力的新节点也不能分担更多的任务。因此，度优先的BA模型并不完全适用于接入层网络。

(2)粘度优先的策略

在实际网络中，由于网络内各节点拥有的带宽资源等指标有所差异，导致网络内各节点的综合性能并不相同，如果一个节点想要加入网络，该节点会更倾向于连接综合性能优良的节点。所以，如果仅仅考虑网络中节点的度，是无法实现提升网络性能的要求的，这里所谓的网络性能包括传输延时和带宽等资源的利用率。这里结合经典的BA模型，提出了粘度优先的策略，该策略摒弃了传统BA模型仅仅考虑节点度的思想，加入了一些新的性能指标，包括节点的带宽和节点的数据传输延时，这两项指标可以用于计算节点的粘度，当新节点加入网络时，根据网络中已有节点的粘度数值大小来选择需要连接的节点，以提升实际网络的综合性能。粘度的计算公式如下：

式中，B_i为节点i带宽，l_ki为节点j到节点i的传输延时。

一、新节点加入网络的过程

(a)注册：如果节点要加入网络，必须要完成信息录入操作，即联系网络中的服务器，由服务器根据新加入节点所在的地域信息将其物理地址分配到相应的社区。

(b)建立邻居关系：根据粘度计算公式来计算节点粘度的大小并进行排序，优先选择前m个节点作为邻居节点，建立邻居关系列表，为实现节点间的通信提供条件，当邻居关系建立完成后，可以与社区内的节点相互通信。

(c)通信：节点向邻居节点进行资源请求，进行流媒体数据传输。

二、节点退出网络的过程

如果一个节点想要退出网络，比较突发的情况是没有向其它节点发送退出通知就直接离开，造成这种现象的原因可能是突发性停电或断网；在这种情况下，如果突发退出的节点是普通节点，邻居节点在一定时间内没有响应则转向与其它的邻居节点通信，删除与该节点的连接关系；如果该节点是头节点，在社区内所有普通节点都无法获取信号时则根据社区内节点的综合性能排序，选择具有最佳综合性能的节点取代其位置，并将相关连接植到新的社区头节点，重置社区头节点之间邻居关系。

另一种节点退出网络的方式是正常退出，在这种情况下节点会向社区里的其它节点发送退出通知，当邻居节点收到该节点发来的退出网络的消息时，会自动删除与该节点的连接关系，当社区头节点收到该退出消息时会删除与该节点相关的资源信息。如果要退出网络的节点正是社区头节点，首先需要在该社区结构内推选一个新的社区头节点取代其位置，并将要退出的头节点相关连接移植到新的社区头节点，以保证社区的正常工作状态。

自适应更新

接入层中社区普通节点接入网络后，为了增强自身的连接强度，通常会与社区内的多个节点建立连接。但是由于在接入层网络具有一定的动态性，比如社区结构的变化，节点性能的变化等，如果节点保持自身的各项性能指标不变，通常会造成系统性能的下降，为了提高系统稳定性，需要对节点进行自适应调整。

(1)社区头节点更新

社区头节点具有两项基本功能，一是信息维护功能，二是通信连接功能。前者是在社区内实现的，因为社区头节点需要对本社区内的所有节点连接关系做记录，节点的带宽等资源需要时刻更新，还要统计网络中其他社区的相关信息；社区头节点的通信连接功能是在不同社区间完成的，因为社区内的普通节点与其它社区的联系稀少，如果需要进行社区间通信，必须知道相应社区的地址等信息，这些统计信息需要通过社区头节点来维护，所以社区头节点担任着社区间的通信连接功能。社区头节点的选择需要考虑节点的带宽，在线时间等综合指标，只有综合指标良好的节点才可以成为社区头节点，本发明采用带宽和在线时间的加权作为节点综合性能的评价依据：

式中，a和(1-a)分别是带宽和在线时间的权重，节点的带宽和在线时间分别用B_i和T_i表示，该网络中拥有最大带宽的节点的带宽值为B_max，T_sum表示当前视频资源总共的播放时间。

(2)社区的分裂与合并

当社区内的节点数量达到一定数值时，如果继续允许新节点加入社区而不加限制，会使得社区头节点的负载任务过重，进而造成网络的服务质量下降，在这种情况下必须执行社区分裂操作。

(a)P_i定义了节点的评价指标，执行社区分裂操作时首先需要选取一个新的社区头节点，具体实现是从计算的节点评价指标中选取综合性能最好的节点作为新的社区头节点；

(b)对于即将建立的新社区，旧社区内的普通节点可以任意选择加入新社区还是留在旧社区，根据每个节点的选择建立新的连接关系，删除与原来社区的对应连接关系；

(c)新设置的社区头节点需要根据社区内每个普通节点的选择重新建立新的社区邻居关系表，统计每个普通节点的带宽等资源信息，并与其它社区的头节点进行信息交互，获取其它社区的地址等信息，从而完善整个流媒体网络架构，实现流媒体数据交换。

与社区内节点数目达到上限的情况相反，如果社区内的节点数量较少，则任意节点的退出会对整个网络造成一定的影响，这种情况下需要执行社区合并操作，以维护系统的稳定性。

(a)如果有两个社区将要执行社区合并操作，则必须选择一个新的社区头节点以维护社区的连接关系，具体做法是从这两个社区头节点中选择综合评价较好的节点作为新的社区头节点；

(b)对于没有成为新的社区头节点所在的社区而言，需要将其社区内的所有节点加入到新的社区，建立新的节点连接；

(c)对于新的社区头节点而言，社区的结构和社区内的节点数量有所变化，需要对新社区的节点信息进行更新和维护；

(d)对整个系统而言，出现了新的社区结构，所以新的社区头节点需要与其它社区头节点进行信息交互，完善网络架构。

Claims (5)

1.一种混合模式的P2P流媒体网络拓扑模型的建立方法，其特征在于，包括以下步骤：

步骤一：根据小世界模型建立网络拓扑模型的核心层，所述的核心层包括互相通信连接的服务器和多个社区头节点；

步骤二：根据BA模型建立网络拓扑模型的接入层，所述的接入层包括互相通信连接的社区头节点和社区普通节点，其中一个社区头节点和与该社区头节点通信连接的多个社区普通节点组成一个社区；

步骤一中所述的根据小世界模型建立网络拓扑模型的核心层包括以下步骤：

(1)从拥有N个社区头节点的规则网络开始，任意节点向最近k个节点连接k条边，并满足N>>k>>1,任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连；

(2)随机重连概率为p，p取值为0-1，即对于任意边，都具有p的概率改变其目标连接节点去重新连接其他节点，同时保证无自连接及重连接，继而形成pNk/2条长距边将节点与远端节点相连接，生成小世界网络；

步骤二中所述的根据BA模型建立网络拓扑模型的接入层包括以下步骤：

(a)注册：节点联系网络中的服务器，由服务器根据新加入节点所在的地域信息将其物理地址分配到相应的社区；

(b)建立邻居关系：根据该社区内节点的带宽和节点的数据传输延时作为粘度，然后计算社区内所有节点粘度的大小并进行排序，优先选择前m个节点作为邻居节点，建立邻居关系列表，相连接的节点之间能够进行流媒体传输，并能够通过邻居节点实现与社区内的节点相互通信；

(c)通信：节点向邻居节点进行资源请求，进行流媒体数据传输；

步骤(b)中所述节点粘度的计算包括以下步骤：

以节点的带宽和节点的数据传输延时计算节点粘度，当新节点加入网络时，根据网络中已有节点的粘度数值大小来选择需要连接的节点，粘度的计算公式如下：

其中，B_i为节点i带宽，l_ki为节点k到节点i的传输延时，l_kj为节点k到节点j的传输延时。

2.根据权利要求1所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，其特征在于，还包括节点退出网络的步骤，所述的节点退出网络的步骤包括：

正常退出步骤：社区普通节点正常退出网络时，向社区里的其它节点发送退出消息，当邻居节点收到该节点发来的退出网络的消息时，删除与该节点的连接关系，当社区头节点收到该退出消息时删除与该节点相关的资源信息，完成退出；社区头节点正常退出网络时，首先在该社区结构内推选一个新的社区头节点取代其位置，并将要退出的头节点相关连接移植到新的社区头节点，然后重置社区头节点之间邻居关系，完成退出；

突发退出步骤：如果该节点是普通节点，其邻居节点在一定时间内没有响应则转向与其它的邻居节点通信，删除与该节点的连接关系；如果该节点是头节点，在社区内所有社区普通节点都无法获取信号时则根据社区内节点的综合性能排序，选择具有最佳综合性能的节点取代其位置，并将相关连接置到新的社区头节点，重置社区头节点之间邻居关系。

3.根据权利要求1所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，其特征在于，还包括社区自适应更新的步骤，所述的社区自适应更新包括以下步骤：

更新社区头节点：以带宽和在线时间的加权作为节点综合性能的评价依据，计算节点的综合性能，选取社区内综合性能最佳的节点作为社区头节点。

4.根据权利要求3所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，其特征在于，所述的社区自适应更新还包括社区分裂与合并的步骤：

社区分裂步骤：

(1)从社区中选择一个综合性能最佳节点作为分裂后的社区的社区头节点；

(2)社区内的节点随机的选择留在本社区还是分裂后的新社区；

(3)节点加入新的社区，开始和邻居节点进行信息交互；

社区头节点之间重新构建小世界网络模型；

社区合并步骤：

(1)从两个要合并的社区的社区头节点中选出综合性能更优秀的节点作为合并后社区的社区头节点；

(2)清除掉另外一个社区所有邻居节点的描述信息；

(3)社区内节点加入到合并后的社区中，社区的规模减少一个。

5.根据权利要求2-4任一所述的一种混合模式的P2P流媒体网络拓扑模型的建立方法，其特征在于，所述的节点的综合性能的计算步骤为：

其中a和(1-a)分别是带宽和在线时间的权重，节点的带宽和在线时间分别用B_i和T_i表示，该网络中拥有最大带宽的节点的带宽值为B_max，T_sum表示当前视频资源总共的播放时间。

Images