CN109981760A - 基于贪心算法的p2p流媒体节点选择方法 - Google Patents

基于贪心算法的p2p流媒体节点选择方法 Download PDF

Info

Publication number
CN109981760A
CN109981760A CN201910190589.9A CN201910190589A CN109981760A CN 109981760 A CN109981760 A CN 109981760A CN 201910190589 A CN201910190589 A CN 201910190589A CN 109981760 A CN109981760 A CN 109981760A
Authority
CN
China
Prior art keywords
node
service
service node
threshold value
requesting
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.)
Pending
Application number
CN201910190589.9A
Other languages
English (en)
Inventor
桂易琪
鞠爽爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN201910190589.9A priority Critical patent/CN109981760A/zh
Publication of CN109981760A publication Critical patent/CN109981760A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1042—Peer-to-peer [P2P] networks using topology management mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1061—Peer-to-peer [P2P] networks using node-based peer discovery mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

基于贪心算法的P2P流媒体节点选择方法，属于P2P流媒体技术领域，本发明主要将总体最优转化成多个局部最优问题，对服务节点进行快速选择，综合考虑节点的上、下行带宽，节点在线时长，节点距离以及节点服务的能力，选择能力最大的服务节点，从而降低传输时延并提高服务节点的吞吐量，有效提升系统的整体性能。

Description

基于贪心算法的P2P流媒体节点选择方法
技术领域
本发明基于贪心算法的P2P流媒体节点选择方法，属于P2P流媒体技术领域。
背景技术
随着网络覆盖范围的扩大以及宽带业务的普及，基于网络流媒体的在线视频、音频、远程课堂、视频会议等应用，如pps,pptv等取得了快速发展。流媒体网络应用已成为互联网中的重要业务。因此用户产生的流量给网络带来巨大压力。传统的C/S模式，会给服务器带来过重的负载，导致QoS得不到保障。而p2p(peer-to-peer)流媒体点播技术具有均衡负载，可拓展性等优点，在用户规模不断扩大的情况下依旧保证较高的传输性能和服务质量。在P2P网络中，多台计算机(也称节点)之间相互连接，并且处于对等的地位，无主次之差，一台计算机既可作为服务器端，亦可以作为客户端，整个网络不依赖于集中服务器。网络中的每一台计算机可以向其他计算机提供资源、服务和内容；也可以从其他计算机请求并接受资源、服务和内容，P2P网络架构如图1。那么选择什么样的节点为用户提供服务直接影响了用户的体验及流媒体的性能。因此，设计一种有效的节点选择方法具有重要的意义。
在本发明提出之前，P2P流媒体节点选择领域，有自适应邻居节点选择、直觉模糊集的节点选择、两重节点选择等等，用这些方法进行节点选择的缺点有：
(1)动态描述节点的服务能力，显著提高了系统的服务性能，但是在服务能力方面仅以节点的上行带宽作为指标，没有考虑节点的其他属性，服务性能提升空间有限。
(2)采取对节点的可靠度进行得分排序的方法，充分利用能力强的节点，具有良好的适应性。适用于大规模、节点性能低的环境，但在节点性能较好的情况下优势不能明显。
(3)依靠传播时延，上传能力以及缓冲水平，通过服务器维护邻居节点关系，故算法维护开下较大。
发明内容
本发明的目的就在于克服上述缺陷，研制基于贪心算法的P2P流媒体节点选择方法，主要将总体最优转化成多个局部最优问题，对服务节点进行快速选择，综合考虑节点的上、下行带宽，节点在线时长，节点距离以及节点服务的能力，选择能力最大的服务节点，从而降低传输时延并提高服务节点的吞吐量，有效提升系统的整体性能。
本发明的技术方案如下：
基于贪心算法的P2P流媒体节点选择方法，其主要技术特征在于如下步骤：
(1)初始化h0、N0、pm(信道增量、功率谱密度、平均功率)等网络参数；
(2)生成请求节点(50个)及服务节点(500个)，并生成请求节点和服务节点相应参数(请求节点参数：位置、当前段序号、请求节点的带宽。服务节点参数：位置、存储视频段的序号、在线时长、当前服务的数量、服务节点的带宽)；
(3)计算每个请求节点到每个服务节点的距离distn×m，及每个请求节点到每个服务节点的信道容量cn×m；
(4)计算可用节点矩阵buffpeern×m；
(5)根据可用矩阵，计算综合能力矩阵Abilityn×m，并查找符合要求的服务节点；
(6)使用贪心算法，各个请求节点在符合要求的服务节点中选择综合能力最佳的服务节点；
(7)计算出总的传输时延和吞吐量。
所述步骤(2)生成请求节点和服务节点及其相应参数。
通过步骤(3)计算每个请求节点到每个服务节点的距离和信道容量。
所述步骤(4)对服务节点与请求节点之间的信道容量设置阈值，当小于阈值时舍去该服务节点；对服务节点与请求节点之间的距离设置阈值，当大于阈值时舍去该服务节点；对服务节点的在线时长设置阈值，当小于阈值时舍去该服务节点；对服务节点能够服务的请求节点数设置阈值，当大于阈值时舍去该服务节点。根据以上叙述，得出可用矩阵。
通过步骤(5)计算服务节点的综合能力，选出满足要求的节点；通过步骤(6)使用贪心算法，将总体最优转化成多个局部最优问题，找出最佳的服务节点。
通过步骤(7)选择能力最大的服务节点，从而降低传输时延并提高服务节点的吞吐量，有效提升系统的整体性能。
本发明的优点和有益效果在于提出了基于贪心算法的P2P流媒体节点选择方法。以便在高动态性的P2P网络拓扑下选择高效的合作节点。本发明以贪心算法将总体最优转化成多个局部最优问题，对服务节点进行快速选择，从而选出综合能力最大的服务节点，以降低传输时延并提高服务节点的吞吐量，有效提升系统的整体性能。贪心算法对于解决很多问题都是非常有效的，因为局部最优解很容易找到，所以简单易懂，效率较高，许多问题都可以得到整体最优解。结果表明该技术可以提高系统的传输延迟和吞吐量，使用户得到更好的体验，扩展了该技术在流媒体领域的应用范围和实用性。
附图说明
图1——本发明背景技术中的P2P网络架构图；
图2——本发明实施例中的实验流程图；
图3——本发明与其他方法的总传输时间比较图；
图4——本发明与其他方法的总吞吐量比较图。
具体实施方式
本发明的技术思路是：
首先定义n个请求节点，请求节点集合为User＝{user1,user2,......,usern}，每个请求节点包含三个属性如表1所示：
再定义m个服务节点，服务节点集合为Peer＝{peer1,peer2,......,peerm}，每个服务节点包含五个属性如表2所示：
计算n×m的距离矩阵，即每个请求节点到每个服务节点的距离。其中，localpeer是请求节点的位置，peer是服务节点的位置。第n个请求节点到第m个服务节点的距离为：
distn，m＝|localpeer(n,1)-localpeer(m,1)|+|localpeer(n,2)+localpeer(m,2)| (1)
计算信道容量矩阵，依然是n×m的矩阵。这里的信道容量是指信道能传输的最大信息速率。换句话说就是指信道能达到的最大传输能力。由信道的特性来决定。香农公式直接反映了信道容量和信号功率、噪声功率的关系。根据香农公式，计算第n个请求节点到第m个服务节点之间的信道容量如下：
cn,m＝Bm*log2(1+σn*pn) (2)
其中，pn为请求节点到其他服务节点的信号发送功率的平均值。由于服务节点的带宽与吞吐量的关系较大，所以选取服务节点的带宽Bm，σn为请求节点连接第n个请求节点的信干噪比(CINR)，具体表示如下：
其中，dn,m表示第n个请求节点连接第m个服务节点路径损耗；h0表示信道增量，h0在不同信道情况下为不同值，在同一时隙中保持不变，N0表示功率谱密度，一般为1*10-7。
获取可用服务节点，由于服务节点有一定的限制条件，为降低传输时间，提高整体性能，对服务节点与请求节点之间的信道容量设置阈值，当小于阈值时舍去该服务节点；对服务节点与请求节点之间的距离设置阈值，当大于阈值时舍去该服务节点；对服务节点的在线时长设置阈值，当小于阈值时舍去该服务节点；对服务节点能够服务的请求节点数设置阈值，当大于阈值时舍去该服务节点。根据以上叙述，得出可用矩阵：
buffpeern×m＝{0,1} (6)
buffpeer是一个矩阵，用来判断服务节点是否可用。若服务节点可用，则buffpeern＝1，否则buffpeern＝0。
在服务节点可用的情况下，找出存储着请求节点当前段下一段的服务节点(如请求节点当前段为第4段，则查找存储着第5段的服务节点)，若条件满足则计算该服务节点的综合服务能力值，得出综合能力矩阵。具体如下：
否则，Abilityn,m＝0。
其中，distn,m表示第n个请求节点到第m个服务节点的距离；cn,m表示第n个请求节点到第m个服务节点的信道容量；timem表示第m个服务节点的在线时长。
同时更新服务节点当前所服务的请求节点的个数，判断是否到达服务上限，更新可用表buffpeer。
最后使用贪心算法，每个请求节点根据综合能力矩阵Ability，选择综合能力最大的服务节点，得出该节点标号，再计算出该节点的吞吐量和传输时延：
其中，C表示P2P系统中单时隙内总的吞吐量，TIME表示P2P系统中单时隙内总的传输时延。
实施例：
本发明重点在于结合贪心算法选出服务能力较强的节点，为了验证本发明所提出的算法的性能，特地将本发明提出的基于贪心算法的节点选择方法(GA-PSA)与基于直觉模糊集的节点选择方法(IFS)进行比较，实验流程如图2。具体仿真条件如下：请求节点与服务节点之间的带宽为请求节点与服务节点带宽的平均值，请求节点与服务节点的功率谱密度为N＝10-7,平均功率为pm＝10dbm，请求节点数量M＝50,服务节点数量N＝500。代码语句执行次数的总和就可以理解为是该方法计算出结果所需要的时间，所以算法复杂度为O(n2)。
从图3和图4中可看出，基于贪心算法的P2P流媒体节点选择方法比基于直觉模糊集的节点选择方法具有更高的吞吐量，同时具有更低的传输时延。由于基于贪心算法的节点选择方法综合考虑到服务节点各个维度的综合属性，求出服务节点的综合“属性距离”，选出离阈值“距离”最远的节点，更能体现所选节点的优越性。
而基于直觉模糊集的节点选择方法则通过记分函数得出方案集，再对属性按其重要性进行赋权得出决策矩阵，由于赋权有一定的偏差，不能够充分反映出节点的综合性能。从而基于贪心算法的节点选择方法具有更好的表现。所以本发明提出的融入了贪心算法的节点选择方法具有较低的传输时延和较高的吞吐量。

Claims (5)

1.基于贪心算法的P2P流媒体节点选择方法，其特征在于，包括如下步骤：
(1)初始化网络参数；
(2)生成请求节点及服务节点，并生成请求节点和服务节点相应参数；
(3)计算每个请求节点到每个服务节点的距离distn×m，及每个请求节点到每个服务节点的信道容量cn×m；
(4)计算可用节点矩阵buffpeern×m；
(5)根据可用节点矩阵，计算综合能力矩阵Abilityn×m，并查找符合要求的服务节点；
(6)使用贪心算法，各个请求节点在符合要求的服务节点中选择综合能力最佳的服务节点；
(7)计算出总的传输时延和吞吐量。
2.根据权利要求1所述的基于贪心算法的P2P流媒体节点选择方法，其特征在于，步骤(1)中，所述网络参数为信道增量h0、功率谱密度N0、平均功率pm。
3.根据权利要求1所述的基于贪心算法的P2P流媒体节点选择方法，其特征在于，步骤(2)中，生成请求节点为50个及服务节点500个。
4.根据权利要求1所述的基于贪心算法的P2P流媒体节点选择方法，其特征在于，所述步骤(4)中，对服务节点与请求节点之间的信道容量设置阈值，当小于阈值时舍去该服务节点；对服务节点与请求节点之间的距离设置阈值，当大于阈值时舍去该服务节点；对服务节点的在线时长设置阈值，当小于阈值时舍去该服务节点；对服务节点能够服务的请求节点数设置阈值，当大于阈值时舍去该服务节点，最终得出可用矩阵。
5.根据权利要求3所述的基于贪心算法的P2P流媒体节点选择方法，其特征在于，所述请求节点参数包括：位置、当前段序号、请求节点的带宽；所述服务节点参数包括：位置、存储视频段的序号、在线时长、当前服务的数量、服务节点的带宽。
CN201910190589.9A 2019-03-13 2019-03-13 基于贪心算法的p2p流媒体节点选择方法 Pending CN109981760A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910190589.9A CN109981760A (zh) 2019-03-13 2019-03-13 基于贪心算法的p2p流媒体节点选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910190589.9A CN109981760A (zh) 2019-03-13 2019-03-13 基于贪心算法的p2p流媒体节点选择方法

Publications (1)

Publication Number Publication Date
CN109981760A true CN109981760A (zh) 2019-07-05

Family

ID=67078782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910190589.9A Pending CN109981760A (zh) 2019-03-13 2019-03-13 基于贪心算法的p2p流媒体节点选择方法

Country Status (1)

Country Link
CN (1) CN109981760A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800293A (zh) * 2020-06-05 2020-10-20 深圳库博能源科技有限公司 一种智能微电网的边缘计算控制网关

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7143139B2 (en) * 2002-03-27 2006-11-28 International Business Machines Corporation Broadcast tiers in decentralized networks
CN102547471A (zh) * 2010-12-08 2012-07-04 中国科学院声学研究所 一种p2p流媒体系统中获取候选合作节点的方法及系统
CN102752325A (zh) * 2011-04-18 2012-10-24 贾金原 基于对等网的大规模虚拟场景的高效下载方法
CN109451344A (zh) * 2018-12-28 2019-03-08 扬州大学 P2p流媒体系统中基于关联规则的缓存替换方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7143139B2 (en) * 2002-03-27 2006-11-28 International Business Machines Corporation Broadcast tiers in decentralized networks
CN102547471A (zh) * 2010-12-08 2012-07-04 中国科学院声学研究所 一种p2p流媒体系统中获取候选合作节点的方法及系统
CN102752325A (zh) * 2011-04-18 2012-10-24 贾金原 基于对等网的大规模虚拟场景的高效下载方法
CN109451344A (zh) * 2018-12-28 2019-03-08 扬州大学 P2p流媒体系统中基于关联规则的缓存替换方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
桂易琪: "p2p streaming media node selection strategy based on greedy algorithm", 《JOURNAL OF IKEEE 》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800293A (zh) * 2020-06-05 2020-10-20 深圳库博能源科技有限公司 一种智能微电网的边缘计算控制网关
CN111800293B (zh) * 2020-06-05 2021-03-05 深圳库博能源科技有限公司 一种智能微电网的边缘计算控制网关

Similar Documents

Publication Publication Date Title
US8477658B2 (en) Intelligent peer-to-peer media streaming
Ren et al. On reducing mesh delay for peer-to-peer live streaming
CN100477641C (zh) 一种流媒体点播系统的数据调度方法
Wang et al. On ISP-friendly rate allocation for peer-assisted VoD
CN113904974B (zh) 智能路由方法、装置及设备
CN111866438B (zh) 用户体验驱动的多方视频会议的转码和组播路由方法及装置
CN103581329B (zh) 基于分簇的对等网络流媒体直播系统拓扑结构的构建方法
CN108667746A (zh) 一种在深空延时容忍网络中实现业务优先级的方法
CN109981760A (zh) 基于贪心算法的p2p流媒体节点选择方法
CN107171957B (zh) 一种基于资源受限条件下的自适应dtn路由算法
Cetinkaya et al. An sdn-assisted system design for improving performance of svc-dash
CN111478977B (zh) 一种多流媒体网络流量分析系统的工作方法
Darwich et al. Adaptive video streaming: An ai-driven approach leveraging cloud and edge computing
CN105450738A (zh) 一种基于价格机制的p2p文件共享网络中带宽分配算法
KR101048016B1 (ko) 피투피 오버레이 네트워크를 형성하는 방법과 피투피 오버레이 네트워크를 위한 단말, 그리고 피투피 오버레이 네트워크를 관리하는 방법 및 장치
TWI612785B (zh) 聚合流量控制裝置、方法及其電腦程式產品
Xu et al. A ring topology-based communication-efficient scheme for d2d wireless federated learning
Raheel et al. Energy efficient technique for P2P multisource video streaming in mobile ad hoc networks to improve QoE
Uma Maheswari et al. Reliability Enhanced Overlay Structure for Peer-to-Peer Video Streaming
WO2023071782A1 (zh) 传输方法、电子设备及计算机可读存储介质
Machado et al. Structured peer-to-peer real time video transmission over vehicular ad hoc networks
Maheswari et al. Location-aware resilient hybrid overlay structures for peer-to-peer video streaming
Noh et al. HTTP Adaptive Streaming System Maximizing Overall Video Quality over SDN-enabled Wi-Fi APs
Abubakar et al. Unicast Bandwidth Efficiency Routing Algorithm for Mobile Devices
Zhou et al. Game theoretical bandwidth request allocation strategy in P2P streaming systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190705