【文章內(nèi)容簡(jiǎn)介】 與典型的 PRM 測(cè)量模型方法 Pathload 相比， FSabe 的精確性更高、測(cè) 量時(shí)間更短、對(duì)網(wǎng)絡(luò)路徑的干擾更小。 最后，針對(duì)覆蓋網(wǎng)中實(shí)現(xiàn)快速數(shù)據(jù)分發(fā)面臨的路由效率低下和分發(fā)路徑的性能瓶頸問(wèn)題，提出了位置感知的非結(jié)構(gòu)化覆蓋網(wǎng)拓?fù)錁?gòu)建算法 Lautc 以及延遲帶寬敏感的分發(fā)路徑選擇方法 LBPS。在 Lautc 算法中，采用非結(jié)構(gòu)化拓?fù)浜头植际綐?gòu)建方式，提高了拓?fù)涞膭?dòng)態(tài)適應(yīng)能力、彈性恢復(fù)能力以及可擴(kuò)展性；采用隨機(jī)行走方式并結(jié)合低延遲鄰居選擇策略構(gòu)建拓?fù)?，降低了延遲伸展率，提高了數(shù)據(jù)定位的效率。在 LBPS 方法中，以位置感知的非結(jié)構(gòu)化覆蓋網(wǎng)拓?fù)錇榛A(chǔ)，減少了傳輸延遲，提高了數(shù)據(jù)定位的效率；采用半分布式的帶寬容量信息管理方式，增強(qiáng)了可擴(kuò)展性和實(shí)用性；根據(jù)網(wǎng)絡(luò)延遲、帶寬容量和可用帶寬選擇路徑，在確保優(yōu)化分發(fā)路徑的同時(shí)減少網(wǎng)絡(luò)延遲，有效地提高了數(shù)據(jù)分發(fā)的效率。實(shí)驗(yàn)結(jié)果表明，利用 Lautc 算法構(gòu)建的覆蓋網(wǎng)拓?fù)涞难舆t伸展率較 Binning 方法更低，位置感知能力更強(qiáng)；與 Gnutella 拓?fù)湎啾龋?Lautc算法構(gòu)建的拓?fù)鋽?shù)據(jù)定位效率更高。此外，通過(guò)深入比較分發(fā)路徑優(yōu)化前后的路徑可用帶寬，證明了 LBPS 方法能有效地優(yōu)化分發(fā)路徑，提高數(shù)據(jù)分發(fā)的效率。 Inter 環(huán)境下的快速數(shù)據(jù)分發(fā)作為一種高吞吐率、低延遲、轉(zhuǎn)發(fā) 時(shí)間緊迫的數(shù)據(jù)分發(fā)模式，在突發(fā)事件響應(yīng)、信息化戰(zhàn)場(chǎng)環(huán)境、多媒體應(yīng)用、新聞傳播、金融證券等需要快速共享信息的諸多領(lǐng)域，發(fā)揮著極其重要的作用?；诟采w網(wǎng)的快速數(shù)據(jù)分發(fā)可以利用覆蓋網(wǎng)的部署靈活、自治性、可擴(kuò)展性和魯棒性強(qiáng)等特點(diǎn)，實(shí)現(xiàn)有效的數(shù)據(jù)分發(fā)。然而，由于現(xiàn)有覆蓋網(wǎng)的構(gòu)建不能有效地反映底層物理網(wǎng)絡(luò)拓?fù)涮匦?，極易導(dǎo)致數(shù)據(jù)分發(fā)過(guò)程中路由效率和傳輸性能低下等問(wèn)題。延遲和帶寬作為網(wǎng)絡(luò)路徑的重要參數(shù)，極大地影響著數(shù)據(jù)分發(fā)的效率。為支持有效的快速數(shù)據(jù)分發(fā)，對(duì)網(wǎng)絡(luò)延遲預(yù)測(cè)、網(wǎng)絡(luò)路徑的可用帶寬測(cè)量以及為優(yōu)化路由效率和數(shù)據(jù)分發(fā)路 徑的延遲帶寬敏感技術(shù)進(jìn)行了深入的研究。 首先，針對(duì)已有網(wǎng)絡(luò)坐標(biāo)計(jì)算方法在收斂性、精確性、安全性等方面的不足，提出了一種基于分簇的啟發(fā)式網(wǎng)絡(luò)坐標(biāo)計(jì)算方法 CHCC以?xún)?yōu)化網(wǎng)絡(luò)延遲預(yù)測(cè)。 CHCC中利用改進(jìn)的 Binning分簇算法 EBinning 對(duì)節(jié)點(diǎn)有效地分簇，并結(jié)合最優(yōu)的分布式地標(biāo)選擇策略Hybrid 以?xún)?yōu)化方法的可擴(kuò)展性和精確性；提出并使用惡意節(jié)點(diǎn)檢測(cè)算法 MNDA 檢測(cè)惡意節(jié)點(diǎn)以提高網(wǎng)絡(luò)坐標(biāo)的安全性；提出并使用啟發(fā)式坐標(biāo)更新算法 HCUA 對(duì)坐標(biāo)周期性更新以提高坐標(biāo)的收斂速度和預(yù)測(cè)精度；提出并使用坐標(biāo)穩(wěn)定算法CSA 對(duì)坐標(biāo)進(jìn)行穩(wěn)定處理以防止坐標(biāo)發(fā)生漂移現(xiàn)象，增強(qiáng)坐標(biāo)的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，與已有的典型方法 Vivaldi 相比， CHCC 具有更好的收斂性、穩(wěn)定性、安全性和精確性。 其次，針對(duì) Inter 網(wǎng)絡(luò)環(huán)境下端到端路徑的可用帶寬測(cè)量問(wèn)題，提出了一種快速自適應(yīng)的網(wǎng)絡(luò)路徑可用帶寬測(cè)量方法 FSabe。 FSabe 基于探測(cè)速率模型 PRM，克服了探測(cè)間隔模型 PGM 中需要已知帶寬容量以及緊致鏈路和窄帶鏈路為同一鏈路的條件；根據(jù)接收端的到達(dá)速率和背景流的突發(fā)性來(lái)自適應(yīng)調(diào)整探測(cè)包串的發(fā)送速率，提高了測(cè)量的收斂速度；根據(jù)背景流量的突 發(fā)性與路徑負(fù)載的情況自適應(yīng)地確定探測(cè)包串長(zhǎng)度，減少了探測(cè)包的數(shù)目并減輕了對(duì)網(wǎng)絡(luò)路徑的影響，提高了方法的可用性；采用適宜的探測(cè)包大小，并改進(jìn)了判斷探測(cè)包單向延時(shí)變化的方法，增強(qiáng)了方法的精確性和抗干擾性。實(shí)驗(yàn)結(jié)果表明，與典型的 PRM 測(cè)量模型方法 Pathload 相比， FSabe 的精確性更高、測(cè)量時(shí)間更短、對(duì)網(wǎng)絡(luò)路徑的干擾更小。 最后，針對(duì)覆蓋網(wǎng)中實(shí)現(xiàn)快速數(shù)據(jù)分發(fā)面臨的路由效率低下和分發(fā)路徑的性能瓶頸問(wèn)題，提出了位置感知的非結(jié)構(gòu)化覆蓋網(wǎng)拓?fù)錁?gòu)建算法 Lautc 以及延遲帶寬敏感的分發(fā)路徑選擇方法 LBPS。在 Lautc 算法中，采用非結(jié)構(gòu)化拓?fù)浜头植际綐?gòu)建方式，提高了拓?fù)涞膭?dòng)態(tài)適應(yīng)能力、彈性恢復(fù)能力以及可擴(kuò)展性；采用隨機(jī)行走方式并結(jié)合低延遲鄰居選擇策略構(gòu)建拓?fù)?，降低了延遲伸展率，提高了數(shù)據(jù)定位的效率。在 LBPS 方法中，以位置感知的非結(jié)構(gòu)化覆蓋網(wǎng)拓?fù)錇榛A(chǔ)，減少了傳輸延遲，提高了數(shù)據(jù)定位的效率；采用半分布式的帶寬容量信息管理方式，增強(qiáng)了可擴(kuò)展性和實(shí)用性；根據(jù)網(wǎng)絡(luò)延遲、帶寬容量和可用帶寬選擇路徑，在確保優(yōu)化分發(fā)路徑的同時(shí)減少網(wǎng)絡(luò)延遲，有效地提高了數(shù)據(jù)分發(fā)的效率。實(shí)驗(yàn)結(jié)果表明，利用 Lautc 算法構(gòu)建的覆蓋網(wǎng)拓?fù)涞难舆t伸展率較 Binning 方法更低，位置感知能力更強(qiáng)；與 Gnutella 拓?fù)湎啾龋?Lautc算法構(gòu)建的拓?fù)鋽?shù)據(jù)定位效率更高。此外，通過(guò)深入比較分發(fā)路徑優(yōu)化前后的路徑可用帶寬，證明了 LBPS 方法能有效地優(yōu)化分發(fā)路徑，提高數(shù)據(jù)分發(fā)的效率。 Inter 環(huán)境下的快速數(shù)據(jù)分發(fā)作為一種高吞吐率、低延遲、轉(zhuǎn)發(fā)時(shí)間緊迫的數(shù)據(jù)分發(fā)模式，在突發(fā)事件響應(yīng)、信息化戰(zhàn)場(chǎng)環(huán)境、多媒體應(yīng)用、新聞傳播、金融證券等需要快速共享信息的諸多領(lǐng)域，發(fā)揮著極其重要的作用?；诟采w網(wǎng)的快速數(shù)據(jù)分發(fā)可以利用覆蓋網(wǎng)的部署靈活、自治性、可擴(kuò)展性和魯棒性強(qiáng)等特點(diǎn)，實(shí) 現(xiàn)有效的數(shù)據(jù)分發(fā)。然而，由于現(xiàn)有覆蓋網(wǎng)的構(gòu)建不能有效地反映底層物理網(wǎng)絡(luò)拓?fù)涮匦?，極易導(dǎo)致數(shù)據(jù)分發(fā)過(guò)程中路由效率和傳輸性能低下等問(wèn)題。延遲和帶寬作為網(wǎng)絡(luò)路徑的重要參數(shù)，極大地影響著數(shù)據(jù)分發(fā)的效率。為支持有效的快速數(shù)據(jù)分發(fā)，對(duì)網(wǎng)絡(luò)延遲預(yù)測(cè)、網(wǎng)絡(luò)路徑的可用帶寬測(cè)量以及為優(yōu)化路由效率和數(shù)據(jù)分發(fā)路徑的延遲帶寬敏感技術(shù)進(jìn)行了深入的研究。 首先，針對(duì)已有網(wǎng)絡(luò)坐標(biāo)計(jì)算方法在收斂性、精確性、安全性等方面的不足，提出了一種基于分簇的啟發(fā)式網(wǎng)絡(luò)坐標(biāo)計(jì)算方法 CHCC以?xún)?yōu)化網(wǎng)絡(luò)延遲預(yù)測(cè)。 CHCC中利用改進(jìn)的 Binning分簇算法 EBinning 對(duì)節(jié)點(diǎn)有效地分簇，并結(jié)合最優(yōu)的分布式地標(biāo)選擇策略Hybrid 以?xún)?yōu)化方法的可擴(kuò)展性和精確性；提出并使用惡意節(jié)點(diǎn)檢測(cè)算法 MNDA 檢測(cè)惡意節(jié)點(diǎn)以提高網(wǎng)絡(luò)坐標(biāo)的安全性；提出并使用啟發(fā)式坐標(biāo)更新算法 HCUA 對(duì)坐標(biāo)周期性更新以提高坐標(biāo)的收斂速度和預(yù)測(cè)精度；提出并使用坐標(biāo)穩(wěn)定算法CSA 對(duì)坐標(biāo)進(jìn)行穩(wěn)定處理以防止坐標(biāo)發(fā)生漂移現(xiàn)象，增強(qiáng)坐標(biāo)的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，與已有的典型方法 Vivaldi 相比， CHCC 具有更好的收斂性、穩(wěn)定性、安全性和精確性。 其次，針對(duì) Inter 網(wǎng)絡(luò)環(huán)境下端到端路徑的可用帶寬測(cè)量問(wèn)題，提出了一種快速自適應(yīng)的網(wǎng)絡(luò)路徑可用帶寬測(cè)量方法 FSabe。 FSabe 基于探測(cè)速率模型 PRM，克服了探測(cè)間隔模型 PGM 中需要已知帶寬容量以及緊致鏈路和窄帶鏈路為同一鏈路的條件；根據(jù)接收端的到達(dá)速率和背景流的突發(fā)性來(lái)自適應(yīng)調(diào)整探測(cè)包串的發(fā)送速率，提高了測(cè)量的收斂速度；根據(jù)背景流量的突發(fā)性與路徑負(fù)載的情況自適應(yīng)地確定探測(cè)包串長(zhǎng)度，減少了探測(cè)包的數(shù)目并減輕了對(duì)網(wǎng)絡(luò)路徑的影響，提高了方法的可用性；采用適宜的探測(cè)包大小，并改進(jìn)了判斷探測(cè)包單向延時(shí)變化的方法，增強(qiáng)了方法的精確性和抗干擾性。實(shí)驗(yàn)結(jié)果表明，與典型的 PRM 測(cè)量模型方法 Pathload 相比， FSabe 的精確性更高、測(cè)量時(shí)間更短、對(duì)網(wǎng)絡(luò)路徑的干擾更小。 最后，針對(duì)覆蓋網(wǎng)中實(shí)現(xiàn)快速數(shù)據(jù)分發(fā)面臨的路由效率低下和分發(fā)路徑的性能瓶頸問(wèn)題，提出了位置感知的非結(jié)構(gòu)化覆蓋網(wǎng)拓?fù)錁?gòu)建算法 Lautc 以及延遲帶寬敏感的分發(fā)路徑選擇方法 LBPS。在 Lautc 算法中，采用非結(jié)構(gòu)化拓?fù)浜头植际綐?gòu)建方式，提高了拓?fù)涞膭?dòng)態(tài)適應(yīng)能力、彈性恢復(fù)能力以及可擴(kuò)展性；采用隨機(jī)行走方式并結(jié)合低延遲鄰居選擇策略構(gòu)建拓?fù)洌档土搜舆t伸展率，提高了數(shù)據(jù)定位的效率。在 LBPS 方法中，以位置感知的非結(jié)構(gòu)化 覆蓋網(wǎng)拓?fù)錇榛A(chǔ)，減少了傳輸延遲，提高了數(shù)據(jù)定位的效率；采用半分布式的帶寬容量信息管理方式，增強(qiáng)了可擴(kuò)展性和實(shí)用性；根據(jù)網(wǎng)絡(luò)延遲、帶寬容量和可用帶寬選擇路徑，在確保優(yōu)化分發(fā)路徑的同時(shí)減少網(wǎng)絡(luò)延遲，有效地提高了數(shù)據(jù)分發(fā)的效率。實(shí)驗(yàn)結(jié)果表明，利用 Lautc 算法構(gòu)建的覆蓋網(wǎng)拓?fù)涞难舆t伸展率較 Binning 方法更低，位置感知能力更強(qiáng)；與 Gnutella 拓?fù)湎啾龋?Lautc算法構(gòu)建的拓?fù)鋽?shù)據(jù)定位效率更高。此外，通過(guò)深入比較分發(fā)路徑優(yōu)化前后的路徑可用帶寬，證明了 LBPS 方法能有效地優(yōu)化分