分层P2P流媒体超级节点动态选举机制研究 答辩人： 指导老师：

目录 课题研究背景及意义 1 2 本文的主要工作 3 结论与展望

1.课题研究背景及意义 互联网发展迅速，对网络资源的需求趋向于流媒体资源。 P2P流媒体系统在大规模视频播放上功能强大，应用前景广阔。

1.课题研究背景及意义 典型的P2P直播模型 基于树状拓扑的P2P直播模型 简单易实现，数据分发效率较高，树高层节点的延时大，抗扰动性差。 在系统可扩展性和抗扰动性方面有了很大的提高，数据传输延时和维护拓扑的控制开销比较大。 分层混合的P2P直播模型 考虑了不同节点间的性能差异，分层分簇组织节点，充分利用了异构节点的资源，是当前研究的重点。

课题研究背景及意义 分层混合模型中超级节点存在失效和饱和问题。 有效的解决方案是要从众多的NP中动态选举出一部份节点成为超级节点。 课题来源于 “863计划”专项课题:基于新一代通信网络的大规模个人直播系统。

2.本文的主要工作 1.从框架设计、TS管理功能、系统关键策略方面详细介绍了一个分层混合直播系统Lstream。 2.针对分层P2P流媒体系统中超级节点的失效和饱和问题，对现有的分层P2P网络的超级节点选取机制进行研究，提出基于信任度的动态超级节点选举机制。 3.仿真实验结果及分析。

Lstream框架结构 1集中管理层：由TS完成BootStrap 功能. 2数据转发及管理控制层:由SP和 SNP组成.

Lstream框架结构 超级节点功能及动态选举 1.数据转发功能： 2.管理控制功能： 向SP层子节点及簇内逻辑子节点推送流媒体数据。 2.管理控制功能： (1)接收NP上传信息（退出，上传能力等），周期性向TS 上报。 (2)根据自身负载及NP上传能力，确定逻辑子节点 (3)监听SP层子节点及监护节点的异常退出。 超级节点存在失效和饱和问题，需要引入动态的超级节点选举机制。TS根据 节点信息计算节点信任度，信任度高的节点作为簇的备用超级节点，当系统需 要新的超级节点时，备用超级节点就加入到SP层成为簇首。

基于信任度的动态超级节点选举机制 两种选举时机 节点信任度度量 超级节点选取机制 备用超级节点机制

选举时机 1.当前SP(SNP)正常或异常退出 2.当前SP(SNP)饱和

节点信任度度量 备选超级节点集合 Di= Di为节点i到簇内其它普通节点的距离之和

节点信任度度量 节点提供服务能力 节点性能度量值，节点性能具体可表述为节点的CPU、内 存等特性。 节点平均上传速率:节点i在一定周期t内向节点j发送流媒体 数据分片的平均速率为Vij,

节点信任度度量 节点稳定性 用节点在线时长来代表节点稳定性。 其中，TUptime为节点总在线时间，num为上线次数。

节点信任度度量 对Ci、Vi、Pi标准化 本文选择的SNP根据以上三个方面的度量，并用加权的方法计算节点 的信任度TRUST_VALUE

超级节点选取机制 统计信息的更新周期性实时更新。 {//周期执行 SendTsNPInfo(); UpdateNPInfo(); SNP的选举工作由TS进行。TRUST_VALUE高的为簇BACKSP。BACKSP根据 统计信息的更新周期性实时更新。 {//周期执行 SendTsNPInfo(); UpdateNPInfo(); For ∀ASi ∈Sys do Update(I); For ∀P∈ASi do Calculate(TRUST_VALUE); End For BACKSP =SelectTop(I); }

备用超级节点机制 针对超级节点失效饱和，引入备用超级节点机制，降低网络波动。 簇首失效 当前SP(SNP)正常或异常退出，TS通告BACKSP成为SNP，并为其发它NP信息和数据源。 while(Listen(SPLOGOUT)= =TRUE || Listen(SPOUT)= =TRUE)//TS监听超级节点正常或异常退出 { SendMessage(BACKSPTOSNP); SendClusterInfo(); SNP=BACKSP; Recv(ClusterInfo);//接收TS传来的簇信息 JoinTree();//加入转发树 For ∀Pj ∈ClusterInfo do SendMessage(BESP);//向簇内其它节点通告自己成为SP。 End For For ∀Pj ∈ClusterInfo d JoinSP();//普通节点连接簇首，重新加入系统 }

备用超级节点机制 簇首饱和 当前SP（SNP）饱和，不再接受新节点加入， TS通告BACKSP成为SNP，并以 以前簇首为父节点加入超级节点层。 算法伪码描述如下： while(Listen(BENEWSNP)= =TRUE) { SendMessage(BACKSPTOSNP Newcluster(BACKSP);//新建簇 JoinTree(); } 如果SNP饱和，则新选举出的SNP不以该饱和的SNP为父节点，而是以该区域的 SP为父节点加入SP层。

实验结果分析 性能分析指标 1.网络上传能力 2.超级节点的控制负载 3.SNP失效率 4.SNP平均上传速率 5.NP重加延时

实验结果分析 实验参数设置 频道源：10 SP数：15 SP转发频道数：5 NP数：5000 簇大小：30

实验结果分析 实验结果(一)：没有引入超级节点动态推举时引入超级节 点动态推举的网络上传能力对比图. 引入超级节点动态推举机制后，没有系统瓶颈，网络上传能力随着网络规模增加而增加。

实验结果分析 实验结果（二）：没有引入超级节点动态推举时引入超级 节点动态推举的超级节点控制负载与传输负载对比图。 引入超级节点动态推举机制后，控制负载与传办输负载比值是趋于稳定的。

实验结果分析 实验结果（三）：基于信任度和非基于信任度的超级节点 选举机制的SNP失效率对比图。

实验结果分析 实验结果（四）：基于信任度和非基于信任度的超级节点 选举机制的SNP的平均上传速率对比图。

实验结果分析 实验结果（五）：引入备用超级节点机制和不引入备用超 级节点机制的NP重加延时对比图。 引用备用超级节点机制后，超级节点失效恢复机制的响应时间降低。

3.总结与展望 总结 研究分析了现有的典型的基于树状、网状和分层混合的三种P2P流媒体直播模型的优缺点。 通过研究了现有的分层P2P网络模型中的超级节点选取机制，根据Lstream系统实际，提出了一种基于信任度的超级节点选举机制。 对超级节点选举机制进行仿真实验验证，证明本文所提出的机制在提高系统可扩展性、稳定性和提高网络服务能力方面具有更好的能力，具有一定的实用价值。

3.总结与展望 展望 超级节点与普通节点的理想比率。 超级节点的分布问题。理想情况下，超级节点应该尽量均匀分布在覆盖网中，从而减小系统中端到端的平均网络时延，提高流媒体数据的分发效率。 P2P流媒体系统节点的安全可控性。

谢谢！ 欢迎各位老师批评指正！