婁書榮,孟令奎,方 軍,夏輝宇

武漢大學(xué)遙感信息工程學(xué)院,湖北武漢430079

隨著遙感技術(shù)的飛速發(fā)展,遙感影像數(shù)據(jù)的分辨率不斷提高,影像數(shù)據(jù)以幾何級數(shù)速度增長,影像的數(shù)量達(dá)到TB級,甚至PB級。同時(shí)遙感影像的應(yīng)用領(lǐng)域更加廣泛,人們對各種分辨率的影像的需求也更加迫切,對影像數(shù)據(jù)的傳輸提出了更高的要求。目前的網(wǎng)絡(luò)傳輸模型大多基于客戶端/服務(wù)器結(jié)構(gòu),此模型在用戶較少的情況下能滿足用戶的需要,但是隨著用戶數(shù)量的不斷增長,服務(wù)器的性能和網(wǎng)絡(luò)帶寬容易成為系統(tǒng)的瓶頸。

當(dāng)前影像網(wǎng)絡(luò)傳輸共享的主流軟件,如Google Earth和World Wind等,都是集中式的服務(wù)器/客戶端架構(gòu)。Google Earth通過服務(wù)器端的高性能硬件和強(qiáng)大的技術(shù)支持,實(shí)現(xiàn)了較好的影像傳輸性能。然而在客戶端仍然有很大的可利用資源,以提高傳輸?shù)男阅?。對等網(wǎng)絡(luò)(P2P)技術(shù)可以充分利用客戶端的資源和網(wǎng)絡(luò)帶寬,降低服務(wù)器的負(fù)載和軟硬件性能需求,降低服務(wù)器性能需求。

目前,基于P2P的影像網(wǎng)絡(luò)傳輸共享引起了諸多學(xué)者的關(guān)注。文獻(xiàn)[1]討論了空間影像數(shù)據(jù)網(wǎng)絡(luò)共享的拓?fù)浣Y(jié)構(gòu),并且提出影像瓦片標(biāo)識(shí)方法和基于空間網(wǎng)格索引的影像瓦片定位方法。文獻(xiàn)[2]設(shè)計(jì)一種混合式對等網(wǎng)絡(luò)模型下的地形數(shù)據(jù)傳輸機(jī)制PeerVOLT,通過同組成員節(jié)點(diǎn)間交換地形數(shù)據(jù)和緩沖映射表共享地形數(shù)據(jù),實(shí)現(xiàn)了以較小服務(wù)器代價(jià)進(jìn)行大規(guī)模地形數(shù)據(jù)的傳輸。文獻(xiàn)[3—4]提出P2P海量地形漫游瓦片調(diào)度算法,并對節(jié)點(diǎn)進(jìn)行分組,考慮了節(jié)點(diǎn)間的物理網(wǎng)絡(luò)關(guān)系,并采用隨機(jī)的鄰近節(jié)點(diǎn)選擇策略。然而,當(dāng)前基于P2P的影像傳輸?shù)难芯吭趦煞矫嬗写M(jìn)一步優(yōu)化,一是當(dāng)前研究只是考慮節(jié)點(diǎn)間的物理網(wǎng)絡(luò)關(guān)系或者只考慮節(jié)點(diǎn)的興趣信息,沒有根據(jù)空間影像的區(qū)域特性將兩者有效結(jié)合;二是當(dāng)前的臨近節(jié)點(diǎn)選擇方法,大多是基于隨機(jī)選擇的方式,缺少對較優(yōu)鄰近節(jié)點(diǎn)和節(jié)點(diǎn)間歷史傳輸參數(shù)信息的考慮。

本文針對當(dāng)前基于P2P影像傳輸?shù)难芯克嬖诘膯栴},結(jié)合空間影像數(shù)據(jù)空間區(qū)域分布和用戶地域分布特征,針對位于同一地理區(qū)域的多個(gè)節(jié)點(diǎn)下載同一區(qū)域的影像數(shù)據(jù)的概率較大,同一用戶對同一地理區(qū)域的影像多次瀏覽的概率較大的特點(diǎn),提出一種基于P2P的多分辨率影像傳輸模型。在遙感影像分級分塊的基礎(chǔ)上,該模型通過構(gòu)建基于興趣區(qū)域分組的多追蹤器覆蓋網(wǎng)絡(luò),實(shí)現(xiàn)了基于興趣區(qū)域和物理網(wǎng)絡(luò)關(guān)系的節(jié)點(diǎn)分組加入算法和考慮節(jié)點(diǎn)間的差異性和下載效率歷史信息的鄰近節(jié)點(diǎn)選擇算法。通過模擬試驗(yàn)證明了模型中鄰近節(jié)點(diǎn)選擇的逐漸優(yōu)化性能,并開發(fā)了原型系統(tǒng)IMAGEP2P。測試表明系統(tǒng)運(yùn)行穩(wěn)定,能夠滿足用戶的要求,并且在多用戶并發(fā)訪問時(shí)與傳統(tǒng)的客戶端/服務(wù)器的模式相比,該模型的服務(wù)器負(fù)載明顯下降,多分辨影像數(shù)據(jù)的平均傳輸速率顯著提高。

1 基于P2P的多分辨率影像數(shù)據(jù)的傳輸模型

P2P在多個(gè)領(lǐng)域的成功應(yīng)用充分展示了它在數(shù)據(jù)傳輸共享應(yīng)用中的優(yōu)勢,因此,可以將 P2P和空間影像數(shù)據(jù)結(jié)合起來建立傳輸模型,充分發(fā)揮各客戶端的作用,減輕服務(wù)器負(fù)載,提高傳輸?shù)男?。P2P文件傳輸中文件分塊的數(shù)據(jù)普遍是無序下載的,一般類型的文件需要下載完所有的分塊之后才能使用。但是,對于遙感影像來說,利用遙感影像分塊方法分塊之后,只要用戶獲得單塊影像數(shù)據(jù),在下載其他影像塊的同時(shí),便可以先對已經(jīng)下載的影像塊進(jìn)行顯示瀏覽,縮短了用戶的等待時(shí)間。本文借鑒在文件共享領(lǐng)域應(yīng)用成熟的Bit Torrent技術(shù)的追蹤器機(jī)制[5],并對其模型進(jìn)行擴(kuò)展,在影像下載客戶端與影像數(shù)據(jù)服務(wù)器之間建立多追蹤器機(jī)制,形成一個(gè)完整的基于P2P的影像數(shù)據(jù)傳輸模型。

1.1 模型體系結(jié)構(gòu)

基于P2P的多分辨率影像傳輸涉及影像數(shù)據(jù)的存儲(chǔ)與管理、P2P節(jié)點(diǎn)的監(jiān)控與調(diào)度、P2P節(jié)點(diǎn)的數(shù)據(jù)下載、用戶的影像瀏覽顯示和相關(guān)的安全與傳輸標(biāo)準(zhǔn)等功能,各個(gè)功能之間具有明顯的層次關(guān)系,既相互獨(dú)立又相互協(xié)同。影像的存儲(chǔ)與管理為客戶端的影像下載提供數(shù)據(jù)基礎(chǔ),P2P節(jié)點(diǎn)的監(jiān)控與調(diào)度負(fù)責(zé)P2P節(jié)點(diǎn)下載服務(wù)器的影像數(shù)據(jù)以及P2P節(jié)點(diǎn)之間的影像互傳,P2P節(jié)點(diǎn)的數(shù)據(jù)下載為上層用戶的影像瀏覽顯示提供數(shù)據(jù),安全與傳輸標(biāo)準(zhǔn)涉及各個(gè)功能。

將傳輸模型劃分為四層結(jié)構(gòu):數(shù)據(jù)服務(wù)器層、P2P追蹤器層、P2P節(jié)點(diǎn)層和用戶層,如圖1所示,各層獨(dú)立負(fù)責(zé)不同功能,下層為上層提供服務(wù),每一層內(nèi)的各個(gè)單元又相互協(xié)同。

圖1 P2P影像傳輸模型體系結(jié)構(gòu)Fig.1 Architecture of image network transmission model based on P2P

數(shù)據(jù)服務(wù)器層主要負(fù)責(zé)影像數(shù)據(jù)的多分辨率分層分塊管理,為上層應(yīng)用提供影像數(shù)據(jù)。P2P追蹤器層主要負(fù)責(zé)監(jiān)測P2P節(jié)點(diǎn)層的各個(gè)客戶端的狀態(tài),記錄下載信息,并合理調(diào)度P2P節(jié)點(diǎn)資源的有效利用,為上層應(yīng)用提供服務(wù),層內(nèi)將各個(gè)P2P追蹤器劃分管理不同的地理空間區(qū)域,并相互協(xié)同。P2P節(jié)點(diǎn)主要負(fù)責(zé)影像數(shù)據(jù)的下載、緩存和相互共享,為用戶層提供數(shù)據(jù)支持,層內(nèi)各個(gè)P2P節(jié)點(diǎn)在本地開辟空間數(shù)據(jù)緩存區(qū)來存儲(chǔ)接收的影像數(shù)據(jù),為同層其他P2P節(jié)點(diǎn)提供影像數(shù)據(jù)下載源。用戶層主要負(fù)責(zé)影像的瀏覽與顯示。

1.2 網(wǎng)絡(luò)模型

C/S模式有易于管理、安全的特點(diǎn),但是服務(wù)器和網(wǎng)絡(luò)負(fù)載過于集中,難以擴(kuò)展。P2P模式把數(shù)據(jù)負(fù)載分布到多個(gè)節(jié)點(diǎn),擴(kuò)展性好,適應(yīng)大量用戶使用的需要,并且在文件共享領(lǐng)域具有較成熟的應(yīng)用技術(shù),文獻(xiàn)[6]提出基于多追蹤器集群的P2P網(wǎng)絡(luò)模型,并設(shè)計(jì)了基于物理網(wǎng)絡(luò)的鄰近節(jié)點(diǎn)加入算法。本文針對影像數(shù)據(jù)本身具有的空間區(qū)域特點(diǎn),設(shè)計(jì)了基于多追蹤器機(jī)制的節(jié)點(diǎn)分組網(wǎng)絡(luò)模型,如圖2所示。

圖2 基于P2P的影像傳輸網(wǎng)絡(luò)模型Fig.2 P2P based network model for image transmission

基于多追蹤器機(jī)制的節(jié)點(diǎn)分組網(wǎng)絡(luò)模型是將模型中的所有追蹤器組成一個(gè)超級網(wǎng)絡(luò),各個(gè)追蹤器根據(jù)地理空間范圍負(fù)責(zé)管理不同的影像區(qū)域,追蹤器之間通過內(nèi)部控制機(jī)制定期的交換負(fù)載信息和所記錄節(jié)點(diǎn)的影像下載參數(shù)信息,并定期地對P2P節(jié)點(diǎn)所感興趣的遙感影像區(qū)域范圍進(jìn)行評估,將其轉(zhuǎn)移到空間區(qū)域相同的興趣組中。在P2P節(jié)點(diǎn)加入的初始階段,或者未知節(jié)點(diǎn)的興趣范圍,則將其加入到離自己物理網(wǎng)絡(luò)最近的組中。

P2P追蹤器動(dòng)態(tài)跟蹤監(jiān)測系統(tǒng)的各個(gè)節(jié)點(diǎn)運(yùn)行情況,調(diào)度請求數(shù)據(jù)的節(jié)點(diǎn)向正在運(yùn)行并且擁有所需影像塊的節(jié)點(diǎn)請求數(shù)據(jù)。當(dāng)節(jié)點(diǎn)請求數(shù)據(jù)時(shí),P2P追蹤器預(yù)先選擇臨近并且最優(yōu)的節(jié)點(diǎn)供其下載,并且記錄各個(gè)節(jié)點(diǎn)已經(jīng)下載的影像信息及節(jié)點(diǎn)總的下載量和上傳量等相關(guān)信息。

2 模型實(shí)現(xiàn)機(jī)制與優(yōu)化策略

在模型創(chuàng)建的過程中,涉及多個(gè)技術(shù)問題。影像數(shù)據(jù)的分級分塊編碼及查詢方法,關(guān)系到影像塊查找和傳輸?shù)男?節(jié)點(diǎn)的分組加入機(jī)制,可以縮短節(jié)點(diǎn)間物理網(wǎng)絡(luò)距離,提高節(jié)點(diǎn)互傳的效率;鄰近節(jié)點(diǎn)選擇算法,根據(jù)節(jié)點(diǎn)下載的歷史信息選擇交互較好的節(jié)點(diǎn)下載數(shù)據(jù)。本節(jié)分別對以上這些關(guān)系到數(shù)據(jù)傳輸效率的技術(shù)問題進(jìn)行討論。

2.1 影像數(shù)據(jù)的分級分塊編碼及查詢

在日常生活中,人們查看影像地圖時(shí),習(xí)慣于首先查看地圖的整體概略信息,然后找到感興趣的區(qū)域,查看詳細(xì)信息。因此,當(dāng)客戶端瀏覽影像的時(shí)候,開始時(shí)向節(jié)點(diǎn)傳輸較低分辨率的影像,以供其查看較大范圍的概略信息,當(dāng)選定感興趣區(qū)域時(shí),再向客戶端傳送相應(yīng)區(qū)域的高分辨率影像。

影像分塊和影像金字塔是影像數(shù)據(jù)管理的核心內(nèi)容。一幅影像數(shù)據(jù)量太大,難以滿足實(shí)時(shí)調(diào)度的要求,需將分幅的影像分塊存放。同時(shí),隨著瀏覽比例尺縮小,需要看到更抽象的影像,如果直接從底層數(shù)據(jù)抽取,速度太慢。所以需要建立影像金字塔,可根據(jù)不同的顯示情況調(diào)用不同金字塔層次上的數(shù)據(jù)。因此,遙感數(shù)據(jù)的存儲(chǔ)應(yīng)以原始圖像為基礎(chǔ),建立多級圖像金字塔,便于影像瀏覽與顯示。

影像分塊的大小會(huì)影響系統(tǒng)的有效性能,如果數(shù)據(jù)塊太大,則可能導(dǎo)致讀取過多的不在目標(biāo)范圍內(nèi)的多余數(shù)據(jù)。如果數(shù)據(jù)塊太小,減少了冗余數(shù)據(jù),但卻增加了存取操作的次數(shù),不利于數(shù)據(jù)的存取。本文對影像金字塔的各層,采用2×2影像采樣方法進(jìn)行處理,得出上層影像數(shù)據(jù)。然后對每層進(jìn)行分塊,利用塊狀劃分的方法將影像數(shù)據(jù)按照格網(wǎng)劃分成影像小塊,對于像素矩陣的邊緣部分,像素矩陣的行列數(shù)大小小于分塊尺寸大小的情況,采用ArcSDE中采用的邊緣補(bǔ)零方法,將數(shù)據(jù)塊大小分別分為64×64像素、128×128像素或者256×256像素進(jìn)行試驗(yàn)。

影像塊的空間編碼是對分級后劃分的影像塊進(jìn)行組織,是將二維的對象空間按照編碼函數(shù)映射到一維空間的過程。本文采用“金字塔級別-行號(hào)-列號(hào)”的形式對影像塊進(jìn)行編碼,如圖3所示。

圖3 影像分層組織及編碼結(jié)構(gòu)Fig.3 Hierarchical organization and coding structure of images

在進(jìn)行空間查詢時(shí),根據(jù)空間查詢范圍QR和影像金字塔級別 PL,首先計(jì)算出所包含的影像編號(hào),再根據(jù)原始影像的空間范圍 ImageR、分塊大小(TileWidth,Tile Hight)、當(dāng)前影像層次的分辨率大小(TileR)(可以通過原始影像金字塔的分辨率和當(dāng)前影像的金字塔級別計(jì)算得出)和當(dāng)前影像所覆蓋的查詢范圍 ImageQR,利用以下公式可以計(jì)算得出查詢的本幅影像所包含的行列號(hào)范圍(Rowmin,Rowmax,Colmin,Colmax)。

通過以上公式計(jì)算出的影像行列號(hào)可以唯一確定查詢的影像塊編碼,使得系統(tǒng)可以根據(jù)用戶瀏覽的坐標(biāo)范圍和影像金字塔的級別快速計(jì)算出用戶想要下載的影像塊信息。

2.2 模型的優(yōu)化機(jī)制

2.2.1 節(jié)點(diǎn)的分組加入機(jī)制

目前的節(jié)點(diǎn)分組加入方法主要是針對普通文件的,例如文獻(xiàn)[7—8]等通過分組,節(jié)點(diǎn)隨機(jī)加入組中,文獻(xiàn)[9]提出按興趣進(jìn)行分組,節(jié)點(diǎn)按興趣加入不同的興趣組。這些方法只是單獨(dú)考慮節(jié)點(diǎn)的物理網(wǎng)絡(luò)關(guān)系或者節(jié)點(diǎn)的興趣信息,都在一定程度上提高節(jié)點(diǎn)間數(shù)據(jù)傳輸?shù)男?。本文針對影像?shù)據(jù)傳輸瀏覽的特點(diǎn),將兩者結(jié)合起來,提出既考慮節(jié)點(diǎn)的物理網(wǎng)絡(luò)關(guān)系又考慮節(jié)點(diǎn)的興趣區(qū)域信息的節(jié)點(diǎn)分組加入機(jī)制。

影像瀏覽節(jié)點(diǎn)加入時(shí),首先希望加入物理網(wǎng)絡(luò)上距離自己最近的追蹤器組,提高與追蹤器的交互效率的同時(shí),尋找物理上相近的節(jié)點(diǎn)作為鄰近節(jié)點(diǎn)下載數(shù)據(jù)。同時(shí),用戶瀏覽影像數(shù)據(jù)具有區(qū)域性特點(diǎn),節(jié)點(diǎn)也希望與自己影像區(qū)域興趣相同的節(jié)點(diǎn)成為一組,便于尋找和發(fā)現(xiàn)與自己交互較好的鄰近節(jié)點(diǎn),并保持長期的鄰近關(guān)系。系統(tǒng)為每個(gè)追蹤器分配一定的影像區(qū)域。

定義1:節(jié)點(diǎn)集 SU={U1,U2,U3,…,Un}。式中,Ui(1≤i≤n)為單個(gè)節(jié)點(diǎn);追蹤器集為S P= {P1,P2,P3,…,Pm}。式中,Pj(1≤j≤m)為單個(gè)追蹤器。

定義2:Dist(Ui,Pj),節(jié)點(diǎn)Ui與追蹤器 Pj的網(wǎng)絡(luò)連接延遲時(shí)間。

定義3:節(jié)點(diǎn)Ui=〈ID,Phy N,IntN,Uneb〉。式中,ID為本節(jié)點(diǎn)唯一標(biāo)識(shí);Phy N標(biāo)識(shí)該節(jié)點(diǎn)所屬的物理網(wǎng)絡(luò)追蹤器 Px(1≤x≤m),IntN標(biāo)識(shí)該節(jié)點(diǎn)所屬的興趣區(qū)域組追蹤器 Py(1≤y≤m),Uneb為與本節(jié)點(diǎn)交互較好的前30個(gè)節(jié)點(diǎn)的集合。

新節(jié)點(diǎn)Uk加入算法描述如下:

第一步,測量各個(gè)Dist(Uk,Pi)(1≤i≤m);

第二步,求 min(Dist(Uk,Pi))的追蹤器 Px,然后加入該組,將Uk的Phy N設(shè)置為Px;

第三步,通過多次下載,分析最近幾次節(jié)點(diǎn)下載影像的興趣區(qū)域,查找到該區(qū)域的追蹤器編號(hào) Py;

第四步,將Uk的IntN設(shè)置為 Py,供以后連接使用。

普通節(jié)點(diǎn)首次加入時(shí),首先向所有的追蹤器發(fā)送消息,測試自己與各個(gè)追蹤器的延遲信息,并從中選擇延遲最小的作為本節(jié)點(diǎn)的默認(rèn)追蹤器。如果節(jié)點(diǎn)是再次加入,則節(jié)點(diǎn)首先通知所有P2P追蹤器當(dāng)前節(jié)點(diǎn)在線,使其他節(jié)點(diǎn)能夠向本節(jié)點(diǎn)請求緩存的影像數(shù)據(jù)。當(dāng)節(jié)點(diǎn)離開時(shí),通知所有P2P追蹤器本節(jié)點(diǎn)即將離開,即通知追蹤器本節(jié)點(diǎn)將暫時(shí)不能為其他節(jié)點(diǎn)提供數(shù)據(jù)上傳服務(wù)。當(dāng)節(jié)點(diǎn)在線時(shí),如果節(jié)點(diǎn)與默認(rèn)的P2P追蹤器在一定時(shí)間內(nèi)沒有消息往來,則節(jié)點(diǎn)采用心跳機(jī)制測試自己的連接狀態(tài),并使得P2P追蹤器能清楚地判斷節(jié)點(diǎn)的在線狀態(tài),以防止由于節(jié)點(diǎn)的意外丟失,而沒有及時(shí)改變節(jié)點(diǎn)的在線狀態(tài),當(dāng)P2P追蹤器發(fā)現(xiàn)節(jié)點(diǎn)未事先通知而離開時(shí),則該P(yáng)2P追蹤器通知其他P2P追蹤器該節(jié)點(diǎn)處于離線狀態(tài)。

2.2.2 鄰近節(jié)點(diǎn)選擇算法

遙感影像數(shù)據(jù)具有空間區(qū)域特點(diǎn)和用戶地域分布特點(diǎn),位于同一地理區(qū)域的多個(gè)節(jié)點(diǎn)下載同區(qū)域的影像數(shù)據(jù)的概率較大,同時(shí),節(jié)點(diǎn)感興趣的遙感影像區(qū)域范圍具有固定性特點(diǎn)。因此,節(jié)點(diǎn)選擇鄰近節(jié)點(diǎn)既要考慮節(jié)點(diǎn)的物理網(wǎng)絡(luò)距離,同時(shí)又要考慮影像下載區(qū)域興趣相同的節(jié)點(diǎn),以保持長期的信息互換。節(jié)點(diǎn)請求影像時(shí),P2P追蹤器在同一興趣區(qū)域組中選擇鄰近節(jié)點(diǎn),并在這些節(jié)點(diǎn)中優(yōu)先選擇屬于同一物理網(wǎng)絡(luò)區(qū)域的節(jié)點(diǎn)。

節(jié)點(diǎn)在下載影像數(shù)據(jù)的同時(shí),記錄與鄰近節(jié)點(diǎn)的交換參數(shù)信息,例如節(jié)點(diǎn)連接的延遲時(shí)間、數(shù)據(jù)傳輸?shù)钠骄俣群凸?jié)點(diǎn)的興趣區(qū)域等信息,并對節(jié)點(diǎn)交互效率由高到低進(jìn)行排序,更新該節(jié)點(diǎn)的Uneb集合信息。當(dāng)節(jié)點(diǎn)再次請求數(shù)據(jù)時(shí),將追蹤器發(fā)來的鄰近節(jié)點(diǎn)列表,與節(jié)點(diǎn)記錄的Uneb集合進(jìn)行對比,盡量選擇歷史記錄參數(shù)較好的節(jié)點(diǎn)作為請求的目標(biāo)節(jié)點(diǎn),同時(shí)也選擇部分新節(jié)點(diǎn)作為鄰近節(jié)點(diǎn),使得用戶能夠進(jìn)一步查找與自己交互更好的節(jié)點(diǎn)。因此,節(jié)點(diǎn)在多次影像瀏覽以后,能夠找到性能局部較優(yōu)的節(jié)點(diǎn)作為鄰近節(jié)點(diǎn)。

鄰近節(jié)點(diǎn)的選擇算法描述如下:

第一步,追蹤器根據(jù)節(jié)點(diǎn)Uk請求的影像區(qū)域,查找當(dāng)前在線的擁有該區(qū)域影像的多個(gè)節(jié)點(diǎn){Uu,Uv,…,Uz},并優(yōu)先選擇與節(jié)點(diǎn)同屬于Phy N的節(jié)點(diǎn)作為其鄰近節(jié)點(diǎn);

第二步,節(jié)點(diǎn)Uk收到追蹤器的鄰近節(jié)點(diǎn)列表后,首先與自己記錄的傳輸歷史較好的節(jié)點(diǎn)Uneb集合進(jìn)行對比,優(yōu)先選擇Uneb中擁有的節(jié)點(diǎn),并隨機(jī)選取Uneb中沒有的少數(shù)節(jié)點(diǎn),組成鄰近節(jié)點(diǎn),請求數(shù)據(jù);

第三步,請求完成,及時(shí)更新與各個(gè)鄰近節(jié)點(diǎn)交互的參數(shù)信息,對鄰近節(jié)點(diǎn)交互效率由高到低進(jìn)行排序,更新本節(jié)點(diǎn)的 Uneb集合,供以后使用。

對于熱點(diǎn)區(qū)域影像數(shù)據(jù),盡量依據(jù)上述機(jī)制從鄰近節(jié)點(diǎn)獲取數(shù)據(jù),并控制各節(jié)點(diǎn)的上載量,限制節(jié)點(diǎn)的上傳連接數(shù),避免由于上傳數(shù)據(jù)而降低自身性能的問題。而對于沒有或者較少有節(jié)點(diǎn)下載的影像區(qū)域,P2P追蹤器首先調(diào)度負(fù)載較輕的數(shù)據(jù)服務(wù)器為節(jié)點(diǎn)提供下載,并且P2P追蹤器優(yōu)先選擇整個(gè)系統(tǒng)中最少的影像塊下載,而在系統(tǒng)中相對較多的影像塊,放在后面下載,從而使影像塊均勻的分布于系統(tǒng)中,降低影像塊分布不均衡從而降低下載速度的風(fēng)險(xiǎn)。

3 模擬試驗(yàn)和系統(tǒng)原型測試分析

3.1 模擬試驗(yàn)

用模擬的方法對鄰近節(jié)點(diǎn)選擇算法進(jìn)行測試,利用網(wǎng)絡(luò)延遲矩陣文件meridian-matrix中的網(wǎng)絡(luò)延遲信息,分別構(gòu)建基于100個(gè)和500個(gè)節(jié)點(diǎn)作為興趣組的覆蓋網(wǎng)絡(luò)。對系統(tǒng)多次運(yùn)行時(shí)鄰近節(jié)點(diǎn)選擇的優(yōu)化性能進(jìn)行測試,對100次請求,每次請求選擇5個(gè)鄰近節(jié)點(diǎn)的情況進(jìn)行測試,記錄每次選擇的各個(gè)鄰近節(jié)點(diǎn)與本節(jié)點(diǎn)的網(wǎng)絡(luò)延遲信息,求平均值,并對每十次請求再進(jìn)行平均值計(jì)算,即對第1～10、第11～20、第21～30、…、第91～100次,各取十次的平均值,得出結(jié)果如圖 4所示。

圖4 節(jié)點(diǎn)多次請求時(shí)模型選擇鄰近節(jié)點(diǎn)的網(wǎng)絡(luò)延遲趨勢圖Fig.4 Trend chart of network delay of adjacent nodes selected block when a node requests the data many times

從圖4測試結(jié)果可以看出,開始時(shí),追蹤器選擇的鄰近節(jié)點(diǎn)對于節(jié)點(diǎn)來說大部分是沒有交互記錄的時(shí)候,會(huì)出現(xiàn)鄰近節(jié)點(diǎn)性能不穩(wěn)定的情況,但是,隨著用戶請求的次數(shù)增加,節(jié)點(diǎn)對鄰近節(jié)點(diǎn)的經(jīng)驗(yàn)信息將會(huì)發(fā)揮作用,鄰近節(jié)點(diǎn)的選擇性能將會(huì)變得越來越好。

3.2 原型系統(tǒng)測試與分析

利用VS2005(C#)語言,設(shè)計(jì)并開發(fā)了原型系統(tǒng) IMA GEP2P,包括瀏覽客戶端、P2P節(jié)點(diǎn)、P2P追蹤器和數(shù)據(jù)服務(wù)器四個(gè)模塊。以分辨率為0.2 m的DPGRID影像作為試驗(yàn)數(shù)據(jù),對影像建立金字塔,然后對各分辨率的數(shù)據(jù)按256×256像素(大小為192 K)、128×128像素(大小為48 K)和64×64像素(大小為12 K)分塊,試驗(yàn)對不同分塊大小的影像分別進(jìn)行測試。在同一局域網(wǎng)絡(luò)內(nèi),一臺(tái)計(jì)算機(jī)運(yùn)行數(shù)據(jù)服務(wù)器、一臺(tái)計(jì)算機(jī)運(yùn)行P2P追蹤器、另外五臺(tái)計(jì)算機(jī)運(yùn)行P2P節(jié)點(diǎn)。

試驗(yàn)分別利用客戶端/服務(wù)器模式和 IMAGEP2P系統(tǒng)進(jìn)行影像數(shù)據(jù)瀏覽。記錄單個(gè)P2P客戶端下載同一區(qū)域的2 000個(gè)影像塊的平均耗費(fèi)時(shí)間,然后取平均得出單個(gè)客戶端單塊下載時(shí)間,結(jié)果取10次試驗(yàn)的平均值。

基于客戶端/服務(wù)器模式的影像下載方法,在同時(shí)下載的用戶相對較少時(shí),下載的速度比IMAGEP2P系統(tǒng)快,然而當(dāng)同時(shí)下載用戶較多時(shí),下載的平均速度較慢,試驗(yàn)結(jié)果如圖5所示,分別為256×256、128×128和64×64像素分塊方法與傳統(tǒng)的客戶端/服務(wù)器方式的比較。

由圖5可知,當(dāng)同時(shí)請求的節(jié)點(diǎn)數(shù)較少時(shí),基于IMAGEP2P的下載模式,P2P追蹤器的處理時(shí)間降低了影像的平均傳輸效率,使得 IMAGEP2P模式影像塊下載的平均速度較慢。當(dāng)請求的節(jié)點(diǎn)較多時(shí),請求節(jié)點(diǎn)的部分影像塊可以通過在其他臨近節(jié)點(diǎn)獲得,而基于客戶端/服務(wù)器的模式增加了服務(wù)器的響應(yīng)和傳輸時(shí)間,使得IMAGEP2P模式下載的平均速度較快。例如,當(dāng)分塊大小為128×128像素(大小為48 K),四個(gè)節(jié)點(diǎn)同時(shí)請求同一區(qū)域數(shù)據(jù)時(shí),IMAGEP2P模式的平均傳輸效率已經(jīng)高于客戶端/服務(wù)器模式了。因此,當(dāng)大量的用戶同時(shí)進(jìn)行影像瀏覽時(shí),基于IMAGEP2P的下載模式,影像塊的傳輸效率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的客戶端/服務(wù)器模式。從服務(wù)器的負(fù)載角度來看,IMAGEP2P模式增加了P2P追蹤器的處理和調(diào)度功能,增加了 P2P追蹤器的負(fù)載,進(jìn)而明顯降低了數(shù)據(jù)服務(wù)器的數(shù)據(jù)傳輸量,很大程度上減輕了數(shù)據(jù)服務(wù)器的負(fù)載。

圖5 不同模型單個(gè)影像塊傳輸時(shí)間與傳統(tǒng)客戶端/服務(wù)器模式對比圖Fig.5 Comparison chart of transmission time of a single image block traditional client/server mode for different models

隨著系統(tǒng)的長時(shí)間穩(wěn)定運(yùn)行,對于影像瀏覽熱點(diǎn)區(qū)域,瀏覽的用戶越多,擁有該區(qū)域影像的節(jié)點(diǎn)相對也越多,使得該區(qū)域的影像下載速度較快。而對于較少有用戶瀏覽的區(qū)域,影像下載較慢,但仍然能夠滿足瀏覽需求。當(dāng)系統(tǒng)趨于穩(wěn)定時(shí),對于分辨率的較低的數(shù)據(jù),由于下載的用戶較多,各個(gè)節(jié)點(diǎn)下載的速度較快,而對于節(jié)點(diǎn)下載較少的高分辨率的影像塊,擁有的該數(shù)據(jù)的節(jié)點(diǎn)數(shù)較少,使得下載速度相對較慢。

3.3 原型系統(tǒng)影像瀏覽

從低分辨率影像概略瀏覽到高分辨率的影像的詳細(xì)顯示結(jié)果如圖6所示,分塊大小為64×64 (12 K)像素,圖6(a)為大范圍較低分辨率的影像圖,圖6(b)為較小區(qū)域的中分辨率的影像圖,圖6(c)為小區(qū)域的較高分辨率的影像圖,圖6(d)為小區(qū)域的高分辨的影像圖。

圖6 多分辨率影像瀏覽圖Fig.6 Multi-resolution image browsing map

4 結(jié) 論

主要討論基于P2P的多分辨率影像數(shù)據(jù)的網(wǎng)絡(luò)傳輸模型,對模型的體系結(jié)構(gòu)、實(shí)現(xiàn)機(jī)制和優(yōu)化策略進(jìn)行詳細(xì)的闡述,并設(shè)計(jì)原型系統(tǒng)IMAGEP2P。通過模擬和試驗(yàn)論證模型的可行性。試驗(yàn)結(jié)果證明鄰近節(jié)點(diǎn)選擇算法的可行,系統(tǒng)運(yùn)行穩(wěn)定,在多個(gè)用戶并發(fā)請求影像時(shí),與傳統(tǒng)的基于客戶端/服務(wù)器模型相比,IMAGEP2P顯著地提高了影像傳輸?shù)男?很大程度上減輕了數(shù)據(jù)服務(wù)器的負(fù)載。在P2P影像系統(tǒng)中,影像數(shù)據(jù)的來源不再局限于服務(wù)器,非法的用戶可以繞開服務(wù)器,直接向用戶端發(fā)起連接,使得非法用戶接入某一合法用戶后,同樣可以獲得影像數(shù)據(jù),如何保證影像數(shù)據(jù)的安全性將是進(jìn)一步研究的內(nèi)容。

[1] LIU Yi,GONG Jianya,WU Huayi.P2P Based Efficient On-Line SpatialImages Delivery[C]∥Geoinformatics 2007:GeospatialInformation Technology and Applications.Nanjing:SPIE,2007.

[2] YU Zhanwu,ZHENG Sheng,LI Zhongmin.A Large-scale Terrain Transmission Mechanism Based on Hybrid P2P[J]. Acta Geodaetica et Cartographica Sinica,2008,37(1): 243-250.(喻占武,鄭勝,李忠民.一種混合式P2P下的大規(guī)模地形數(shù)據(jù)傳輸機(jī)制[J].測繪學(xué)報(bào),2008,37(1): 243-250.)

[3] PAN Shaoming,YU Zhanwu,L I Rui.Tile Scheduling Algorithm Based on Active Cache in P2P Massive Terrain Navigation[J].Acta Geodaetica et Cartographica Sinica, 2009,38(3):236-249.(潘少明,喻占武,李銳.基于主動(dòng)緩存的P2P海量地形漫游瓦片調(diào)度算法[J].測繪學(xué)報(bào), 2009,38(3):236-249.)

[4] PAN Shaoming,YU Zhanwu,WAN G Hao.Massive Terrain Data Sharing in Pyramid Hierarchical Peer-to-Peer Networks[J]. Geomatics and Information Science of Wuhan University,2009,34(6):650-653.(潘少明,喻占武,王浩.基于節(jié)點(diǎn)分組的P2P海量地形數(shù)據(jù)共享機(jī)制[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2009,34(6): 650-653.)

[5] COHEN B.Incentives Build Robustness in BitT orrent[C]∥Proceedings of the 1st Workshop on the Economics of Peerto-Peer Systems.Berkeley:[s.n.],2003.

[6] XIAO Bin,YU Jiadi,SHAO Zili,et al.Distributed Proximity-aware Peer Clustering in Bit Torrent-Like Peer-to-Peer Networks[C] ∥ Embedded and Ubiquitous Computing.Soul:Springer,2006:375-384.

[7] SAHOTA V,LI Maozhen,BAKER M.A Grouped P2P Network for Scalable Grid Information Services[J].Peerto-Peer Networking and Application,2009,2(1):3-12.

[8] MIZRAK A T,CHENG Yuchung,KUMAR V,et al. Structured Superpeers:Leveraging Heterogeneity to Provide Constant-time Lookup[C]∥Proceedings of the Third IEEE Workshop on InternetApplications. San Jose: IEEE,2003:1530-1354.

[9] SRIPANIDKULCHAI K,MA GGS B,ZHAN G Hui. Efficient Content Location Using Interest-based Locality in Peer-to-Peer Systems[C]∥Proceedings of IEEE INFOCOM 2003.[S.l.]:IEEE,2003:2166-2176.

[10] GUO Lei,CHEN Songqing,XIAO Zhen,et al.A Performance Study of Bit Torrent-like Peer-to-Peer Systems[J].IEEE Journal on Selected Areas in Communications,2007,25(1):155-169.

[11] LIU Weidong,PENG Dongsheng,LIN Chuang,et al. Enhancing Tit-for-tat for Incentive in Bit Torrent Networks[J].Peer-to-Peer Networking and Applications, 2009,3(1):27-35.

[12] CHAN H L,LAM T W,WONG P W H.Efficiency of Data Distribution in Bit Torrent-like Systems[C]∥Algorithmic Aspects in Information and Management. Portland:Springer,2008:378-388.

[13] KOMMAREDDY C,SHANKAR N,BHATTACHARJEE B.Finding Close Friends on the Internet[C]∥Proceedings of the Ninth International Conference on Network Protocols.Washington:IEEE,2001:301-309.

[14] GUO Lei,CHEN Songqing,XIAO Zhen,et al.Measurements, Analysis, and Modeling of Bit Torrent-like Systems[C]∥Proceedings of the 5th ACM SIGCOMM conferenceon InternetMeasurement. New Orleans: USENIX Association,2005:35-48.