萬(wàn)明剛，李澤平，張 軍

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550025)

混合流媒體分發(fā)系統(tǒng)中多指標(biāo)用戶群分組算法

萬(wàn)明剛，李澤平，張 軍

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550025)

針對(duì)混合流媒體分發(fā)系統(tǒng)中服務(wù)節(jié)點(diǎn)提供服務(wù)時(shí)出現(xiàn)額外的跨地域、跨網(wǎng)絡(luò)開(kāi)銷以及搜索服務(wù)節(jié)點(diǎn)效率低下的問(wèn)題，提出一種基于多指標(biāo)的用戶群分組算法，并應(yīng)用于服務(wù)節(jié)點(diǎn)選擇。依次分別利用節(jié)點(diǎn)位置和網(wǎng)絡(luò)類型對(duì)用戶群進(jìn)行分組，將候選服務(wù)節(jié)點(diǎn)限制在同地域、同ISP范圍內(nèi)，以減少不必要的跨地域、跨網(wǎng)絡(luò)開(kāi)銷；然后結(jié)合節(jié)點(diǎn)興趣對(duì)用戶群作進(jìn)一步劃分，將搜索服務(wù)節(jié)點(diǎn)的范圍限制在興趣組內(nèi)，以減小搜索流量、提高搜索效率。仿真實(shí)驗(yàn)表明：提出的算法能有效將用戶群分組，提高分發(fā)系統(tǒng)服務(wù)效率。

混合流媒體分發(fā)系統(tǒng);節(jié)點(diǎn)位置;網(wǎng)絡(luò)類型;節(jié)點(diǎn)興趣;分組;服務(wù)節(jié)點(diǎn)選擇

1 概 述

在CDN-P2P混合流媒體分發(fā)系統(tǒng)中，用戶節(jié)點(diǎn)可以通過(guò)兩種方式獲取流媒體資源：一是由邊緣服務(wù)器提供，二是由peer節(jié)點(diǎn)之間共享。在以peer節(jié)點(diǎn)之間共享的方式獲取資源時(shí)，請(qǐng)求節(jié)點(diǎn)搜索擁有所請(qǐng)求的流媒體資源的peer節(jié)點(diǎn)，并從中選擇一個(gè)或多個(gè)節(jié)點(diǎn)作為服務(wù)節(jié)點(diǎn)。而這些節(jié)點(diǎn)可能分布于不同的地域、接入不同的ISP。如果請(qǐng)求節(jié)點(diǎn)忽略位置較近的節(jié)點(diǎn)而選擇位置較遠(yuǎn)的節(jié)點(diǎn)作為服務(wù)節(jié)點(diǎn)，提供服務(wù)時(shí)流媒體資源需要經(jīng)過(guò)較多的物理鏈路才能到達(dá)請(qǐng)求節(jié)點(diǎn)，增加了網(wǎng)絡(luò)負(fù)載、引起了不必要的跨地域開(kāi)銷；如果請(qǐng)求節(jié)點(diǎn)忽略自己所在ISP內(nèi)部的節(jié)點(diǎn)，而選擇不同ISP的節(jié)點(diǎn)作為服務(wù)節(jié)點(diǎn)，提供服務(wù)時(shí)流媒體資源需要跨過(guò)網(wǎng)絡(luò)邊界才能到達(dá)請(qǐng)求節(jié)點(diǎn)，引起了不必要的跨網(wǎng)絡(luò)開(kāi)銷。另外，在搜索服務(wù)節(jié)點(diǎn)時(shí)如果不對(duì)搜索范圍加以限制而采用全局洪泛搜索的方式，將會(huì)導(dǎo)致搜索效率低下，并大幅增加骨干網(wǎng)的通信負(fù)載，導(dǎo)致網(wǎng)絡(luò)運(yùn)營(yíng)商有更強(qiáng)烈的愿望來(lái)限制P2P網(wǎng)絡(luò)流量。

針對(duì)上述問(wèn)題，國(guó)內(nèi)外眾多研究機(jī)構(gòu)、專家學(xué)者都積極展開(kāi)了研究。

文獻(xiàn)[1]基于節(jié)點(diǎn)之間的網(wǎng)絡(luò)延遲提出一種分箱策略，測(cè)量網(wǎng)絡(luò)節(jié)點(diǎn)到地標(biāo)節(jié)點(diǎn)集中各地標(biāo)節(jié)點(diǎn)的網(wǎng)絡(luò)延遲，據(jù)此將網(wǎng)絡(luò)節(jié)點(diǎn)分到不同的箱中。文獻(xiàn)[2]基于網(wǎng)絡(luò)坐標(biāo)計(jì)算節(jié)點(diǎn)之間的歐氏距離，結(jié)合遺傳聚類算法和K-means算法提出一種混合聚類算法對(duì)節(jié)點(diǎn)進(jìn)行有效聚類。文獻(xiàn)[3-4]對(duì)計(jì)算機(jī)網(wǎng)絡(luò)上的距離預(yù)測(cè)技術(shù)進(jìn)行了研究。文獻(xiàn)[5]提出一種基于興趣相關(guān)度的P2P網(wǎng)絡(luò)搜索優(yōu)化算法，介紹了興趣向量及興趣相關(guān)度的描述方法。文獻(xiàn)[6]描述了節(jié)點(diǎn)興趣以及興趣相關(guān)度的表示方法，借助層次聚類法和K-means聚類法探討P2P社區(qū)的形成過(guò)程。文獻(xiàn)[7]提出一種基于網(wǎng)絡(luò)拓?fù)浜凸?jié)點(diǎn)興趣偏好的P2P搜索機(jī)制。文獻(xiàn)[8-10]對(duì)近年來(lái)提出的較有代表性的聚類算法進(jìn)行分析概括，介紹了聚類分析的研究熱點(diǎn)、難點(diǎn)、不足和有待解決的一些問(wèn)題。

現(xiàn)有這些對(duì)分組方法的研究多是基于節(jié)點(diǎn)位置或者節(jié)點(diǎn)興趣某一個(gè)指標(biāo)，設(shè)計(jì)出的算法對(duì)用戶群體劃分不夠細(xì)致，不能兼顧搜索效率以及網(wǎng)絡(luò)開(kāi)銷的問(wèn)題，分組結(jié)果具有明顯的缺陷。文中提出一種基于多指標(biāo)的用戶群分組算法，結(jié)合基于節(jié)點(diǎn)位置分組與基于節(jié)點(diǎn)興趣分組各自的優(yōu)勢(shì)，引入網(wǎng)絡(luò)類型這一指標(biāo)，利用這三個(gè)指標(biāo)對(duì)用戶群進(jìn)行層次劃分，盡可能將候選服務(wù)節(jié)點(diǎn)限制在同地域、同網(wǎng)絡(luò)類型以及興趣相似的節(jié)點(diǎn)小組內(nèi)，以減少不必要的跨地域、跨網(wǎng)絡(luò)開(kāi)銷，提高搜索效率。

2 體系結(jié)構(gòu)

目前主流的流媒體分發(fā)結(jié)構(gòu)有基于CDN[11-13]、基于P2P[14-15]和CDN-P2P[16]混合結(jié)構(gòu)。文中研究的分組算法是基于CDN-P2P混合結(jié)構(gòu)。將CDN的思想引入P2P網(wǎng)絡(luò)，在骨干網(wǎng)部署CDN系統(tǒng)，在接入網(wǎng)構(gòu)建P2P區(qū)域化網(wǎng)絡(luò)，融合了CDN高可靠性和P2P低成本、高可擴(kuò)展性的優(yōu)勢(shì)，應(yīng)用前景廣泛。

混合流媒體分發(fā)系統(tǒng)體系結(jié)構(gòu)如圖1所示。

圖1 混合流媒體分發(fā)系統(tǒng)體系結(jié)構(gòu)

3 分組算法

3.1 分組指標(biāo)

文中選取節(jié)點(diǎn)位置、網(wǎng)絡(luò)類型和節(jié)點(diǎn)興趣三個(gè)指標(biāo)設(shè)計(jì)混合流媒體分發(fā)系統(tǒng)中的用戶群分組算法，盡可能將位置鄰近、網(wǎng)絡(luò)類型相同、興趣近似的用戶節(jié)點(diǎn)劃分到同一個(gè)小組。

基于節(jié)點(diǎn)位置分組的基本思想是根據(jù)節(jié)點(diǎn)在網(wǎng)絡(luò)中所處的位置直接計(jì)算節(jié)點(diǎn)間的網(wǎng)絡(luò)距離或者估計(jì)節(jié)點(diǎn)間的網(wǎng)絡(luò)鄰近度，將網(wǎng)絡(luò)距離較小或者相對(duì)鄰近的節(jié)點(diǎn)劃分到同一個(gè)位置組中,將候選服務(wù)節(jié)點(diǎn)限制在位置組內(nèi)，以減少不必要的跨地域開(kāi)銷。其中，網(wǎng)絡(luò)距離是一種抽象概念，通常用網(wǎng)絡(luò)延遲來(lái)衡量，以RTT表示[8]。

文中采用基于參考點(diǎn)的網(wǎng)絡(luò)鄰近度估計(jì)技術(shù)，選取混合流媒體分發(fā)系統(tǒng)中的邊緣服務(wù)器節(jié)點(diǎn)作為地標(biāo)節(jié)點(diǎn)(Landmark)，用節(jié)點(diǎn)到地標(biāo)節(jié)點(diǎn)的網(wǎng)絡(luò)延遲來(lái)定義它們之間的距離，根據(jù)每個(gè)節(jié)點(diǎn)到各地標(biāo)節(jié)點(diǎn)的距離預(yù)估節(jié)點(diǎn)之間的鄰近度，進(jìn)而根據(jù)鄰近度進(jìn)行第一次基于節(jié)點(diǎn)位置的分組。

定義1：節(jié)點(diǎn)位置。

算法 1：基于節(jié)點(diǎn)位置分組算法。

對(duì)每個(gè)節(jié)點(diǎn)ni，測(cè)量它到地標(biāo)節(jié)點(diǎn)集L中所有地標(biāo)節(jié)點(diǎn)的RTT，并按升序排列，得到節(jié)點(diǎn)ni到各個(gè)地標(biāo)節(jié)點(diǎn)的RTT序列。將RTT序列相同的節(jié)點(diǎn)歸到同一個(gè)位置組。

由于同一網(wǎng)絡(luò)類型內(nèi)的節(jié)點(diǎn)之間網(wǎng)絡(luò)連接狀況、通信質(zhì)量比較有保證，而跨網(wǎng)絡(luò)之間的通信質(zhì)量比較差，因此選擇服務(wù)節(jié)點(diǎn)時(shí)應(yīng)盡量選擇同一網(wǎng)絡(luò)類型的節(jié)點(diǎn)?；诰W(wǎng)絡(luò)類型分組的思想便是基于這一點(diǎn)。

定義2：網(wǎng)絡(luò)類型。

根據(jù)網(wǎng)絡(luò)運(yùn)營(yíng)商，文中將網(wǎng)絡(luò)類型分為電信、移動(dòng)、聯(lián)通三類。

算法2：基于網(wǎng)絡(luò)類型分組算法。

將基于節(jié)點(diǎn)位置分組的結(jié)果按網(wǎng)絡(luò)類型繼續(xù)劃分，將每個(gè)位置組的用戶群節(jié)點(diǎn)按其所接入的網(wǎng)絡(luò)類型進(jìn)一步劃分為更小的網(wǎng)絡(luò)類型組。

在流媒體分發(fā)系統(tǒng)中，節(jié)點(diǎn)請(qǐng)求流媒體資源表現(xiàn)出一定的興趣，興趣之間也表現(xiàn)出一定的相似程度。興趣相似的節(jié)點(diǎn)之間共享資源的概率明顯大于興趣不相關(guān)的節(jié)點(diǎn)之間共享資源的概率。為此，文中試圖找出一種描述節(jié)點(diǎn)興趣、度量興趣相似程度的方法，并據(jù)此將基于網(wǎng)絡(luò)類型分組的結(jié)果按節(jié)點(diǎn)興趣繼續(xù)劃分，將候選服務(wù)節(jié)點(diǎn)限制在興趣組內(nèi)，有效減小搜索流量、提高搜索效率。

定義3：節(jié)點(diǎn)興趣。

節(jié)點(diǎn)請(qǐng)求流媒體資源時(shí)表現(xiàn)出一定的興趣偏好，可以用興趣向量和興趣相似度來(lái)度量。

定義4：興趣向量。

定義5：興趣相似度。

算法3：基于節(jié)點(diǎn)興趣分組算法。

1)層次聚類：給定目標(biāo)聚類數(shù)k，用層次聚類法確定k個(gè)初始聚類中心。

(1)給定節(jié)點(diǎn)集合N={ni,i=1,2,…,m}，將集合N中每個(gè)節(jié)點(diǎn)看作一個(gè)具有單獨(dú)成員的類。即：

N=C={Ci,i=1,2,…,m}

其中，Ci={ni},i=1,2,…,m。

(2)計(jì)算C中每?jī)蓚€(gè)類之間的興趣相似度Sim(Ci,Cj),i=1,2,…,m,j=1,2,…,m。當(dāng)Sim(Ci,Cj)=Sim(ni,nj)≥θ時(shí)，有：

這樣得到一組新的Ci,i=1,2,…,m。將Ci按模降序排列，取前k個(gè)Ci對(duì)應(yīng)的節(jié)點(diǎn)ni作為初始聚類中心，記為s={nj,j=1,2,…,k}。

2)K-means聚類。

依次計(jì)算N中每個(gè)節(jié)點(diǎn)ni與每個(gè)種子節(jié)點(diǎn)sj的興趣相似度Sim(ni,sj)，找出與節(jié)點(diǎn)ni興趣相似度最大的種子節(jié)點(diǎn)sj，將ni歸入以sj為聚類中心的類。

3)重復(fù)計(jì)算聚類中心s并重新聚類，直至聚類結(jié)果穩(wěn)定。

3.2 初始分組形成

算法4:初始分組形成算法。

Step2：依次對(duì)每一個(gè)位置組Cr根據(jù)節(jié)點(diǎn)ni所屬網(wǎng)絡(luò)類型(電信、移動(dòng)、聯(lián)通)進(jìn)一步劃分為{Cr1,Cr2,Cr3}，將節(jié)點(diǎn)ni歸入相應(yīng)的分組Crs,s=1,2,3。

3.3 分組更新

考慮到網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)性，節(jié)點(diǎn)之間的網(wǎng)絡(luò)延遲、節(jié)點(diǎn)位置等都不是固定不變的，因此設(shè)計(jì)的算法應(yīng)該能隨網(wǎng)絡(luò)狀況的變化而動(dòng)態(tài)更新。

算法5：分組更新算法。

每經(jīng)過(guò)一個(gè)固定的時(shí)間間隔t，根據(jù)當(dāng)前網(wǎng)絡(luò)狀況重新計(jì)算分組。

4 服務(wù)節(jié)點(diǎn)選擇

文中算法將對(duì)用戶群分組的結(jié)果存儲(chǔ)在追蹤服務(wù)器TR上并建立索引，RS是重定向服務(wù)器。

當(dāng)一個(gè)節(jié)點(diǎn)需要獲得某個(gè)流媒體資源時(shí)，首先將服務(wù)請(qǐng)求同時(shí)發(fā)送給RS和TR。RS在查詢了索引表之后，根據(jù)某種重定向策略返回一個(gè)離請(qǐng)求節(jié)點(diǎn)距離較近且負(fù)載較輕的邊緣服務(wù)器的地址信息。TR在查詢了索引表之后，返回與請(qǐng)求節(jié)點(diǎn)同屬于一個(gè)興趣組的其他節(jié)點(diǎn)的地址信息。請(qǐng)求節(jié)點(diǎn)在收到返回的邊緣服務(wù)器和同興趣組節(jié)點(diǎn)的地址信息后，同時(shí)向該興趣組內(nèi)其他節(jié)點(diǎn)發(fā)出流媒體服務(wù)請(qǐng)求，在興趣組內(nèi)搜索擁有所請(qǐng)求資源的peer節(jié)點(diǎn)作為候選服務(wù)節(jié)點(diǎn)。如果搜索到有節(jié)點(diǎn)存儲(chǔ)有所請(qǐng)求的流媒體資源，則在其中選取一個(gè)或幾個(gè)節(jié)點(diǎn)作為服務(wù)節(jié)點(diǎn)為請(qǐng)求節(jié)點(diǎn)提供服務(wù)；如果搜索到?jīng)]有節(jié)點(diǎn)存儲(chǔ)有所請(qǐng)求的流媒體資源，則將服務(wù)請(qǐng)求重定向到邊緣服務(wù)器，由邊緣服務(wù)器為其提供服務(wù)。

服務(wù)節(jié)點(diǎn)選擇過(guò)程如圖2所示。

圖2 服務(wù)節(jié)點(diǎn)選擇過(guò)程

5 仿真及結(jié)果分析

實(shí)驗(yàn)在一臺(tái)PC機(jī)上完成，模擬具有1 000個(gè)節(jié)點(diǎn)的對(duì)等網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)用一個(gè)數(shù)據(jù)結(jié)構(gòu)模擬，數(shù)據(jù)結(jié)構(gòu)中定義了該節(jié)點(diǎn)到各地標(biāo)節(jié)點(diǎn)的網(wǎng)絡(luò)延遲、所屬網(wǎng)絡(luò)類型以及節(jié)點(diǎn)興趣。實(shí)驗(yàn)數(shù)據(jù)采用人工模擬的方式獲得，在設(shè)定的各個(gè)參數(shù)取值范圍內(nèi)隨機(jī)賦值。為簡(jiǎn)化模型，假設(shè)：地標(biāo)節(jié)點(diǎn)數(shù)為3，每個(gè)節(jié)點(diǎn)到各地標(biāo)節(jié)點(diǎn)的網(wǎng)絡(luò)延遲在[0,100]區(qū)間內(nèi)隨機(jī)取整數(shù)值；節(jié)點(diǎn)網(wǎng)絡(luò)類型取值為0,1,2，分別對(duì)應(yīng)電信、移動(dòng)、聯(lián)通；網(wǎng)絡(luò)中流媒體資源分為5類，每個(gè)節(jié)點(diǎn)擁有每類資源的數(shù)量在[0,10]區(qū)間內(nèi)隨機(jī)取整數(shù)值。分組算法用Java語(yǔ)言編程實(shí)現(xiàn)，取K-means算法中k=3，這樣最終將1 000個(gè)節(jié)點(diǎn)分為54組。每次實(shí)驗(yàn)隨機(jī)選取一個(gè)節(jié)點(diǎn)作為請(qǐng)求節(jié)點(diǎn)，對(duì)其最感興趣的一類資源發(fā)出搜索請(qǐng)求。

在實(shí)驗(yàn)中對(duì)比分析了全局洪泛法、基于節(jié)點(diǎn)位置分組算法、基于網(wǎng)絡(luò)類型分組算法、基于節(jié)點(diǎn)興趣分組算法和文中算法五種服務(wù)節(jié)點(diǎn)選擇方案的性能差異。為方便比較，定義了四個(gè)主要性能指標(biāo)：

跨地域服務(wù)節(jié)點(diǎn)占比=搜索到的節(jié)點(diǎn)中屬于不同地域的節(jié)點(diǎn)數(shù)/搜索到的節(jié)點(diǎn)總數(shù)

跨網(wǎng)絡(luò)類型服務(wù)節(jié)點(diǎn)占比=搜索到的節(jié)點(diǎn)中屬于不同網(wǎng)絡(luò)類型的節(jié)點(diǎn)數(shù)/搜索到的節(jié)點(diǎn)總數(shù)

搜索到的資源占比=搜索到的某類資源數(shù)/網(wǎng)絡(luò)中該類資源總數(shù)

搜索范圍占比=搜索范圍內(nèi)所有節(jié)點(diǎn)數(shù)/網(wǎng)絡(luò)中總節(jié)點(diǎn)數(shù)

采用多次重復(fù)實(shí)驗(yàn)的方式，每次實(shí)驗(yàn)記錄下各個(gè)性能指標(biāo)的值，用Excel和Matlab對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，結(jié)果如圖3～6所示。

圖3 跨地域服務(wù)節(jié)點(diǎn)占比

圖4 跨網(wǎng)絡(luò)類型服務(wù)節(jié)點(diǎn)占比

圖3、圖4表明：相比較全局洪泛法選擇服務(wù)節(jié)點(diǎn)而言，文中所提用戶群分組算法集合了基于節(jié)點(diǎn)位置分組與基于網(wǎng)絡(luò)類型分組的優(yōu)點(diǎn)，能有效將服務(wù)節(jié)點(diǎn)選擇范圍限制在同地域、同網(wǎng)絡(luò)類型范圍內(nèi)，從而達(dá)到減少不必要的跨地域、跨網(wǎng)絡(luò)開(kāi)銷的目的。

圖5 搜索到的資源占比

圖5、圖6表明：文中所提用戶群分組算法較其他幾種常見(jiàn)分組算法而言，選擇服務(wù)節(jié)點(diǎn)時(shí)搜索范圍明顯更小，能有效降低搜索流量，同時(shí)也能保證一定的資源搜索量。

圖6 搜索范圍占比

6 結(jié)束語(yǔ)

文中提出一種混合流媒體分發(fā)系統(tǒng)中的多指標(biāo)用戶群分組算法，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性，但對(duì)于其在真實(shí)網(wǎng)絡(luò)環(huán)境中的應(yīng)用價(jià)值尚有待驗(yàn)證。下一步的研究將集中于此，將該算法部署到流媒體分發(fā)系統(tǒng)中加以論證。

[1]RatnasamyS,HandleyM,KarpR,etal.Topologically-awareoverlayconstructionandserverselection[C]//ProcofINFOCOM2002.[s.l.]:IEEE,2002:1190-1199.

[2] 周振朝,費(fèi)耀平,李 敏.基于網(wǎng)絡(luò)坐標(biāo)的無(wú)結(jié)構(gòu)P2P節(jié)點(diǎn)聚類算法[J].計(jì)算機(jī)工程,2010,36(11):98-100.

[3] 邢長(zhǎng)友,陳 鳴.網(wǎng)絡(luò)距離預(yù)測(cè)技術(shù)[J].軟件學(xué)報(bào),2009,20(9):2470-2482.

[4] 王意潔,李小勇.網(wǎng)絡(luò)距離預(yù)測(cè)技術(shù)研究[J].軟件學(xué)報(bào),2009,20(6):1574-1590.

[5] 吳 思,歐陽(yáng)松.基于興趣相關(guān)度的P2P網(wǎng)絡(luò)搜索優(yōu)化算法[J].計(jì)算機(jī)工程,2008,34(11):102-104.

[6] 趙捧未,馬 琳,秦春秀.P2P用戶興趣社區(qū)形成研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù),2013(10):53-58.

[7] 梁衛(wèi)芳,黃建華.基于網(wǎng)絡(luò)拓?fù)浜凸?jié)點(diǎn)興趣的P2P搜索機(jī)制[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(6):1316-1318.

[8] 鄭力明,李曉冬,李小勇,等.P2P覆蓋網(wǎng)中的聚類研究綜述[J].計(jì)算機(jī)應(yīng)用研究,2010,27(3):806-810.

[9] 楊 博,劉大有,LIUJiming,等.復(fù)雜網(wǎng)絡(luò)聚類方法[J].軟件學(xué)報(bào),2009,20(1):54-66.

[10] 孫吉貴,劉 杰,趙連宇.聚類算法研究[J].軟件學(xué)報(bào),2008,19(1):48-61.

[11]AdhikariVK,JainS,ChenY,etal.VivisectingYouTube:anactivemeasurementstudy[C]//ProcofINFOCOM.Orlando,FL:IEEE,2012:2521-2525.

[12]AdhikariVK,GuoY,HaoF,etal.Unreelingnetflix:understandingandimprovingmulti-CDNmoviedelivery[C]//ProcofINFOCOM.Orlando,FL:IEEE,2012:1620-1628.

[13]AdhikariVK,GuoY,HaoF,etal.AtaleofthreeCDNs:anactivemeasurementstudyofHuluanditsCDNs[C]//ProcofIEEEconferenceoncomputercommunicationsworkshops.Orlando,FL:IEEE,2012:7-12.

[14]HuangYan,FuTZJ,ChiuDah-Ming,etal.Challenges,designandanalysisofalarge-scalep2p-vodsystem[C]//ProcofSIGCOMM.[s.l.]:ACM,2008:375-388.

[15]LeiJ,ShiL,FuX.AnexperimentalanalysisofJoostpeer-to-peerVoDservice[J].Peer-to-PeerNetw.Appl.,2010,3(4):351-362.

[16]ZhangG,LiuW,HeiX,etal.UnreelingXunleiKankan:understandinghybridCDN-P2Pvideo-on-demandstreaming[J].IEEETransactionsonMultimedia,2015,17(2):229-242.

A User-group Grouping Algorithm Based on Multiple Indicators in Hybrid Streaming System

WAN Ming-gang,LI Ze-ping,ZHANG Jun

(College of Computer Science & Technology,Guizhou University,Guiyang 550025,China)

To address the problem of additional cross-regional and cross-network cost that appears when the service node provides streaming media services,and the problem of inefficiency in searching service node,a grouping algorithm based on multiple indicators is proposed and used in server selection.As the algorithm goes,the user-group would be grouped by the node location and network type successively,limited the candidate server nodes in the same area and the same ISP,consequently reduced additional cross-regional and cross-network cost.Then the user-group would be divided further based on nodes’ interest,limited the search scope within an interest group,consequently reduced searching traffic and improved searching efficiency.Simulation demonstrates that the proposed algorithm can effectively divide the user-group,improving service efficiency.

hybrid streaming system;node location;Internet type;node interest;grouping;server node selection

2015-08-05

2015-12-16

時(shí)間：2016-09-18

國(guó)家自然科學(xué)基金資助項(xiàng)目(61462014)

萬(wàn)明剛(1989-)，男，碩士研究生，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與流媒體技術(shù)；李澤平，通訊作者，博士，教授，碩士研究生導(dǎo)師，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與流媒體技術(shù)。

http://www.cnki.net/kcms/detail/61.1450.TP.20160918.1707.010.html

TP301.6

A

1673-629X(2016)10-0036-05

10.3969/j.issn.1673-629X.2016.10.008