高性能拓扑感知应用层组播模型构建及性能优化问题的研究

应用层组播在部署、可定制性等方面有着IP组播无法比拟的优势，但其传输效率却逊于IP组播。拓扑感知应用层组播由于采用事先探测端节点的拓扑信息方法，充分利用所获取的底层网络拓扑信息来构造覆盖网络，使覆盖网络组播树可以尽可能地与真实网络吻合，减小了因覆盖网络与真实网络不符而导致的最短路径计算误差，从而获得较高的传输效率，成为目前应用层组播研究的一个热点。但是目前这种基于拓扑感知的应用层组播还未很好地应用于实际网络中，主要原因是拓扑感知应用层组播在拓扑发现、覆盖网络构造及转发、组播生成树负载均衡等方面还存在很多基础性研究问题需要解决。本项目拟主要针对上述基础性问题展开创新性研究，着重探究高性能拓扑感知应用层组播网络模型的构建及其优化问题，使在理想环境下能够获得良好性能的拓扑感知应用层组播方案，在真实网络环境下也能为用户提供较高的服务质量，为高性能应用层组播能够尽快应用于真实网络打下坚实的理论基础。

拓扑感知应用层组播的性能主要取决于获取底层拓扑信息的效率和正确度，以及执行最大前缀路径匹配算法的次数，项目组据此提出利用p-tracert路径信息的延时粗粒度匹配法来构造网关级拓扑图。通过对p-tracert探测时延、网关级拓扑图构造时间复杂度以及仿真实验结果的讨论，证明上述方法不但简化了构造拓扑图所需的拓扑信息，而且加快了获取拓扑信息和构造拓扑图的速度，同时并未降低所生成的拓扑图与真实拓扑图的匹配度，有效地优化了拓扑感知应用层组播中最耗费资源的源路径拓扑发现过程。. 拓扑感知覆盖网络构造方法有助于提高数据转发性能。项目组提出基于优化成员加入时延的覆盖网络模型，大大缩短新节点成员加入时延；提出基于实时覆盖网络结构检测的自适应应用层覆盖网络构建模型，利用数据驱动方式来检测当前覆盖网络结构；提出网-树混合双层应用层组播覆盖网络模型，在组播效率、系统鲁棒性和负载均衡度方面都具有较好的性能；提出基于NICE的节点相对离开概率覆盖模型，减小了控制开销,降低了平均延迟误差；提出了一种新的前向式应用层组播树的恢复算法，有效的避免了大量的计算，缩短了组播树的恢复时间，保证了用户接收组播数据的连续性。. 拓扑感知应用层组播传输拓扑负载均衡性是影响组播高效性和稳定性的重要方面。项目组提出具有度约束的最小时延负载均衡生成树模型MDDLRB，同时为解决MDDLRB问题，给出了一种启发式算法时延递增均衡优化策略；提出结合遗传算法和模拟退火算法求解具有度约束的最小时延负载均衡生成树DDCMST问题模型；基于网-树混合双层应用层组播模型提出一种动态度约束负载均衡策略DDLBS；针对当前NICE协议中负载均衡的问题，提出基于用户满意度评分的自适应负载均衡机制；提出基于移动应用层组播终端主动反馈的自适应负载均衡机制。. 性能评价是计算机网络和计算机系统研究与应用的重要理论基础和支撑技术。项目组结合拓扑感知应用层组播模型构建，进一步研究拓扑感知应用层组播性能评价模型和机制，提出多种、多维的性能评价指标，使应用层组播性能量化评价更加方便、准确。在应用层组播原型系统构建方面，项目组结合可定制的转发技术、Scribe和JMF技术，以及用户对系统的高效、高质量的服务需求，设计和实现了三种各具特点的拓扑感知应用层组播流媒体播放系统。