基于P2P视频点播技术的一种传输优化模型

引言

P2P传输中刚刚兴起的视频点播是目前比较流行的研究方向之一。不同于普通的P2P文件分享，P2P视频点播中非常关键的一个问题就是如何保证它的流畅性叫目前的视频点播技术一般是从一个点播用户向其所在的群组发送请求，然后找到拥有该资源的用户群，该用户群以相同的权重向请求方发送资源叫基于这样一个规则的模型存在一个比较明显的问题，即在一个树形的小区网络(大多数视频点播服务出现的地方)中：越是靠近顶点的交换机，其传输压力越大；拥有越多资源，但处在树状图中越深处的用户，其传输压力也越大。以上两个特点造成了在有限的传输速度下经常出现部分用户卡顿的情况。这种情况的出现，其本质原因是因为任务的分配与带宽资源的分布不匹配，产生大量的闲置带宽资源的同时,部分节点出现带宽资源不够的现象。所以为了改善用户体验,本文从以下两个方面着手：一是请求方对传输方用户的筛选和加权。二是传输方对请求方的筛选以及传输方对传输资源的加权。本文综合以上两点得到一个合理的优化方案，以减小各节点上下行带宽占用率的标准差并缓解P2P视频点播中可能出现的局部压力，同时论证了其可以切实提高整体流畅性的方法。

1基于请求方对传输方筛选的优化

所谓请求方对传输方的用户的筛选和加权，即根据请求方和传输方在树形图中的位置，来进行合理的任务分配，将更多的请求分配给更临近的用户，以减少上级节点的传输压力。

为了更加清晰地说明该优化模型，我们建立一个简洁的理想模型。现设一个小区交换机连接N1个次级的楼宇交换机，而每个楼宇交换机都连接了N个用户。假设一位用户C1.1(设路径为总机A一子机B1一用户C1,1)发出关于资源R请求的，为了方便起见假设群组里的这些用户都拥有该资源。

首先我们考察该用户C1，1发送请求时，该时刻下每个节点T都记录下其带宽占用率Oc(T)。

首先C1，1的请求必须经过楼宇子机B1，然后子机B1将任务以特定的权重分配给它的相邻节点，分配方式遵守权重规则，以下含有权重的分配亦同，其中各个用户C1,„的权重是1/C1,“，而总机A的权重为Pr(A)/0c(A),其中Pr(A)为根据总机传输能力而事先确定的一个值，这个值需要切实地反应该节点的上下行带宽，一般默认使用线性函数即可，亦可以根据实际情况增减该函数的发散速度。现在假设已经确定好了每个函数的Pr值，那么以下以N代表该任务的总量，N(X)代表节点X被分配到的任务量，可以计算得到各相邻节点被分配到的任务量：

总机将权重将任务分配给其相邻节点(这里它的相邻节点只有楼宇交换机)，每个楼宇交换机Bm权重为Pr(Bm)/Oc(B.)。其中P(Bm)为根据子机Bm传输能力而事先确定的值。计算得到A的各相邻节点被分配到的任务量：

这时除B1以外的楼宇交换机将任务分配给其相邻节点（这里它的相邻节点只有其连接的用户），每个用户Cm，n的权

重为1/Oc（Cm，n）。

这里Pr值的确定不同于之前的主机Pr值，它除了反映传输能力之外还需要反映节点的位置，所以需要根据试验而确定，此外还需根据后续的实际使用情况来调整。一般而言,交换机传输能力越强，或是在树中所处的深度越小，那么对应的Pr值越大，反之越小，但需要保证深度对Pr值的影响优于传输能力Pr值，因为一个深度较大的节点可能会对其他的节点产生更大的影响。根据实际的用户情况(比如用户网络服务的带宽不同)，亦可以为每个用户分配一个相应的Pr值以进行进一步的优化，即：

为每个用户定义Pr值的优点不仅仅是进一步对上式进行优化，更在于为了合理地把更多的任务量分配给有更多带宽的用户：作为传输的基本单位，各个用户的上下行传输带宽是每一个任务不可回避的，需要更加精细且合理的分配，这一特点将在第4节中详细分析并利用。

从上述的计算可以看出该算法的核心思想是将任务沿树形图的路径逐渐分配出去，遵循如下的规则：当前越繁忙的交换机接受的任务量越小；每个任务中，距离请求方越远的节点分配的部分越小。前者是为了避免某个交换机过于繁忙而导致局部的卡顿；后者则是为了尽量减少带宽资源的占用，以减轻上级交换机的压力[6'7]o

2基于传输方资源分配的优化

所谓传输方资源分配的优化，则是根据传输方和请求方在树形图中的位置，以及任务目标资源在整个网络中存在的多寡，来进行合理的上行带宽分配，将更多的资源分配给更临近的用户，将更多的带宽分配给相对稀少的资源，从而人为地减小资源热门与否产生的传输速度的差距。

上面，我们在理想模型中假设了所有资源被每一个用户拥有，这里则考虑更一般化的情况，即某个资源R只被部分的用户所拥有，那么需要使传输方同时被分配到多个任务时以某种顺序执行被分配到的任务，以优先满足稀少的资源来保证整体的流畅性，这也是从传输方角度而言最为核心的一个问题。

以下是具体的优化规则，并通过另一个理想模型来简要地考察其效果：

假设用户C1，1发出关于资源R的请求，而当前拥有R的用户集合为Po（sR），那么为此任务确定一个“稀有度”Ra（rR）：

这里dis(X，Y)为定义在树状图中的距离函数，即X到Y的最短路径的长度。

由于各资源的稀有程度是很难用一个标准的公式去衡量的，这里我们引入一个递减函数F，以确保传输者越少，距离请求者越远的情况下稀有度增加即可。事实上，根据树状图的结构不同和深度不同，我们需要取定一个拥有合理递减速度的函数F以应对实际情况，在简单的两层模型中可以取F（X）=1/x。为了保证分配的精度，树状图的深度越大结构越复杂，F的收敛速度应当越快，以避免出现大量远节点过分提高Rar（R）权值。特别的情况下，分母上亦可不使用简单的加和ΣX∈Pos（R）F（dis（X，C1，1）），而是使用其他对每个元素单调递增的多元函数，这取决于具体的情况。需要说明的是，稀有度是同时根据用户和任务来确定的，可能出现在用户X处R1稀有度高于R2，而另一用户Y处则相反的情况。

当一个用户Cm，n同时执行关于资源R1，R2，…，Rk的请求时，将该用户的带宽资源按权重Rar（Ri），i=1，2，…，k，分配给每个任务。以WidRi,Cmn)^h，代表Ri在Cm，n分配到的带宽，以Wid,Cmn)代表Cm，n的总带宽，那么我们可以算出在Cm，n某个资源Ri所分配到的带宽资源，并且将它于之前作对比：

上式的不等号右边的WidRi,Cmn)^h代表了不做加权分配的情况下，各个节点的带宽分配。上式中的不等号成立的条件，是要求一个资源的稀有度高于所有资源的平均水平。我们可以很明显看到，越稀少的资源被分配到了更高的带宽，尽可能减少因为某个资源的源过于稀少或者远离而拖慢其传输速度的情况。从整体来看，即各个任务中的最低速度得到了提升。

上述的优化方案与第一节中的筛选加权是以似原理进行的，但两者的目标不同，前者是请求方对传输方的，后者则是请求方对任务的选择。此外，并且决定权值的因变量也不同，为了体现出对变量依赖性的不同，所以两者分别使用Pr和Rar两个变量来衡量资源的位置，在进一步的研究下，可能用多个参数来更加精确地体现其位置关系。

3综合优化及实际效果对比

在实际的操作中，一个模型的优化效果不是仅仅由每个单独节点所决定的，我们需要一个整体的优化，这个优化并不是每个节点的速度都能产生一个明显的提高，而是通过将流量分配得更加均匀来达到这个目的。我们知道越均匀的分配下，闲置的带宽资源就越少，从而能够产生更高的效能。另外，个人用户上行带宽资源的浪费一直是宽带网络中较为明显的问题，P2P传输体系本身就是一个很优秀的解决方案，但如何在P2P的传输体系中合理地分配上行带宽资源就成为了进一步为整个系统提速的关键。这就要求我们在建立优化模型的时候，同时兼顾双向的均匀分配。

明确了优化目标之后，我们可以通过结合两方面的优化，进而得到一个综合的优化模型，其大致流程如图1所示。在P2P视频点播中，我们以所有任务执行速度中的最小者来衡量整体的流畅程度（因为较高的最小值可以保证较小的标准差，这意味着资源受到了更加均匀的分配）。为了对该优化模型有一个直观的认识，下面计算一个网络中同时执行关于R1，R2，…，Rk时的全局最小速度，其中不妨设Rar（R1）<…<Rar（Rk）。

由于在第一节中根据各节点的传输能力而确定了参数Pr（包括全部交换机节点和用户节点根据各自传输能力而确定的权值），所以传输能力越强的节点被分配到了更大比例的任务，故而可以忽略任务分配后各传输者之间的速度差异，以下以最小速度近似表示每个任务的全局速度。

在无优化的情况下，所有任务执行速度R1，R2，…，Rk的速度分别是：

其中task（X）指当前X进行的任务数量。

在有优化的情况下，所有任务执行速度R1，R2，…，Rk的速度分别是：

可以看到优化是将R1的速度减小而将Rk的速度增加，在确定适当的F之后实际效果是将不同任务的速度变得更加平均，即有不等式：

上式说明了在采取该优化模型后确实能够极大地提高各传输者之间的协调性以确保整体的流畅性。实际操作时由于稀缺资源的普遍性，它们会成为整体流畅程度的瓶颈，而应用了该优化模型之后，瓶颈的部分被弥补，代价只是热门资源的多余速度（因为用户消耗资源的速度一般不超过视频的播放速度，这也是视频点播可以被利用的一个特点）。

宏观地来看，在整个网络中任务数量较少，或是各个任务的资源分配过于平均时，由于该优化模型加权分配并不能显著减少任务速度的标准差，因此模型的优化效果并不明显。但是我们看到模型优化的结果是取决于任务数量k的，所以当整个网络中任务量上升时，网络结构与资源分布更加复杂时,模型的优化效果随之提高。而通常的P2P服务都是架构在五层以上的网络中的，而且由于任务量的巨大，各个任务资源的分布必然是呈现比较不均匀的分布，这就给该优化模型带来了巨大的发挥空间。

4结语

通过以上的构建和论证，我们可以看到由于网络结构的复杂性和用户需求的复杂性，现行的许多体系并非是最优的,几乎每一个环节都可以进行优化以求得更高的效率。本文的核心思想，是利用现有体系的任务分配方式的不成熟，同时调整上下行任务的分配，从而达到更优的效果，但通过论证的过程，我们可以发现在本优化模型的基础上还有很多优化空间：比如对用户所处位置的衡量，以及由此导出的对资源稀有程度的衡量，如何更加合理地用一个参数或是多个参数来完成;又如，如何用一个合理的函数来衡量一个节点的传输能力,如果不能用一个连续的初等函数来判定，那么分段的阀值如何取定。这些问题都仍有待研究，并且是有明显而且巨大的发挥空间的。

在网络传输技术飞速发展的今天，P2P作为一项已经较为成熟的传输技术再放异彩,衍生了许多非常有前景的P2P传输服务，而P2P视频点播正是其中之一。而每一项成功的服务的核心都是给予用户前所未有的用户体验，P2P视频点播的特殊之处便是在于流畅而稳定的数据流，这也是P2P视频技术逐渐在在线视频领域中占有一席之地的关键因素。我们通过分析可以看到并且利用其优点，但其潜力绝不仅限于此:正如之前所说，这其中仍然有许多细节可以进一步提高其实用性和可靠性，同时也可以通过借助其他优化技术来优化，比如关于重复请求相同资源的问题，可以依靠数据在上级节点中的留存来减轻传输的压力［9］，亦可能得到相当好的优化效果,但这同时也对硬件资源提出了更高的要求。本文通过两个方面的优化，更好地凸显P2P视频点播技术的长处，以此抛砖引玉,以期促进P2P传输技术的发展和P2P技术的飞跃。

20211119_61972a8f30a09__基于P2P视频点播技术的一种传输优化模型