P2P网络快速通信的节点选择和优化改进

【摘要】随着近些年网络规模的不断扩大，使得P2P网络节点间路径与权重属性也越来越复杂，本文主要对P2P网络快速通信节点选择和优化改进路径进行分析与探讨，以期能够使网络通信效率得以增强。

由于网络中逐渐增加的用户节点数量，使得P2P网络承担着接收与发送的双重功能。若P2P网络中出现过多的传输任务，如果路径选择不佳，那么就会造成通信效率不高、数据传输速度慢等一些列问题。近些年，P2P技术在互联网领域逐渐被广泛应用，P2P技术对网络资源存储位置进行了优化，保证了网络资源均衡分布，使网络中主机能动性得以增强。

一、P2P网络数据结构

每个P2P节点都有数据与之相对应，可以划分聚类范围外的节点至圆心为节点的同心环中，[asi-1，asi]为第i环区域，a为常数，s为指数递增因子。0至聚类半径r为聚类区域范围，所以，r-as是首环区域。

在这一结构中，由圆心节点出现的间隔角度不同的直线可以划分同心环至不同的扇区，且各个扇区对网络殊范围进行了描述，其中邻居节点的特点为滞后性，在物理位置上，这些节点比较相近，若节点u对邻居节点信息有所了解，则可采用dr（u，v）对相应环予以明确[1]。基于v坐标，能够为u维的空间进行扇区的合理选择，扇区数目与各个节点所保存的环对节点查询有效性综合反映出来。

图1 P2P节点数据结构查询过程示意图

图2 两种算法空间复杂度对比示意图

P2P网络节点与Kleinberg模型规范相符合，也就是说，节点可以根据网络距离，采用d次幂衰减概率对长连接进行选择，如果节点在系统中被均匀排列，密度为ρ，m为各个环中扇区数量，n表示第i环中邻居节点总数，所以，第i环节点选择概率用公式表示为pi=m/ni，因为，那么当s与a比较大时，则。

通过对以上数据结构进行分析发现，P2P网络节点可以对有着分散物理位置的邻居节点进行选择存储，其它邻居节点可将物理位置查询情况有效、实时反映出来，环的半径根据指数级别递增可以增强节点对网络信息进行掌握的能力。所以，P2P网络节点一方面可以对邻近范围信息予以全面了解，另一方面也可以保持和范围较远的节点的联系，使网络节点查询效率得到有效提高[2]。

二、搜索过程

若新节点v出现在P2P网络中，那么，需要采用带外方式对大于一个的节点u进行掌握，并将其视为启动节点，且申请u加入其中，u根据两者间检测dm（v，u） 对相关的环进行选择，以asi-1

σ= （1）[3]

根据v的坐标，u可以从其邻居节点集Y中对与v距离最近的节点r进行获取，同时满足：

dp（v，r）=mindp（v，y） （2）

用图1具体描述以上所分析的检索过程与数据结构。其中（x1，y1）节点发出请求是新节点向量坐标，因为两者之间所存在的距离，在所处环中，被请求节点通过两个相邻节点组成一个坐标节点集，以将该空间坐标（x3，y3）计算出来。

三、实验验证

在ArcGIS平台中通过进行实验验证，某P2P网络数据为实验数据，对本文算法与传统Dijkstra算法运行效率进行统计，并对两个算法执行时的最大路径数量进行统计，具体见表1.此外，针对n=34309时统计分时段路径数量，见表2，3所示。

表1 两组算法综合性能统计表

节点数 弧段数 Dijkstra算法 本文算法

时间（s） 路径总量 时间（s） 路径总量

253

1780

11467

35413 837

3264

23638

51252 0.045

0.512

3.254

6.376 635

4376

63784

173683 0.22

0.067

0.314

0.526 103

158

798

1436

表2 本文算法路径统计表

项目 参数

执行时间（s） t=0.01 t=0.05 t=0.1 t=0.2 t=0.5

路径数量 135 318 579 947 1329

表3 Dijkstra算法路径统计表

项目 参数

执行时间（s） t=0.05 t=0.25 t=0.5 t=2.0 t=6.0

路径数量 1013 5488 11187 65898 151673

对试验结果进行分析可以看出，本文算法能够显著提高运行效率，对最短路径分析所得路径数量相比于传统算法明显降低，Dijkstra传统算法会有很多冗余路径生成。本文算法与传统Dijkstra算法空间复杂度对比如图2所示[4]。

从图2中可以看出，本文算法与Dijkstra算法空间复杂度会由于P2P网络弧段数量的上升而随之增加，而且传统Dijkstra算法要比本文算法的空间复杂度大，由此充分表明，本文算法具有高P2P网络快速通信最优节点选择效率，而且其网络通信优化性也比较强，其原因主要是由于网络节点数量的上升，其节点权重也会随之增加，造成传统Dijkstra 算法空间发杂性出现加大的情况，同时增加其运行效率。

四、结语

本研究中的P2P最优路径选择方法具有节点自适应性， P2P中节点可以通过Kleinberg模型所建立的相应的数据结构，依照网络实际资源环境自适应对最优通信路径进行选择，使节点路径查询效率得到很大程度的提高，使传统方法对网络节点进行逐个查看而造成通信效率不高的问题得到有效解决。本研究实验结果表明，P2P最优路径选择方法对通信最佳路径进行快速提取，在很大程度上使网络通信效率得以增强。

参考文献

[1]曹兴锋.一种BP神经网络气象预测中的应用研究[J].科技通报.2012（08）：152-153.

[2]张福浩，刘纪平.一种基于Dijkstra的海量空间数据最短路径算法[J].辽宁工程技术大学学报（自然科学版）.2009（04）：147-148.

[3]陈娟，刘继承，孔维华.P2P网络构架下路径查找的优化算法[J].计算机与数字工程.2008（10）：136-137.

[4]章永龙.Dijkstra最短路径算法优化[J].南昌工程学院学报.2006（03）：122-124.