面向点对点分布式系统的消息分发算法研究

来源 :苏州大学 | 被引量 : 0次 | 上传用户:accpaccp1234
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着P2P技术的发展,点对点分布式系统正逐渐取代传统分布式系统。由于其去中心化的特点,消息不再是通过中心服务器分发,因此设计一个去中心化消息分发算法存在很大的挑战。在传统中心化的“客户端/服务器”架构中,只需通过中心服务器就可以轻松将消息分发下去,而对于去中心化系统,需要有特定的消息分发协议。在消息分发过程中需要考虑分发速率、带宽占用、可靠性、安全性、负载均衡等重要性能指标,在不同的分布式系统中,根据不同的需求要有针对性的消息分发协议。Gossip算法是点对点架构中经典的消息分发算法,其简单容错可扩展的优点在众多系统中大受欢迎,但是其高冗余高开销的缺点仍然需要关注。针对上述问题本文进行有针对性地研究改进,本文创新点如下:(1)提出NHD-Gossip消息分发算法,对基于谣言传播的Gossip算法的分发速度进行改进,将原先固定的转发数改变为动态衰减的转发数。用三组不同规模的网络进行实验分析,结果表明保证与原算法相同整体收敛速度的情况下,能够加快64%以上节点收到消息的速度,并通过仿真实验评估对比了算法开销和执行时间。(2)提出HRM-Gossip传输链路拓扑自优化算法,针对非结构化P2P覆盖网络的随机结构造成消息分发负载不平衡的问题,利用Gossip算法分发过程不断优化链路拓扑。提出P2P节点冷热度评分函数,根据冷热度排序进行拓扑调节,最终使全网节点冷热度分布均匀,达到消息分发负载均衡的优化目的。实验表明,使用Gossip算法在优化后的覆盖网络上进行消息分发,相比优化前加快了收敛速度,减少了网络开销,使得节点负载平衡。在拓扑结构健壮性方面,通过节点频繁加入和退出网络的实验表明优化后的拓扑依然维持了强连通性,体现了拓扑结构的高容错性和可扩展性。(3)结合前两点算法,组成完整的大规模点对点分布式系统下的消息分发框架,并与其他成员管理协议结合进行对比实验。结果表明,本文消息分发算法的收敛速度最多提升了 41.67%,在频繁发生网络抖动的情况下,能快速恢复负载平衡状态,体现了健壮、容错、可扩展的优点。
其他文献
随着全球学术活动蓬勃发展,学术文献的数量和学术研究者的人数与日俱增。因此,数字图书馆、学术搜索引擎等科技服务应运而生,为学术研究者提供了便捷的信息检索服务。然而,由于作者姓名的歧义性,文献知识库无法保证返回数据的准确性。这大大影响了人们学术活动的准确性和效率。在这一背景下,对于同名作者消歧问题的研究是很有意义且必要的。针对该问题,本文的研究内容概括如下:(1)为了有效地处理属性特征丢失严重的情况,
学位
随着移动定位设备的普及和网络通信设施的完善,海量轨迹数据能够被实时地收集。这类时空轨迹数据可用于轨迹知识挖掘、信息提前获取,如驾驶异常检测、交通拥堵监测与预测、疫情下人群聚集行为监测等应用场景的建设。时空轨迹大数据具有传统大数据的4V特性,并且其信息价值将随着时间流逝而衰减,如对于交通路况信息,即时的结果信息发布将能更有效的规避道路拥堵,为此实时处理轨迹数据将是本文重要关注点。轨迹聚类是上述城市应
学位
事件可信度是指面向特定事件源的事件发生的可信程度。目前事件可信度识别缺乏在生语料上的研究,并且仅考虑事件在默认源下的事件可信度。对此,本文进行句子级端到端事件可信度识别的研究,识别生文本中的事件、事件源以及对应的事件可信度,更具有现实意义。首先,事件可信度的已有研究大多数依赖于标注信息,没有考虑到事件可信度识别在生语料上的性能,同时也忽略了事件源对事件可信度的影响。针对这些问题,本文提出基于混合模
学位
基于水蒸气的供暖工程是寒冷地带政府与居民关注的民生工程,阀门是供暖工程中的标配设备。传统无信息输出的供暖阀门存在后期维护不及时、故障定位不精确等问题,为居民带来安全隐患。利用远程无线通信及微控制器进行信息阀门的设计,来解决阀门状态信息采集与远程阀门控制的问题,成为供暖工程阀门设计开发的研究热点。本文基于2017以来国家大力推广的窄带物联网技术(NB-IoT),研发一款具备远程信息传输、远程开关阀控
学位
在日常生活中,多人对话的场合无处不在,作为人们交流沟通的主要方式,其蕴含着丰富多彩的信息。挖掘多人对话场景下的情感信息对许多工业界的应用有着十分重要的意义,例如社交媒体分析和智能客服。然而,不同于传统的文本情感识别,多人对话中话语的情感不仅受其本身和其所在上下文的影响,而且依赖于说话者的个性和他们之间的交互。另外,说话者的情感状态还会受到包括话题、观点、说话者的行为和意图等复杂因素的影响。针对上述
学位
由于互联网产业的特殊性,用户的一切操作都基于软件本身,此时庞大的用户体系真正需要的是一款质量过硬的软件产品作为技术支撑。软件质量好坏是由软件能的用户满意度决定的,如果软件质量不达标,用户体验度降低,企业将会面临巨大的流量流失,不利于企业的长期发展。近些年用户需求在时间、感知度以及多变性上也提出了更高的要求,企业为了尽快推出符合用户需求的产品就需要企业加快开发进度、缩短开发周期、积极响应用户随时变化
学位
问答匹配是自然语言处理领域的重要研究方向之一,主要包含答案选择和问题复述识别两个子任务。其中,答案选择任务的目标是判定“问题与答案”之间的语义相关性,用以优化问答场景下目标答案的召回质量;问题复述识别旨在判定“问题与问题”之间的语义是否等价,用以提高问答场景下同义问题(已知答案)的召回精度。两者皆是实现智能问答的核心技术,且在搜索引擎、社区问答以及智能客服等实用场景中有着广泛的应用。现有的预训练语
学位
命名实体识别作为自然语言处理领域的基础任务之一,影响着诸多的下游任务。命名实体识别旨在识别出给定文本中具有特殊含义的实体,比如人名、地名或者特定应用中预定义类别的短语。目前中文命名实体识别致力于获得更加情境化的向量表示,在特定场景下大都依赖额外的领域知识,无法同时适应规范和非规范文本,因此无法对两类文本进行统一处理。为了解决这一问题,本文从中文规范和非规范文本的结构特征出发,对命名实体识别展开一系
学位
嵌入式开发是行业内公认的难度高、门槛高,开发者不仅需要学习大量的软硬件知识,还要应对繁琐复杂的开发环境。为了解决学习嵌入式开发所面临的困境,将图形化编程引入嵌入式开发中以降低技术门槛。然而,传统的图形化编程大多采用C/C++作为应用的开发语言,无法满足嵌入式人工智能的开发需求。因此,本文设计并实现了一种基于编译型E-Python的图形化编程系统,主要研究内容如下。(1)针对图形化嵌入式编程对于硬件
学位
随着网络和数字技术的高速发展,隐蔽通信和数字版权保护等方面的迫切需求使古老的隐写术在网络时代焕发出全新生机。图像隐写是一门将秘密信息隐藏到图像中的技术,由于其简单易用、难检测、难提取,很容易被非法组织利用,从事危害国家安全的活动。本文主要研究的就是针对隐写术的检测问题,也称为图像隐写取证问题。近年来,学术界提出了多种基于深度学习的隐写分析方法,利用卷积神经网络自动提取隐写分析特征,取得了较好的检测
学位