基于云存儲的P2P視頻點播系統數據復制策略

王 娟

(江蘇宿遷澤達職業技術學院，江蘇 宿遷223800)

視頻點播 VoD（Video on Demand）服務是指根據用戶的需要，隨機選擇視頻內容進行播放的服務。在P2P網絡上構建視頻點播系統能有效利用節點間網絡帶寬、存儲空間和數據資源，系統具有良好的可擴展性、數據可用性和可靠性。因此，P2P視頻點播系統（P2P VoD）已成為當前一個重要的研究領域。但P2P VoD中每個節點隨時都可能暫時或永久離開系統，這使得構建支持交互性的P2P VoD極富挑戰性。系統中的節點均負責存儲數據，一旦某節點暫時離開，存在其上的數據就暫時不可訪問，而節點的永久離開更會造成數據的丟失。因而采用有效的辦法來應對動態的系統環境，從而滿足用戶的隨機搜索操作（VCR）則顯得十分必要。

云計算是當今IT界的熱門技術，借助云計算，網絡服務提供者可以在瞬息之間處理數以千萬計甚至億計的信息，實現與超級計算機同樣強大的效能。當云計算系統運算和處理的核心是大量數據的存儲和管理時，云計算系統中就需要配置大量的存儲設備，此時云計算系統就轉變成為一個云存儲系統，所以云存儲是一個以數據存儲和管理為核心的云計算系統。

在P2P VoD中，資源保存在用戶的機器上，視頻文件越流行，下載的用戶越多，資源的副本越多，下載效率就越高。但對于一些過時的文件，用戶會選擇刪除，以免占用過多的個人空間。因此，一些冷門文件就不容易通過對等節點間的共享獲得。參考文獻[1]指出用戶訪問的集中度符合“二八定律”，即20%的視頻內容吸引了80%的用戶訪問，而其他的80%的用戶訪問只吸引了20%的用戶訪問量。在基于云存儲的P2P視頻點播系統中，考慮將存儲空間當作一片“云”，在無限量的空間，當用戶想從個人的機器上刪除一些過時但非毫無價值的數據塊時，可以選擇把資源通過數據復制的方式放在云上，從而把數據塊保存起來。這樣用戶不僅可以通過節點間的共享快速獲得熱門視頻數據，也可以通過檢索找到被存儲起來的冷門視頻數據，從而可以快速地響應用戶的VCR操作。

本文主要討論在節點將要離開系統時，根據視頻數據各個部分的受歡迎程度以及對等節點間的網絡距離，提出了一種基于云存儲的數據復制策略CSPR。仿真實驗結果表明，相比于現有的基于流行度的數據復制策略PPR，CSPR可以顯著提高用戶執行VCR操作的響應速度，并有效降低復制數據時所產生的網絡開銷。

1 相關工作

VCR功能是對等點播系統中最重要的功能之一，也是本文研究的主要目標。在樹狀P2P VoD系統中，如P2Cast[2]則沒有考慮VCR操作對系統性能造成的影響，沒有針對VCR操作設計新的數據存儲策略。當用戶進行VCR操作時，節點需要通過重新加入組播樹。

在網狀 P2P VoD系統中，如 VMesh[3]和 BulletMedia[4]則是利用DHT技術支持VCR操作。VMesh通過本地向下/向上的指針和DHT查詢來支持交互式操作。在VMesh中，節點通過本地存儲的數據塊來為其他節點提供服務，而不是正在收看的數據塊。存儲的數據塊在節點的上線時間內不變。BulletMedia通過DHT方法讓對等節點大公無私地主動查找稀有的數據塊并進行復制存儲，保證每個數據塊在系統中至少有K個副本。當用戶進行VCR操作時，通過DHT方法查找相應的數據片段，以減輕用戶進行VCR操作時對服務器造成的壓力。

針對因節點離開而導致數據丟失的問題，參考文獻[5]采用了基于預測的帶寬分配策略PBA。該策略的核心思想是讓父節點給那些具有較高帶寬的子節點提供較大的上傳帶寬，并且它僅僅讓節點把數據復制給將來可能需要的那些節點。但PBA策略是假定用戶從頭到尾觀看視頻節目的，并且在觀看過程中沒有VCR操作，這是不符合視頻點播系統中的用戶觀看行為的，因此PBA策略不能直接應用于P2P VoD系統中。

研究表明，用戶在視頻點播系統中的行為并非毫無規律。參考文獻[6]指出，不同的文件具有不同的流行度，即用戶訪問的頻率；大部分的用戶訪問都集中于少量熱門節目上，并且文件的流行度是隨時間而改變的。

2 基于云存儲的數據復制策略

2.1 云節點的選擇策略

為了降低節點離開對P2P VoD系統性能的影響，常根據特定的選擇策略從系統的可用節點集中選擇部分節點來使用[7]。節點選擇策略可分為隨機選擇和確定性選擇兩大類，其中隨機選擇策略是指不考慮節點的特征隨機選擇節點；確定性選擇策略是指根據節點的某種特征選擇滿足一定標準的節點，如根據節點的當前在線時長、帶寬吞吐能力等選擇節點[8-9]。

由于節點的當前在線時長對其余留時長有一定的預見性，因此選擇最長當前在線時長的策略用于DHT網絡中鄰居節點的選擇[10]和超級節點的選擇[11]，以及覆蓋層多播樹種雙親節點的選擇[12]。GODFREY B P等人[7]將不同的選擇策略應用于5個當前廣泛使用的對等網絡中。實驗結果表明，與其他選擇策略相比，隨機選擇策略可以有效降低節點動態性對P2P網絡的影響。這是由于隨機選擇策略具有簡單、易實現等特點。因而隨機選擇策略被廣泛地應用于P2P網絡中，如P2P文件存儲系統Total Recall[13]等。

因此，本文采用隨機選擇策略來選擇云存儲中的云節點。

2.2 云節點的組織方式

基于P2P的系統中兩節點間網絡距離的測算可通過計算系統中數據傳輸時延、網絡最小帶寬和數據傳輸所經路由跳數等方法獲得。對于P2P視頻點播系統中數據塊的可用性和可靠性來說，數據傳輸時延是一個很重要的因素，而數據傳輸時延最主要的影響因子是傳輸兩節點間的可用帶寬。

P2P覆蓋網技術從最初以Napster為代表的有著中央目錄服務器的對等網絡結構，到后來以Gnutella為代表的完全分布式的對等網絡和提供匿名發布和獲取文檔的 Freenet， 再到以 CAN、Chord、Pastry和 Tapestry等為代表的基于分布式哈希表的結構化對等網絡，對等網絡的發展大致經歷了3個階段，每個階段都采用了不同的資源定位和路由模型。根據拓撲結構關系可以將P2P系統分為4類：集中式P2P系統、完全分布式P2P系統、混合式P2P系統和結構化P2P系統。

本文將P2P視頻點播系統中網絡距離相近的節點劃分到同一云中，以實現對節點的分組和有效管理，采用參考文獻 [14]中的節點分組算法來對云節點進行組織。該算法的核心思想是依次從初始化網絡中隨機選取一個節點，以該節點為圓心，預測網絡距離為半徑，其內的所有節點都劃入一個分組，再將獲得分組的節點從初始網絡中移除。以此方法循環劃分，可將初始網絡中大部分節點劃入分組。

另外，本文采用參考文獻[15]中的方法對分布式數據塊的流行度進行估計。

2.3 基于云存儲的數據復制算法

基于云存儲的數據復制策略包括以下4個步驟：(1)根據隨機選擇策略選擇云節點；(2)按照網絡距離分組算法組織這些數據復制的目標云節點；(3)根據分布式平均算法估計出每個數據塊的流行度，并按從高到低的順序排序，按照用戶存儲空間的大小確定數據塊集合S；(4)把S以外的數據塊推向云節點中進行存儲。該算法可用偽代碼表示如下：

代碼中，n表示在線的節點數；i為選擇的目標數據復制云節點；m表示選擇的數據塊；t表示將要刪除數據塊的個數；T表示整個數據塊的集合；S為各個節點的性能值的集合，其中s1≥s2≥…≥sn；M表示節點將要刪除的數據塊的集合，M=T-S；P表示各個數據塊的流行度集合，其 中 p?1≥p?2≥ … ≥p?t。

3 仿真實驗

3.1 關鍵性能指標

選擇了如下兩個重要參數作為P2P視頻點播系統中數據復制算法性能的關鍵指標，也是仿真實驗的測量對象。

(1)響應用戶VCR操作時延：數據復制的目標之一是快速響應用戶進行VCR操作的時延，以改進用戶的播放體驗。該指標指從用戶進行VCR操作開始到獲得所想要的數據塊為止所需要的時間，響應用戶VCR操作時延的減少表示數據復制算法的性能的提高。

(2)網絡開銷：由復制的數據塊總量來表示，主要衡量數據復制導致的系統資源的額外消耗，例如，增加的對等節點之間網絡通信流量。

3.2 實驗與結果

仿真實驗對本文提出的基于云存儲的P2P視頻點播系統數據復制策略CSPR與現有的數據復制策略的關鍵性能指標進行對比。基于流行度的數據復制策略(PPR)在進行數據復制時僅考慮每個數據塊的流行度，而并未考慮節點間的網絡距離。

利用P2PStrmsim作為仿真工具對本文提出的基于云存儲的數據復制策略的性能進行詳細評估。在仿真實驗中，使用強度為20的Poisson過程來模擬節點加入過程，即平均每秒有20個節點進入系統。根據參考文獻[16]，對等網絡中的節點在線時間的分布可以用Weibull(λ，k)分布(概率 密度函數 f(x)=1-e-(x/λ)k)來模擬，取 λ=600，k=2，則節點在線時間約為208 s。

圖1 節點數目和響應用戶VCR操作時延的關系

從圖1可以看出，隨著點播系統中對等節點數目的增加，CSPR和PPR響應用戶VCR操作時延都呈現增長的趨勢，但相比于PPR策略,CSPR策略響應用戶VCR操作的時延明顯減小，因而可以更快速地響應用戶的VCR操作，從而改善用戶的點播體驗。

圖2所示為復制所產生的開銷與仿真時間的關系，本文使用數據塊的數目表示復制開銷。從圖中可以看出，隨著仿真時間的推移，兩種復制策略所產生的復制開銷都在增大，這主要是由于有更多的用戶加入點播系統。但在相同的仿真時間下，基于云存儲的數據復制策略CSPR比基于流行度策略PPR所復制的數據塊少，這主要是因為CSPR策略在進行數據復制時，不僅考慮了對等節點間的網絡距離，而且考慮了那些不流行的數據塊的復制存儲。

圖2 復制開銷與仿真時間的關系

本文在對P2P對等點播系統用戶動態性分析的基礎上，提出了一種基于云存儲的數據復制策略CSPR。仿真實驗結果表明，相比單純基于數據流行度的數據復制機制，本文提出的數據復制機制可較快地響應用戶VCR操作，同時降低了網絡開銷。在后續的工作中，將考慮對P2P視頻點播系統的移動用戶行為特征進行分析，將之應用于數據復制策略中，來更好地滿足移動用戶觀看視頻文件時的交互式操作，從而改善用戶的播放體驗。

[1]Yu Hongliang，Zheng Dongdong，ZHAO B Y，et al.Understanding user behavior in large-scale video-on-demand systems[C].In Proceedings of ACM，Eurosys，2006.

[2]GUO Y，SUH K，KUROSE J，et al.P2Cast：peer-to-peer patching scheme for VoD service[C].In Proceedings of the 12th International World Wide Web Conference，Budapest，2003：301-309.

[3]YIU K，JIN X，CHAN G.VMesh：distributed segment storage for peer-to-peer interactive video streaming[J].IEEE Journal on Selected Areas in Communications(JSAC)，2007，25(9)：1717-1731.

[4]NEVENA V，PRIYA G，NIKOLA K，et al.Enabling DVD-like features in P2P video-on-demand systems[C].In Proceedings of the SIGCOMM Peer-to-Peer Streaming and IP-TV Workshop，Kyoto，2007：329-334.

[5]CHENA Z J，XUE K P，HONG P L，et al.Differentiated bandwidth allocation for reducing server load in P2P VoD[C].In Proceedings of the 8th International Conference on Grid and Cooperative Computing，Lanzhou，2009：31-36.

[6]Luo Jianguang，Tang Yun，Zhang Meng，et al.Characterizing user behavior model to evaluate hard cache in peer-topeer based video-on-demand service[C].In Proc.MMM，Kyoto，2005：125-134.

[7]GODFREY B P，SHENKER S，STOICA I.Minimizing churn in distributed sytems[C].In Proc.of the ACM SIGCOMM 2006，New York：ACM Press，2006：147-158.

[8]張宇翔，楊冬，張宏科.P2P網絡中 Churn問題研究[J].軟件學報，2009，20(5)：1362-1367.

[9]RHEA S，GEELS D，ROSCOE T，et al.Handling churn in a DHT[C].In Proc.ofthe USENIX Annual Technical Conference.Boston：USENIX Association Press，2004：127-140.

[10]LEDLIE J，SHNEIDMAN J，AMIS M，et al.Reliability and capacity-based selection in distributed hash tables[R].Technical Report，Harvard University Computer Science，2003：1-14.

[11]GARCES E L，BIERSACK E W，ROSS K W，et al.Hierarchical peer-to-peer systems[C].In Proc.of the ACM/IFIP Int’l Conf.on Parallel and Distributed Computing(Euro-Par).Berlin：Springer-Verlag，2003：1230-1239.

[12]SPRIPANIDKULCHAI K，GANJAM A，MAGGS B，et al.The feasibility of supporting large-scale live streaming applications with dynamic application end-points[C].In Proc.of the ACM SIGCOMM.New York：ACM Press，2004：107-120.

[13]BHAGWAN R，TATI K，CHENG Y，et al.Total recall：system support for automated availability management[C].In Proc.of the 1st ACM/Usenix Symp.on Networked Systems Design and Implementation(NSDI 2004).San Francisco：USENI Press，2004：337-350.

[14]楊磊，黃浩，李仁發，等,一種基于分組管理的混合式P2P 存儲系統[J].計算機科學，2010，37(1)：64-67.

[15]MEHYAR M，SPANOS D，PONGSAJAPAN J，et al.Asynchronous distributed averaging on communication networks[J].IEEE/ACM Transactions on Networking，2007，15(3)：512-520.

[16]The Network Simulator-ns-2[EB/OL].[2013-05-25].http://www.isi.edu/nsnam/ns.