关于P2P对等网络差异数据通信优化的研究

　　在P2P对等网络中，由于数据来源众多，因此常见数据类型不统一、数据兼容性差等情况，这对网络通信带来了很大的障碍，严重时还会导致数据的大量冲突，造成数据坏死等现象，网络资源被大量的浪费在解决这些问题的过程中，且导致了网络时延过大，降低了用户的体验度。该文针对这种情况，提出了改进优化方案，采用纠错融合算法来应对大量差异数据间的通信问题，有效保障了差异数据的融合性，提高了P2P网络的通信效率，具有一定的推广价值。

　　1 概述

　　目前，P2P网络的用户数量呈现急剧上升趋势，由于其快捷的通信、自由的组网模式和分布式的数据交换方法都给用户带来了与传统网络通信截然不同的体验。网络中的用户不在仅仅是被动的数据接收者，同样也成为数据的提供者，这对于提高网络通信速率和安全性都是非常有帮助的。但随着用户群的快速增大，原有的通信能力也承受了更多的压力，同时网络中的数据种类随着多样化软件的发展而变得愈发的繁杂，所以必须选取最优的数据通信方式，有效的控制网络通信时延，提高通信效率。

　　传统P2P对等网采用大规模复制策略来完成通信工作，从某个初始节点开始，按路径的规律，遍历所有能够连接上的节点。这种方式会导致数据在大量的节点中不断复制和读取，而一旦出现数据量大、数据差异大的情况，则可能导致数据出现大规模冲突和损毁，系统为了解决丢失的数据，又需要花费额外的资源，形成了恶性循环，必须加以改进。

　　本文提出一种基于海量差异数据通信的纠错融合算法，并将其应用到P2P网络数据通信领域，当网络中出现大量数据出错损毁情况时，可采用此算法对其进行纠错处理，同时采用数据融合方法，尽可能地提高了差异数据间的融合性。

　　2 P2P网络通信原理

　　所谓的对等网络是指处于该网络中的节点权限相等，并不存在单纯的服务提供方或服务接受方，各个节点之间也不存在主从关系，所有的计算机在该网络中同时接受和共享数据，因此不用设置专门的服务器。对等网络是小型局域网常用的组网方式。随着Internet中越来越多的站点开启了P2P服务，使得 P2P网络成为了当前发展最快的应用型网络之一，其通信效率的高低受到了广泛的关注。在通信优化领域，目前使用方法大多为大规模复制的通信算法，从源节点依次遍历网络中所有有效节点，同时将数据依次复制到这些节点中。节点的存储系数为：

　　式(2)中，H(xi)为有效数据量，n为节点数量，M当前网络中有效节点的存储容量的比例系数。由式(1)可得，通信系数和随着网络中有效数据量的增大而增大;式(2)则给出了通信效率和有效数据以及有效节点之间的关联，显然随着网络资源的不断下降以及负载的不断上升，网络通信质量也会受到影响。这也解释了为什么当网络中传输的数据量较大时，传统的大规模复制策略会导致大量的数据出错。从公式中分析，由于H(xi)的快速增大，同时M变小，导致了作为通信质量指标的S值的下降。要解决这一现象，最关键的问题就是如何对差异数据进行融合，以减少数据冲突概率，与此同时，还要采取行之有效的纠错策略，因此，本文提出了差异数据纠错融合算法。

　　3 基于海量数据通信的纠错融合算法

　　大规模复制的通信策略最大的特点在于每次通信时需要检测当前网络中所有有效节点的可用容量，而每个节点的通信容量显然受到本身数据容量和当前网络通信量的约束，而呈现出出多样化的特点。上文中公式(2)中的M即为计算得到的每个节点的有效数据容量，再加上权值的分配，即公式(1)中的节点存储系数Mi，以此为依据，对网络中的所有节点进行计算。

　　3.1 海量数据通信纠错方法

　　在得到所有节点的存储系数后，可依此进行节点之间的通信，并合理的安排节点之间的数据流量，此策略在网络通信负荷不大的前提下可正常工作，但随着数据量的大幅增加，尤其在某些较短的时间段内迅速达到峰值，则很容易引发数据错误，而一旦发生错误，会产生连锁反应，造成数据在多个节点的持续冲突。

　　现假设某节点在接收数据时发生溢出性错误，并不考虑其他节点在同一时刻向该节点传输数据的情况，如果需要通信数据节点vi与相邻的节点vj之间建立直接的通信连接关系，可以计算两者之间的通信数据错误互斥权值，记为W(vi，vj);若vi和vj没有建立直接的联系，则数据出错相关性也不为 0。因此可以看出，通信节点之间的数据容量决定了纠错算法能否有效的运行。。

　　1)公式(3)给出了两个通信节点之间数据的错误概率信息：

　　上式中，c为经验系数，可在对网络进行长时间监控之后，由加权平均算法得出，其代表了节点之间通信的成功率。

　　2)在得到网络中所有节点的信息之后，可以建立统一的网络通信节点拓扑图，以准确描述网络中所有节点所具有的通信资源，并对每一对对等结点(xi，xj) 计算通信错误计算权值I(vi，ej|c)。

　　3)在网络中，随机选择一个节点作为源点，由此出发将所有的无向边转化为指向其邻居结点的有向边，并为每条边加上相应的权值，权值的计算显然需要依赖之前得到的经验系数c，形成了树状拓扑结构。

　　4)在树状拓扑结构中加入类节点G，并将其作为所有属性节点的父节点。

　　5)在步骤(4)的拓扑结果中确认每个节点的通信错误概率，并根据阀值进行调节，最终将出错概率控制在最小值水平上，完成纠错的工作。

　　通过以上步骤，可以较为有效的计算出网络中所有节点之间通信的出错概率，以此为依据来合理安排数据传输的路径和数据量，在保障数据通信效率的基础上，尽可能降低了数据冲突出现的可能性，即实现了精确通信这一目标;整个网络的拓扑呈现出树状形态，极大提高了相关优化算法和路由查找的运算效率，耗费的处理时延被较好的控制在合理水平以内，同时，各个属性变量之间存在的树形依赖关系也更加符合网络节点的实际情况。

　　3.2 差异数据的融合通信

　　如上文所述，再大规模数据通信时，由于数据差异造成的冲突现象非常常见，且随着数据量的增大和数据种类差异的增多而呈正比上升，从而影响了信道的有效利用率。利用数据融合技术进行数据的有效分类，并按其类型特点采用不同的方式进行数据融合，可极大的降低数据冲突的概率，提高有效数据的通信成功率。融合后待通信数据中包括的有效信息分布在一定的区域内，区域的划分可采用多种方式，如可依照数据频率为标准，数据差异可用方差进行区分，融合后数据的可溶性可以由公式(4)给出：

　　式中，j，k，p表示相关的概率，表示q属于的信息聚类，就表示的是网络中信息的融合系数。

　　通过以上方式，可实现对差异数据的有效融合，从而实现对冲突数据进行最大概率的修补这一目标，最终提高了整个P2P网络的通信效率。

　　4 算法设计及实验结果分析

　　本文提出的优化算法流程如图1所示。

　　根据上述算法进行仿真实验，并同传统的基于大规模文本复制的优化策略进行对比分析，得到图2中的两条曲线，其中曲线(1)为本文提出的差异数据纠错融合算法;曲线(2)为传统大规模复制优化策略;图中纵轴为通信成功率，横轴为通信数据的数量级。

　　从上图中的两条曲线对比可以看出，基于传统方法的优化策略并不能保障网络在处理大规模数据通信时的成功率，且算法复杂度高，执行效率较差，耗费了大量的网络资源，并导致通信时延的增加;基于差异数据纠错融合算法的新型优化策略则明显要优于传统方法，无论从通信成功率方面，还是在算法执行效率方面都有较好的表现，据此证明了本文提出的优化策略的有效性。

　　作者：曹阳 来源：电脑知识与技术 2016年16期