一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法与流程

本发明涉及一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法，包括覆盖网络的构建，节点之间带宽拍卖模型的建立，以及带宽资源的分配策略。

背景技术：
P2P(Peer-to-Peer)流媒体系统融合了P2P技术和流媒体技术，它的出现使得在现有网络基础上实现大规模流媒体共享成为可能。P2P流媒体系统中，利用P2P技术的特点，充分利用用户端的资源，让用户端充当一部分服务器的功能，用户节点在接收和播放流媒体数据的同时，利用上行带宽和硬件资源，把缓存的流媒体数据转发给其他节点，使流媒体内容分发分散化，以此来缓解服务器的负载，具有很高的可扩展性和低成本特点。通过这样的流数据共享，用户节点不必直接从服务器请求数据，通过合理的节点组织、缓存管理等技术，可以使大量的用户节点共享源自服务器的一条数据流。但是，对于为P2P网络中的用户提供高质量的视频，仍然面临着下列挑战：例如，中国发明专利授权公告号为CN101895580B，名称为：可伸缩视频流在多覆盖网络中基于拍卖的带宽分配方法，该方法的技术方案能“解决多覆盖网络间的带宽冲突，提高节点接收视频的质量，自适应匹配可伸缩视频编码的层间依赖性：第一，将P2P多覆盖网络的带宽分配优化问题转化为一系列单层覆盖网络的带宽分配优化问题；第二，节点间以双向拍卖的形式，一方面出售自己的上行带宽给其他节点，另一方面向其他节点购买带宽，从而解决多覆盖网中节点的带宽冲突问题；第三，提出一种自适应的“层加入/退出”算法，使节点在进行带宽出售和竞拍的同时，可以根据网络实时状况选择所要参加的覆盖网层数量，避免带宽的浪费”。但是，该方法虽然解决了传输相关内容覆盖网络间的带宽冲突问题，为接收节点提供了更高的视频质量，还提高了网络带宽的利用率。然而，该带宽分配方法中节点的上传带宽有限制、视频接收端用户的条件异构性、节点的高流动性、数据调度策略等过于复杂，网络节点只享受资源和服务而不为系统做贡献的行为等。解决上述问题不仅需要增加节点的带宽容量，部署更多的服务器来弥补网络资源的不足，还需要采用新颖的流媒体内容分发技术、高效的资源分配算法和协议设计等来合理利用有效网络资源，该带宽分配方法中，均衡时不同下游节点对同一上游节点的成交价不同，对下游节点不具有公平性；每个下游节点向多个上游传输二维竞拍消息，传输开销大。在P2P网络中上传带宽有限是P2P网络的瓶颈，因此如何有限分配网络上传带宽是P2P网络的关键研究点，考虑到P2P网络节点地理分布分散，上游节点直销整个网络下游节点的私有信息的方法是不可行的，本发明提出了一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法，用于解决网络中上传带宽的合理有效分配，实现网络资源的高效利用。

技术实现要素：
本发明的目的在于提供一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法。该方法不仅能降低网络传输开销，提高P2P覆盖网络带宽利用率，而且促进网络资源的合理共享。根据上述发明构思，本发明采用下述技术方案：一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法，其特征在于：第一，节点间以双向拍卖的形式，一方面出售自己的上行带宽给其它节点，另一方面向其他节点购买带宽；第二，提出基于卖方要价的分布式的带宽拍卖分配方法，计算下游节点在每轮拍卖中至少可分配到的带宽。下面给出原理说明：覆盖网络的带宽分配优化问题转化过程为：①网络模型及相关参数视频流由覆盖网以速率R进行传输；覆盖网可抽象为有向图G＝(V,E)，其中V代表所有参与该网络的节点集合，E代表节点之间有向链路的集合，dij为链路(i,j)的平均传输时延参数；节点加入覆盖网，可在终端解码出视频，ΔD(·)表示覆盖网中的效用函数；节点组织的每轮拍卖分为两个子周期：在分配周期内，拍卖组织节点i广播其要价，下游节点根据要价确定带宽请求量，根据下游节点的最优带宽请求量，上游节点使用一种分配策略出售其上行带宽在竞拍周期内，上游节点接收到所有参与拍卖的下游节点的总需求后，将其与节点的可用上行带宽比较，根据总需求与供给量的关系，确定下游节点至少可分配到的带宽量，同时，上游节点调整拍卖的要价，之后，根据新的要价，下游节点重新确定带宽请求量，直到网络中所有节点需求都得到满足，系统达到均衡状态，此时系统达到最优分配；系统达到均衡状态所经历的拍卖轮数称为收敛速度；②优化目标对于下游节点j，其请求带宽的目标是有足够的带宽接收最佳的视频质量，下游节点在选择最佳上游节点时，不仅考虑上游节点带宽要价，而且还考虑到链路延时问题，应选择链路延时最小的上游节点请求带宽，因此下游节点在覆盖网的优化问题如下：s.t.1)2)优化目标：下游节点总效用最大化，即效用函数减去链路延时和竞拍代价最大化,这里rij代表下游节点j向上游节点i请求的带宽量，pi代表上游节点i的要价；约束条件：在覆盖网中，下游节点向所有上游节点请求的总带宽小于等于该覆盖网的传输速率；而上游节点i的优化问题则为：s.t.优化目标：上游节点拍卖带宽所得收入最大化；约束条件：上游节点可出售的带宽总量受其上传带宽限制；上述双向拍卖过程为：(1)、初始化设置网络规模即网络节点数目为N，初始拍卖时间t＝0，要价的价格增加步长δ；所有上游节点i：初始要价在P2P覆盖网络中发送上游节点i要价；(2)、确定带宽请求量参加拍卖的下游节点j：参加拍卖的下游节点j接收到上游节点的要价后，求出最优带宽请求量将最优带宽请求量再发送给相应的上游节点；(3)、要价更新上游节点i：上游节点接收到来自参加拍卖的所有下游节点的带宽请求量后，统计上游节点i组织拍卖中的带宽总请求量将带宽总请求量与上游节点已拥有的上传带宽比较，如果带宽总请求量大于则转步骤(4)，否则转步骤(5)；(4)、判断网络中所有节点的需求若网络中存在节点网络中存在节点需求过剩，即{如果节点i需求过剩，即{要价计算此轮拍卖过程中下游节点j至少可分配到的带宽量这里代表t时刻，上游节点i要价为时，下游节点j向上游节点i申请的带宽量}Else{维持原价计算此轮拍卖过程中下游节点j至少可分配到的带宽量}令t＝t+1，广播更新后的要价给下游节点，重复步骤(2)和步骤(3)，}(5)、停止迭代，拍卖结束，网络达到均衡状态；(6)、令拍卖时间t＝T代表拍卖结束时间，如果上游节点要价为：下游节点分配到的带宽量等于其请求带宽量，即下游节点j的效用函数为：如果网络中存在节点的需求未满足，那么拍卖迭代进行，直至网络中所有节点需求都得到满足，则拍卖达到收敛，下游节点实际分配到的带宽量为：下游节点实际应向上游节点支付的费用为：本方法与现有带宽分配方法比较具有以下优点：本方法提出了一种视频流在P2P覆盖网络中基于拍卖的带宽分配方法，方法简单透明，并且保护了隐私性，由于拍卖算法是分布式的，每个参加拍卖的用户都不需要报告其自身私有信息，它只需要上报他们的请求量即可，减少了传输开销；具有防作弊性的特点，防止节点用虚假信息参加拍卖，促使网络中的自私节点和非合作节点汇报真实的需求量以使自身效益最大化。附图说明图1为网络拓扑设定中节点分布表；图2为本方法中步骤(1)中价格步长λ不同时收敛性能比较示意图；图3为本方法中步骤(1)中网络规模N不同时收敛性能比较示意图；图4为本方法中步骤(1)中价格步长λ不同时网络节点的平均收益图；图5为本方法中步骤(6)中全局利益最大化性能收敛性能比较示意图；图6为本发明的竞拍周期流程示意图。具体实施方式下面结合附图详细描述本发明方法的应用实例：1、网络拓扑设定本方法通过随机生成的覆盖网络进行性能仿真，在实验中设置P2P覆盖网络的节点数目为200个，每个节点的邻居数目为5个，选择9种上传带宽能力不同的网络节点，其中网络中66％的节点拥有256(kbps)到768(kbps)的上传带宽，可以贡献的上传带宽为150(kbps)到600(kbps)；38％的节点的总上传带宽为1024(kbps)，贡献的上传带宽为800(kbps)，剩余的6％的节点的总上传带宽量大于1024(kbps)，贡献的上传带宽为1000(kbps)；每种节点分布占的百分比不同，具体如图1所示。本方法采用30帧/秒(fps)、分辨率为CIF(352*288)的标准测试视频序列“Bus”进行测试，GOP大小取32帧。对于每个序列，使用基于H.264/AVC的扩展参考编码标准的JSVM9_11编码器，编码成三层子码流，速率为256kbps的基本层以及128kbps的增强层。本方法采用的效用函数为：ΔD(r)＝De(0)-De(r)其中，De(·)为率失真函数，即变量θ，R0和D0是R-D模型的参数，由视频序列的时间分辨率、空间分辨率和延时等决定。本方法使用ΔD(r)＝De(0)-De(r)效用函数，并用平均峰值信噪比(PSNR)衡量节点的接收视频质量。2、建立基于上述拓扑的算法模型每个节点i同时充当上游节点和下游节点的角色，在每轮拍卖的两个周期内分别执行下列步骤：1)分配周期步骤1.收集来自所有下游节点的请求带宽，所有下游节点的请求带宽的集合为步骤2.根据下游节点带宽请求总量和可用上行带宽的关系，调整要价，确定下游节点至少可以分配到的带宽量步骤3.重复步骤1和2，直到所有下游节点的需求都得到满足。2)竞拍周期接受到上游节点的要价确定最优带宽请求量3、在上述网络拓扑中进行性能分析1)不同收敛步长时方法的收敛性能如图1所示，可以知道P2P覆盖网络中，平均可利用上传带宽为541kbps，超过平均视频速率512kbps，网络中的上传带宽总量，足够满足所有节点在覆盖网络中获得足够带宽的需求。该方法是基于卖方要价的拍卖方法，因此仅网络中所有上游节点都不处于需求过剩，即任一节点都不用调整要价价格时，网络处于均衡状态，因此用网络中所有节点的平均要价价格来判断网络是否处于均衡状态，若拍卖过程的前后两轮都保持不变，则可知网络达到均衡状态。图2为本方法提出的算法在不同的价格增加步长时的收敛情况，从图2中可以看出，本文提出的算法在不同步长的情况下都可以达到收敛，且价格增加步长越大，算法收敛速度越快。2)不同网络规模中算法的收敛性能图3表示了本方法提出的拍卖算法在不同规模的网络和不同邻居节点数限制中的算法收敛速度比较。网络规模即网络中节点的数目，分别设置为100、200和300，邻居节点的数量分别设置为20、10和5。图中的Y坐标代表网络中所有节点需求得到满足的拍卖轮数，即整个网络的均衡时刻，从图3中可以发现，随着网络规模的增大，算法收敛速度减慢，原因是，由于随着网络规模加大，节点竞争越加剧烈；同时，也可发现，随着邻居节点数限制的增加，算法收敛速度越快，这是由于可提供上传带宽的节点增加，缓解了对同一上游节点请求过剩的现象。3)不同价格步长时网络节点的平均收益图4表示了不同的价格迭代步长时，网络节点的平均收益。从图4中可以看出，随着价格迭代步长的增加，网络节点的平均收益随之减少，即网络节点的总收益减少。根据图2和图4可知，迭代步长需要权衡收敛速度和全局效益，迭代步长大，虽然可加快收敛速度，但使全局效益降低；反之亦然。4)全局利益最大化性能分析本方法提出的算法在价格迭代步长足够小的情况下，是否能够达到全局利益最大化。将本方法用集中式最优化和分布式拍卖方式进行比较，分布式拍卖方法即本文提出的方法。采用集中式优化算法来达到全局利益最大化，由于全局利益最大化的模型是利用Matlab工具箱里的fmincon函数来求解的，网络规模过大会造成运算速度过慢，因此，所述的P2P覆盖网络是由6个节点组成。在全局利益最大化模型中的拉格朗日乘积与上游节点的均衡要价相等时，算法在达到个体利益最大化的时候，同时可达到全局利益最大化状态，把全局利益最大化模型中的拉格朗日乘子称为优化价格。在图5a可知，在价格迭代步长为0.007时，网络达到均衡状态时，上游节点的均衡要价不等于全局利益最大化的优化价格，因此，此时仅达到个体利益最大化，未达到全局利益最大化；如图b可知，当价格迭代步长为0.00001时，上游节点的均衡要价等于全局利益最大化的优化价格，此时网络不仅达到了个体利益最大化，而且还达到了全局利益最大化。