基于對等網(wǎng)絡(luò)的多分辨率影像的網(wǎng)絡(luò)傳輸模型

婁書榮,孟令奎,方 軍,夏輝宇

武漢大學(xué)遙感信息工程學(xué)院,湖北武漢430079

隨著遙感技術(shù)的飛速發(fā)展,遙感影像數(shù)據(jù)的分辨率不斷提高,影像數(shù)據(jù)以幾何級數(shù)速度增長,影像的數(shù)量達到TB級,甚至PB級。同時遙感影像的應(yīng)用領(lǐng)域更加廣泛,人們對各種分辨率的影像的需求也更加迫切,對影像數(shù)據(jù)的傳輸提出了更高的要求。目前的網(wǎng)絡(luò)傳輸模型大多基于客戶端/服務(wù)器結(jié)構(gòu),此模型在用戶較少的情況下能滿足用戶的需要,但是隨著用戶數(shù)量的不斷增長,服務(wù)器的性能和網(wǎng)絡(luò)帶寬容易成為系統(tǒng)的瓶頸。

當前影像網(wǎng)絡(luò)傳輸共享的主流軟件,如Google Earth和World Wind等,都是集中式的服務(wù)器/客戶端架構(gòu)。Google Earth通過服務(wù)器端的高性能硬件和強大的技術(shù)支持,實現(xiàn)了較好的影像傳輸性能。然而在客戶端仍然有很大的可利用資源,以提高傳輸?shù)男阅?。對等網(wǎng)絡(luò)(P2P)技術(shù)可以充分利用客戶端的資源和網(wǎng)絡(luò)帶寬,降低服務(wù)器的負載和軟硬件性能需求,降低服務(wù)器性能需求。

目前,基于P2P的影像網(wǎng)絡(luò)傳輸共享引起了諸多學(xué)者的關(guān)注。文獻[1]討論了空間影像數(shù)據(jù)網(wǎng)絡(luò)共享的拓撲結(jié)構(gòu),并且提出影像瓦片標識方法和基于空間網(wǎng)格索引的影像瓦片定位方法。文獻[2]設(shè)計一種混合式對等網(wǎng)絡(luò)模型下的地形數(shù)據(jù)傳輸機制PeerVOLT,通過同組成員節(jié)點間交換地形數(shù)據(jù)和緩沖映射表共享地形數(shù)據(jù),實現(xiàn)了以較小服務(wù)器代價進行大規(guī)模地形數(shù)據(jù)的傳輸。文獻[3—4]提出P2P海量地形漫游瓦片調(diào)度算法,并對節(jié)點進行分組,考慮了節(jié)點間的物理網(wǎng)絡(luò)關(guān)系,并采用隨機的鄰近節(jié)點選擇策略。然而,當前基于P2P的影像傳輸?shù)难芯吭趦煞矫嬗写M一步優(yōu)化,一是當前研究只是考慮節(jié)點間的物理網(wǎng)絡(luò)關(guān)系或者只考慮節(jié)點的興趣信息,沒有根據(jù)空間影像的區(qū)域特性將兩者有效結(jié)合;二是當前的臨近節(jié)點選擇方法,大多是基于隨機選擇的方式,缺少對較優(yōu)鄰近節(jié)點和節(jié)點間歷史傳輸參數(shù)信息的考慮。

本文針對當前基于P2P影像傳輸?shù)难芯克嬖诘膯栴},結(jié)合空間影像數(shù)據(jù)空間區(qū)域分布和用戶地域分布特征,針對位于同一地理區(qū)域的多個節(jié)點下載同一區(qū)域的影像數(shù)據(jù)的概率較大,同一用戶對同一地理區(qū)域的影像多次瀏覽的概率較大的特點,提出一種基于P2P的多分辨率影像傳輸模型。在遙感影像分級分塊的基礎(chǔ)上,該模型通過構(gòu)建基于興趣區(qū)域分組的多追蹤器覆蓋網(wǎng)絡(luò),實現(xiàn)了基于興趣區(qū)域和物理網(wǎng)絡(luò)關(guān)系的節(jié)點分組加入算法和考慮節(jié)點間的差異性和下載效率歷史信息的鄰近節(jié)點選擇算法。通過模擬試驗證明了模型中鄰近節(jié)點選擇的逐漸優(yōu)化性能,并開發(fā)了原型系統(tǒng)IMAGEP2P。測試表明系統(tǒng)運行穩(wěn)定,能夠滿足用戶的要求,并且在多用戶并發(fā)訪問時與傳統(tǒng)的客戶端/服務(wù)器的模式相比,該模型的服務(wù)器負載明顯下降,多分辨影像數(shù)據(jù)的平均傳輸速率顯著提高。

1 基于P2P的多分辨率影像數(shù)據(jù)的傳輸模型

P2P在多個領(lǐng)域的成功應(yīng)用充分展示了它在數(shù)據(jù)傳輸共享應(yīng)用中的優(yōu)勢,因此,可以將 P2P和空間影像數(shù)據(jù)結(jié)合起來建立傳輸模型,充分發(fā)揮各客戶端的作用,減輕服務(wù)器負載,提高傳輸?shù)男?。P2P文件傳輸中文件分塊的數(shù)據(jù)普遍是無序下載的,一般類型的文件需要下載完所有的分塊之后才能使用。但是,對于遙感影像來說,利用遙感影像分塊方法分塊之后,只要用戶獲得單塊影像數(shù)據(jù),在下載其他影像塊的同時,便可以先對已經(jīng)下載的影像塊進行顯示瀏覽,縮短了用戶的等待時間。本文借鑒在文件共享領(lǐng)域應(yīng)用成熟的Bit Torrent技術(shù)的追蹤器機制[5],并對其模型進行擴展,在影像下載客戶端與影像數(shù)據(jù)服務(wù)器之間建立多追蹤器機制,形成一個完整的基于P2P的影像數(shù)據(jù)傳輸模型。

1.1 模型體系結(jié)構(gòu)

基于P2P的多分辨率影像傳輸涉及影像數(shù)據(jù)的存儲與管理、P2P節(jié)點的監(jiān)控與調(diào)度、P2P節(jié)點的數(shù)據(jù)下載、用戶的影像瀏覽顯示和相關(guān)的安全與傳輸標準等功能,各個功能之間具有明顯的層次關(guān)系,既相互獨立又相互協(xié)同。影像的存儲與管理為客戶端的影像下載提供數(shù)據(jù)基礎(chǔ),P2P節(jié)點的監(jiān)控與調(diào)度負責P2P節(jié)點下載服務(wù)器的影像數(shù)據(jù)以及P2P節(jié)點之間的影像互傳,P2P節(jié)點的數(shù)據(jù)下載為上層用戶的影像瀏覽顯示提供數(shù)據(jù),安全與傳輸標準涉及各個功能。

將傳輸模型劃分為四層結(jié)構(gòu):數(shù)據(jù)服務(wù)器層、P2P追蹤器層、P2P節(jié)點層和用戶層,如圖1所示,各層獨立負責不同功能,下層為上層提供服務(wù),每一層內(nèi)的各個單元又相互協(xié)同。

圖1 P2P影像傳輸模型體系結(jié)構(gòu)Fig.1 Architecture of image network transmission model based on P2P

數(shù)據(jù)服務(wù)器層主要負責影像數(shù)據(jù)的多分辨率分層分塊管理,為上層應(yīng)用提供影像數(shù)據(jù)。P2P追蹤器層主要負責監(jiān)測P2P節(jié)點層的各個客戶端的狀態(tài),記錄下載信息,并合理調(diào)度P2P節(jié)點資源的有效利用,為上層應(yīng)用提供服務(wù),層內(nèi)將各個P2P追蹤器劃分管理不同的地理空間區(qū)域,并相互協(xié)同。P2P節(jié)點主要負責影像數(shù)據(jù)的下載、緩存和相互共享,為用戶層提供數(shù)據(jù)支持,層內(nèi)各個P2P節(jié)點在本地開辟空間數(shù)據(jù)緩存區(qū)來存儲接收的影像數(shù)據(jù),為同層其他P2P節(jié)點提供影像數(shù)據(jù)下載源。用戶層主要負責影像的瀏覽與顯示。

1.2 網(wǎng)絡(luò)模型

C/S模式有易于管理、安全的特點,但是服務(wù)器和網(wǎng)絡(luò)負載過于集中,難以擴展。P2P模式把數(shù)據(jù)負載分布到多個節(jié)點,擴展性好,適應(yīng)大量用戶使用的需要,并且在文件共享領(lǐng)域具有較成熟的應(yīng)用技術(shù),文獻[6]提出基于多追蹤器集群的P2P網(wǎng)絡(luò)模型,并設(shè)計了基于物理網(wǎng)絡(luò)的鄰近節(jié)點加入算法。本文針對影像數(shù)據(jù)本身具有的空間區(qū)域特點,設(shè)計了基于多追蹤器機制的節(jié)點分組網(wǎng)絡(luò)模型,如圖2所示。

圖2 基于P2P的影像傳輸網(wǎng)絡(luò)模型Fig.2 P2P based network model for image transmission

基于多追蹤器機制的節(jié)點分組網(wǎng)絡(luò)模型是將模型中的所有追蹤器組成一個超級網(wǎng)絡(luò),各個追蹤器根據(jù)地理空間范圍負責管理不同的影像區(qū)域,追蹤器之間通過內(nèi)部控制機制定期的交換負載信息和所記錄節(jié)點的影像下載參數(shù)信息,并定期地對P2P節(jié)點所感興趣的遙感影像區(qū)域范圍進行評估,將其轉(zhuǎn)移到空間區(qū)域相同的興趣組中。在P2P節(jié)點加入的初始階段,或者未知節(jié)點的興趣范圍,則將其加入到離自己物理網(wǎng)絡(luò)最近的組中。

P2P追蹤器動態(tài)跟蹤監(jiān)測系統(tǒng)的各個節(jié)點運行情況,調(diào)度請求數(shù)據(jù)的節(jié)點向正在運行并且擁有所需影像塊的節(jié)點請求數(shù)據(jù)。當節(jié)點請求數(shù)據(jù)時,P2P追蹤器預(yù)先選擇臨近并且最優(yōu)的節(jié)點供其下載,并且記錄各個節(jié)點已經(jīng)下載的影像信息及節(jié)點總的下載量和上傳量等相關(guān)信息。

2 模型實現(xiàn)機制與優(yōu)化策略

在模型創(chuàng)建的過程中,涉及多個技術(shù)問題。影像數(shù)據(jù)的分級分塊編碼及查詢方法,關(guān)系到影像塊查找和傳輸?shù)男?節(jié)點的分組加入機制,可以縮短節(jié)點間物理網(wǎng)絡(luò)距離,提高節(jié)點互傳的效率;鄰近節(jié)點選擇算法,根據(jù)節(jié)點下載的歷史信息選擇交互較好的節(jié)點下載數(shù)據(jù)。本節(jié)分別對以上這些關(guān)系到數(shù)據(jù)傳輸效率的技術(shù)問題進行討論。

2.1 影像數(shù)據(jù)的分級分塊編碼及查詢

在日常生活中,人們查看影像地圖時,習慣于首先查看地圖的整體概略信息,然后找到感興趣的區(qū)域,查看詳細信息。因此,當客戶端瀏覽影像的時候,開始時向節(jié)點傳輸較低分辨率的影像,以供其查看較大范圍的概略信息,當選定感興趣區(qū)域時,再向客戶端傳送相應(yīng)區(qū)域的高分辨率影像。

影像分塊和影像金字塔是影像數(shù)據(jù)管理的核心內(nèi)容。一幅影像數(shù)據(jù)量太大,難以滿足實時調(diào)度的要求,需將分幅的影像分塊存放。同時,隨著瀏覽比例尺縮小,需要看到更抽象的影像,如果直接從底層數(shù)據(jù)抽取,速度太慢。所以需要建立影像金字塔,可根據(jù)不同的顯示情況調(diào)用不同金字塔層次上的數(shù)據(jù)。因此,遙感數(shù)據(jù)的存儲應(yīng)以原始圖像為基礎(chǔ),建立多級圖像金字塔,便于影像瀏覽與顯示。

影像分塊的大小會影響系統(tǒng)的有效性能,如果數(shù)據(jù)塊太大,則可能導(dǎo)致讀取過多的不在目標范圍內(nèi)的多余數(shù)據(jù)。如果數(shù)據(jù)塊太小,減少了冗余數(shù)據(jù),但卻增加了存取操作的次數(shù),不利于數(shù)據(jù)的存取。本文對影像金字塔的各層,采用2×2影像采樣方法進行處理,得出上層影像數(shù)據(jù)。然后對每層進行分塊,利用塊狀劃分的方法將影像數(shù)據(jù)按照格網(wǎng)劃分成影像小塊,對于像素矩陣的邊緣部分,像素矩陣的行列數(shù)大小小于分塊尺寸大小的情況,采用ArcSDE中采用的邊緣補零方法,將數(shù)據(jù)塊大小分別分為64×64像素、128×128像素或者256×256像素進行試驗。

影像塊的空間編碼是對分級后劃分的影像塊進行組織,是將二維的對象空間按照編碼函數(shù)映射到一維空間的過程。本文采用“金字塔級別-行號-列號”的形式對影像塊進行編碼,如圖3所示。

圖3 影像分層組織及編碼結(jié)構(gòu)Fig.3 Hierarchical organization and coding structure of images

在進行空間查詢時,根據(jù)空間查詢范圍QR和影像金字塔級別 PL,首先計算出所包含的影像編號,再根據(jù)原始影像的空間范圍 ImageR、分塊大小(TileWidth,Tile Hight)、當前影像層次的分辨率大小(TileR)(可以通過原始影像金字塔的分辨率和當前影像的金字塔級別計算得出)和當前影像所覆蓋的查詢范圍 ImageQR,利用以下公式可以計算得出查詢的本幅影像所包含的行列號范圍(Rowmin,Rowmax,Colmin,Colmax)。

通過以上公式計算出的影像行列號可以唯一確定查詢的影像塊編碼,使得系統(tǒng)可以根據(jù)用戶瀏覽的坐標范圍和影像金字塔的級別快速計算出用戶想要下載的影像塊信息。

2.2 模型的優(yōu)化機制

2.2.1 節(jié)點的分組加入機制

目前的節(jié)點分組加入方法主要是針對普通文件的,例如文獻[7—8]等通過分組,節(jié)點隨機加入組中,文獻[9]提出按興趣進行分組,節(jié)點按興趣加入不同的興趣組。這些方法只是單獨考慮節(jié)點的物理網(wǎng)絡(luò)關(guān)系或者節(jié)點的興趣信息,都在一定程度上提高節(jié)點間數(shù)據(jù)傳輸?shù)男?。本文針對影像?shù)據(jù)傳輸瀏覽的特點,將兩者結(jié)合起來,提出既考慮節(jié)點的物理網(wǎng)絡(luò)關(guān)系又考慮節(jié)點的興趣區(qū)域信息的節(jié)點分組加入機制。

影像瀏覽節(jié)點加入時,首先希望加入物理網(wǎng)絡(luò)上距離自己最近的追蹤器組,提高與追蹤器的交互效率的同時,尋找物理上相近的節(jié)點作為鄰近節(jié)點下載數(shù)據(jù)。同時,用戶瀏覽影像數(shù)據(jù)具有區(qū)域性特點,節(jié)點也希望與自己影像區(qū)域興趣相同的節(jié)點成為一組,便于尋找和發(fā)現(xiàn)與自己交互較好的鄰近節(jié)點,并保持長期的鄰近關(guān)系。系統(tǒng)為每個追蹤器分配一定的影像區(qū)域。

定義1:節(jié)點集 SU={U1,U2,U3,…,Un}。式中,Ui(1≤i≤n)為單個節(jié)點;追蹤器集為S P= {P1,P2,P3,…,Pm}。式中,Pj(1≤j≤m)為單個追蹤器。

定義2:Dist(Ui,Pj),節(jié)點Ui與追蹤器 Pj的網(wǎng)絡(luò)連接延遲時間。

定義3:節(jié)點Ui=〈ID,Phy N,IntN,Uneb〉。式中,ID為本節(jié)點唯一標識;Phy N標識該節(jié)點所屬的物理網(wǎng)絡(luò)追蹤器 Px(1≤x≤m),IntN標識該節(jié)點所屬的興趣區(qū)域組追蹤器 Py(1≤y≤m),Uneb為與本節(jié)點交互較好的前30個節(jié)點的集合。

新節(jié)點Uk加入算法描述如下:

第一步,測量各個Dist(Uk,Pi)(1≤i≤m);

第二步,求 min(Dist(Uk,Pi))的追蹤器 Px,然后加入該組,將Uk的Phy N設(shè)置為Px;

第三步,通過多次下載,分析最近幾次節(jié)點下載影像的興趣區(qū)域,查找到該區(qū)域的追蹤器編號 Py;

第四步,將Uk的IntN設(shè)置為 Py,供以后連接使用。

普通節(jié)點首次加入時,首先向所有的追蹤器發(fā)送消息,測試自己與各個追蹤器的延遲信息,并從中選擇延遲最小的作為本節(jié)點的默認追蹤器。如果節(jié)點是再次加入,則節(jié)點首先通知所有P2P追蹤器當前節(jié)點在線,使其他節(jié)點能夠向本節(jié)點請求緩存的影像數(shù)據(jù)。當節(jié)點離開時,通知所有P2P追蹤器本節(jié)點即將離開,即通知追蹤器本節(jié)點將暫時不能為其他節(jié)點提供數(shù)據(jù)上傳服務(wù)。當節(jié)點在線時,如果節(jié)點與默認的P2P追蹤器在一定時間內(nèi)沒有消息往來,則節(jié)點采用心跳機制測試自己的連接狀態(tài),并使得P2P追蹤器能清楚地判斷節(jié)點的在線狀態(tài),以防止由于節(jié)點的意外丟失,而沒有及時改變節(jié)點的在線狀態(tài),當P2P追蹤器發(fā)現(xiàn)節(jié)點未事先通知而離開時,則該P2P追蹤器通知其他P2P追蹤器該節(jié)點處于離線狀態(tài)。

2.2.2 鄰近節(jié)點選擇算法

遙感影像數(shù)據(jù)具有空間區(qū)域特點和用戶地域分布特點,位于同一地理區(qū)域的多個節(jié)點下載同區(qū)域的影像數(shù)據(jù)的概率較大,同時,節(jié)點感興趣的遙感影像區(qū)域范圍具有固定性特點。因此,節(jié)點選擇鄰近節(jié)點既要考慮節(jié)點的物理網(wǎng)絡(luò)距離,同時又要考慮影像下載區(qū)域興趣相同的節(jié)點,以保持長期的信息互換。節(jié)點請求影像時,P2P追蹤器在同一興趣區(qū)域組中選擇鄰近節(jié)點,并在這些節(jié)點中優(yōu)先選擇屬于同一物理網(wǎng)絡(luò)區(qū)域的節(jié)點。

節(jié)點在下載影像數(shù)據(jù)的同時,記錄與鄰近節(jié)點的交換參數(shù)信息,例如節(jié)點連接的延遲時間、數(shù)據(jù)傳輸?shù)钠骄俣群凸?jié)點的興趣區(qū)域等信息,并對節(jié)點交互效率由高到低進行排序,更新該節(jié)點的Uneb集合信息。當節(jié)點再次請求數(shù)據(jù)時,將追蹤器發(fā)來的鄰近節(jié)點列表,與節(jié)點記錄的Uneb集合進行對比,盡量選擇歷史記錄參數(shù)較好的節(jié)點作為請求的目標節(jié)點,同時也選擇部分新節(jié)點作為鄰近節(jié)點,使得用戶能夠進一步查找與自己交互更好的節(jié)點。因此,節(jié)點在多次影像瀏覽以后,能夠找到性能局部較優(yōu)的節(jié)點作為鄰近節(jié)點。

鄰近節(jié)點的選擇算法描述如下:

第一步,追蹤器根據(jù)節(jié)點Uk請求的影像區(qū)域,查找當前在線的擁有該區(qū)域影像的多個節(jié)點{Uu,Uv,…,Uz},并優(yōu)先選擇與節(jié)點同屬于Phy N的節(jié)點作為其鄰近節(jié)點;

第二步,節(jié)點Uk收到追蹤器的鄰近節(jié)點列表后,首先與自己記錄的傳輸歷史較好的節(jié)點Uneb集合進行對比,優(yōu)先選擇Uneb中擁有的節(jié)點,并隨機選取Uneb中沒有的少數(shù)節(jié)點,組成鄰近節(jié)點,請求數(shù)據(jù);

第三步,請求完成,及時更新與各個鄰近節(jié)點交互的參數(shù)信息,對鄰近節(jié)點交互效率由高到低進行排序,更新本節(jié)點的 Uneb集合,供以后使用。

對于熱點區(qū)域影像數(shù)據(jù),盡量依據(jù)上述機制從鄰近節(jié)點獲取數(shù)據(jù),并控制各節(jié)點的上載量,限制節(jié)點的上傳連接數(shù),避免由于上傳數(shù)據(jù)而降低自身性能的問題。而對于沒有或者較少有節(jié)點下載的影像區(qū)域,P2P追蹤器首先調(diào)度負載較輕的數(shù)據(jù)服務(wù)器為節(jié)點提供下載,并且P2P追蹤器優(yōu)先選擇整個系統(tǒng)中最少的影像塊下載,而在系統(tǒng)中相對較多的影像塊,放在后面下載,從而使影像塊均勻的分布于系統(tǒng)中,降低影像塊分布不均衡從而降低下載速度的風險。

3 模擬試驗和系統(tǒng)原型測試分析

3.1 模擬試驗

用模擬的方法對鄰近節(jié)點選擇算法進行測試,利用網(wǎng)絡(luò)延遲矩陣文件meridian-matrix中的網(wǎng)絡(luò)延遲信息,分別構(gòu)建基于100個和500個節(jié)點作為興趣組的覆蓋網(wǎng)絡(luò)。對系統(tǒng)多次運行時鄰近節(jié)點選擇的優(yōu)化性能進行測試,對100次請求,每次請求選擇5個鄰近節(jié)點的情況進行測試,記錄每次選擇的各個鄰近節(jié)點與本節(jié)點的網(wǎng)絡(luò)延遲信息,求平均值,并對每十次請求再進行平均值計算,即對第1～10、第11～20、第21～30、…、第91～100次,各取十次的平均值,得出結(jié)果如圖 4所示。

圖4 節(jié)點多次請求時模型選擇鄰近節(jié)點的網(wǎng)絡(luò)延遲趨勢圖Fig.4 Trend chart of network delay of adjacent nodes selected block when a node requests the data many times

從圖4測試結(jié)果可以看出,開始時,追蹤器選擇的鄰近節(jié)點對于節(jié)點來說大部分是沒有交互記錄的時候,會出現(xiàn)鄰近節(jié)點性能不穩(wěn)定的情況,但是,隨著用戶請求的次數(shù)增加,節(jié)點對鄰近節(jié)點的經(jīng)驗信息將會發(fā)揮作用,鄰近節(jié)點的選擇性能將會變得越來越好。

3.2 原型系統(tǒng)測試與分析

利用VS2005(C#)語言,設(shè)計并開發(fā)了原型系統(tǒng) IMA GEP2P,包括瀏覽客戶端、P2P節(jié)點、P2P追蹤器和數(shù)據(jù)服務(wù)器四個模塊。以分辨率為0.2 m的DPGRID影像作為試驗數(shù)據(jù),對影像建立金字塔,然后對各分辨率的數(shù)據(jù)按256×256像素(大小為192 K)、128×128像素(大小為48 K)和64×64像素(大小為12 K)分塊,試驗對不同分塊大小的影像分別進行測試。在同一局域網(wǎng)絡(luò)內(nèi),一臺計算機運行數(shù)據(jù)服務(wù)器、一臺計算機運行P2P追蹤器、另外五臺計算機運行P2P節(jié)點。

試驗分別利用客戶端/服務(wù)器模式和 IMAGEP2P系統(tǒng)進行影像數(shù)據(jù)瀏覽。記錄單個P2P客戶端下載同一區(qū)域的2 000個影像塊的平均耗費時間,然后取平均得出單個客戶端單塊下載時間,結(jié)果取10次試驗的平均值。

基于客戶端/服務(wù)器模式的影像下載方法,在同時下載的用戶相對較少時,下載的速度比IMAGEP2P系統(tǒng)快,然而當同時下載用戶較多時,下載的平均速度較慢,試驗結(jié)果如圖5所示,分別為256×256、128×128和64×64像素分塊方法與傳統(tǒng)的客戶端/服務(wù)器方式的比較。

由圖5可知,當同時請求的節(jié)點數(shù)較少時,基于IMAGEP2P的下載模式,P2P追蹤器的處理時間降低了影像的平均傳輸效率,使得 IMAGEP2P模式影像塊下載的平均速度較慢。當請求的節(jié)點較多時,請求節(jié)點的部分影像塊可以通過在其他臨近節(jié)點獲得,而基于客戶端/服務(wù)器的模式增加了服務(wù)器的響應(yīng)和傳輸時間,使得IMAGEP2P模式下載的平均速度較快。例如,當分塊大小為128×128像素(大小為48 K),四個節(jié)點同時請求同一區(qū)域數(shù)據(jù)時,IMAGEP2P模式的平均傳輸效率已經(jīng)高于客戶端/服務(wù)器模式了。因此,當大量的用戶同時進行影像瀏覽時,基于IMAGEP2P的下載模式,影像塊的傳輸效率遠遠高于傳統(tǒng)的客戶端/服務(wù)器模式。從服務(wù)器的負載角度來看,IMAGEP2P模式增加了P2P追蹤器的處理和調(diào)度功能,增加了 P2P追蹤器的負載,進而明顯降低了數(shù)據(jù)服務(wù)器的數(shù)據(jù)傳輸量,很大程度上減輕了數(shù)據(jù)服務(wù)器的負載。

圖5 不同模型單個影像塊傳輸時間與傳統(tǒng)客戶端/服務(wù)器模式對比圖Fig.5 Comparison chart of transmission time of a single image block traditional client/server mode for different models

隨著系統(tǒng)的長時間穩(wěn)定運行,對于影像瀏覽熱點區(qū)域,瀏覽的用戶越多,擁有該區(qū)域影像的節(jié)點相對也越多,使得該區(qū)域的影像下載速度較快。而對于較少有用戶瀏覽的區(qū)域,影像下載較慢,但仍然能夠滿足瀏覽需求。當系統(tǒng)趨于穩(wěn)定時,對于分辨率的較低的數(shù)據(jù),由于下載的用戶較多,各個節(jié)點下載的速度較快,而對于節(jié)點下載較少的高分辨率的影像塊,擁有的該數(shù)據(jù)的節(jié)點數(shù)較少,使得下載速度相對較慢。

3.3 原型系統(tǒng)影像瀏覽

從低分辨率影像概略瀏覽到高分辨率的影像的詳細顯示結(jié)果如圖6所示,分塊大小為64×64 (12 K)像素,圖6(a)為大范圍較低分辨率的影像圖,圖6(b)為較小區(qū)域的中分辨率的影像圖,圖6(c)為小區(qū)域的較高分辨率的影像圖,圖6(d)為小區(qū)域的高分辨的影像圖。

圖6 多分辨率影像瀏覽圖Fig.6 Multi-resolution image browsing map

4 結(jié) 論

主要討論基于P2P的多分辨率影像數(shù)據(jù)的網(wǎng)絡(luò)傳輸模型,對模型的體系結(jié)構(gòu)、實現(xiàn)機制和優(yōu)化策略進行詳細的闡述,并設(shè)計原型系統(tǒng)IMAGEP2P。通過模擬和試驗論證模型的可行性。試驗結(jié)果證明鄰近節(jié)點選擇算法的可行,系統(tǒng)運行穩(wěn)定,在多個用戶并發(fā)請求影像時,與傳統(tǒng)的基于客戶端/服務(wù)器模型相比,IMAGEP2P顯著地提高了影像傳輸?shù)男?很大程度上減輕了數(shù)據(jù)服務(wù)器的負載。在P2P影像系統(tǒng)中,影像數(shù)據(jù)的來源不再局限于服務(wù)器,非法的用戶可以繞開服務(wù)器,直接向用戶端發(fā)起連接,使得非法用戶接入某一合法用戶后,同樣可以獲得影像數(shù)據(jù),如何保證影像數(shù)據(jù)的安全性將是進一步研究的內(nèi)容。

[1] LIU Yi,GONG Jianya,WU Huayi.P2P Based Efficient On-Line SpatialImages Delivery[C]∥Geoinformatics 2007:GeospatialInformation Technology and Applications.Nanjing:SPIE,2007.

[2] YU Zhanwu,ZHENG Sheng,LI Zhongmin.A Large-scale Terrain Transmission Mechanism Based on Hybrid P2P[J]. Acta Geodaetica et Cartographica Sinica,2008,37(1): 243-250.(喻占武,鄭勝,李忠民.一種混合式P2P下的大規(guī)模地形數(shù)據(jù)傳輸機制[J].測繪學(xué)報,2008,37(1): 243-250.)

[3] PAN Shaoming,YU Zhanwu,L I Rui.Tile Scheduling Algorithm Based on Active Cache in P2P Massive Terrain Navigation[J].Acta Geodaetica et Cartographica Sinica, 2009,38(3):236-249.(潘少明,喻占武,李銳.基于主動緩存的P2P海量地形漫游瓦片調(diào)度算法[J].測繪學(xué)報, 2009,38(3):236-249.)

[4] PAN Shaoming,YU Zhanwu,WAN G Hao.Massive Terrain Data Sharing in Pyramid Hierarchical Peer-to-Peer Networks[J]. Geomatics and Information Science of Wuhan University,2009,34(6):650-653.(潘少明,喻占武,王浩.基于節(jié)點分組的P2P海量地形數(shù)據(jù)共享機制[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2009,34(6): 650-653.)

[5] COHEN B.Incentives Build Robustness in BitT orrent[C]∥Proceedings of the 1st Workshop on the Economics of Peerto-Peer Systems.Berkeley:[s.n.],2003.

[6] XIAO Bin,YU Jiadi,SHAO Zili,et al.Distributed Proximity-aware Peer Clustering in Bit Torrent-Like Peer-to-Peer Networks[C] ∥ Embedded and Ubiquitous Computing.Soul:Springer,2006:375-384.

[7] SAHOTA V,LI Maozhen,BAKER M.A Grouped P2P Network for Scalable Grid Information Services[J].Peerto-Peer Networking and Application,2009,2(1):3-12.

[8] MIZRAK A T,CHENG Yuchung,KUMAR V,et al. Structured Superpeers:Leveraging Heterogeneity to Provide Constant-time Lookup[C]∥Proceedings of the Third IEEE Workshop on InternetApplications. San Jose: IEEE,2003:1530-1354.

[9] SRIPANIDKULCHAI K,MA GGS B,ZHAN G Hui. Efficient Content Location Using Interest-based Locality in Peer-to-Peer Systems[C]∥Proceedings of IEEE INFOCOM 2003.[S.l.]:IEEE,2003:2166-2176.

[10] GUO Lei,CHEN Songqing,XIAO Zhen,et al.A Performance Study of Bit Torrent-like Peer-to-Peer Systems[J].IEEE Journal on Selected Areas in Communications,2007,25(1):155-169.

[11] LIU Weidong,PENG Dongsheng,LIN Chuang,et al. Enhancing Tit-for-tat for Incentive in Bit Torrent Networks[J].Peer-to-Peer Networking and Applications, 2009,3(1):27-35.

[12] CHAN H L,LAM T W,WONG P W H.Efficiency of Data Distribution in Bit Torrent-like Systems[C]∥Algorithmic Aspects in Information and Management. Portland:Springer,2008:378-388.

[13] KOMMAREDDY C,SHANKAR N,BHATTACHARJEE B.Finding Close Friends on the Internet[C]∥Proceedings of the Ninth International Conference on Network Protocols.Washington:IEEE,2001:301-309.

[14] GUO Lei,CHEN Songqing,XIAO Zhen,et al.Measurements, Analysis, and Modeling of Bit Torrent-like Systems[C]∥Proceedings of the 5th ACM SIGCOMM conferenceon InternetMeasurement. New Orleans: USENIX Association,2005:35-48.