[发明专利]一种面向大规模网络环境的分布式K近邻节点搜索方法

说明书

技术领域

本发明涉及大规模网络环境中的近邻节点搜索方法，尤其是大规模网络环境中的分 布式K近邻节点搜索方法。

背景技术

近邻节点搜索是网络计算领域亟待解决的核心问题之一。近邻节点搜索是目前广泛 采用的节点邻近性测量方法之一，它利用全部或者部分节点之间的网络距离测量结果， 确定给定目标节点的一个或者多个近邻节点。许多网络应用系统的执行策略是以节点邻 近性为基础的，近邻节点搜索的精确度、稳定性和效率将直接影响到节点邻近性测量的 效果，从而影响网络应用系统的运行效率。

现有的近邻节点搜索的典型方法主要包括两类：

(1)集中式近邻节点搜索方法，它通过对目标节点与其它节点之间的网络距离进 行排序，集中式搜索目标节点的多个近邻节点。集中式近邻节点搜索方法需要集中维护 所有节点之间的网络距离信息。在大规模网络环境下，一方面，网络节点数量庞大，使 得完全测量极易造成严重的带宽消耗和网络拥塞，同时引起巨大的通信开销；另一方面， 网络节点具有高度动态性、不可达性等特点，使得直接测量有时根本无法进行，也很容 易引起单点失效问题。所以，集中式近邻节点搜索方法的可扩展性较差，不适用于大规 模网络环境。

(2)分布式近邻节点搜索方法，它利用部分节点之间的网络距离信息实现搜索信 息在各节点之间的转发，最终找到近似最优的最近邻节点(即，近邻节点数目K＝1)。 分布式近邻节点搜索方法无需完全测量所有节点之间的网络距离，并且分布维护节点之 间的网络距离信息。分布式近邻节点搜索方法的可扩展性较好，对大规模网络环境的适 应能力较强。

与集中式近邻节点搜索方法相比，分布式近邻节点搜索方法更加适用于大规模网络 环境，逐渐成为低成本高精度实现近邻节点搜索的主要技术途径。但是，现有的分布式 近邻节点搜索方法主要关注如何搜索最近邻节点，难以有效支持K(K＞1)近邻节点的搜 索，无法有效满足网络应用对近邻节点搜索的需求。因此，如何在大规模网络环境中高 效精确地搜索K近邻节点已经成为网络计算领域的热点研究问题。

发明内容

本发明要解决的技术问题是：针对现有的分布式近邻节点搜索方法无法有效实现K (K＞1)近邻节点搜索的问题，提出一种面向大规模网络环境的分布式K近邻节点搜索 方法，低成本高精度实现节点邻近性的测量。

本发明技术方案是：采用直接测量方式为每个节点构建邻居集，并维护节点之间的 网络距离信息；定期更新节点的邻居集，扩大邻居集覆盖范围，降低搜索迭代次数，提 高搜索效率；基于回退思想，从与目标节点网络距离最远的节点开始搜索最近邻节点， 为回退搜索其余K-1个近邻节点奠定基础。

具体的技术方案是：

第一步，系统初始化。

1.1在系统初始状态，对于任意节点O，将其初始邻居集设置为除本节点O之外的 其它所有节点，并通过直接测量方式获取节点之间的网络距离。每个节点维护的邻居集 信息包括邻居节点IP和本节点与邻居节点之间的网络距离。

1.2随机选择节点E作为入口节点，便于新节点加入。

第二步，为新加入节点创建邻居集。

2.1假设A是新加入的节点，节点A向入口节点E发送加入请求。

2.2入口节点E从其邻居集中随机选择I个节点，将这些节点的IP发送给新节点A。 I为正整数，通常I的取值为5，I应根据系统的扩展性和维护开销进行动态调整。

2.3新节点A将入口节点E发送的I个节点设置为初始邻居集，并通过直接测量方 式获取本节点与邻居节点之间的网络距离。

第三步，节点邻居集更新。

每个节点定期更新邻居集，具体包括随机更新和最近邻更新两部分。随机更新的周 期为TR(TR通常取100s)，最近邻更新的周期为TN(通常，TN＝TR*10)。TR和TN 应根据系统的扩展性和维护开销进行动态调整，将正在更新的节点设为B，则

3.1随机更新：

3.1.1节点B随机选择其邻居集中的一个节点M，并向节点M发送请求消息。

3.1.2节点M从其邻居集中随机选择比例为P(P通常取5％)的邻居节点构成集合S， 并将集合S返回给节点B。

3.1.3节点B通过直接测量方式获取本节点与集合S中的各节点之间的网络距离。

3.1.4节点B将集合S中的节点添加到自己的邻居集中。

3.2最近邻更新：