P2P网络中基于Kmeans聚类的用户在线行为分析.pdfVIP

VoL30 No．1l 2第00390拳第1年 1爿期月 MICR微Oc蒜PU鑫R机APP窖IC()MTE 。ICATIc鼎ONsNS NOV．2009 P2P网络中基于K—means聚类的用户在线行为分析 李满天 尤佳莉 王劲林 王玲芳 (国家网络新媒体工程技术研究中心北京100190) 摘要：使用K—means的聚类方法，从用户上下线规律的角度，对P2P网络中的用户进行了聚类分析，发现系统中存在稳定的 节点类，以及在线规律呈现日周期规律但是与其他类节点可以互补的节点类，我们提出，合理有效地利用这些用户节点可以 提高一些P2P系统的性能以及可靠性。 关键词：P2P网络用户在线行为K—means K—means BasedUserOnlineBehavior Clustering inP2PNetwork Analysis LIMantian，YOUJiali，WANGJinlin，WANGLingfang NetworkNewMedia and Research (National EngineeringTechnologyCenter，Beijing，100190，China) the Abstract：Weuse K—mea．n8 to usersinP2PnetworkfromUsers’onlineandomine clusteringalgorithmcategorize point discipline ofview．Wefindthatthereexistsstablenode wellas nodeclusterwhichare tootherclusters． cluster，asday—period complementary We thatrationalandeffectiveuseoftheseusernodescan and ofsomeP2P propose improveperformancereliability systems． online Keywords：P2Pnetwork，userbehavior，K—means 1 引言 随着P2P技术的发展，许多P2P应用应运而生，而这些应用的特点则是将大量的用户节点自治、对等 地组织成网络，每个节点都担任服务提供者和客户的双重角色，通过用户资源的利用而减少服务器压力， 提高系统的可扩展性，如P2P下载系统BitTorrent、Maze等¨．2J。然而，在P2P网络中，由于用户随机地加 入退出，使网络具有很强的动态性，许多应用难以对用户节点实施合理的利用。因此，如何分析P2P中用 户行为特点，根据其特点对用户节点进行区分和利用，是目前研究的一个热点问题。 目前，许多研究人员对P2P网络中用户节点的行为分布进行了分析。文献[3]中对P2P文件共享系 统Maze的日志数据进行了研究，分析了用户请求和下载的时间和用户的上传下载流量等特性，并着重分 析了用户行为的相关性。文献[4]从用户需求的角度重新定义了P2P系统的可用性的概念，即节点的在 线时间占整个生存时间的比例，并采用聚类技术对Maze系统中用户进行了分类，发现其中占到整个系统 用户数的0．77％的活跃用户具有服务器的性质，对这些用户的合理应用可大幅提升系统的可用性。但文 中没有考虑节点的相关性，即是否有相似行为聚集性。因为用户节点行为的高动态性和不确定性，至今 仍没有特别有效的方法对用户节点加以区分利用。因此，本文提出了一种按照节点上下线时间聚类分析 的方法，可以有效划分网络中具有不