In this paper, we first conduct ext

In this paper, we first conduct extensive trace studies on a
practical mesh-based system, namely PPLive, to understand
how streaming data are disseminated and the behaviors of
the participating end-hosts. Our results show strong evidences
that most of the data blocks delivered through a mesh overlay
essentially follow a specific tree structure or a small set of
trees. The similarity of the trees, defined as the fraction of
the common links, can be as high as 70%. The overlay
performance thus closely depends on the set of common
internal nodes and their organization. If this set consists mainly
of the stable nodes, with others being organized through a
mesh, we can expect high efficiency with low overhead and
delay simultaneously.
Motivated by these observations, we present a novel approach toward a hybrid overlay design. The key idea is
to identify a set of stable nodes to construct a tree-based
backbone, called treebone, with most of the data being pushed
over this backbone. These stable nodes, together with others,
will be further organized through an auxiliary mesh overlay,
which facilitates the treebone to accommodate dynamic nodes
and also to fully explore the available bandwidth between node
pairs.
In this hybrid mesh-tree design, however, a series of unique
and important issues need to be addressed. First, we have
to identify the stable nodes in an overlay, and gradually
build up the treebone; Second, we need to reconcile the
push and pull data delivery in the two overlays, respectively.
They should work complementarily to maximize the joint
efficiency in the presence of autonomous nodes. In this paper,
we derive an optimal age threshold for identifying stable
nodes, which maximizes their expected service times in the
treebone. We then propose a set of overlay construction and
evolution algorithms to enable seamless treebone/mesh collaboration with minimized control overhead and transmission
delay. Finally, we present a buffer partitioning and scheduling
algorithm, which coordinates push/pull operations and avoids
data redundancy.
We extensively evaluate the performance of mTreebone
and compare it with existing mesh- and tree-based solutions.
The simulation results demonstrate the superior efficiency and
robustness of this hybrid solution in both static and dynamic
scenarios. Such results are reaffirmed by our experimental
results of an mTreebone prototype over the PlanetLab network [1].
The remainder of this paper is organized as follows: In
Section II, we introduce the background and related work.
Section III summarizes the major results of our trace studies,
which also serve as a motivation to our hybrid mTreebone
design. The architecture of mTreebone is described in Section IV. Details about treebone evolution and its interactions
with the mesh are discussed in Sections V and VI, respectively.
We evaluate the performance of mTreebone in Section VII.
Section VIII further discusses some practical issues. Finally,
Section IX concludes the paper and offers potential future

Kết quả (Việt) 2:

Trong bài báo này, đầu tiên chúng tôi tiến hành nghiên cứu dấu vết rộng rãi trên
hệ thống lưới dựa trên thực tế, cụ thể là PPLive, để hiểu
làm thế nào truyền tải dữ liệu được phổ biến và các hành vi của
các tham end-host. Kết quả cho thấy bằng chứng mạnh mẽ
rằng hầu hết các khối dữ liệu cung cấp thông qua một lớp phủ lưới
cơ bản theo một cấu trúc cây cụ thể hoặc một tập hợp nhỏ của
cây. Sự giống nhau của cây, được định nghĩa như là phần của
các liên kết phổ biến, có thể cao đến 70%. Các lớp phủ
hiệu suất phụ thuộc chặt chẽ như vậy, trong bộ phổ biến
các nút nội bộ và tổ chức của họ. Nếu thiết lập này bao gồm chủ yếu là
các nút ổn định, với những người khác được tổ chức thông qua một
lưới, chúng ta có thể mong đợi hiệu quả cao với chi phí thấp và
chậm trễ đồng thời.
Thúc đẩy bởi những quan sát này, chúng tôi trình bày một phương pháp mới hướng tới một thiết kế lớp phủ lai. Ý tưởng chính là
để xác định một tập hợp các nút ổn định để xây dựng một cây dựa trên
xương sống, được gọi là treebone, với hầu hết các dữ liệu bị đẩy
qua xương sống này. Những nút ổn định, cùng với những người khác,
sẽ được tổ chức hơn nữa thông qua một lớp phủ lưới phụ trợ,
tạo điều kiện các treebone để chứa các nút năng động
và cũng để khám phá đầy đủ băng thông giữa nút
cặp.
Trong lai thiết kế lưới cây này, tuy nhiên, một loạt độc đáo
các vấn đề quan trọng và cần phải được giải quyết. Đầu tiên, chúng ta phải
xác định các nút ổn định trong một lớp phủ, và dần dần
xây dựng treebone; Thứ hai, chúng ta cần phải hòa giải
kéo và đẩy giao dữ liệu trong hai lớp, tương ứng.
Họ nên làm việc bổ túc để tối đa hóa doanh
hiệu quả trong sự hiện diện của các nút tự trị. Trong bài báo này,
chúng tôi lấy được một ngưỡng tuổi tốt nhất để xác định ổn định
các nút, mà tối đa hóa thời gian phục vụ dự kiến của họ trong
treebone. Sau đó chúng tôi đề xuất một tập hợp các lớp phủ xây dựng và
các thuật toán tiến hóa để cho phép phối hợp liền mạch treebone / lưới kiểm soát giảm thiểu chi phí và truyền
chậm trễ. Cuối cùng, chúng tôi trình bày một phân vùng đệm và lập lịch trình
thuật toán, nó phối hợp đẩy / kéo hoạt động và tránh
dư thừa dữ liệu.
Chúng tôi rộng rãi đánh giá hiệu suất của mTreebone
và so sánh nó với các giải pháp mesh- và cây dựa trên hiện có.
Các kết quả mô phỏng cho thấy hiệu quả cao và
vững mạnh của giải pháp lai này ở cả tĩnh và động
kịch bản. Kết quả này được khẳng định bởi thí nghiệm của chúng tôi
kết quả của một nguyên mẫu mTreebone qua mạng PlanetLab [1].
Phần còn lại của bài viết này được tổ chức như sau:
Trong. Phần II, chúng tôi giới thiệu các nền tảng và công việc liên quan
Mục III tóm tắt những kết quả chính của chúng tôi theo dõi nghiên cứu,
mà còn phục vụ như là một động lực để lai mTreebone của chúng tôi
thiết kế. Kiến trúc của mTreebone được mô tả trong Phần IV. Thông tin chi tiết về treebone tiến hóa và tương tác của nó
với các lưới được thảo luận tại mục V và VI, tương ứng.
Chúng tôi đánh giá hiệu suất của mTreebone tại Mục VII.
Mục VIII thảo luận thêm một số vấn đề thực tiễn. Cuối cùng,
mục IX kết luận bài báo và cung cấp tiềm năng trong tương lai