The emergence of affordable wireless and mobile devices was a key step towards deploying mobile peer-to-peer (P2P) systems. The latter allow users to share and search diverse multimedia resources over Mobile Ad-hoc Networks (MANETs). Due to the nature of MANETs, P2P mobile systems brought up many new thriving challenges, in particular with regard to the content discovery issue. Thus, the design of an efficient content discovery protocol has been of paramount importance. The thriving challenge is to (i) locate relevant peers sharing pertinent resources for users queries and then (ii) to ensure that those peers would be reached by considering different MANET constraints (e.g., peer mobility, battery energy, peer load, to cite a few). Even though the literature witnesses a wealthy number of content discovery protocols, only few of them have considered the above-mentioned requirements. To overcome this shortage, we introduce in this paper an efficient Content Discovery Protocol (CDP) for P2P mobile systems. The idea underlying our proposal is to route users queries to relevant peers that are (1) more suitable to answer the user query according to its content, (2) more stable to relay query hits, (3) less loaded to avoid the network congestion issue and (4) having more battery lifetime to avoid the network partitioning issue. The performed experiments show that CDP outperforms its competitor in terms of effectiveness and efficiency.


翻译:廉价的无线和移动设备的出现是部署移动同行对等(P2P)系统的关键步骤,它使用户能够通过移动Ad-hoc网络(MANETs)分享和搜索多种多媒体资源。由于MANETs的性质,P2P移动系统提出了许多新的蓬勃发展的挑战,特别是在内容发现问题上。因此,设计高效内容发现协议至关重要。 巨大的挑战在于(一) 找到相关同行共享用户查询相关资源,然后(二) 确保通过考虑不同的MANET限制(例如同行流动、电池能源、同行负荷等)实现这些同行。即使文献见证了大量内容发现协议,但其中只有很少的P2P移动系统考虑到上述要求。为了克服这一短缺,我们在本文件中为P2P移动系统引入了高效内容披露协议(CDP)。我们建议的基本理念是将用户询问相关同行,以便(1) 更适合对用户查询的内容进行回答,(2) 更稳定地使用中继网络的频率,3 更稳定地使用中继式网络的频率,从而避免使用中继式网络的频率问题。

0
下载
关闭预览

相关内容

P2P:IEEE International Conference on Peer-to-Peer Computing。 Explanation:IEEE对等计算国际会议。 Publisher:IEEE。 SIT:http://dblp.uni-trier.de/db/conf/p2p/
专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【电子书推荐】Data Science with Python and Dask
专知会员服务
43+阅读 · 2019年6月1日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
2018年中科院JCR分区发布!
材料科学与工程
3+阅读 · 2018年12月11日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Privacy Friendly E-Ticketing For Public Transport
Arxiv
0+阅读 · 2021年1月22日
Arxiv
3+阅读 · 2018年4月5日
Arxiv
6+阅读 · 2018年2月7日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【电子书推荐】Data Science with Python and Dask
专知会员服务
43+阅读 · 2019年6月1日
相关资讯
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
2018年中科院JCR分区发布!
材料科学与工程
3+阅读 · 2018年12月11日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员