传统的流媒体技术是基于客户端/服务器模式的,随着网络用户数量的快速增长,开始出现很多问题,特别是大量用户同时在线的时候,服务器性能会直线下降,无法满足用户视频播放需求。P2P网络模型作为互联网上的新兴应用,在利用率、扩展性、容错等方面具有巨大潜力,可以充分挖掘互联网上各类客户机资源。以P2P流媒体为研究对象,从其系统架构着手,进一步分析和研究了组播树内、组播树间优化算法以及组播树构建模型。提出了一种层次化的P2P流媒体系统架构模型(HPSS)来支持高视频播放带宽,该系统采用多级聚类的网络拓扑结构,根据节点的延迟和带宽,采取相应的聚类策略,所有节点被聚类到带宽均衡的聚类中,以此来获得流媒体速率的最大化。还为节点的加入、离开和聚类的重新平衡设计了算法,保证HPSS提供持续稳定的高播放带宽视频服务。仿真结果表明,HPSS充分利用节点的带宽,可获得与理想流媒体速率上限接近的速率。该模型通过对层次结构的有效维护来最大化系统的流媒体速率,解决了P2P流媒体中支持高视频播放带宽的问题。提出了一种基于优先权的层次化应用层组播模型(PH-ALM),该模型综合考虑了带宽和时延因素,引入优先权的概念。在保持原有的层次化ALM模型的基础上根据优先权度量构造局部ALM树。优先权具有明确的数学定义和计算方法,充分考虑局部带宽和节点间的传播时延,以优先权为标准构建的局部ALM树具有局部最优性。同时,该模型为节点的加入、离开和位置调整设计了高效的算法,使ALM树定期调整结构,实现数据转发的负载均衡,以适应传输节点网络带宽异构情形,增加构造ALM树的灵活性。仿真实验结果证明该模型能够很好地适用于节点能力差异较大的网络,系统维护开销较小,簇内ALM树结构优化仅限于局部,保证了系统的稳定性。提出了一种基于历史信息重用的覆盖图问优化算法(HIR),该算法是在覆盖图内优化的基础上进行覆盖图问优化。让每个节点保持多个树内连接表和树间连接表,表的内容是对该节点参与的树内和树间最优路径的历史信息的统计。在最优路径的探测方面,该算法对原有的逆向探测RT算法进行了改进,在节点的邻居选择上克服了RT算法的随意性,通过记录节点被选做最佳路径节点的总次数SUM,选择SUM最大的节点作为邻居节点,大大提高了最佳路径选择的命中率,使覆盖图间优化进行得更彻底。实验结果显示,HIR较大地提高了覆盖图间优化的效率,提高了系统资源利用率,提升了系统性能。提出了一种基于服务窗口的动态树算法,该算法引入服务窗口的概念,系统为每个在线播放的视频流建立一个服务窗口,窗口大小由能直接从其接收视频对象节点的多少确定。并根据服务窗口在一定时间内的历史状态,对其进行变化调整,同时为处于不同层次的节点的加入、退出和调整设定了不同的策略,以进行负载均衡并保证系统的鲁棒性。仿真结果表明,模型能够很好地在不同播放流之间均衡分配。重视高带宽需求的同时,引入预留机制,具有较高的带宽利用率。分别对上述方法进行仿真实验,从实验的角度来分析各种方法优劣,与已有传统方案进行性能参数的对比。仿真结果表明,在链路带宽利用率、端到端的平均延迟、组播树的失效恢复、转发数据负载均衡度以及组播树的稳定度等方面都有一定的改善。在传输节点网络带宽能力异构情况下,所提出的结构和算法具有有效性,能较好地在不同视频播放流之间均衡分配服务器带宽资源。为用户节点提供高效优质的服务,有效提升了网络带宽资源利用率。