7 Performance Evaluation
7.1 Static Circumstance
我們在靜態P2P 網路中，分析 RLM 的效果，模擬程式使用 Borland C++ Builder 6 撰寫。
RLM 最主要的效果是盡可能的減少在收尋檔案時所產生的詢問訊息數量，維持和淹沒法相同
的網路檔案收尋範圍。在模擬中，產生一個新的拓樸後，隨機挑選一個節點作為詢問訊息的 發出點，分別計算使用淹沒法與RLM 後產生的詢問訊息數量和總回應時間(所有節點的回應
時間總和)。圖十三中表示在不同度數下
RLM 的效果，菱形點曲線代表 RLM，正方形點曲線代表 RLM
結合檔案索引快取，模擬環境為1000 個節點，S 值為 20，平均節點度數為 2~10。圖十三(a)顯示在不同的平均節點度數下，詢問訊息所減少的數量。淹沒法所產生的詢問 訊息數量為100%，當平均節點度數增加，區域連線稠密度變高，減少詢問訊息比例越來越多。
圖十三(b)顯示在不同的平均節點度數下，總回應時間(所有節點的回應時間總和)，淹沒 法所產生的總回應時間為100%。當平均節點度數的增加，減少詢問訊息數量的比例越多，造 成許多捷徑被刪除越多，使得總回應時間變的越長。從圖十三中了解，RLM 結合檔案索引快 取在總回應時間與詢問訊息的數量上，都比單純只有
RLM 來的有效，但再改善的效果不大。
20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
degree
query%
RLM 99.98 67.46 48.09 38.96 29.55
RLM+cache 83.34 63.12 45.46 37.11 28.11
2 4 6 8 10
(a)
90.00 100.00 110.00 120.00 130.00
degree
response time%
RLM 100.03 114.65 119.57 122.39 125.99
RLM+cache 95.49 108.43 112.45 114.92 117.96
2 4 6 8 10
(b)
Figure 13: Performance evaluation of RLM in different peer degree (a) Query% (b) Response time%
圖十四表示在不同節點數量下
RLM 的效果，圖中菱形點曲線代表 RLM，正方形點曲線
代表RLM 結合檔案索引快取，模擬環境為
200~2000 個節點，S 值為 20，平均節點度數為 10。圖十四(a)顯示在不同的節點數量下，詢問訊息所減少的數量。淹沒法所產生的詢問訊息 的數量為100%，隨者節點的總數量增加，群聚係數(Clustering Coefficient)會稍微的降低，使 得詢問訊息所減少效果變少。
圖十四(b)顯示在不同的節點數量下，所有節點的回應時間總和。淹沒法產生的總回應時 間為100%，隨者節點總數量的增加，使得詢問訊息所減少的數量變少，總回應時間相對變快。
圖十四(c)顯示在不同的節點數量下，群聚係數的變化，當節點數量增加時，群聚係數會 慢慢的降低，隨者節點數量增加，群聚係數降低的幅度越低。從圖十四中了解到，當節點總 數量增加，群聚係數降低時，詢問訊息所減少的數量變少，總回應時間變快。
0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00
number of peer
query%
RLM 11.74 13.66 19.73 24.99 29.55 33.30 35.45 37.99 39.80 38.96 RLM+cache 9.97 12.30 18.35 23.57 28.11 31.90 34.02 36.54 38.37 37.52
200 400 600 800 1000 1200 1400 1600 1800 2000
(a)
100.00 105.00 110.00 115.00 120.00 125.00 130.00 135.00 140.00
number of peer
response time%
RLM 136.69 132.55 129.91 126.57 125.99 123.74 122.24 122.91 122.59 121.86 RLM+cache 119.11 121.45 120.76 118.01 117.96 116.18 114.81 115.57 115.41 114.74
200 400 600 800 1000 1200 1400 1600 1800 2000
(b)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
number of peer
average clustering coefficient
degree10s0.2 0.3023851 0.1628247 0.1064101 0.078511 0.0620884 0.0514274 0.0439844 0.038448 0.0341753 0.0307014
200 400 600 800 1000 1200 1400 1600 1800 2000
(c)
Figure14: Performance evaluation of RLM on different number of peers (a) Query% (b) Response time% (c) Average clustering coefficient
圖十五中表示在不同S 值時 RLM與
ACE[12] h 值 (區域最小生成樹的範圍)為 1，最佳化
次數為 1 的效果，圖中菱形點曲線代表RLM，正方形點曲線代表 RLM 結合檔案索引快取，
三角形曲線為
ACE，模擬環境為
1000 個節點，S 值為 10~100，平均節點度數為 10。由圖十五(a)中看到，當 S 值越大時，區域的稠密度會越小，S 為 100 時，所產生的網路，
比
ACE 好，但在
S 為 10 時，RLM 也不會輸 ACE 太多。由圖十五(b)中看到，當 S 值越大時，區域的稠密度會越小，使得詢問訊息所減少的量變少，總回應時間相對變小。
圖十五(C)顯示在不同的 S 值，群聚係數的變化，當 S 值增加時，群聚係數會慢慢的降低，
隨者S 值增加，群聚係數降低的幅度越低。從圖十五中看到，S 值越小時，RLM 詢問訊息減 少的數量越高，群聚係數越高，總回應時間越長。
10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
S%
query%
RLM 14.97 35.03 47.98 61.79 74.18 78.39 82.06 84.39 87.00 86.93 RLM+cache 13.54 33.64 46.82 60.09 73.68 78.07 81.88 84.32 87.00 86.93 ACE h=1 13.76 20.89 44.14 67.03 80.29 87.43 91.44 93.78 95.26 96.38
10 20 30 40 50 60 70 80 90 100
(a)
100.00 110.00 120.00 130.00 140.00 150.00 160.00 170.00 180.00 190.00 200.00 210.00
S%
response time%
RLM 130.30 121.87 120.41 113.46 109.64 107.22 107.72 107.46 106.73 105.89 RLM+cache 121.83 114.49 113.53 107.71 104.83 102.74 103.37 102.74 101.84 100.75 ACE h=1 202.65 151.14 120.54 110.47 105.88 102.92 102.11 102.19 101.62 101.28
10 20 30 40 50 60 70 80 90 100
(b)
0 0.02 0.04 0.06 0.08 0.1 0.12
S%
coefficient
degree10n1000 0.10034 0.04002 0.02656 0.02025 0.01672 0.01423 0.01256 0.01183 0.01059 0.00964
10 20 30 40 50 60 70 80 90 100
(c)
Figure15: Performance evaluation of RLM and ACE on different S% (a) Query% (b) Response
圖十六為比對
RLM 與 ACE [12]在 S 為 40，平均節點度數 4~10，ACE 的 h 值為 1~2，最
佳化次數為1 的情況下的效果比較圖，圖中菱形曲線為 RLM，正方形曲線為 RLM 加上 cache，三角形曲線為
ACE h=1，叉叉曲線為 ACE h=2，圖中，RLM 表現的比 ACE h=1 好，但當 ACE
的 h 值調高時，則會表現的比 RLM 好，但是所花費的成本(overhead)將會大幅的增加，這邊 簡單的分析，RLM 複雜度為O(N*平均節點度數)，ACE 的 h 為 1 時做 1-hop 的區域最小生成 樹，每個節點傳送鄰居表給1-hop 鄰居，複雜度為 O(N*平均節點度數)，h 為 2 時做 2-hop 的 區域最小生成樹，資料交換改為每個節點將鄰居表傳送到2-hop 鄰居，複雜度為 O(N*平均節 點度數2 )，以及較多的資料計算，當 S 大於 30，ACE h=1 時，RLM 表現的比 ACE 好。10 20 30 40 50 60 70 80 90 100
degree
query%
RLM 87.99 76.86 68.53 60.25
RLM+cache 84.99 75.14 67.34 59.35
ACE h=1 96.28 89.17 78.89 67.2
ACE h=2 55.05 26.63 16.60 11.96
4 6 8 10
Figure16: Performance evaluation of RLM and ACE