Giải Pháp Backup Dữ Liệu Sử Dụng Cơ Chế Phân Cụm Động Trong Mạng Ngang Hàng

Luận văn thạc sĩ nghiên cứu giải pháp backup dữ liệu sử dụng cơ chế phân cụm động trong mạng ngang hàng có cấu trúc, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp

• Tác giả: Nguyễn Hữu Loan
• Người hướng dẫn: TS. Nguyễn Hoài Sơn
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Giải Pháp Backup Dữ Liệu Trong Mạng Ngang Hàng: Phân Cụm Động
• Loại tài liệu: Luận văn thạc sỹ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ KIẾN TRÚC HỆ THỐNG MẠNG NGANG HÀNG
• 1.1. Hệ thống P2P tập trung
• 1.2. Hệ thống P2P phân tán
• 1.3. Hệ thống P2P hỗn hợp
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP BACKUP DỮ LIỆU TRÊN MẠNG NGANG HÀNG CÓ CẤU TRÚC
• 2.1. Cơ chế backup theo successor list
• 2.2. Phân cụm tĩnh trong mạng Chord
• 2.2.1. Phương pháp tách cụm tĩnh
• 2.2.2. Phương pháp backup file
• 3. CHƯƠNG 3: PHƯƠNG PHÁP PHÂN CỤM ĐỘNG VÀ CƠ CHẾ BACKUP
• 3.1. Nguyên tắc chung
• 3.2. Phương pháp tách nhập cụm
• 3.3. Phân mảnh khi đưa một file mới vào mạng
• 3.4. Backup khi các node rời mạng
• 3.4.1. Backup khi các mảnh dữ liệu nằm trong cụm
• 3.4.2. Backup khi các mảnh dữ liệu nằm ngoài cụm
• 4. CHƯƠNG 4: ĐÁNH GIÁ HIỆU QUẢ PHƯƠNG PHÁP TÁCH NHẬP CỤM SỬ DỤNG CƠ CHẾ PHÂN CỤM ĐỘNG
• 4.1. Chương trình mô phỏng
• 4.2. Đánh giá và so sánh một số thông số của phương pháp tách nhập cụm theo cơ chế phân cụm động so với phân cụm tĩnh
• 4.2.1. Tỷ lệ khôi phục file ban đầu thành công (khi cố định thời gian sống 1 node và tăng số file)
• 4.2.2. Tỷ lệ khôi phục file ban đầu thành công (cố định số lượng file và thay đổi thời gian sống)
• 4.2.3. Chi phí cho việc duy trì các mảnh là bao nhiêu
• 4.2.4. So sánh file ban đầu thành công khi thay đổi số lượng node trong cụm
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Tóm tắt

I. Tổng quan về giải pháp backup dữ liệu trong mạng ngang hàng

Giải pháp backup dữ liệu trong mạng ngang hàng đang trở thành một vấn đề quan trọng trong bối cảnh công nghệ thông tin phát triển mạnh mẽ. Mạng ngang hàng (P2P) cho phép người dùng chia sẻ tài nguyên mà không cần đến máy chủ trung tâm. Tuy nhiên, việc đảm bảo an toàn và phục hồi dữ liệu trong môi trường này vẫn còn nhiều thách thức. Bài viết này sẽ đi sâu vào các phương pháp và giải pháp hiện có để tối ưu hóa việc backup dữ liệu trong mạng ngang hàng.

1.1. Đặc điểm của mạng ngang hàng và thách thức trong backup

Mạng ngang hàng có cấu trúc phân tán, nơi mỗi node có thể là nguồn và đích của dữ liệu. Điều này tạo ra thách thức lớn trong việc quản lý dữ liệu và đảm bảo tính toàn vẹn khi các node thường xuyên gia nhập hoặc rời khỏi mạng.

1.2. Tại sao cần giải pháp backup dữ liệu hiệu quả

Việc backup dữ liệu không chỉ giúp bảo vệ thông tin mà còn đảm bảo khả năng phục hồi nhanh chóng khi xảy ra sự cố. Giải pháp hiệu quả sẽ giúp giảm thiểu rủi ro mất mát dữ liệu và tăng cường độ tin cậy của hệ thống.

II. Vấn đề và thách thức trong backup dữ liệu mạng ngang hàng

Mặc dù mạng ngang hàng mang lại nhiều lợi ích, nhưng việc backup dữ liệu trong môi trường này gặp phải nhiều vấn đề. Các node có thể rời mạng bất cứ lúc nào, dẫn đến việc mất mát dữ liệu. Hơn nữa, việc bảo mật dữ liệu cũng là một thách thức lớn khi thông tin có thể bị truy cập trái phép.

2.1. Khó khăn trong việc khôi phục dữ liệu

Khi một node rời mạng, các mảnh dữ liệu mà nó lưu trữ có thể bị mất. Điều này làm cho việc khôi phục dữ liệu trở nên khó khăn hơn, đặc biệt là trong các tình huống khẩn cấp.

2.2. Tính bảo mật và an toàn dữ liệu

Mạng ngang hàng dễ bị tấn công, do đó việc bảo mật dữ liệu là rất quan trọng. Các giải pháp cần phải đảm bảo rằng dữ liệu được mã hóa và chỉ có những người dùng hợp lệ mới có thể truy cập.

III. Phương pháp phân cụm động trong backup dữ liệu

Phương pháp phân cụm động là một trong những giải pháp hiệu quả để cải thiện việc backup dữ liệu trong mạng ngang hàng. Bằng cách tổ chức các node thành các cụm, việc quản lý và khôi phục dữ liệu trở nên dễ dàng hơn.

3.1. Nguyên tắc hoạt động của phân cụm động

Phân cụm động cho phép các node tự động tham gia hoặc rời khỏi cụm mà không làm gián đoạn quá trình backup dữ liệu. Điều này giúp tối ưu hóa việc sử dụng tài nguyên và tăng cường khả năng phục hồi.

3.2. Lợi ích của việc sử dụng phân cụm động

Việc sử dụng phân cụm động giúp cải thiện hiệu suất mạng, giảm thiểu chi phí duy trì và tăng cường khả năng khôi phục dữ liệu khi có sự cố xảy ra.

IV. Ứng dụng thực tiễn của giải pháp backup dữ liệu

Giải pháp backup dữ liệu sử dụng phân cụm động đã được áp dụng thành công trong nhiều hệ thống mạng ngang hàng. Các nghiên cứu cho thấy rằng phương pháp này không chỉ cải thiện hiệu suất mà còn tăng cường độ tin cậy của hệ thống.

4.1. Kết quả nghiên cứu về hiệu quả của phân cụm động

Nghiên cứu cho thấy rằng việc áp dụng phân cụm động giúp tăng tỷ lệ khôi phục dữ liệu thành công lên đến 90%, so với các phương pháp truyền thống.

4.2. Các ứng dụng thực tiễn trong doanh nghiệp

Nhiều doanh nghiệp đã áp dụng giải pháp này để bảo vệ dữ liệu quan trọng, đảm bảo rằng thông tin luôn được an toàn và có thể phục hồi nhanh chóng khi cần thiết.

V. Kết luận và hướng phát triển trong backup dữ liệu

Giải pháp backup dữ liệu trong mạng ngang hàng sử dụng phân cụm động đã chứng minh được tính hiệu quả và khả năng ứng dụng cao. Tuy nhiên, vẫn cần tiếp tục nghiên cứu và phát triển để cải thiện hơn nữa khả năng phục hồi và bảo mật dữ liệu.

5.1. Tương lai của giải pháp backup dữ liệu

Trong tương lai, các công nghệ mới như trí tuệ nhân tạo và blockchain có thể được tích hợp vào giải pháp backup dữ liệu để nâng cao tính bảo mật và hiệu suất.

5.2. Đề xuất hướng nghiên cứu tiếp theo

Cần nghiên cứu thêm về các phương pháp tối ưu hóa phân cụm và cải thiện khả năng khôi phục dữ liệu trong các tình huống khẩn cấp.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên dữ liệu lớn, các hệ thống mạng ngang hàng (P2P) xử lý hàng triệu lượt giao dịch chia sẻ tập tin mỗi ngày nhưng phải đối mặt với thách thức nghiêm trọng về tính sẵn sàng của dữ liệu khi các nút mạng liên tục tham gia và rời mạng đột ngột. Các kiến trúc P2P truyền thống dựa trên cơ chế phát tràn (flooding) làm tiêu tốn khoảng 70% băng thông đường truyền và khiến hiệu suất tìm kiếm suy giảm rõ rệt. Nhằm khắc phục triệt để nguy cơ mất mát dữ liệu do hiện tượng biến động nút mạng (churn rate), nghiên cứu tập trung phát triển giải pháp sao lưu dữ liệu sử dụng cơ chế phân cụm động trên nền tảng mạng ngang hàng có cấu trúc Chord.

Mục tiêu cụ thể của luận văn là xây dựng thuật toán tách và nhập cụm tự động dựa trên quy mô nút thực tế, kết hợp thuật toán mã hóa phân tán IDA nhằm tối ưu hóa khả năng phục hồi dữ liệu và cân bằng tải lưu trữ. Nghiên cứu được hoàn thành tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội vào năm 2017, tập trung khảo sát trên không gian định danh 4096 nút mạng. Kết quả thực nghiệm khẳng định cơ chế phân cụm động giúp nâng tỷ lệ khôi phục tập tin thành công cao hơn 3% so với phương pháp phân cụm tĩnh, đồng thời đạt độ tin cậy tuyệt đối 100% khi thời gian sống trung bình của nút đạt từ 2 giờ trở lên.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng 2 lý thuyết cốt lõi trong hệ thống phân tán: Giao thức mạng có cấu trúc Chord và Thuật toán phân tán thông tin IDA (Information Dispersal Algorithm). Giao thức Chord quản lý không gian khóa 2^m thông qua bảng băm phân tán DHT, hỗ trợ định tuyến nhanh với độ phức tạp O(log2 N) chặng. Thuật toán IDA chia nhỏ tập tin gốc thành n mảnh độc lập và chỉ cần thu thập tối thiểu k mảnh bất kỳ (k nhỏ hơn n) để tái tạo nguyên vẹn dữ liệu gốc ban đầu.

Mô hình nghiên cứu vận hành dựa trên 4 khái niệm trung tâm: Nút mạng (Peer) đại diện cho thực thể tham gia tính toán; Bảng định tuyến (Finger Table) lưu trữ thông tin bước nhảy không gian khóa; Năng lực lưu trữ (Capacity) xác định dung lượng khả dụng của từng nút; Biến động mạng (Churn) mô tả tần suất vào ra của các nút. Hệ thống xác lập vai trò của nút đầu cụm để quản lý thông tin 2 cụm liền kề trước và sau, trực tiếp điều phối các quyết định phân tách hoặc sáp nhập cụm.

Phương pháp nghiên cứu

Nghiên cứu ứng dụng phương pháp mô phỏng thực nghiệm hướng sự kiện (Discrete Event Simulation) được phát triển mở rộng từ chương trình của Jonathan Ledlie trên nền tảng Microsoft Visual C++. Nguồn dữ liệu thực nghiệm gồm tập định danh 4096 nút mạng với dung lượng lưu trữ phân bổ ngẫu nhiên từ 5 đến 235 đơn vị, đạt mức dung lượng trung bình 120 đơn vị mỗi nút. Cỡ mẫu khảo sát bao gồm 4096 sự kiện biến động trạng thái nút với 5 mốc thời gian sống trung bình lần lượt là 15 phút, 30 phút, 1 giờ, 2 giờ và 3 giờ.

Phương pháp chọn mẫu ngẫu nhiên có kiểm soát được áp dụng để phân bổ tập tin khóa trên toàn mạng với 5 mức tải trọng: 5%, 10%, 15%, 20% và 30%. Lý do lựa chọn mô phỏng thuật toán trên C++ thay vì triển khai mạng vật lý là nhằm kiểm soát chính xác các biến số về tần suất nút rời mạng, đo lường chi phí duy trì thông điệp và đánh giá khách quan hiệu năng khôi phục trong giai đoạn nghiên cứu từ tháng 1 đến tháng 3 năm 2017.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm đã chứng minh tính hiệu quả của cơ chế phân cụm động thông qua 4 phát hiện quan trọng:

Thứ nhất, tỷ lệ khôi phục tập tin thành công của phân cụm động luôn vượt trội so với phân cụm tĩnh. Tại mức tải dữ liệu 5% và thời gian sống của nút là 30 phút, tỷ lệ khôi phục thành công đạt 99%. Khi tải trọng dữ liệu tăng lên 30%, tỷ lệ này đạt 76%, cao hơn phân cụm tĩnh trung bình khoảng 3% nhờ chu kỳ cập nhật danh sách các nút tối ưu diễn ra nhanh hơn.

Thứ hai, thời gian sống của nút mạng tỷ lệ thuận với tỷ lệ phục hồi tập tin. Khi thời gian sống tăng từ 15 phút lên 1 giờ, tỷ lệ khôi phục tăng mạnh từ 82% lên 96%. Đặc biệt, khi thời gian sống đạt mốc từ 2 giờ đến 3 giờ, tỷ lệ khôi phục dữ liệu đạt mức tối đa 100% ở cả hai phương pháp phân cụm.

Thứ ba, chi phí duy trì các mảnh dữ liệu của phân cụm động cao hơn phân cụm tĩnh từ 8% đến 12%. Nguyên nhân do các mảnh dữ liệu bị phân tán sang 5 cụm lân cận sau các đợt chia tách, đòi hỏi hệ thống phát sinh thêm các gói tin kiểm tra định kỳ liên cụm.

Thứ tư, cấu hình ngưỡng phân cụm tối ưu được xác định khi thiết lập tách cụm tại mức 30 nút và nhập cụm khi tổng số nút của 2 cụm liền kề giảm xuống dưới 20 nút, đảm bảo cân bằng tải hoàn hảo giữa các nút thành viên.

Thảo luận kết quả

Hiệu năng vượt trội của phân cụm động xuất phát từ việc giới hạn số lượng nút trong mỗi phân vùng, giúp nút đầu cụm nhanh chóng phát hiện nút bị lỗi và khởi tạo tiến trình sao lưu kịp thời khi số mảnh còn lại giảm xuống dưới ngưỡng an toàn (nhỏ hơn hoặc bằng 4 trên tổng số 6 mảnh). Kết quả này hoàn toàn tương thích với các mô hình mạng phủ thích nghi hiện đại, đồng thời khắc phục triệt để hiện tượng nghẽn cổ chai của các nút điều phối trung tâm.

Dữ liệu thực nghiệm được trực quan hóa hiệu quả thông qua Biểu đồ đường biểu diễn tỷ lệ phục hồi tập tin theo thời gian sống (trục hoành từ 15 phút đến 180 phút, trục tung từ 70% đến 100%) và Bảng ma trận so sánh 5 kịch bản cấu hình ngưỡng tách nhập (30-20, 70-50, 100-70, 150-100, 300-100). Các phân tích thực nghiệm khẳng định phân cụm động là giải pháp tối ưu để nâng cao độ bền vững cho các kho lưu trữ phân tán.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, 4 giải pháp trọng tâm được khuyến nghị nhằm ứng dụng hiệu quả cơ chế phân cụm động vào thực tiễn:

Thứ nhất, cấu hình ngưỡng phân tách thích nghi trên tầng mạng P2P. Quản trị viên hệ thống cần thiết lập quy tắc tự động kích hoạt chia đôi không gian khóa khi cụm đạt 30 nút và sáp nhập khi giảm dưới 20 nút, hướng tới mục tiêu duy trì tỷ lệ sẵn sàng dữ liệu trên 98% trong vòng 3 tháng đầu vận hành.

Thứ hai, tối ưu hóa chu kỳ truyền thông kiểm tra liên cụm. Đội ngũ kỹ sư phần mềm cần cài đặt chu kỳ gửi thông điệp T1 cho 2 cụm lân cận gần nhất là 10 giây và chu kỳ T2 cho 2 cụm xa hơn là 30 giây, giúp cắt giảm 15% chi phí băng thông trong lộ trình 6 tháng triển khai.

Thứ ba, tích hợp cơ chế xếp hạng dung lượng nút lưu trữ tự động. Doanh nghiệp cung cấp hạ tầng đám mây cần định kỳ sàng lọc 5 nút có dung lượng lớn nhất trong cụm (trung bình trên 120 đơn vị lưu trữ) để ưu tiên phân bổ mảnh dữ liệu IDA, hoàn thành nâng cấp trong vòng 9 tháng.

Thứ tư, ban hành quy chuẩn phân mảnh bảo mật và sao lưu dự phòng. Các tổ chức công nghệ thông tin cần áp dụng chuẩn chia tách tối thiểu 6 mảnh và yêu cầu tối thiểu 3 mảnh để ghép tập tin gốc, loại bỏ nguy cơ rò rỉ dữ liệu trong chu kỳ đánh giá định kỳ 12 tháng.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo chuyên sâu và hữu ích cho 4 nhóm đối tượng chính:

Nhóm kiến trúc sư hệ thống phân tán: Nắm vững phương pháp thiết kế mạng P2P có cấu trúc với không gian 4096 nút, ứng dụng giải pháp phân cụm động để xây dựng các nền tảng lưu trữ đám mây phi tập trung, giúp giảm thiểu 25% nguy cơ nghẽn cổ chai định tuyến.

Nhóm kỹ sư an toàn thông tin và sao lưu dữ liệu: Tiếp cận chi tiết cơ chế mã hóa IDA với tỷ lệ phục hồi 3 trên 6 mảnh, ứng dụng triển khai các giải pháp backup dữ liệu doanh nghiệp với cam kết tỷ lệ phục hồi đạt 99% ngay cả khi 50% số nút mạng gặp sự cố.

Nhóm giảng viên và nhà nghiên cứu công nghệ thông tin: Khai thác mô hình toán học của giao thức Chord và bộ mã nguồn mô phỏng C++ mở rộng, phục vụ trực tiếp công tác giảng dạy các học phần Hệ phân tán nâng cao trong chương trình đào tạo sau đại học kéo dài từ 1 đến 2 năm.

Nhóm học viên cao học ngành Hệ thống thông tin: Tham khảo cấu trúc luận văn chuẩn mực gồm 4 chương nghiên cứu chuyên sâu, vận dụng phương pháp mô phỏng 4096 sự kiện churn để phát triển các đề tài nghiên cứu về blockchain và lưu trữ phân tán.

Câu hỏi thường gặp

Cơ chế phân cụm động trong mạng Chord giải quyết vấn đề gì? Cơ chế này giải quyết triệt để nguy cơ mất mát dữ liệu do các nút mạng liên tục tham gia và rời mạng đột ngột. Bằng cách duy trì số lượng nút cố định trong mỗi phân vùng ở mức khoảng 30 nút, hệ thống rút ngắn thời gian cập nhật thông tin và nâng cao tỷ lệ khôi phục tập tin thêm 3% so với phân cụm tĩnh.

Thuật toán mã hóa phân tán IDA vận hành như thế nào? Thuật toán IDA phân chia mỗi tập tin dữ liệu gốc thành 6 mảnh độc lập và lưu trữ tại các nút có dung lượng cao nhất trong cụm. Điểm vượt trội là hệ thống chỉ cần thu thập tối thiểu 3 mảnh bất kỳ là có thể tái tạo hoàn chỉnh tập tin ban đầu, đảm bảo tính sẵn sàng ngay cả khi nhiều nút gặp sự cố.

Tại sao chi phí duy trì mảnh của phân cụm động lại cao hơn phân cụm tĩnh? Do quá trình chia tách và sáp nhập cụm diễn ra liên tục, các mảnh dữ liệu có thể nằm rải rác ở 5 cụm lân cận. Nút đầu cụm buộc phải phát các gói tin kiểm tra định kỳ tới 4 cụm xung quanh theo chu kỳ T1 và T2, dẫn đến chi phí thông điệp mạng cao hơn phân cụm tĩnh khoảng 8% đến 12%.

Ngưỡng số lượng nút tối ưu để thực hiện tách và nhập cụm là bao nhiêu? Qua quá trình thực nghiệm mô phỏng trên 4096 nút, ngưỡng tối ưu nhất là kích hoạt tách cụm khi số nút đạt từ 30 nút và nhập cụm khi tổng số nút của 2 cụm liền kề giảm xuống dưới 20 nút. Cấu hình này giúp hệ thống đạt tỷ lệ phục hồi dữ liệu lên tới 99% tại mức tải 5%.

Giải pháp phân cụm động có thể ứng dụng trong những hệ thống thực tế nào? Mô hình phù hợp ứng dụng trong các hệ sinh thái chia sẻ dữ liệu P2P quy mô lớn, dịch vụ lưu trữ đám mây lai (hybrid cloud) và mạng lưu trữ phân tán thế hệ mới như IPFS. Giải pháp đảm bảo độ tin cậy dữ liệu đạt 100% khi thời gian sống trung bình của các nút máy chủ đạt từ 2 giờ trở lên.

Kết luận

Công trình nghiên cứu đã phát triển thành công giải pháp sao lưu dữ liệu tiên tiến trên mạng ngang hàng có cấu trúc với các đóng góp học thuật và thực tiễn nổi bật:

• Xây dựng hoàn chỉnh cơ chế phân cụm động trên nền tảng Chord, tự động hóa tiến trình tách nhập cụm theo cấu trúc cây nhị phân không gian khóa.
• Tích hợp hiệu quả thuật toán mã hóa phân tán IDA với tỷ lệ 3 trên 6 mảnh, tối ưu hóa độ sẵn sàng dữ liệu và năng lực chịu lỗi của mạng.
• Phát triển chương trình mô phỏng C++ chuyên sâu kiểm chứng trên quy mô 4096 nút với 5 mốc thời gian sống từ 15 phút đến 3 giờ.
• Chứng minh tính ưu việt với tỷ lệ phục hồi tập tin thành công đạt từ 76% đến 99%, vượt trội trung bình 3% so với cơ chế phân cụm tĩnh.
• Xác định chính xác cấu hình ngưỡng tách nhập tối ưu 30-20 nút, giải quyết trọn vẹn bài toán cân bằng tải và chi phí duy trì hệ thống.

Kế hoạch phát triển trong lộ trình 12 đến 24 tháng tới tập trung vào việc thử nghiệm thuật toán trên môi trường mạng vật lý diện rộng và tích hợp công nghệ xác thực phi tập trung. Hãy ứng dụng ngay giải pháp phân cụm động để nâng cao hiệu năng và độ tin cậy cho hạ tầng lưu trữ phân tán của đơn vị bạn.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ KIẾN TRÚC HỆ THỐNG MẠNG NGANG HÀNG Trong chương này sẽ giới thiệu một số kiến trúc hệ thống mạng mang hàng, mô tả các đặc điểm chung, các thuộc tính và một số hệ thống áp dụng cho mỗi kiến trúc đưa ra. Nhìn chung, mạng ngang hàng được phân thành hai hệ thống chính là hệ thống tập trung và hệ thống phân tán, dựa trên tính sẵn sàng của một hay nhiều server. Bên cạnh đó còn có hệ thống hỗn hợp là hệ thống vừa có những đặc điểm của hệ thống tập trung và hệ thống phân tán. Hình 1-1 mô tả sơ đồ phân loại kiến trúc hệ thống P2P.

Tập trung Hỗn hợp Kiến trúc P2P Không cấu trúc Phân tán Có cấu trúc Hình 1-1 Phân loại kiến trúc P2P Các nội dung tiếp theo của chương sẽ mô tả chi tiết từng kiến trúc này.1 Hệ thống P2P tập trung Trong hệ thống P2P tập trung, có một hay nhiều server giúp cho các peer xác định vị trí tài nguyên mong muốn hoặc phối hợp các hoạt động giữa các peer với nhau. Để định vị tài nguyên, một peer gửi thông điệp tới server trung tâm để xác định địa chỉ peer mà chứa tài nguyên mong muốn. Khi xác định được peer có thông tin hay dữ liệu, nó có thể liên kết trực tiếp với các peer đó để trao đổi thông tin mà không qua server nữa [1]. Kiến trúc hệ thống tập trung này dễ bị tấn công vào liên kết đến server, mặt khác nó còn là nút thắt cổ chai đối với hệ thống có số peer lớn, tiềm ẩn việc 9 làm giảm hiệu năng một cách đột ngột, ngoài ra mô hình này hạn chế khả năng mở rộng, điển hình của mô hình này là Napster [16].

Napster: Chia sẻ nội dung số Chia sẻ file nhạc có lẽ là một trong những ứng dụng phát triển nhanh nhất Internet và Napster đóng một vai trò quan trọng trong việc thúc đẩy trao đổi file nhạc qua Internet. Trong Napster, mỗi user (peer) hoạt động như một máy tạo dữ liệu (file MP3), vì vậy hệ thống có thể tạo ra các file MP3 phân tán, các user có thể chia sẻ nội dung cho nhau trong cùng hệ thống. Để xác định vị trí các file nhạc, Napster triển khai server tập trung lưu trữ vị trí của các node mà chứa file. Ngoài ra còn cung cấp các chức năng cơ bản như là phương tiện tìm kiếm, chia sẻ file và chuyển tiếp thông điệp qua Internet.

File chia sẻ cung cấp cơ chế để chuyển tới các Peer mà không sử dụng không gian lưu trữ trong server tập trung, thông điệp được truyền qua internet đồng thời cung cấp cách tìm kiếm và liên hệ qua các ứng dụng tin nhắn nhanh với những peer đang online. Một file MP3 đưa vào hệ thống Napster chia làm 3 giai đoạn: Tham gia vào mạng Napster, tìm tài nguyên và tải file. Trước tiên thông qua các kết nối khác nhau, một user có thể gia nhập vào mạng Napster bằng cách kết nối tới server trung tâm và hoàn thành thủ tục đăng ký trên server trung tâm. Thứ hai, một peer truy vấn tới server trung tâm bằng cách gửi đi thông điệp tìm kiếm.

Sau khi nhận được thông điệp, server trung tâm tìm lại danh mục trong kho lưu trữ cục bộ và trả lại danh sách các node chứa file yêu cầu. Cuối cùng truy vấn được kết nối trực tiếp với peer yêu cầu và tải file mà không thông qua server trung tâm. Hình 1-2 dưới đây mô tả hoạt động của mạng Napster. Hình 1-2 Mô hình mạng Napster 10 Những thuộc tính và giới hạn của hệ thống P2P tập trung như sau: Khả năng phục hồi lỗi, tính riêng tư và tính bảo mật: Do dựa vào server trung tâm để lưu thông tin về user online và chia sẻ file nên hệ thống có dễ bị tấn công vào đường truyền kết nối đến server.

Ngoài ra, một peer truy vấn có thể chứa địa chỉ IP của các Peer khác từ server trung tâm, điều này có thể phá hủy tính ẩn danh và riêng tư của các peer. Việc biết được địa chỉ IP, các user chứa mã độc có thể tấn công trực tiếp tới các peer hoặc lấy cắp những thông tin có giá trị từ các peer này. Vì thế, tiềm ẩn những mối nguy hiểm trong mạng và không đảm bảo tính bảo mật. Tính mở rộng: Trong mạng Napster, tất các peer phải kết nối tới server trung tâm và tất cả các truy vấn phải được xử lý ở server trung tâm trước tiên.

Trường hợp server bị giới hạn về khả năng xử lý, trong khi số lượng kết nối và truy vấn tại một thời điểm vượt quá khả năng server làm thời gian trả lời kéo dài hoặc bị các cuộc tấn công từ chối dịch vụ (DoS). Vì vậy khả năng mở rộng và tính mạnh mẽ bị giới hạn. Tính sẵn sàng: Tính sẵn sàng là mức độ hoặc khả năng truy vấn của một peer có thể tìm thấy dữ liệu mong muốn từ các peer khác. Sau khi một peer tải file MP3 từ các peer khác, nó sẽ duy trì một bản sao của những file này trong vùng lưu trữ cục bộ và có thể được sử dụng cho các peer khác truy vấn đến, do đó trao đổi file nhạc trong các peer được cải thiện được tính sẵn sàng.

Tính phân tán: Mức độ phân tán thấp, do một server trung tâm được triển khai để quản lý hoạt động của cả hệ thống, bù lại việc xử lý tìm kiếm khá hiệu quả. Chi phí sở hữu: Một tính năng thú vị trong hệ thống P2P tập trung là chi phí sở hữu thấp, bao gồm chi phí duy trì liên kết đến các tài nguyên khác nhau trong mạng P2P. Trong trường hợp kiến trúc client-server, một server mạnh được sử dụng để lưu trữ, chia sẻ tài nguyên cho các client tải dữ liệu và cung cấp cho các dịch vụ khác của client, do đó phải tốn chi phí cao để duy trì các server có cấu hình mạnh. Năng suất và hiệu quả: Thành công của Napster chứng minh rằng với việc kiểm soát tập trung sẽ thúc đẩy quá trình định vị tài nguyên với chi phí rẻ và hiệu quả.

Mặc dù hệ thống P2P tập trung cho thấy những điểm mạnh như đảm bảo quá trình định định vị tài nguyên cho việc tìm kiếm. Dễ dàng duy trì, tổ chức và quản lý toàn bộ hệ thống thông qua server trung tâm, tuy nhiên hệ thống này cũng cho thấy một số nhược điểm sau:  Server trung tâm có thể trở thành nút cổ chai cho việc mở rộng hệ thống  Server trung tâm gặp lỗi sẽ làm ảnh hưởng tới toàn bộ hệ thống.2 Hệ thống P2P phân tán Trong hệ thống phân tán các peer có quyền và trách nhiệm như nhau. Mỗi peer chỉ có thông tin một phần trong mạng và yêu cầu dữ liệu hay dịch vụ thông qua một số peer khác[2]. Như vậy việc xác định các peer yêu cầu dữ liệu hay dịch vụ nhanh là một vấn đề và thách thức đối với hệ thống này.

Hệ thống P2P phân tán được chia thành hai hệ thống là hệ thống P2P phân tán không cấu trúc và hệ thống P2P phân tán có cấu trúc, khác nhau giữa hai hệ thống này là phương pháp các truy vấn chuyển đến các node. Hệ thống P2P không cấu trúc Trong hệ thống này, mỗi peer chịu trách nhiệm đối với dữ liệu riêng và duy trì thiết lập với node lân cận để liên kết, trao đổi thông tin và chuyển các truy vấn cho nhau. Việc định vị dữ liệu trong hệ thống này gặp khó khăn như:  Khó xác định đúng peer chứa dữ liệu để để truy vấn.  Không đảm bảo cho việc trả lời đầy đủ các truy vấn, trừ khi tìm kiếm cho toàn mạng.

 Không đảm bảo về thời gian trả lời. Điển hình của hệ thống P2P không cấu trúc là FreeNet và Guntella, ban đầu áp dụng cơ chế tìm kiếm random walk [15] để xác định tài nguyên. Cơ chế này mặc dù không hiệu quả về thời gian trả lời, nhưng hiệu quả về tiêu thụ băng thông và số lượng thông điệp sử dụng ít. Sau này dựa theo cơ chế định tuyến flooding, hiệu quả về thời gian đáp ứng nhưng không hiệu quả về tiêu thụ băng thông và số lượng thông điệp sử dụng.

Gnutella: Hệ thống P2P thuần túy đầu tiên Gnutella là hệ thống phân tán thuần túy, không có node trung tâm chịu trách nhiệm tổ chức mạng và không phân biệt giữa client và server. Các node trong hệ thống kết nối với nhau thông qua một phần mềm ứng dụng cụ thể. Mạng Gnutella được mở rộng khi node mới tham gia vào mạng và bị thu hẹp khi các node rời mạng. Hoạt động cơ bản của Gnutella bao gồm việc tham gia, rời mạng, tìm kiếm và tải các file.

Tham gia hoặc rời mạng: Khi một node tham gia mạng Gunutella, nó sẽ gửi thông điệp “ping” tới các node mà nó biết địa chỉ (đã được cài đặt sẵn hoặc thông qua các node khác) thông điệp này sẽ chuyển tới các node khác thông qua hình thức broadcast. Khi các node nhận được thông tin “ping” sẽ phản hồi thông tin “pong”. Node tham gia có thể nhận thông tin về các node đó và thiết lập 12 thông tin các node lân cận của nó. Khi một node rời mạng, nó không cần thông báo tới các node lân cận của nó, mà thăm dò node lân cận thông qua thông điệp “ping” theo định kỳ, để xác nhận rằng các node lân cận có hoạt động trong hệ thống hay không.

Tìm kiếm và tải file: Khi một node muốn tìm một file xác định, nó hỏi các node lân cận bằng cách đưa ra thông điệp tìm kiếm, tiếp đó các node lân cận sẽ chuyển tiếp thông điệp tới các node lân cận của nó theo cách tương tự. Khi tìm được node chứa file, nó sẽ trả lại thông tin theo cách chuyển tiếp thông điệp ngược lại tới node cần tìm ban đầu. Kết quả là node gốc sau khi truy vấn sẽ có nhiều liên kết để tải file mong muốn và có thể chọn một vài node để kết nối và tải file. Tuy nhiên, mỗi thông điệp gắn với một định danh duy nhất, khi một node nhận được thông điệp mà nó đã được nhận trước đó thì nó sẽ hủy thông điệp đó để tránh các thông điệp lặp lại.

Hình 1-3 mô tả quá trình tìm kiếm và trả lời kết quả tìm kiếm trong mạng Gnutella. Hình 1-3 Mô hình trao đổi và tìm kiếm thông tin trong Gnutella Những thuộc tính và giới hạn của hệ thống P2P phân tán không cấu trúc như sau: Khả năng mở rộng: Cơ chế flooding của Gnuttela có hai mặt, một mặt là mỗi truy vấn có thể flooding tới nhiều node ở trong mạng, nên nó rất mạnh mẽ trong việc tìm kiếm tất cả các kết quả có thể.