8.4 P2P信息系统
现在，我们来关注一个新兴的领域，它是互联网领域和信息检索的交叉领域，即P2P体系结构。P2P体系结构是分布式环境，根据其定义，认为网络上的每个节点都是潜在的信息源（服务器），也是需求信息的客户端（客户端），同时也是信息传播的中间路由器（路由器）。每个节点都是独立的，而且系统以纯粹无中心的方式运行。而在信息检索系统领域，所提供的资源都是以可检索数据的形式呈现的。
P2P系统最主要的特点就在于其天然的随机性以及耐久性。P2P系统可以从容地处理系统中节点的加入与离开。这些节点提供的资源都可以根据需要在系统中动态添加或者删除。此外，单一节点的故障不会导致整个系统崩溃。
P2P运动的起源通常要归功于Napster（它是一个音乐文件共享系统），尽管Napster实际上依靠的还是依据中心集中式方式而实现的。也就是说，Napster并不是以完全无中心的形式存在的，因此，这并不是一个纯粹意义上的P2P体系。但是，Napster确实为用户提供了P2P的功能，因为用户可以与他人动态地共享文件。Napster从性能和可靠性的角度看存在一些争议，除此之外，Napster的集中式实现模式最终也注定了它会遇到法律问题。现在，Napster再也不能以其原来的形式存在了。Napster的灭亡给P2P技术爱好者带来了教训。作为回应，他们创建了Gnutella协议[V0.4，2004]，这是真正的P2P，是许多当今P2P研究的基础。（Gnutella协议[V0.6，20041的后续版本也存在，并扩展了P2P的体系结构，引入了层次结构。该协议及其应用稍后讨论。）
基于Gnutella（版本0.4）协议的系统一般只提供了最原始的搜索能力。也就是说，它们一般依赖于名称精确搜索，而名称精确搜索往往通过子串匹配来实现。具体来说，如果查询中的所有词是某个文件元数据的子串，那么查询就匹配该文件。匹配的文件按照其元数据与查询的相似度进行分组，最终返回到客户端。目前，我们还没有可为大家接受的方法来对这些分组进行排序。用户选择其中的一组结果，从相应的服务器下载相关文件[Rohrs，2000;Rohrs，2001]。
大多数基于Gnutella协议（版本0.4）建立的P2P信息检索系统依然存在其他问题，其中包括：网络全局泛滥问题、搜索结果不确定而且精度差。因为从定义上看，P2P信息检索系统是无中心的，所以对于每一个检索请求，信息将被发送到所有有可能含有相关文档的节点上。因为每个节点搜索与文档排序的计算能力是有限的，所以任何潜在的相关文档都会发送到请求的节点上。给定潜在相关文档的数目，结果信息的网络总流量一般会大大高于已有的网络资源。这种情况就称为网络全局泛滥。为了减少信息传输量，文献[Yu等人，2003]研究了一种结果过滤和合并的技术，而且节点一般都会收集邻居节点的信息。因此，查询请求节点所需的潜在结果到达中间节点时，只将合并和过滤过的结果返回到请求节点。层次P2P网络的最新合并技术可参见文献[Lu和Callan，2004]。
……
展开
