一种面向大规模资源发现的分布式局部聚类方法

在大规模资源环境下，传统的资源索引机制导致Peer结点数量急剧增加和负载均衡性能下降，影响查询效率和系统稳定性。本文提出了一种质心模型的局部资源聚类方法，通过将相近资源聚类于单一结点并选出代表性键，有效减少了P2P（Peer-to-peer）网络中的Peer结点规模。此外，局部聚类机制集中处理距离相近的键，避免了资源覆盖的过度膨胀。实验结果显示，基于质心模型的Skip Graph算法不仅降低了查询复杂度，提高了负载均衡性能，而且在网络规模、数据量及查询复杂度方面展现出优秀的扩展性，更好地适应大规模资源发现的需求。