随着P2P流媒体系统的发展,由于传统的P2P随机选择节点建立连接使得流媒体系统产生了大量的域间流量,为此需要相关优化算法来减少域间流量,在此背景下,本文中开展了基于本地化策略的域间流量优化算法的研究。此外,随着社交网络的兴起与发展,社交网络表现出良好的聚集性、兴趣偏好等特点,由此本文中将社交网络引入P2P流媒体系统中,利用社交网络的特点来构建重叠网络,优化视频的预取和缓存策略。本文通过对已有域间流量优化算法的研究,提出了一种基于本地化策略的域间流量优化算法HOPES。在此之前,本文研究了本地化策略对于视频质量的影响,并对域间流量优化问题进行建模分析。HOPES算法构建的重叠网络由上层重叠网络、中层重叠网络和底层重叠网络组成。在该算法中,通过限制域间连接数来减少域间流量。然后限制域间路径深度减少传输延迟,提高视频播放质量。此外,本算法中还采用紧急块调度机制和超时重传机制降低丢包率。最后经过多种环境下的仿真实验,验证了算法的有效性。之后,本文将社交网络的相关内容引入到视频点播系统的研究中,并提出了基于社交网络的视频分享技术的相关算法。在本文中,首先提出了一种基于社交网络的重叠网络构建算法,利用好友关系和用户兴趣来优化重叠网络性能。在该算法中由好友节点和普通节点构建实际的重叠网络,由好友之间的虚拟连接构建虚拟好友网络。此外,本文还设计了基于社交网络的视频预取和缓存策略,提高系统性能以及用户体验。在视频预取策略中,将好友关系加入到视频相似度计算中,提高好友节点之间视频相似度的权重。针对缓存管理,首先定义了视频缓存价值函数作为缓存的衡量标准。将视频流行度、缓存空间和好友关系等作为计算缓存价值的因素,然后根据缓存价值对视频进行缓存。最后,为了验证算法的有效性,本文分别在直播仿真系统LiveSim和点播仿真系统P2PVODSim平台下进行了仿真实验,对本文提出的算法进行了全面而综合的分析评价。HOPES算法的仿真结果表明该算法可以有效的降低域间流量,并提高视频播放质量。通过对基于社交网络的相关算法进行仿真实验,结果验证了这些算法的有效性和可行性。