当下网络基础设施和相关硬件技术的飞速发展,给予了流媒体技术相当的发展空间。然而,由于现行的Internet网络基础带宽仍然无法匹配日益庞大的流媒体用户数和数据大小,传统的C/S服务模式已无法达到令人满意的服务质量,在此情况下,P2P流媒体技术应运而生。此项技术是把服务分散到网络中各个节点,利用客户端的网络资源来进行服务。但是由于单纯的P2P网络节点退出或加入频繁,以及拓扑结构和路由机制复杂等原因,如何高效的利用客户端资源搭建高效、稳定和高播放体验的流媒体服务体系成为了难点。与此同时,内容分发网络技术(Content Delivery Network)通过把高热度的媒体内容缓存至网络边缘更靠近客户的服务节点上,达到了服务的分散。然而传统的CDN网络中的边缘服务节点仍采用C/S方式与客户端进行交互,使得边缘服务节点的服务能力成为了系统的瓶颈。因此,通过把P2P技术与内容分发技术相结合,使边缘服务节点与客户端形成P2P交互模式,便可以充分发挥两种技术的优势。基于对上面两种技术的深入研究,本文提出了一个混合式的流媒体服务系统P2P-CDN。通过对P2P与内容分发模型的混合,构成一个高扩展性、高播放体验的流媒体分发系统。P2P-CDN系统采用两层结构,上层搭建高性能的骨干覆盖分发网络,再由与骨干网络相连的客户节点组成网状P2P结构,来提供高性能的大规模流媒体直播与点播服务。对于直播服务,通过对直播骨干分发网络拓扑的优化,极大程度的减小了播放延时,保障了系统的QoS。对于点播服务,系统采用了推拉结合的混合分发方式来提高服务质量。推方式由服务端发起把高热度媒体文件主动缓存至服务节点,而拉方式由客户端发起把媒体文件拉入边缘节点。系统通过智能发布模块对核心网络中服务节点的负载控制,达到了较好的负载均衡,从而高效利用了网络资源。本文针对当前纯P2P流媒体直播过程中的同步丢失延时较大的问题,提出了新的基于模拟退火的遗传算法,来构建有出度限制的最小带权生成树。通过引用模拟退火机制,对染色体的适应度进行了拉伸。同时提出了高效的交叉和变异算法,避免了修补和惩罚机制的引入,以此来降低骨干网络上的传输延时。仿真实验证明该算法具有较好的收敛性,并且生成的网络拓扑也较传统的贪婪算法有所改进。对于智能发布模块的负载均衡控制,本文提出了一个简单有效的动态预测算法,即动态采集各覆盖网络节点的负载情况,混合考虑发布文件大小的因素,最终决策出缓存节点,来达到点播服务中覆盖网络节点的负载均衡。仿真实验证明了其可以达到良好的负载控制。