P2P流媒体技术的引进,冲击了传统视频传输技术。这种新颖的流媒体传输方式,得到了大量流媒体系统的应用。P2P流媒体系统的缓存策略需要对热点视频进行精确评估,以便于高程度地提升视频段的命中率,同时降低响应时延,这直接关系到用户的体验和流媒体系统的性能;P2P流媒体系统中的节点选择技术可以减轻服务器的压力,同时能提高服务节点的服务质量。本文所提的缓存策略集中从节点选择和视频预测两方面进行研究,具体的研究工作如下:(1)由于缓存节点的选择会影响到缓存效率,针对P2P流媒体缓存时的节点选择问题,本文使用贪心算法提出了一种新的节点选择模型(Peer selection algorithm based on greedy algorithm,GA-PSA),综合考虑节点的上、下行带宽,节点在线时长,节点距离以及节点服务的能力,在高动态性的P2P网络拓扑下选择高效的合作节点。仿真实验表明该技术可以提高系统的传输延迟和吞吐量,有效提升系统的整体性能。(2)由于已经播出一段时间的视频段的流行度变化不会很大,使用更新频繁的模型不能够准确描述视频段的流行度。本文提出了一种基于关联规则视频段预测的缓存策略(Cache Replacement Algorithm based on Association Rule,CRA-AR),该策略更偏重于对流行度较高的视频段进行存储。该策略通过关联规则挖掘用户历史访问记录,根据流行度进行筛选,得出待缓存段。仿真实验表明该技术在命中率及响应时间上都具有较好的表现。(3)新上映的视频段的流行度没有形成稳定的趋势,传统的统计方法不能及时反映出流行度的变化。针对此问题,本文提出一种基于马尔可夫修正模型的视频预测缓存策略(Modified Markov Prediction Model,MMPM),该策略可以在用户历史访问记录不多的情况下运行。仿真实验表明,实现动态预测,提高了命中率及响应速度,验证了算法的有效性、准确性及快速性。本文从节点选择和视频段预测两方面进行研究,提出三种策略并进行实验,这三种策略可以提高吞吐量或提高命中率,可以在一定程度上缓解P2P流媒体缓存时的问题。