資料散佈是當今網際網路裡重要的資源分享方式之一。如何使資料在網際網路上有效率散佈給需要的用戶端是重要的課題之一。資料在傳輸的過程中，可能因為在伺服端的輸出頻寬固定之下，數量龐大的用戶端彼此互相競爭造成網路擁塞，使得用戶端下載資料的時間可能比未發生擁塞情況時花更多時間。網路編碼的方式使網路裡的節點除了幫忙傳送資料。網路編碼對資料進行編碼，使網路的吞吐量達到最大，用戶端只要收到一定數量的編碼資料，就可以進行線性代數運算把原始資料解碼出來。因此，已有越來越多人投入網路編碼這方面的研究，但僅限於理論上的探討。
　　在本篇論文中，我們將使用網路編碼的概念，實際在測試平台上進行資料散佈的實驗。我們的實驗操作過程包括建置測試平台、資料編碼、傳輸及解碼，藉著實驗得到的數據，來印證理論所討探的結果。我們經過實際的操作過程，得知資料在進行編碼前，必須慎選編碼用的係數，因為係數會決定編碼的成功與否，而且也會影響用戶端接收時的效率及用戶端在解碼所花費的時間。從我們的實驗結果得知，網路編碼可以增加網際網路的可用資訊，而且因為增加可用資訊，所以使資料在網路上的存活率提高，並且使資料散佈的網路更穩健。

　　In　the　current　Internet,　data　distribution　is　one　of　important　resource　sharing　types.　It　is　an　important　issue　how　to　distribute　data　efficiently　to　the　client　in　the　Internet.　During　data　transfer,　it　may　cause　network　congestion　because　of　the　limited　output　bandwidth　of　the　server　and　large　number　of　clients　which　compete　with　each　other.　It　would　spend　more　time　for　clients　download　the　data　when　the　congestion　happens.　Network　coding　is　a　promising　mechanism　in　which　intermediate　network　nodes　are　not　only　limited　to　routing　data,　but　can　also　encode　them.　By　using　network　coding,　the　theoretical　throughput　upper　bound　can　be　achieved.　Clients　receive　enough　amounts　of　the　encoded　data　and　can　deduce　from　them　by　algebra　operating　that　messages　sent　from　the　server.　Therefore,　more　and　more　researches　are　focused　on　network　coding,　but　most　of　them　are　only　discussed　theoretically.
　　In　this　thesis,　we　will　experiment　on　data　distribution　with　the　concept　of　network　coding　on　testbed.　The　processes　of　our　experiment　include　testbed　setup,　data　encoding,　transmission　and　data　decoding.　By　the　results　of　experiments,　we　show　the　correctness　of　theoretical　research.　We　also　know　that　the　choice　of　coefficients　used　to　encode　is　important.　The　choice　of　coefficients　will　not　only　decide　whether　the　decoding　successes　or　not　but　also　affect　the　encoding　times　spent　by　clients.　From　our　experiment　results,　we　know　that　network　coding　increases　the　available　information　in　the　network,　and　improves　the　data　survival　rate,　and　furthermore,　enhances　the　robustness　of　data　distribution　network.

[1]　R.　Ahlswede,　N.　Cai,　S.　R.　Li,　and　R.　W.　Yeung,　“Network　Information　Flow,”　IEEE　Transactions　of　Information　Theory,　vol.　46,　pp.1204-1216,　July　2000.
[2]　John　Byers,　Michael　Luby,　Michael　Mitzenmacher,　and　Ashutosh　Rege,　“A　digital　fountain　approach　to　reliable　distribution　of　bulk　data,”　SIGCOMM,　vol.　28,　pp.　56-67,　1998.
[3]　B.　Cohen,　“Incentives　Build　Robustness　in　BitTorrent,”　P2P　Economics　Workshop,　May　2003.
[4]　Philip　Chou,　Yunnan　Wu,　and　Kamal　Jain,　“Network　Coding　for　the　Internet,”　IEEE　Communication　Theory　Workshop,　Capri,　Session　5a,　2004.
[5]　Kargl　Frank　and　Maier　Jrn　and　Schlott　Stefan　and　Weber　Michael,　“Protecting　Web　Servers　from　Distributed　Denial　of　Service　Attacks,”　Proceedings　International　WWW　Conference,　Hong　Kong,　pp.　514-524,　May　2001.
[6]　S.　Deering　and　D.　Cheriton,　“Multicast　Routing　in　Datagram　Internetworks　and　Extended　LANs,”　ACM　Transactions　on　Computer　Systems,　vol.　8,　pp.　85-110,　May　1990.
[7]　Christos　Gkantsidis,　and　Pablo　Rodriguez　Rodriguez,　“Network　Coding　for　Large　Scale　Content　Distribution,”　IEEE　Infocom,　Miami,　March　2005.
[8]　S.　Jaggi,　P.　Sanders,　P.　A.　Chou,　M.　Effros,　S.　Egner,　K.　Jain,　and　L.　Tolhuizen,　“Polynomial　Time　Algorithms　for　Multicast　Network　Code　Construction,”　IEEE　Transactions　on　Information　Theory,　vol.　51,　pp.　1973-1982,　June 2005.
[9]　D.　Kostic,　A.　Rodriguez,　J.　Albrecht,　and　A.　Vahdat,　“Bullet:　High　bandwidth　data　dissemination　using　an　overlay　mesh,”　Symposium　on　Operating　Systems　Principles　(SOSP),　pp.　282-297,　Oct.　2003.
[10]　Shuo-Yen　Robert　Li,　Raymond　W.　Yeung,　and　Ning　Cai,　“Linear　Network　Coding,”　IEEE　Transactions　on　Information　Theory,　vol.　49,　pp.　371-381,　Feb.　2003.
[11]　Irving　S.　Reed,　and　Xuemin　Chen,　“Error-Control　Coding　for　Data　Network,”　Kluwer　Academic　Publishers,　pp.　42-48,　1999.
[12]　http://www.akamai.com
[13]　http://www.bittorrent.com
[14]　http://www.squid-cache.org