基于α-稳定自相似过程的网络业务建模与性能分析

论文摘要

在21世纪的信息时代,随着网络应用的普及和网络用户数量的日益增长,网络已经成为人类活动不可或缺的一部分。所以,对网络特性的研究与分析变得更为紧迫。长期以来,网络流量建模和分析以泊松分布和马尔可夫过程理论为基础,而近年来大量网络业务测量分析结果表明网络业务具有普遍自相似和长相关特性,这种特征不能由传统模型描述。因而人们提出了一些自相似流量模型来刻画网络特征,最常用的是分形布朗运动（FBM）模型。而最近的研究进一步指出网络不仅仅具有自相似和长相关特性,同时也存在强突发和重尾特性,现有的流量模型不能同时刻画流量的自相似与突发特性,迫切需要研究新的模型来刻画网络流量的强突发和重尾特性。论文首先对网络流量特性的自相似特点进行研究,描述了自相似对网络性能的影响和常用自相似参数的估算方法,分析了现有网络流量建模的常用方法。论文接着在深入研究FBM建模方法的基础上,指出FBM模型存在的问题,验证了网络流量的非高斯性,引出了用α-稳定分布来刻画网络流量分布特性,通过与高斯刻画进行分析对比,验证了用α-稳定分布刻画流量分布的可行性和有效性,在此基础上进一步引入了基于线性分形稳定噪音的流量模型,这种模型可以同时刻画网络的突发性与长相关特性。论文详细描述了基于分形稳定噪音的流量模型4个参数的估算方法和产生该模型流量的算法,并分别使用FBM模型与基于分形稳定噪音的流量模型对贝尔实验室的经典网络流量进行数据拟合,发现基于分形稳定噪音的流量模型更能反映数据流的突发特性。在前人得出的基于分形稳定噪音流量模型的丢包率公式的基础上,论文推导出了时延、抖动等性能指标计算公式。论文最后使用理论与仿真相结合的手段,研究了影响网络性能的关键因素,得到了一系列有意义的成果,如我们总能发现流量突发程度越强,节点利用率越高,会导致网络的丢包率、时延、时延抖动的情况变的糟糕。而自相似对网络的影响相对要复杂得多,它在不同的缓冲区大小和不同的相对网络速率情况下对网络的影响都不一样,论文对各种情况都做了详细研究。论文还研究了规模效应对网络性能的影响,通过设置简单的场景模型,分析了规模效应使网络性能得到改善的原因。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 本领域研究现状
• 1.2.1 网络流量特性分析研究现状
• 1.2.2 自相似流量建模研究现状
• 1.2.3 自相似流量对网络性能的影响研究现状
• 1.2.4 现有研究工作存在的问题
• 1.3 笔者的工作与贡献
• 1.4 本论文的组织安排
• 第2章 网络流量特性与业务模型研究
• 2.1 流量特性基本概念
• 2.1.1 自相似
• 2.1.2 长相关与1/f过程
• 2.1.3 重尾分布
• 2.2 网络业务特征分析
• 2.2.1 网络流量的自相似特性
• 2.2.2 网络流量的强突发特性
• 2.3 自相似参数H估算方法
• 2.4 常用自相似网络业务模型
• 2.4.1 ON/OFF模型
• 2.4.2 FARIMA模型
• 2.4.3 分形高斯噪声和分形布朗运动模型
• 2.4.4 几种模型的评价
• 2.5 本论文研究的网络业务
• 2.6 本章小结
• 窘3章 网络业务α-稳定分布特性分析
• 3.1 网络流量高斯性检验
• 3.2 α-稳定分布理论
• 3.3 实际数据流的α-稳定分布特性验证
• 3.3.1 α-稳定分布的验证方法
• 3.3.2 实际业务流验证
• 3.4 本章小结
• 第4章 基于分形稳定自相似过程的业务建模与性能分析
• 4.1 模型引入的背景
• 4.2 线性分形稳定噪音过程
• 4.3 基于LFSN的网络业务建模
• 4.4 基于LFSN模型的实际数据拟合
• 4.4.1 模型的参数估计
• 4.4.2 拟合实际网络业务流量
• 4.5 基于LFSN模型的网络性能指标分析
• 4.6 本章小结
• 第5章 仿真实验与分析
• 5.1 实验方法与手段
• 5.2 基于分形稳定自相似过程的性能分析
• 5.2.1 包丢失概率研究
• 5.2.2 时延与时延抖动研究
• 5.2.3 影响网络性能的因素
• 5.3 基于OPNET网络仿真
• 5.3.1 OPNET网络仿真过程
• 5.3.2 仿真模型与处理方法
• 5.3.3 仿真结果与分析
• 5.4 在自相似流量下研究规模效应对网络性能的影响
• 5.5 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文