大规模网络IP流行为特性及其测量算法研究

论文摘要

随着网络规模的扩大,网络流量特征研究已经成为网络性能分析最主要的方向之一。通过网络流量特征的研究,可以为预测网络性能,QoS服务和SLA服务等应用以及作为应用基础的网络测量提供必要的支持。由于目前绝大部分互连网络均使用TCP/IP协议,基于IP报文的研究一直是网络流量研究的重点之一。作为IP报文的集合,IP流不但可以表现报文的特征,而且从更高层次的角度反映用户偏好,因此目前有相当多的文献通过IP流的角度研究分析协议行为和用户行为对网络负载和性能的影响。所谓IP流特性,是指在正常网络中IP流所表现出的一系列固有特点,以及这些特点在网络中的关联关系。作为表达IP流状态的流长分布,流速分布和流到达分布等相关特性,已经取代IP报文成为目前研究的重点之一。本文主要研究两方面的内容:首先,分析在网络中不同负载状况下IP流（主要包括TCP流,UDP流和ICMP流）的流长特性,流速特性及其流到达分布特性;并分析各种流特性之间的关系,进而阐述这些流特性所反映网络运行状况信息,以及导致这些特性的主要因素;其次,在综合分析IP流各项特性和模型的基础上,提出利用部分IP流特性,提高现有网络测量,网络安全等具体应用性能的算法,并通过具体的实验证明算法的有效性和鲁棒性。在第一部分研究内容方面,本文将采集自各种不同时间、不同应用背景和不同负载的大规模高速网络的TRACE作为研究对象,使用试验分析的方法,对流长,流速和流到达等多维具体特征分别进行分析,然后综合考虑它们之间的相关关系。在流长分析方面,通过对流长进行统计,发现其相同和相异的分布特征,本文结合TCP/IP相关协议和用户行为,对这些特征的形成原因和干扰因素作进一步分析和推测,并指出这些特征对IP流流长分布影响程度。然后,在分析IP流长分布特点的基础上,提出大规模网络状况下IP流流长分布经验模型,该模型在表达大规模网络IP流流长分布上,其精度高于原有Pareto模型,其复杂度低于原有双Pareto模型。论文采用Kolmogorov-Smirnov拟合优度检验对相关模型与实际TRACE流长分布的拟合程度进行检验,并对模型的相关参数的取值范围做深入讨论。最后,本文讨论了该经验模型与现有模型存在的异同,分析了导致异同的原因,并进一步指出IP流流长分布发展可能的趋势。在流速分析方面,分别对TCP流、UDP流和ICMP流的平均流速从协议分析的角度进行建模,从平均流速模型参数分析中,获得在不同阶段对决定IP流平均流速的若干主要影响因子。然后,通过试验分析的方法,对所选取的TRACE中不同协议类型的IP流平均流速进行统计分析,

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 研究现状
• 1.1.1 IP 流的定义
• 1.1.2 IP 流特性描述
• 1.1.3 IP 流测量研究
• 1.1.4 IP 流特性研究
• 1.2 大规模网络 IP 流特性研究必要性和可行性
• 1.2.1 IP 流特性研究的动机
• 1.2.2 IP 流特性研究的可行性分析
• 1.3 论文工作背景
• 1.3.1 相关背景简介
• 1.3.2 数据来源——TRACEs
• 1.4 论文研究内容和方法
• 1.4.1 现有工作的不足
• 1.4.2 研究的主要内容和方法
• 1.4.3 论文工作的安排
• 第2章 IP 流流长分布特征分析
• 2.1 引言
• 2.2 不同 TRACE 的 IP 流流长分布
• 2.2.1 不同协议类型的流量分布
• 2.2.2 不同 TRACE 的 IP 流流长实际分布
• 2.3 IP 流流长分布的若干影响因素
• 2.3.1 IP 流应答率
• 2.3.2 短 IP 流的成分分析
• 2.3.3 路由循环对 IP 流流长分布的影响
• 2.3.4 高层应用对 IP 流流长分布的影响
• 2.4 IP 流分布的统计模型
• 2.4.1 重尾分布模型描述
• 2.4.2 IP 流流长分布模型
• 2.4.3 Kolmogorov-Smirnov 拟合优度检验
• 2.5 本章小结
• 第3章 IP 流流速特征及成因分析
• 3.1 引言
• 3.2 基于协议分析的 IP 流流速模型
• 3.2.1 TCP 流传输平均速率模型
• 3.2.2 UDP 流和 ICMP 传输速率模型
• 3.3 基于测量的 IP 流持续时间分析
• 3.3.1 IP 流的持续时间总体分布
• 3.3.2 TCP 流的持续时间分布
• 3.3.3 非 TCP 流的持续时间
• 3.3.4 IP 流持续时间分布特征和影响因素
• 3.4 IP 流平均流速分析
• 3.4.1 IP 流平均流速总体分布
• 3.4.2 TCP 流平均流速分布
• 3.4.3 非 TCP 流平均流速分布
• 3.4.4 IP 流平均流速的影响因素分析
• 3.5 流速平稳性
• 3.6 IP 流流速和流长相关关系
• 3.6.1 流长和流持续时间相关关系
• 3.6.2 流长和平均流速相关关系
• 3.6.3 TCP 流的流长与流速平稳性相关关系
• 3.7 本章小结
• 第4章 IP 流到达相关特征及模型
• 4.1 引言
• 4.2 IP 流到达总体分布特征
• 4.2.1 长时间粒度下 IP 流到达分布
• 4.2.2 IP 流到达时间间隔分布及其相关性
• 4.3 IP 流到达分布模型
• 4.3.1 Poisson 丛集过程（Poisson Cluster Process）
• 4.3.2 IP 流到达分布成因分析
• 4.4 多分辨率的 IP 流到达特征及其相关性
• 4.4.1 基于小波的多分辨率分析
• 4.4.2 基于多分辨率的 IP 流到达总体状况
• 4.4.3 不同应答情况和协议类型 IP 流到达
• 4.4.4 IP 流到达与流长关系分析
• 4.4.5 IP 流到达和流速关系分析
• 4.5 本章小结
• 第5章 基于 IP 流流长分布特征的流测量算法
• 5.1 引言
• 5.2 MGCBF 算法
• 5.2.1 Bloom Filter 算法简介
• 5.2.2 计数型 Bloom Filter
• 5.2.3 MGCBF 算法原型
• 5.2.4 算法性能及误差分析
• 5.3 基于 MGCBF 算法的长流统计
• 5.3.1 长流统计系统结构设计
• 5.3.2 系统性能分析与误差估计
• 5.3.3 测量实验结果
• 5.3.4 MGCBF 算法的主要贡献
• 5.4 本章小结
• 第6章 基于 IP 流特征的超时机制研究
• 6.1 引言
• 6.2 流超时研究现状
• 6.3 短流识别优化的必要性和可行性
• 6.3.1 短流识别优化的必要性
• 6.3.2 短 IP 流识别优化的可行性
• 6.4 基于 IP 流速分析的动态超时策略（DToS）
• 6.4.1 策略的提出
• 6.4.2 DToS 算法性能分析
• 6.4.3 DToS 算法误差分析
• 6.5 测量结果
• 6.6 本章小结
• 第7章 总结和展望
• 7.1 本文主要贡献
• 7.1.1 主要创新点
• 7.1.2 相关理论和试验成果
• 7.2 未来研究展望
• 7.2.1 存在的不足
• 7.2.2 未来研究的方向
• 参考文献
• 图表索引
• A. 表索引
• B. 图索引
• 致 谢
• 攻读博士学位期间相关研究成果
• 发表的文章
• 专著