基于NS2大规模网络服务类别仿真及其状态分析

论文摘要

大规模的网络服务类别状态分析随着网络的不断增加而变得越来越复杂，而自治计算是应对日益复杂的网络环境、保障软件系统状态服务质量的重要方法。机器学习也是是实现网络服务类别自我恢复配置的一个有效途径。网络定量结构数据对于机器学习有重要的意义，然而在实际系统中采集网络定量结构数据比较困难，影响了实现自治功能的机器学习方法的研究。文章提出基于网络模拟平台NS2模拟生成底层网络定量结构数据的方法，它能够对具有不同拓扑结构的网络在不同服务请求类型下的服务状态进行模拟，进而提取生成底层网络的定量结构数据图，服务于实现网络自治功能的机器学习方法的研究。文章针对大规模网络拓扑结构提出了基于邻接模型存储的一种层次递归的网络状态的层次分析方法，以便于在信息不完备的情况下推理决策问题的解决和研究。文章中的应用背景是大规模的网络，丰富的仿真数据集以及网络定量结构的层次迭代特点，通过关联方法和已知子系统的规则集，去建立一个大规模的层次分析方法，最后文章给出了该模型下基本实例以及层次分析方法的过程。底层网络仿真的实验结果显示该方法具有良好的可操性，并且具有较好的模拟结果，并能够有效的进行规模和层次扩展，为大规模的网络自治功能分析提供基础。文章应用网络底层仿真数据结合大规模层次网络层次分析，能够对上一层网络节点的运行状态给出较好的状态结果分析。同时文章进一步通过定期对网络状态进行扫描，对于网络状态异常的进行自我恢复，网络状态标志为正常，这样就网络服务运行的状态可以保证在一个相当长的时间内是处于正常的状态。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状及分析
• 1.3 论文的主要研究工作
• 2 网络结构图生成与网络服务方法描述
• 2.1 网络定量结构图生成与描述
• 2.2 面向大规模网络服务状态学习方法
• 2.3 仿真网络的效果
• 2.4 本章小结
• 3 网络实验仿真
• 3.1 底层网络实验仿真
• 3.2 底层自治元仿真结果与分析
• 3.3 大规模网络拓扑结构仿真
• 3.4 本章小结
• 4 服务状态优化配置和管理策略生成
• 4.1 大规模网络服务状态层次分析方法
• 4.2 大规模网络服务状态层次分析结果
• 4.3 层次分析的效果
• 4.4 本章小结
• 5 总结和展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献