本文關(guān)鍵詞：網(wǎng)絡(luò)流量測量關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 流量測量 流量抽樣 大流識別 數(shù)據(jù)包抽樣

【摘要】：互聯(lián)網(wǎng)作為20世紀(jì)發(fā)展最為迅速的技術(shù)之一,已經(jīng)成為現(xiàn)代信息社會最重要的基礎(chǔ)設(shè)施,成為國家進(jìn)步和社會發(fā)展的重要支柱。隨著光通信技術(shù)和寬帶無線通信技術(shù)的快速發(fā)展以及新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)理論研究的突破,一個以“更大、更快、更及時、更方便、更安全、更可管理和更有效”為主要特點的新一代互聯(lián)網(wǎng)將走進(jìn)我們的工作和生活�；ヂ�(lián)網(wǎng)的快速發(fā)展在給我們的生活帶來了很多的便捷和機(jī)遇的同時,也使得我們了解和掌控其運行規(guī)律面臨新的挑戰(zhàn),原有的測量方法和技術(shù)已不能滿足需要,尋找能夠滿足高速網(wǎng)絡(luò)測量需要、具有擴(kuò)展性的網(wǎng)絡(luò)測量技術(shù)成為當(dāng)前亟待解決的問題。在網(wǎng)絡(luò)流量測量初期,傳統(tǒng)的方法是全數(shù)據(jù)測量雖然準(zhǔn)確,但處理速度慢、產(chǎn)生數(shù)據(jù)量大,所需存儲空間大等等。網(wǎng)絡(luò)流量抽樣技術(shù)很好地解決了傳統(tǒng)流量測量方法的缺點,使得在合理的誤差范圍內(nèi),滿足應(yīng)用的需要。然而,隨著鏈路速率的提高,數(shù)據(jù)包均勻抽樣技術(shù)測量不準(zhǔn)確的缺點已難以滿足需要。一種新的解決方案是根據(jù)不同應(yīng)用的具體需求,有針對性地選擇處理方法。網(wǎng)絡(luò)中的流服從“重尾分布”的特性被發(fā)現(xiàn)后,根據(jù)該特性提出大流識別方法和數(shù)據(jù)包公平抽樣算法成為研究的熱點�；谝陨暇W(wǎng)絡(luò)流量測量的分析,本文主要進(jìn)行了以下方面的研究：1.首先,總結(jié)現(xiàn)有大流識別方法；其次,在已有研究工作的基礎(chǔ)上,選擇兩種較受關(guān)注的算法---LLR算法和Space Saving算法,分別從原理、理論分析進(jìn)行了剖析,并使用網(wǎng)絡(luò)真實數(shù)據(jù)進(jìn)行了實驗驗證；最后得出結(jié)論,Space Saving算法的空間復(fù)雜度、時間復(fù)雜度和假陰性誤判率等指標(biāo)均略優(yōu)于LLR算法。實驗結(jié)果顯示,在分配內(nèi)存空間相對小,取PT=0.01%時,Space Saving算法的平均假陰性誤判率在一定范圍內(nèi)低于LLR算法平均假陰性誤判率；而隨著內(nèi)存的增大,兩種算法的誤差率不斷變小,且越來越接近,最終趨近于0。2.針對LLR算法存在的問題,做出三點改進(jìn),提出一種基于LRU淘汰機(jī)制和stream summary數(shù)據(jù)結(jié)構(gòu)相結(jié)合的大流識別算法。通過分析算法的復(fù)雜度和基于互聯(lián)網(wǎng)采集數(shù)據(jù)的實驗比較,結(jié)果均表明,與已有算法相比,該算法在保證準(zhǔn)確性的條件下,節(jié)省了較大的存儲空間,提升了算法應(yīng)用的擴(kuò)展性。3.針對現(xiàn)有數(shù)據(jù)包抽樣算法小流量估計誤差大的缺陷,提出一種新的數(shù)據(jù)包抽樣算法。該算法根據(jù)到達(dá)數(shù)據(jù)包所屬流大小的估計值設(shè)置包抽樣率,使得大流所含數(shù)據(jù)包抽樣率低,小流所含數(shù)據(jù)包抽樣率高。理論分析和實驗結(jié)果均表明,與已有算法相比,該算法具有更高的準(zhǔn)確性和良好的擴(kuò)展性,更適合于工程應(yīng)用。
【關(guān)鍵詞】：流量測量 流量抽樣 大流識別 數(shù)據(jù)包抽樣
【學(xué)位授予單位】：西安工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.06
【目錄】：

• 摘要3-5
• Abstract5-9
• 1 緒論9-14
• 1.1 研究背景9-10
• 1.2 課題研究的意義10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-13
• 1.3.1 互聯(lián)網(wǎng)工程任務(wù)組11
• 1.3.2 互聯(lián)網(wǎng)數(shù)據(jù)分析合作組織11-12
• 1.3.3 應(yīng)用網(wǎng)絡(luò)研究國家實驗室12
• 1.3.4 IPMA/Merit12-13
• 1.4 論文的研究內(nèi)容13-14
• 2 網(wǎng)絡(luò)流量測量理論14-22
• 2.1 網(wǎng)絡(luò)流量測量概況14-16
• 2.1.1 網(wǎng)絡(luò)流量測量系統(tǒng)的構(gòu)成15
• 2.1.2 網(wǎng)絡(luò)測量技術(shù)分類15-16
• 2.2 網(wǎng)絡(luò)流量測量面臨的問題16-17
• 2.2.1. 高速網(wǎng)絡(luò)中流量的實時采集處理16-17
• 2.2.2 巨大的存儲壓力與多樣的數(shù)據(jù)需求17
• 2.2.3 安全問題17
• 2.3 流量抽樣的基本概念和方法17-20
• 2.3.1 流量抽樣分類18-19
• 2.3.2 原始特征推算19-20
• 2.4 流量測量關(guān)鍵技術(shù)20-21
• 2.5 流量測量實驗環(huán)境的搭建21
• 2.6 本章小結(jié)21-22
• 3 兩種典型的大流識別算法的比較22-32
• 3.1 大流識別概述22-24
• 3.2 相關(guān)研究24-28
• 3.2.1 Sample And Hold算法24-25
• 3.2.2 Multiple Filters算法25
• 3.2.3 LLR算法25-27
• 3.2.4 Space Saving算法27-28
• 3.3 兩種大流識別方法比較28-31
• 3.3.1 理論分析28
• 3.3.2 實驗與評價28-31
• 3.4 小結(jié)31-32
• 4 一種新的大流識別算法32-37
• 4.1 高速網(wǎng)絡(luò)對流量測量的要求32-33
• 4.2 一種新的大流識別算法33-34
• 4.3 理論分析34-35
• 4.4 實驗與評價35-36
• 4.5 小結(jié)36-37
• 5 一種新的數(shù)據(jù)包公平抽樣算法37-42
• 5.1 數(shù)據(jù)包公平抽樣概述37-38
• 5.2 ESTFLOWS算法原理38
• 5.3 理論分析38-39
• 5.4 實驗驗證39-41
• 5.5 小結(jié)41-42
• 6 結(jié)論42-44
• 6.1 全文總結(jié)42
• 6.2 展望42-44
• 參考文獻(xiàn)44-49
• 攻讀碩士學(xué)位期間發(fā)表的論文49-50
• 致謝50-52

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 程光;強(qiáng)士卿;;一個檢測超流的早期淘汰算法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 黃志忠;基于測量的網(wǎng)絡(luò)管理技術(shù)研究[D];電子科技大學(xué);2011年

2 胡廣昌;基于Bloom Filters流抽樣算法的研究[D];曲阜師范大學(xué);2010年

，

本文編號：785337