

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、網(wǎng)絡(luò)流量測(cè)量是了解網(wǎng)絡(luò)運(yùn)行狀況和理解網(wǎng)絡(luò)行為的基礎(chǔ)。隨著帶寬的快速增加和互聯(lián)網(wǎng)的普及,將面臨網(wǎng)絡(luò)流量測(cè)量的新挑戰(zhàn)。由于海量網(wǎng)絡(luò)流量數(shù)據(jù)與有限系統(tǒng)資源之間的矛盾存在,傳統(tǒng)的流量測(cè)量算法已經(jīng)很難滿(mǎn)足高速網(wǎng)絡(luò)應(yīng)用需求。近年來(lái),多核技術(shù)已成為當(dāng)前處理器體系架構(gòu)發(fā)展的必然趨勢(shì)。另外,隨著云計(jì)算技術(shù)的推廣,云計(jì)算平臺(tái)具有對(duì)海量網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行并行分布式處理的強(qiáng)大能力。因此,基于多核技術(shù)與云計(jì)算平臺(tái)的并行分布式設(shè)計(jì)成為提高網(wǎng)絡(luò)流量測(cè)量算法性能的有效途
2、徑。盡管網(wǎng)絡(luò)流量測(cè)量算法廣泛應(yīng)用于網(wǎng)絡(luò)安全、網(wǎng)絡(luò)計(jì)費(fèi)及流量工程等領(lǐng)域,但在高速網(wǎng)絡(luò)環(huán)境下還有許多網(wǎng)絡(luò)流量測(cè)量問(wèn)題需要研究與解決。
本論文圍繞流量突發(fā)性,提出相關(guān)模型和流量測(cè)量算法,解決高速網(wǎng)絡(luò)環(huán)境下流量測(cè)量面臨的關(guān)鍵問(wèn)題,為網(wǎng)絡(luò)運(yùn)行和管理提供有力支撐。從流量突發(fā)性角度,提出峰值流量測(cè)度,分析網(wǎng)絡(luò)行為和建立合理的容量規(guī)劃模型,為新建校園網(wǎng)的接入帶寬提供準(zhǔn)確評(píng)估;針對(duì)網(wǎng)絡(luò)流量分布的重尾特性和MapReduce算法中負(fù)載不均衡問(wèn)題,
3、提出一種MapReduce框架下基于自適應(yīng)抽樣的大流識(shí)別方法;針對(duì)基于流抽樣的超點(diǎn)檢測(cè)方法存在計(jì)算負(fù)荷重、檢測(cè)精度低、實(shí)時(shí)性差問(wèn)題,提出超點(diǎn)檢測(cè)的并行數(shù)據(jù)流方法;為了滿(mǎn)足長(zhǎng)持續(xù)時(shí)間流檢測(cè)的高速網(wǎng)絡(luò)應(yīng)用需求,設(shè)計(jì)了基于共享數(shù)據(jù)結(jié)構(gòu)的長(zhǎng)持續(xù)時(shí)間流的并行檢測(cè)方法和基于獨(dú)立數(shù)據(jù)結(jié)構(gòu)的長(zhǎng)持續(xù)時(shí)間流的并行檢測(cè)方法,基于獨(dú)立數(shù)據(jù)結(jié)構(gòu)的長(zhǎng)持續(xù)時(shí)間流檢測(cè)方法更好地滿(mǎn)足高速網(wǎng)絡(luò)的應(yīng)用需求。實(shí)驗(yàn)驗(yàn)證了上述模型和算法的有效性。論文的主要工作和創(chuàng)新點(diǎn)為:
4、 (1)從流量突發(fā)性角度,提出峰值流量測(cè)度,分析網(wǎng)絡(luò)行為和建立一種合理的容量規(guī)劃模型,為新建校園網(wǎng)的接入帶寬提供準(zhǔn)確評(píng)估。首先,通過(guò)假設(shè)檢驗(yàn)和擬合優(yōu)度檢驗(yàn)表明峰值流量服從漸近高斯分布,通過(guò)自相關(guān)性分析表明峰值流量間彼此相互獨(dú)立;其次,研究網(wǎng)絡(luò)內(nèi)在特征對(duì)峰值流量的影響,一方面,通過(guò)統(tǒng)計(jì)學(xué)方法建立方差分析模型,研究接入帶寬與峰值流量之間的關(guān)系,分析表明接入帶寬對(duì)峰值流量的影響較小,另一方面,通過(guò)統(tǒng)計(jì)學(xué)方法建立協(xié)方差分析模型,研究接入帶寬、
5、網(wǎng)絡(luò)用戶(hù)數(shù)與峰值流量之間的關(guān)系,分析表明接入帶寬與網(wǎng)絡(luò)用戶(hù)數(shù)存在較強(qiáng)的相關(guān)性,網(wǎng)絡(luò)用戶(hù)數(shù)是影響峰值流量的主要因子;最后,在上述分析的基礎(chǔ)上建立線(xiàn)性回歸模型及容量規(guī)劃模型。通過(guò)實(shí)驗(yàn)驗(yàn)證容量規(guī)劃模型的有效性。
(2)針對(duì)網(wǎng)絡(luò)流量分布的重尾特性和MapReduce算法中負(fù)載不均衡問(wèn)題,提出了一種MapReduce框架下基于自適應(yīng)抽樣的大流識(shí)別方法。由于MapReduce框架中通過(guò)Hash函數(shù)按照分組將任務(wù)分配到每個(gè)reducer,如
6、果分組服從均勻分布,那么每個(gè)reducer被分配相同的任務(wù)數(shù),reducer之間是負(fù)載均衡的;如果分組服從偏態(tài)分布,那么每個(gè)reducer被分配不相同的任務(wù)數(shù),導(dǎo)致reducer之間負(fù)載不均衡。另外,通過(guò)自適應(yīng)抽樣技術(shù)得到準(zhǔn)確的流長(zhǎng)分布估計(jì),同時(shí)可以極大地減少所需的計(jì)算和存儲(chǔ)資源。方法的實(shí)施中,一個(gè)MapReduce作業(yè)通過(guò)自適應(yīng)抽樣過(guò)程獲得原始流長(zhǎng)分布估計(jì),在此基礎(chǔ)上制定數(shù)據(jù)劃分策略;另一個(gè)MapReduce作業(yè)通過(guò)數(shù)據(jù)劃分策略指導(dǎo)大
7、流識(shí)別。理論分析表明通過(guò)自適應(yīng)抽樣獲得的流長(zhǎng)分布估計(jì)是無(wú)偏的,通過(guò)配置參數(shù)可以控制流長(zhǎng)分布估計(jì)的相對(duì)誤差。實(shí)驗(yàn)結(jié)果表明,與默認(rèn)的基于Hash函數(shù)的數(shù)據(jù)劃分方法和TopCluster相比,提高了大流識(shí)別方法的性能,實(shí)現(xiàn)了reducer之間的負(fù)載均衡。
(3)針對(duì)基于流抽樣的超點(diǎn)檢測(cè)方法存在計(jì)算負(fù)荷重、檢測(cè)精度低、實(shí)時(shí)性差問(wèn)題,提出了一種超點(diǎn)檢測(cè)的并行數(shù)據(jù)流方法。隨著多核處理器的發(fā)展,并行設(shè)計(jì)成為算法性能提高的一種有效途徑。首先,
8、為每個(gè)線(xiàn)程建立本地Sketch數(shù)據(jù)結(jié)構(gòu),當(dāng)報(bào)文到達(dá)時(shí),通過(guò)多個(gè)Hash函數(shù)運(yùn)算,將Sketch數(shù)據(jù)結(jié)構(gòu)中對(duì)應(yīng)位置為1,當(dāng)測(cè)量時(shí)間周期結(jié)束后,對(duì)多個(gè)本地Sketch數(shù)據(jù)結(jié)構(gòu)進(jìn)行合并;其次,估計(jì)節(jié)點(diǎn)的鏈接度,確定超列;最后,利用定理5.1對(duì)Sketch數(shù)據(jù)結(jié)構(gòu)中任意兩個(gè)超列的組合進(jìn)行逆計(jì)算構(gòu)造節(jié)點(diǎn)的IP地址,估計(jì)節(jié)點(diǎn)的鏈接度,如果節(jié)點(diǎn)鏈接度大于閾值,則認(rèn)為該節(jié)點(diǎn)是超點(diǎn)。重復(fù)上述步驟,直到處理完所有的超列組合。性能分析和實(shí)驗(yàn)結(jié)果表明,該方法具
9、有良好的檢測(cè)精度和較低的開(kāi)銷(xiāo)。
(4)為了滿(mǎn)足長(zhǎng)持續(xù)時(shí)間流檢測(cè)的高速網(wǎng)絡(luò)應(yīng)用需求,在多核硬件平臺(tái)上,從共享數(shù)據(jù)結(jié)構(gòu)和獨(dú)立數(shù)據(jù)結(jié)構(gòu)角度設(shè)計(jì)長(zhǎng)持續(xù)時(shí)間流的并行檢測(cè)方法。由于基于共享數(shù)據(jù)結(jié)構(gòu)的長(zhǎng)持續(xù)時(shí)間流檢測(cè)方法中不同線(xiàn)程之間共享數(shù)據(jù)結(jié)構(gòu)(Cuckoo Hash表),共享數(shù)據(jù)結(jié)構(gòu)讀操作遠(yuǎn)多于寫(xiě)操作,引入讀寫(xiě)鎖來(lái)實(shí)現(xiàn)線(xiàn)程之間的同步,導(dǎo)致線(xiàn)程之間的同步開(kāi)銷(xiāo)過(guò)大,不能夠滿(mǎn)足高速網(wǎng)絡(luò)的長(zhǎng)持續(xù)時(shí)間流檢測(cè)應(yīng)用需求。針對(duì)上述問(wèn)題,基于獨(dú)立數(shù)據(jù)結(jié)構(gòu)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- IP網(wǎng)絡(luò)流量規(guī)劃關(guān)鍵問(wèn)題研究.pdf
- 面向高速網(wǎng)絡(luò)流量測(cè)量的關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量關(guān)鍵技術(shù)研究.pdf
- 基于流量測(cè)量的網(wǎng)絡(luò)QoS改善若干關(guān)鍵問(wèn)題研究.pdf
- 高速I(mǎi)P網(wǎng)絡(luò)流量測(cè)量系統(tǒng)的研究與設(shè)計(jì).pdf
- 網(wǎng)絡(luò)流量測(cè)量與識(shí)別關(guān)鍵技術(shù)研究.pdf
- 高速網(wǎng)絡(luò)流量測(cè)量的一般實(shí)現(xiàn)方法.pdf
- 網(wǎng)絡(luò)流量自適應(yīng)抽樣測(cè)量研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量與分析系統(tǒng).pdf
- 網(wǎng)絡(luò)流量的測(cè)量與分析的關(guān)鍵技術(shù)研究.pdf
- 大規(guī)模高速I(mǎi)P網(wǎng)絡(luò)流量抽樣測(cè)量及行為分析研究.pdf
- 高速碼垛關(guān)鍵問(wèn)題研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量與控制策略的研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量技術(shù)的研究與應(yīng)用.pdf
- 高速I(mǎi)P網(wǎng)絡(luò)與ATM網(wǎng)絡(luò)流量管理的研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量架構(gòu)與分類(lèi)模型研究.pdf
- IP網(wǎng)絡(luò)流量測(cè)量的研究與應(yīng)用.pdf
- 大規(guī)模網(wǎng)絡(luò)流量測(cè)量中的關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 網(wǎng)絡(luò)流量測(cè)量中的抽樣算法研究.pdf
- 高速網(wǎng)絡(luò)流量分類(lèi)并行處理技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論