网络流量的半马尔柯夫模型

论文摘要

流量模型研究是网络领域的一项基础性研究,它是网络性能分析和通信网络规划设计的基础。高质量的流量模型对于设计高性能网络协议和高效的网络拓扑结构;对于设计高性价比的网络设备与服务器;对于精确的网络性能分析与预测;对于拥塞管理与流量均衡提高服务质量等都具有非常重要的意义。流量模型的建立是现代网络管理系统中一个重要的组成部分,它可以使管理人员掌握网络的特性,合理调配网络资源,实现网络的高效管理。网络流量模型化的核心是提取网络流量中关键随机属性。虽然对计算机网络流量特性、流量建模以及排队性能等方面的研究已经开展了十多年,但是在网络流量模型上仍然没有取得一致的结论。没有一种网络流量模型能像泊松模型在电信网络中那样,在IP网络研究领域中得到广泛的承认和应用。本文的研究旨在引入半马尔柯夫过程描述网络流量特性,试图提出一个既精确描述网络流量特征,又计算简便的网络流量模型,使得我们能更好地理解网络流量行为,能更准确地预测网络流量,能更有效地管理、配置网络资源。本文创新性工作如下:1.提出了一个网络流量半马尔柯夫模型。该模型根据IP网络流量组成及不同时期的特性将网络流量划分为四个状态:忙、闲、上升和下降。通过状态划分将系统关键随机特性分离,使其更加突出,从而易于提取。对不同状态下流量特征的研究和不同状态之间转换规律的研究构成了一个完整的描述网络流量的半马尔柯夫模型。根据各状态下传输协议对流量特性的影响,特别是对于流速率变化的影响,我们提出了以下假设:忙状态下网络流速率服从几何布朗运动;空闲状态下网络流速率服从正态分布;上升和下降状态下网络流速率服从指数分布。我们利用国际通用的流量数据进行验证,并由此探索揭示提取模型参数值的方法及模型参数的物理意义。实验结果表明,95%以上的流量数据在其所对应的状态下具有我们所假设的各状态下的流量特性。2.应用此模型计算一个重要的网络性能指标——网络利用率。我们采用网络当前负载量与最大理论负载量之比来计算网络利用率,给出了基于网络流量半马尔柯夫模型的网络利用率计算公式。基于三组国际通用的流量数据的分析和验证结果表明,计算值与实际统计值之间的相对误差小于5%,说明了网络流量半马

论文目录

• 摘要
• 图目录
• 表目录
• 第一章 引言
• 1.1 流量模型研究的重要意义
• 1.2 网络流量模型研究的回顾
• 1.3 网络流量模型研究难点
• 1.4 选题目标和实现可能性
• 1.5 本文的贡献
• 1.6 论文的组织
• 第二章 流量模型研究综述
• 2.1 电信网络中的泊松流量模型
• 2.2 早期网络流量模型:马尔柯夫流量模型
• 2.3 自相似网络流量模型
• 2.4 （σ, ρ）流量模型
• 2.5 本章小结
• 第三章 随机过程基础知识
• 3.1 马尔柯夫链
• 3.2 相关随机过程基础知识
• 3.2.1 非格点的分布
• 3.2.2 平稳分布
• 3.2.3 非周期的马尔柯夫链
• 3.2.4 不可约
• 3.2.5 交错更新理论
• 3.2.6 强大数定律
• 3.2.7 正态分布
• 3.2.8 指数分布
• 3.2.9 几何布朗运动
• 3.3 半马尔柯夫过程
• 第四章 网络流量半马尔柯夫模型
• 4.1 研究动机
• 4.2 状态划分及阈值
• 4.3 模型定义
• 4.4 状态保持时间分布
• 4.5 状态极限概率
• 4.6 忙状态下流量特性
• 4.6.1 忙状态下TCP 协议对流量特性的影响
• 4.6.2 忙状态下UDP 协议对流量特性的影响
• 4.6.3 HTTP 协议对流量的影响
• 4.6.4 忙状态下流量特性总结
• 4.7 闲状态下流量特性
• 4.8 上升、下降状态流量特性
• 4.9 模型参数总结
• 4.10 网络流量半马尔柯夫模型的统计验证
• 4.10.1 流量数据来源说明及忙闲阈值设置
• 4.10.2 忙状态下假设检验
• 4.10.3 闲状态下假设检验
• 4.10.4 上升、下降状态下假设检验
• 4.10.5 状态保持时间
• 4.10.6 状态极限概率
• 4.10.7 模型参数总结
• 4.11 本章小结
• 第五章 基于网络流量半马尔柯夫模型的网络利用率计算
• 5.1 网络利用率
• 5.2 基于网络流量半马尔柯夫模型的网络利用率计算
• 5.3 网络利用率计算和模型验证
• 5.3.1 数据来源
• 5.3.2 验证步骤
• 5.3.3 实验结果
• 5.3.4 结果说明
• 5.4 本章小结
• 第六章 基于网络流量半马尔柯夫模型的流量预测
• 6.1 流量预测的意义
• 6.2 现有的流量预测研究
• 6.3 基于网络流量半马尔柯夫模型流量预测方法的创新点
• 6.4 基于网络流量半马尔柯夫模型的流量预测公式
• 6.5 实验结果
• 6.6 本章小结
• 第七章 结束语
• 7.1 本文工作总结
• 7.2 下一步研究方向
• 参考文献
• 致谢
• 作者简历