基于测量的QoS参数估计.DOC

基于测量的QoS参数估计及其应用(? 赵 斌, 刘增基, 李晓濛 (西安电子科技大学 综合业务网国家重点实验室,陕西 西安 710071) E-mail: zbnew@263.net 摘要: 提出了一种基于测量的QoS参数估计方法,该方法使得用户无须事先为业务源建立相应的业务模型并向网络提交其业务模型参数,而是通过对业务流的统计特性进行实时测量来动态估计相应的QoS参数,从而克服了基于模型QoS参数估计方法所固有的缺陷,便于网络进行连接允许控制和带宽的动态分配. 关 键 词: QoS;测量;连接允许控制 中图法分类号: TP393 文献标识码: A 未来宽带网络的成功在很大程度上依赖于其对各种类型业务(如语音、视频和数据)的统计的复用性能.由于不同类型的业务具有不同的业务特性和服务质量(QoS)要求,这就要求网络能够提供相应的机制,以便在高效地提高资源利用率的同时确保不同类型业务的QoS,而如何精确地估计QoS参数则是其中一个十分重要的 问题. 在传统的QoS参数估计方法中,通常要求用户提供描述其业务模型(如ON/OFF模型、马尔可夫调制泊松过程和马尔可夫调制流体过程等)的参数,网络则根据相应链路上各业务流的模型参数以及链路容量和缓冲区大小来估计相关的QoS参数,这种方法通常被称为基于模型的QoS参数估计方法.然而,基于模型的QoS参数估计方法明显存在着以下一些缺陷:(1) 业务源实际的统计特性很难被一种业务模型精确地进行描述.(2) 受标准化的限制,用户所能提交的业务量描述符不足以用来对其业务模型进行描述.(3) 在网络内部,由于排队的影响,可能会使业务流的统计特性发生变化,从而不再与用户在连接建立阶段所提交的业务量描述符相一致. 本文利用大数量业务源复用渐进分析理论提出了一种基于测量的QoS参数估计方法,该方法无须用户事先为业务源建立相应的业务模型并向网络提交其业务模型参数,而是通过对业务流的统计特性进行实时测量来动态估计相应的QoS参数,从而克服了基于模型QoS参数估计方法所固有的缺陷.本文将针对ATM网络进行讨论,并分析如何将其应用于连接允许控制(connection admission control,简称CAC)和带宽的动态分配.由于信元的最大排队时延通常可以由缓冲区的大小来限定,因此本文主要讨论的是对信元丢失率(cell loss ratio,简称CLR)的估计. 大数量业务源复用渐进分析理论 在ATM网络中,除非一些非常简单的业务模型,利用传统的排队论进行排队性能分析通常是十分困难的,因此人们开始考虑采用渐进分析的方法,其中大数量业务源复用渐进分析理论则是近年来提出的一种十分有效的方法[1~3]. 考虑一个ATM复用器,其服务速率为C,缓冲区容量为无限,被N个相互独立的业务源复用.这N个业务源分成J类,同类业务源之间服从独立同分布原则,且每类业务源的个数为Nj=N((j,j=1,2,…,J. 令Xj[0,t]为一个属于第j类的业务源在时间间隔[0,t]中所产生的信元数,则其log矩母函数为 . (1) 而各业务源相应的累积log矩母函数可以表示为 . (2) 令L为系统稳态队长,且令Q[Nc,Nb,N]为系统的溢出概率,即 Q[Nc,Nb,N]=Pr[LB],其中,Nc=C,Nb=B, 则利用大数量业务源复用渐进分析理论可得: . (3) 因此当N较大时,我们可以得到 , (4) 其中 . (5) 上式中,,称为函数f(x)的Legendre-Fenchel变换. 式(3)成立的条件是,当N趋于无穷大时,式(2)对于任何t均存在.由于业务源一般都满足这一条件,因此大数量业务源复用渐进分析理论具有较强的适用性. 信元丢失率 由于在有限容量缓冲区系统中CLR的求解通常十分困难,因此许多文献在分析ATM网中的信元丢失率时,常常用无限容量缓冲区系统的队长尾部分布(即溢出概率)来近似有限容量缓冲区(容量为B)系统中的CLR,本文中即CLR≈Q[Nc,Nb,N],然而这种近似方法有时却会导致较大的误差. 这里我们采用了一种更精确的CLR估计方法.考虑一个具有有限容量缓冲区(容量为B)的排队系统S和一个具有无限容量缓冲区的排队系统S(,L和L(分别为S和S(的系统队长,则系统S(的溢出概率为Pr(L(B),而系统S中的信元丢失率可以表示为 , 其中(x)+=max(x,0),((t)为各业务源累积的到达速率,C为服务速率. 图1比较了在同样的信元到达情况下,S和S(缓冲区的占用过程.如图1所示,由于在有限容量缓冲区排队系统S中存在着当缓冲区满时便丢弃信元的现象,因此有 Pr(L=B)(Pr(L(B). 我们可以利用下式来对CLR进行估计,即 . (6) 由式(4)我们可以得到 P