网络测量与的分析技术.ppt

网络测量与分析技术 黄泳铭 华北计算技术研究所 2008年秋季 Self-Similarity in World Wide Web Traffic:Evidence and Possible Causes I. INTRODUCTION II. BACKGROUND III. RELATED WORK IV. EXAMINING WEB TRAFFIC SELF-SIMILARITY V. EXPLAINING WEB TRAFFIC SELF-SIMILARITY Self-Similarity in World Wide Web Traffic:Evidence and Possible Causes（cont’d） VI. CONCLUSION Abstract 最近，自相似性这一概念已经被证明适用于广域网和局域网的网络流量。本文，我们证明网络流量表现出World Wide Web （万维网）传输的自相似性，并且我们对自相似做出了一种假设的解释。 总的方法： 对NCSA Mosaic实际用户做一套追踪。我们检查WWW流量的结构。 两大步骤： 首先我们证明WWW流量显示它与自相似模型一致性。 其次我们证明自相似性可以被解释成是基于WWW文件大小的基本分配，传输中高速缓存和用户偏好的影响，用户的“思考时间”的影响和在一个局域网中许多传输的叠加 。 I. INTRODUCTION 为了正确制定和执行的计算机网络和网络服务，如万维网，了解网络流量的性质是关键。最近的局域网流量和广域网流量调查共同挑战已经被承认的网络流量模型，例如泊松过程 发生在许多或所有时间段的流量可以用自相似性概念描述 。 由于在一个长的时间范围内已观查到自相似性过程的发生， 它应该表现出长相关性；在任意时刻的估计值应该与将来时段的估计值相一致。 然而，在网络流量中自相似背后的原因还没有被清楚地认出。在本文中，我们列出一些情况，网络流量的自相似可以从文件系统的特点和用户行为方面解释。 两个必要工具 ON/OFF sources（在Section II-C中会详细描述） World Wide Web 数据采集工作 NCSA Mosaic 捕获用户访问网站的访问模式 我们的数据包括50多万用户文件传输要求而且包含了详细的时间和传输长度。 另外，我们调查了一些Web服务器而得到文件大小的信息用来比较客户的访问模式和出现在服务器上的访问模式。 文章结构 第一部分：我们考虑我们衡量的Web流量最繁忙时间自相似的可能性。 第二部分：利用网络流量，用户偏好，以及文件大小数据，我们解释某一特定网络的传输时间和空闲时间是重尾的原因。 II. BACKGROUND A. Definition of Self-Similarity B. Statistical Tests for Self-Similarity C. Heavy-Tailed Distributions A. Definition of Self-Similarity 给一个零平均值固定时间序列X=(Xt；t=1,2,3,.....) ,定义m聚合度序列 X(m)=（X(m)k;k=1,2,3,. . .） 我们称序列X是H-self-similar,对于所有确定的m, X(m) 有与被mk重新调节的序列X有相同的分布 如果X是 H-self-similar，它有相同的自相关函数 作为序列Xm中的所有m 一个长相关性进程有一个自相关函数 当 这个进程的自相关函数遵循幂衰减，与传统流量模式显示的指数衰减相比较。幂衰减要慢于指数衰减。对时间序列采用自相似模型一个吸引人的特点（适当的时候）是一个序列的自相似程度可以只用一个单一的参数表示。这个参数表示序列的自相关函数的衰减速度 。该参数用Hurst参数表示 II. BACKGROUND A. Definition of Self-Similarity B. Statistical Tests for Self-Similarity C. Heavy-Tailed Distributions B. Statistical Tests for Self-Similarity 本文中用四种方法测试自相似： 1. variance–time plot 2.R/S plot 3. periodogram method 4. Whittle estimator 由于我们只关心在我们的数据中的长相性，所以我们用第四种方法 Whittle estimator。其两个基本结构是这是分行高斯噪声（FGN）和fractional ARIMA（p,d,p）。因为每小时收集的数据都使m增加