On the Propagation of the Long-range Dependence in the Internet课件.ppt

On the Propagation of the Long-range Dependence in the Internet 问题提出 Leland 等人在90 年代初第一次明确的提出了网络流量中存在着自相似现象以来，各国研究人员开始对世界上现有的一些网络进行了测量和分析，发现不论网络的拓扑和业务如何，网络流量中都能检测到自相似特性。以下为两个概念说明。 时间序列：表示每单位时间到达的字节数或数据包数量 时间尺度：几十毫秒、秒、分钟、小时 什么是自相似性 自相似的物理描述 突发没有明确的长度，在不同的时间尺度下表现出相同的突发特性，业务是长相关的(1ong range dependence)，不能被平滑掉。 什么是自相似性 自相似的数学描述 条件1：针对一个平稳随机过程 X＝(Xt: t＝0,1,2,3…) 条件2：其自相关函数满足 r(k) ～ k-βL1(k)，当 k→∞，其中0＜β＜1， L1是慢变函数，即对所有x＞0， limt→∞L1(tx)/L1(t)＝1（常见的慢变函数，如L1(t)＝常数，L1(t)＝㏒(t)） 条件3：对X进行堆叠，堆叠产生的时间序列为 X (m)＝(Xk(m)：k＝1,2,3 …)，其中Xk(m) ＝1/m(Xkm-m+1＋ …＋Xkm)，k＝1, 2, 3, … 自相似性特点 Hurst效应 慢衰减方差 长相关性 自相似性特点 Hurst效应 参数H满足0.5＜H＜1，参数H用来表示自相似的程度 重新调制尺度权差(R/S)定义:对于一个给定的观察序列X1，X2，X3， …..Xn，样本均值为X(n)，样本方差为S2(n)，则R(n)/S(n)＝1/S(n)[max(0, W1, W2, …, Wn)－min(0, W1, W2, …, Wn)]，其中Wk＝(X1＋X2＋X3…..＋Xk)－kX(n)，k＝1,2,3…n，R表示重新调整尺度的极差 自相似性特点 Hurst效应 Hurst在1991年和1995年发现大多数自然产生的时间序列满足E[R(n)/S(n)]～cnH，当n→∞，其中Hurst参数典型为0.73，c是与n无关的正常数 若观察序列取自一个短相关模型，曼德博罗等发现，满足E[R(n)/S(n)]～dn0.5，当n→∞，其中d与n无关的正常数 上述两式的差异通常称之为赫斯特效应或赫斯特现象 自相似性特点 慢衰减方差 自相似过程的方差满足var(X(m))～am-β，当m→∞，其中0＜β＜1，a是与m无关的正常数，β与前条件2中β相同 短相关过程的方差满足var(X(m))～bm-1，当m→∞，其中b是与m无关的正常数 自相似过程的方差衰减要慢于短相关过程 自相似性特点 长相关性 长相关定义:若一个随机过程满足自相似的条件1和条件2，即其自相关函数随时滞的增加呈双曲线衰减（幂律衰减），则该随机过程呈现长相关性 长相关≠自相似，自相似是长相关的特例/简单模型。 不可和性，即∑k r(k)＝∞。不可和性的物理意义在于高滞后的相关虽然是个别的小量，但其累计的结果则十分重要。 产生原因 Web流量的自相关性 重传机制(Retransmission)产生自相似特性 TCP拥塞控制 产生原因 是流量内在的特性和网络协议的调制作用 Web流量的自相关性 Web文件大小的分布（包括用户请求的文件、实际传输的文件、文件的传输时间、服务器端存储的文件等）呈重尾分布，客户端Cache的影响相对较小?Web文件传输时间的重尾分布?Web流量的自相似性 若文件大小符合重尾分布，则对应的文件传输均导致链路层的自相似性，Web、NFS、FTP等(Purdue University, Boston University, 1996, NS模拟) 产生原因 对IP流量成分的进一步分析 （Hungary, Budapest Uni. Of Tech.Econo. 实际数据,2000）不同协议成分如IP、ICMP、TCP、UDP、HTTP、SMTP、FTPdata、FTPcontrol、OSPF、Telnet，是否多重分形(multifractal)和分形(monofractal，即自相似)。如右图。 产生原因 重传机制(Retransmission)产生自相似特性(CMU，1997) 模拟条件：输入是泊松到达（即，新数据包（不包括重传的数据包）到达是一个简单的泊松过程），数据包长度为常数，一个队列情况，先进先出服务，无拥塞控制的重传机制 结论：当时间尺度超过10倍的数据包传输时间，重传数据包流量的方差在总的流量（新数据包、重传数据包和丢失的数据包）中占据绝大多数成分。 即使改变重传机制的参数，如缓存大小、重传企图的次数和