随机分组抽样下流大小的分布估计.pdfVIP

华南理工大学学报(自然科学版) 第38卷第4期 JoumalofSouthChina of V01．38No．4 UniversityTechnology 2010年4月 Science 20lO (Natural Edition) April 随机分组抽样下流大小的分布估计术 张海许勇 张凌 (华南理工大学计算机科学与工程学院，广东广州510640) 摘要：为提高流大小分布估计的精度，比较了运用TCP流的SYN包和TCP序列号信息 的几种极大似然估计(MLE)算法．结果表明，运用TCP流中的SYN包和SEQ信息对流大 小的分布估计比单纯的抽样估计具有更高的准确性，其中在样本流中同时运用SYN包和 SEQ信息的估计效果最佳．在此基础上结合实际提出了一种对小流采取细粒度、对大流采 取粗粒度的流大小非均匀粒度分布估计算法，并以实例验证了该方法的适用性．结果表 明，该方法在减少算法计算量的情况下，提高了对大流的估计精度． 关键词：分组抽样；流大小；分布估计；网络测量 中图分类号：TP393 网络测量中的流(Flow)是指在给定时间间隔处是sFlow输出样本信息中包含了分组的协议 内，对网络分组按照相同的源地址、源端口、目标地 信息． 址、目标端口、协议类型等五元组进行聚类后的信 从另一方面看，分组抽样损失了网络流量所包 息，流大小就是每个流聚类时所包含的分组个数．网 含的许多内在信息．对于流大小分布，文献[7]指出 络流大小分布估计是给定流大小X，在一定的时间 难以采用随机分组抽样进行估计；文献[8]介绍如 间隔内，求网络流大小为X的流个数以及在所有流 何通过抽样后的样本来估计原始流的流量特性，如 中所占的比例．流大小分布是网络流量工程和网络 流量的字节大小、流量的分组个数、TCP流个数、 监控方面一个重要的测量度量，是近年来网络测量 TCP流的平均长度等，并给出了相应的估计方差．文 J． 研究的热点问题¨4 献[2]首次提出在随机分组抽样下，利用极大似然 主流的路由器和其他网络交换设备能够收集并 估计(MLE)对流大小分布进行估计，但是没有给出 输出流经这些设备的网络流信息，比如Cisco的估计结果的误差范围．文献[3]在文献[2]的MLE Netflow．由于Netflow实现上需要路由器对所有分组方法基础上，根据网络TCP流的特性，在估计算法 按照五元组进行聚类，随着网络链路带宽不断增加， 尤其是在遭遇到大规模网络攻击时，Netflow聚类时模型．文献[3]同时提出一种利用Fisher信息量来 会大量消耗路由器的存储和计算资源． 计算估计值误差的c-R下界的方法，证明了SYN包 目前，网络测量越来越多采用分组抽样技术来 控制测量系统中资源消耗．Cisco的随机抽样Net—计结果的误差，并用实验加以验证． Flow(RandomNetFlOW，简称RSNF)p1，为文中以文献[2]和[3]为基础，根据随机分组抽 Sampled 了减少内存消耗和流缓存的循环查找，通过抽样的 样获得的样本流，分析已知SYN包和SEQ条件下的 流大小分布MLE方法，提出一种采用非均匀粒度的 分组来产生流统计信息．Inmon的sFlow不输出流信 息旧1，直接输出的是平均抽样到的分组，因而具有 流大小估计算法，并采用两种不同网络环境下收集 更高的性能和更简单的硬件实现．sFlow的另一个好到的分组信息的随机抽样数据来验证方法模型． 收稿日期：2009—04．25