网络流量自相似的特性研究.pptVIP

* 产生自相似的原因 对IP流量成分的进一步分析 （Hungary, Budapest Uni. Of Tech.Econo. 实际数据,2000） * 产生自相似的原因 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、重传企图的次数和超时时限，不能改变重传负载的自相似特性 * 产生自相似的原因 TCP拥塞控制的浑沌特性(Ericsson，Traffic Analysis and Network Performance Lab. 2000) 浑沌系统的特征：非线性(Nonlinearity)、确定性(Determinism)、混乱中的有序(Order in disorder)、对初始状态的敏感性(蝴蝶效应)(Sensitivity to initial conditions or the “butterfly effect”)、不可预见性(Unpredictability) 模型(NS模拟)：TCP Tahoe（Slow-Start、Congestion Avoidance、Fast Retransmit） 参数设置：link rate-C、delay-D、buffer size-B以及TCP流的数量-N * 产生自相似的原因 TCP拥塞控制的浑沌特性(Ericsson，Traffic Analysis and Network Performance Lab. 2000) 结论：B/N的比率控制着系统的相位迁移，即从周期性到浑沌，并在特定的参数下产生自相似时间序列；单个的TCP流量符合渐进自相似，H＞0.5；在瓶颈缓存处堆叠的TCP流量是短时相关的，H≈0.5，其物理解释是TCP拥塞控制使瓶颈缓存占用率最大来平滑流量，堆叠的流量得到平滑，单个TCP流仍保持长相关性。 为什么堆叠的网络流量仍具有长相关性(H＞0.5)？TCP拥塞控制和具有重尾特性的上层协议共同作用。 TCP本身是一个产生自相似特性的确定性过程 * 产生自相似的原因 针对传输层(TCP和UDP)更进一步的研究(Purdue University, Boston University, 1996, NS模拟) TCP(Tahoe、Reno或Vegas)可靠的传输机制和流量控制机制保留了由文件大小重尾分布所引发的长相关性 无流量控制和不可靠的UDP并不使生成的流量具有长相关性 * 产生自相似的原因 网络拓扑的影响 (Purdue University, Boston University, 1996, NS模拟) 对流量自相似的估计并不因网络拓扑结构变化而改变 * 产生自相似的原因 重尾分布的ON/OFF和浑沌的TCP导致Internet流量的分形特性(自相似) Application Layer Transport/Network Layer Application Layer Transport/Network Layer Heavy-Tailed File Size Distribution ? Congest Control and Reliability Self-Similarity Link Traffic H * 自相似流量对网络性能的影响 网络性能的度量—吞吐量(throughout)、延时(delay)、数据包丢失(packet loss) 从排队论的视角，网络是队列的集合，每个队列有一个缓存(buffer)临时保存到达的数据包。数据包到达缓存等候转发，则会产生延时。若达到数据包的数量超过缓存大小，则产生丢弃数据包的现象，同时需要对丢弃的数据包进行重发，导致吞吐量降低。实际上，网络的缓存通常保持很大以避免数据包丢失，维护高的吞吐量 * 自相似流量对网络性能的影响 自相似流量对网络性能产生负面影响 缓存占用比传统排队论的分析结果要大，结果导致更大的延时（也即队列长度分布在自相似流量作用下的衰减比短时相关源（泊松到达过程）作用下要慢），由长相关特性决定 * 自相似流量对网络性能的影响 自相似流量对网络性能产生负面影响 缓存的线性增长导致指数规律减少的数据包丢失，以及成比例增长的传输带宽利用率。该理论对自相关流量不适用 * 自相似流量对网络性能的影响 自相似流量对网络性能产生负面影响 数据包丢失率与缓存大小和自相似之间的关系—当α趋近于1，自相似程度增大(H＝(3－α)/2)，数据包