自相似流与自相似性.ppt

传统的业务流模型 基于泊松（Poison）--连续时间 基于贝努利（Benolli）--离散时间 Birth-Death Processes Pk（t+?t）= Pk（t） pk,k（?t） + Pk-1（t） pk-1,k（?t） + Pk+1（t） pk+1,k（?t） + O（?t） k≥1 概率分布函数（Poison case） M/M/1排队系统 Markov Process 当前时间t与过去的时间（t-s），若时间差足够大，则 t与（t-s）间隔的业务量是不相关； 在s较小时，考虑到达业务量的相关性，称之为“短相关”模型（SRD） 自相似（self-similar） Leland 对Bellcore的局域网的测试与分析结果，表明实际网络的业务流在很长的时间范围内都具有相关性，即LRD。 Hurst系数 描述一个过程的自相关函数只需要 问题： 自相似流作仿真时，数据源如何产生？ 控制流量生成程序，如何得到符合特定方差和Hurst系数的自相似流？ 与用户数、用户数据流的特征、网络拓扑结构等物理量关联。 自相似系数的在线测量如何实施？如何减少计算量并得到精度允许的估计值？ 1.自相似过程的概念 设X（t）是随机过程， R（ t ）是该随机过程的相关函数。 令X（t）是宽平稳随机过程 存在均值E[X] 有限方差 假设： L（k）是随k缓慢变化的函数。 构造新的随机序列 X(m)(m=0,1,2…) 如果X(m)的相关函数R (m)(k) 与R (k) 相等，则称X（t）是严格二阶自相似过程。 如果X(m)的相关函数R (m)(k) 在m→∞时趋于R (k) ，则称X（t）是二阶渐近自相似过程。 2.自相似过程的产生 Mandelbrot给出了自相似流的产生方法。 BH（0）=0 BH（t）的性质： BH（t）是平稳增量过程； BH（t）的相关函数 BH（t）的方差?2|t|2H； BH（t）与aH BH（t）同分布 FGN,Fractional Gaussian Noise 分布高斯噪声（FGN）是BH（t）在单位时间内的增量。 ZH（t）= BH（t）- BH（t-1） 自相似过程的生成算法 M/G/∞队列： G是具有重尾分布（无限方差的分布）的随机服务时间。 流叠加法：更新过程（renewal process ）W（t），更新间隔UK是具有无限方差的随机变量。 随机中值替代法（RMD，Random Midpoint Displacement） 傅立叶变换法 FARIMA过程 小波变换 混沌映射法 网络性能：理论分析、模型仿真 泊松模型：点到点的传递方式 在流量统计分析中得出的理论模型 ，能以简单的形式拟合实际流量的特征。 1. 1 因特网测量 BMWG：网络互连技术的性能参数测量方法。 /html.charters/bmwg-charter.html TEWG:负责定义、开发、制定和推荐关于因特网上流量工程相关的原则、技术和机制，同时提供一个通用的论坛，以研讨和推动TE的发展。 /html.charters/tewg-charter.html IPPM:负责研究和制定衡量、评估因特网数据传输的质量、性能和可靠性指标的标准测度，并开发和推广准确、有效的网络测量技术。 /html.charters/ippm-charter.html 全球性的测量平台 NIMI：National Internet Measurement Infrastructure（卡乃基梅隆大学） LBL,Lawrence Berkeley Laboratory 网络分析基础体系结构（NAI） 美国国家网络应用技术研究实验室（NLANR） 下属的网络测量和运行分析小组（MOAT） 因特网性能测量和分析（IPMA）项目 密执根大学和Merit 研究动态的路由行为 美国高级网络和服务公司的Surveyor 测端到端的单向包延迟、包丢失以及因特网路由信息的测量体系 1.2 网络测量机制 网络工程：测量网络本身的行为特征 接入点处测量（应用层）：使用FTP、WWW测试网络服务器的响应性能 Ttcp和Netperf工具利用传输层的服务来注入测量的流量数据 Ping 、Traceroute和Treno 等工具利用网络层的ICMP协议进行测量 网络参数测量方法： 自相关函数的性质，采用数学方法构造出自相似流，其物理意义不够明确，无法解释自相似性的成因。 基于测量数据的自相似流生成方法 1.1 原型模型 设一更新过程W（t），t=0，1，2，… 更新间隔UK是具有无限方差的随机变量， 例如服从Pareto分布。 更新间隔内，W（t）的值是一个服从有限方差分布的随机变量WK ，在每个更新间隔