基于回归模型的ip网络可用带宽测量研究

《基于回归模型的ip网络可用带宽测量研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、重庆邮I乜学院倾I’论文摘要准确获取一条路径上的可用带宽对于lP网络有效地实旌QoS服务至天重要，如端到端的接入控制，服务器选择，路由选择，拥塞控制，验证SLA等。目前可用带宽的测量多采用主动测量方式，由于现有测量工具几乎都以ICMP或者UDP协议承载探测包，冈此无法获得精确的时削戳及路径等信息。此外当前的可用带宽测最主要依赖于测量主机的系统性能(如系统I／O带宽，系统定H、j器的分辨率等)，然而相比于I酬络带宽的飞速增长，测量主机系统性能的提高显得十分缓慢，特别是其系统I／O带宽已经远远落后于网络带宽，存测量时会产：生“潜在带宽”(pot

2、entialbandwidth)的问题。这就导致许多现有的模型难以适成面向高速网络的可用带宽测量应用。本论文的工作是以高速IP网络的}U用带宽测量为研究对象，研究网络上一条确定路径的可用带宽测量问题。研究方法是以排队论和回归分析法为王甲论基础，建立测量模型，利用IP测量协泌(IPMP)承载探测包．通过获取探测包经过的一条确定路径的时延信息，预测出该路径上的町用带宽。论文首先分析了当前两个{i要的可用带宽测量模型——PGM模型和PRM模型，及相关的算法，讨论了模型中存在的问题及其发展趋势。然后提出了一种面向高速IP网络的基十回归分析的tlJ’

3、用带宽测量模型，该模型能够在网络边界处获取对应丁～条确定路径的时延信息，并根据该测量信息，计算出测量周期内垓路径上的流量。运用川归分析法，对不同流量条件下的测茸结果进行拟合，得出被测路径上流量与时延的叫归方程，并掘此方程预测被洲路径上的可用带宽。由十接收到的探测包所携带的时I’RJ戳是由该路径上的路山器提供的，凶此可以在一定程度上解决单纯依赖测黾主机性能而产生的“潜在带宽”问题，使得模型具有测量代价和开销都较小，同时又能保证测量精度的优点；模掣的测量过程具有单向性，计算过程所用的时延信息是时问差，因而无需时钟同步。仿真结果显示存满足测量模型

4、假没条件的情况下，模型是有效的。论文还在Windows2000环境中设计了个基十本义测量模型的，能够运行于操作系统内核的测量系统，实现了测量模型中接收和发送探测包，提取测量数据等基本功能，经测试达到了测量模型的性能要求，理论

5、I可以满足带宽为800Mb／s瓶颈链路可用带宽的洲量要求。关键词：可用带宽、主动测量、IP测量协议、测量模型、回归分析法重庆邮l“学院坝I：论土AbstractAvailablebandwidthmeasurement(ABM)iscriticalItOeffectivelyimplementQoSserviceinn

6、etworkbasedIE。e．g．end-to-endadmissioncontr01．serversselection，routeselection，congestionavoidanceandSLAverification．NowadaysactivemeasurementisthemainmethodforABM，butalmostalltheexistingmeasurementtoolstaketheICMPorUDPasthecarrierprotocolofprobingpackets,sothattheyCan’tobta

7、inthenecessaryinformationsuchaSaccuratetimestampsand：routing．Furthermore，theexistingABM。models柚lydependonsystemperformanceofmeasurementhost(e．g．timerresolution，I／Obandwidth)，whichresultsinthesemodelscan’tbeappliedtohigh—speedIPnetwork，andseriousrestrictstOthedevelopmentofA

8、BM．ThemainaimofthisarticleiSthatmeasurementavailablebandwidthofanappointedpathbymeasuringthedelayofprobingpacketswhosecarrierprotocolisIPMP,SOwecanpredicttheavailablebandwidth．ThesedatumCanbeusedtocontroltrafficandlayoutnetworkefficientlybythenetworkadministrator．Atfirst，w

9、eanalyzetwomainABEmodelnamelyPGMandPRM，whichexampledbytworepresentativeABMalgorithms，conc