（通信与信息系统专业论文）自相似流量分析及其主动队列管理算法研究.pdf

摘要 最近的研究使人们对网络流量的认识发生了显著的变换。在高速网络中对 数据流量的大量研究表明：网络流量具有传统流量模型无法描述的自相似特性， 因此能够描述自相似性的流量模型得到了深入地发展。然而自相似流量模型存在 的问题是计算复杂，相应的处理方法非常耗时且其参数难以实现在线的估测，这 都不易于这些模型在实际中的应用。同时，自相似性还会给网络的性能带来不利 的影响，导致排队延迟和分组丢失率增大，以及尺度不变突发性的发生。尽管尺 度不变突发性意昧着流量发生和空闲时期的集中出现，但是自相似流量在大时间 尺度下存在的相关结构也可以应用于性能改善的目的。 主要的工作和研究内容如下： 论文首先对自相似过程的相关研究背景进行了比较详细的分析，介绍了自 相似性的分类及定义，讨论了几种描述自相似性的流量模型。并总结了判定流量 是否具有自相似性以及自相似性参数胁删f 参数的估测方法。 在对拥塞控制和队列管理方法进行介绍的基础上，我们对网络节点上应用 的主动队列管理算法进行了研究，分析了这些算法的优点和不足之处。此外，本 文提出了一种基于速率的a r e d 算法( r b a r 肪1 ) ，通过仿真显示了r b a r e d 能够 提供比4 r e d 更好的特性。 针对网络流量的自相似性具有预报特性，本文还提出了一种新的对输入流 量进行预报的方法，即多解析度预报器。这种用小波预处理提高预报性的思想是 来自于小波变换的多解析度分析方法。小波变换能够将一个时间序列分解为不同 解析度，且具有不同平滑特性的多个时间序列。越平滑的时间序列具有更大的预 报胜，而相反越粗糙的平滑性则越小的预报性，或者更可能是噪音。 考虑到流量的自相似性给网络的性能带来不利影响，同时自相似流量的相 关结构所具有的预报性，本文基于这两个方面分别提出了两种队列管理算法：滞 后网络校正器( l n c ) 算法和信号能量的小波分解( i , v d s e ) 算法。d ，c 通过改善 网络系统的暂态特性，来解决由于流量的自相似性造成缓存队列队长和延迟抖动 增大的问题。嬲基于小波多解析度分析的基础上，用于对网络到达流量的波 动进行短期和长期的预报，并重新设定分组的丢弃概率，同时避免了其他主动队 列管理算法必须进行预先参数设置的困难。通过理论分析和仿真验证的结果可以 证明：本文提出的三 ，c 和嬲算法可以同时应用于自相似和非自相似流量的情 况，并且比其他队列管理算法能更快地响应负载的变化，同时也说明了l n c 和 翮9 艇在调节队列长度的平稳性具有更强的鲁棒性。 分析 关键词：互联网，拥塞控制，主动队列管理，自相似性，小波，多分辨率 i i a b s t r a c t r e c e n t l y ，t h e r eh a sb e e nas i g n i f i c a n tc h a n g ei nt h eu n d e r s t a n d i n go fn e t w o r k 1 a f f i c i th a sb e e nf o u n di nn u m e r o u ss t u d i e st h a td a t at r a f f i ci nh i g h - s p e e dn e t w o r k s e x h i b i t ss e l f - s i m i l a r i t yt h a tc a n n o tb ec a p t u r e db yc l a s s i c a lm o d e l s ，h e n c es e l f - s i m i l a r m o d e l sh a v eb e e nd e v e l o p e d t h ep r o b l e mw i t hs e l f - s i m i l a rm o d e l si st h a tt h e ya r e c o m p u t a t i o n a l l yc o m p l e x t h e i rf i t t i n gp r o c e d u r ei sv e r yt i m ec o n s u m i n gw h i l et h e i r p a r a m e t e r sc a n n o t b ee s t i m a t e db a s e do nt h eo n l i n em e a s l l r c m c n t s m e a n w h i l e ， s e l f - s i m i l a r i t yc a nh a v ead e t r i m e n t a le f f e c to nn e t w o r kp e r f o r m a n c el e a d i n gt o i n c r e a s e dq u e u e i n gd e l a ya n dp a c k e tl o s sr a t e ，a n de x i s t e n c eo fs c a l e i n v a r i a n t b u r s t i n e s s a l t h o u g hs c a l e - i n v a r i a n tb u r s t i n e s si m p l i e st h ee x i s t e n c eo fc o n c e n t r a t e d p e r i o d so fc o n t e n t i o na n di d l e n e s s ，s e l f - s i m i l a rt r a f f i cl e a v e so p e nt h ep o s s i b i l i t y t h a t c o r r e l a t i o ns t r u c t u r ea t l a r g et i m e s c a l e sm a yb ee x p l o i t e df o rp e r f o r m a n c e e n h a n c e m e n tp u r p o s e s t h em a i nr e s e a r c hc o n t e n t sa n do u t p u t sa r ea sf o l l o w s ： a tt h ef i r s tp a r to ft h ed i s s e r t a t i o ns o m ed e t a i l e db a c k g r o u n d so fs e l f - s i m i l a r p r o c e s si sg i v e no u t w ed i s c u s sp r e l i m i n a r i e so fs e l f - s i m i l a r i t ya n ds e l f - s i m i l a rt r a f f i c m o d e l ，a n ds u m m a r i z et h es o m ea p p r o a c h e sw h a t h a v eb e e nt a k e nt od e t e r m i n e w h e t h e rag i v e nt i m es e r i e so fa c t u a ld a t ai ss e l f - s i m i l a ra n di fs o ，t oe s t i m a t et h e s e l f - s i m i l a r i t yp a r a m e t e rh b a s e do i lt h ei n t r o d u c t i o no fc o n g e s t i o nc o n t r o la n dq u e u em a n a g e m e n t ，w e p r e s e n tt h es u r v e yo na c t i v eq u e u em a n a g e m e n td i s c i p l i n e si nn e t w o r kn o d e ，a n d a n a l y z el i m i t a t i o n sa n ds u p e r i o r i t i e s m o r e o v e r , a san e we n h a n c e da r e d ，a n a l g o r i t h mo fa r e db a s e do nr a t er r b a r e d ) i sp r o p o s e da n ds i m u l a t e d t h e s i m u l a t i o nm s d ts h o w st h a tr b a r e dc a np r o v i d eb e t t e rp r o p e r t i e st h a na r e d a l g o r i t h m s s e c o n d ，t os t r e s sp r e d i e t a b i l i t yo fs e l f - s i m i l a r i t yo fn e t w o r kt r a f f i c ，an e w a p p r o a c ho f p r e d i c t i n gt h ei n p u tt r a f f i ci sp r o p o s e d ，c a l l e dm u l t i r e s o l u t i o np r e d i c t o r t h ei d e ao fw a v e l e t p m p r o c e s s i n g f o r e n h a n c i n gp r e d i c t i o n c o m e sf r o m m u l t i r e s o l u t i o na n a l y s i sp r o v i d e db yw a v e l e tt r a n s f o r m t h ew a v e l e tt r a n s f o r mc a l l d e c o m p o s eo n et i m es e r i e si n t os e v e r a lt i m es e r i e sw i 廿ld i f f e r e n tr e s o l u t i o n sw h i c h h a v ed i f f e r e n tl e v e l so fs m o o t h n e s s 仇es m o o t h e rl e v e li sm o r ep r e d i c t a b l e w h e r e a s t h er o u g h e rl e v e li sl e s sp r e d i c t a b l eo rm o r er e l a t e dt on o i s e f i n a l l y , c o n s i d e r i n gt h ed e t r i m e n ta n dp r e d i c t a b i l i t yo fs e l f - s i m i l a r i t y , t w oq u e u e l l i m a n a g e m e n ta l g o r i t h m sa r ep r o p o s e d ，w h i c hc a l l e dl a gn e t w o r kc o m p e n s a t o r ( l n c ) a n dw a v e l e t - d e c o m p o s e ds i g r l a le n e r g y ( w d s e ) 豫s p e c t i v e l y l n ci sd e s i g n e dt o r e s o l v et h ea m p l i f i e dq u e u e i n gl e n g t ha n dj i t t e rd u et os e l f - s i m i l a r i t yo fn e t w o r k t r a f f i cb yi m p r o v e dt h et r a n s i e n tp e r f o r m a n c eo ft h es y s t e m w d s ei sb a s e do nt h e w a v e l e tm u l t i r e s o l u t i o na n a l y s i s ，w h i c hc a l lb eu s e dt op r e d i c ts h o r ta n dl o n gt e r m f l u c t u a t i o n si nt h ei n c o m i n gt r a f f i cp a t t e r na n dr e a d j u s tt h em a r k i n gd r o pp m b a b i u t i e s w i t h o u tt h ed i f f i c u l t yo fp a r a m e t e r ss e l e c t i o ni na d v a n c e i ti ss h o w nt h r o u g h t h e o r e t i c a la n a l y s i sa n ds i m u l a t i o nr e s u l t st h a tt h e s et w oa l g o r i t h m sc a na l li m p l e m e n t b o t hu n d e rt h en o ns e l f - s i m i l a ra n ds e l f - s i m i l a rt r 揽c m o r e o v e r t h e s et w o a l g o r i t h m sp e r f o r mb e t t e r , r e s p o n d i n gm o r eq u i c k l yt ol o a dv a r i a t i o n st h a no t h e r a q ma l g o r i t h m s m o r e o v e r ，t h e ya r es u p e r i o ri nm b u s f l ym g n l a t i n gt h es t e a d y s t a t e v a l u eo f t h eq u e u e1 e v e l k e y w o r d s ：i n t e r a c t , c o n g e s t i o nc o n t r o l ，a c t i v eq u e u em a n a g e m e n t ，s e l f - s i m i l a r i t y , w a v e l e t ，m u l t i r e s o l u t i o na n a l y s i s 北京邮电大学博士学位论文 缩略语 英文缩写 a c k a i m d a r e d b e b r e d c a c b r c d c p d a c w n d d i f 珏e r r d t d w t e c n e r d f b m f i f 0 f r c v f r e d f r t x f t p i e t f i n t s e r v l p l a n l n c l q d l r d m r a 缩略语 英文全拼 a c k n o w l e d g e m e n t a d d i t i v e1 1 1 c r e a s em u l t i p l i c a t i v ed e c r e a s e a d a p t i v er a n d o me a r l yd e t e c t i o n b e s te f r o r t b a l a n c e dr a n d o me a r l yd r o p c o n g e s t i o na v o i d a n c e c o n s t a n tb i tr a t e c o n g e s t i o nd e t e c t i o n c o n d i t i o n a lp m b a b i l i t yd e n s i t ya r r a y c o n g e s t i o nw i n d o w d i f f e r e n t i a t e ds e r v i c e s d r o pt a i l d i s c r e t ew a v e l e tt r a n s f o r m e x p l i c i tc o n g e s t i o nn o t i f i c a t i o n e a r l yr a n d o md r o p f r a c t i o n a lb r o w n i a nm o t i o n f i r s ti nf i r s t0 u t f a s tr e c o v e r y f l o wr a n d o me a r l yd r o p f a s tr e t r a n s m i s s i o n f i l et r a n s f e rp r o t o c o l i m e m e te n g i n e e r i n gt a s kf o r c e i n t e g r a t e ds e r v i c e s i n t e m e tp r o t o c o l l o c a la r e an e t w o r k l a gn e t w o r kc o m p e n s a t o r l o n g e s tq u e u ed m p l o n gr a n g ed e p e n d e n c e m u l t ir e s o l u t i o na n a l y s i s 中文 肯定应答信号 加性增乘性减 自适应随机早期探测 尽力而为 均衡的随机预先丢弃 拥塞避免 恒定比特速率 拥塞检测 条件概率密度数列 拥塞窗口 区分服务 尾丢弃( 弃尾) 离散小波交换 显性拥塞通知 预先随机丢弃 分形布朗运动 先进先出 快速恢复 流随机预先丢弃 快速重传 文件传输协议 i n t e m e t i 程任务组 综合服务 i p 协议 局域网 滞后校正网络 最长队列丢弃 长相关性 多解析度分析 2 北京邮电大学博士学位论文 缩略语 m s s m t u q o s r e d r s v p r t o r t t s a c k s s s s t h r e s h t c p u d p v b r v o i p w a n w d s e m a x i m u ms e g m e n ts i z e m a x i m u mt r a n s m i s s i o nu n i t q u a l i t yo fs e r v i c e r a n d o me a r l yd r o p r e s o u r c er e s e r v a t i o np r o t o c o l r e c o u n t e rt i m eo t i t r o u n dt r i pt i m e s e l e c t i v ea c k n o w l e d g e m e n t s l o ws t a r t s l o ws t a r tt h r e s h o l d t r a n s m i s s i o nc o n t r 0 1p r o t o c o l u s e rd a t a g r a mp r o t o c o l v a r i a b l eb i tr a t e v o i c e o v e ri p w i d ea r e an e t w o r k w a v e l e t - d e c o m p o s e ds i g n a le n e r g y 最大分片长度 最大传输单元 服务质量 随机预先丢弃 资源预留协议 超时重传计数器 往返时延 选择性肯定应答 慢启动 慢启动门限 传输控制协议 用户数据报协议 可变比特速率 基于p 的语音 广域网 信号能量的小波分 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果，也= i l i 包含为获得北京邮电大学或其他 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：毖墨坚日期：迦= ! ： 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即： 研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保 留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借 阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它 复制手段保存、虻编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释：本学位论文属于保密在一年解密后适用本授权书。非保密论 文注释：本学位论文不属于保密范围，适用本授权书。 本入签名：丝冕监 日期： 导师签名 i 羽0 ； 北京邮电大学博士学位论文第一章绪论 第一章绪论 1 1 研究背景和问题的介绍 网络或网元上的流量模型是提供高q o s 的重要因素之一。最近几年许多研 究者都发现网络流量在排队分析中并不遵守泊松分布的假设。例如多媒体流量在 分组层上一个重要的特征是流量具有相关性，这对性能会产生重大的影响。自从 1 9 9 4 年l e l a n d 进行了开创性的研究，提出需要把自相似性作为一个重要的观点， 用以作为理解网络流量( 包括建模和网络性能分析) 的基础。从此以后流量的自 相似性引起众多学者的关注和研究。在文献 1 】中，作者通过对大量的以太网流 量进行研究，证实了流量具有自相似的特性，也就是说流量在一个大的时间范围 内具有相似的统计特性。另一个结论是，在一个统计复用器或路由器上业务流的 融合并不会产生平滑的聚合流。换句话说，复用的突发性数据业务流将导致产生 一个突发性的聚合流( 对于泊松分布描述的流量，复用可以平滑突发性) 。继 l e l a n d 的研究工作后，关于自相似性的研究开始扩展到整个网络理论包括：流量 测量、评估、物理建模、排队分析和流量控制。 在流量的测量和估测的研究工作中，对物理网络的流量统计和分析以检测、 识别和对特性进行量化【2 - 7 1 等工作，都显示了流量具有尺度不变突发性是一个普 遍存在的现象，它在不同的环境下都存在，包括局域网、接入网和广域网，从上p 到a t m 协议栈，从铜线到光纤的传输媒介。 物理建模的研究，是在网络机制和分布式系统在实验特性的基础上，说明 造成网络自相似性的物理原因，从而推导出网络复用点上的自相似突发性的产生 1 8 - t 2 1 。 第三类研究是为了在排队理论中更方便的进行性能分析，对基于长相关性 的流量提供物理的模型 1 ”l 。这些研究指出了，在无限缓存队列管理系统中， 队长的分布要比指数性的尾部衰减慢，这与短相关性输入流量具有指数性衰减完 全不同。队长分布的结果说明了作为资源提供策略，缓存无法在输入流量具有自 相似性的情况下通过增大排队延迟来减小分组丢失率。用吞吐量、分组丢失率和 分组重传率来描述的网络性能将会随着重尾特性的增强而下降。尺度不变的突发 性意味着网络流量在很宽的时间范围内存在集中的高活动时期。这种行为特征将 会对网络的拥塞控制造成不利的影响；不过从另一方面自相似流量存在重要的相 天结构可以被应用于拥塞控制目的。寻找有效的可以检测和管理自相似流量的拥 塞控制算法成为一个重要的研究领域。但是目前对于自相似流量的研究主要还集 中在流量的测量、评估、流量建模和排队分析上，因此对于自相似流量的控制算 北京邮电大学博士学位论文第一章绪论 法还需要更多的深入研究和发展。 网络资源分配技术主要包括：队列管理和队列调度技术等。业务控制和管 理主要有：呼叫接纳控制、流量控制和拥塞控制、路由技术等。下面，将简要地 讨论流量控制和拥塞控制技术的重要性和目前的研究现状及其存在的问题。 流量控制和拥塞控制的目的在于通过对业务流的输入速率和网络拥塞状况 的控制达到网络资源的有效利用。在i n t e r n e t 中，拥塞控制实质上主要是通过亿p 在终端主机上嵌入的算法实现的。t c p 采用基于流的控制算法束增加数据流的发 送速率，直到网络通知终端网络出现某种程度的饱和，通常来说是用数据的丢失 来标识这种饱和程度。当发送端收到数据丢失的指示后，将减小t c p 流的速率。 这个过程不断重复直到t c p 连接终止。然而，事实上及，的拥塞控制机制叫 并不能在所有的情况下都提供满意的服务。 对于路由器，有两种方法来实现对终端拥塞控制的补偿。一是有状态的方 法另一是无状态的方法。对于有状态的方法，路由器给每个流划分队列，并且在 不同的队列中采用公平排队调度的机制【2 ”。另一个有状态的方法是路由器向信 源提供反馈以指示允许多少分组被发送 2 2 - 2 3 1 。而对于无状态的方法允许共享同一 个队列，带宽则通过主动的管理队列来进行分配。 调度算法是确定下一个发送那个分组，主要是用于在不同流之间管理带宽 的分配；而排队管理算法则是通过在必要和恰当的时刻对分组进行丢弃来管理队 列的长度。每个流的调度算法可以在竞争同一个链路的流之间进行公平的带宽分 配，但是无法控制整个排队大小或是单个排队的队长。与调度算法相比，主动队 列管理机制不能保护良好行为的流免受恶意行为流的影响，也不能提供异构的端 到端的拥塞控制算法，但是它能有效地控制队长。 按照拥塞检测机制，主动队列管理机制可以划分为满丢弃和预先丢弃两种。 在满丢弃机制中，当缓存满的时候才对到达的分组进行丢弃。而预先丢弃机制是 在缓存饱和之前对到达的分组进行丢弃。同样它们还可以划分为弃尾、弃头和随 机丢弃，这是基于被标记丢弃的分组的位置进行划分的。弃尾排队是最容易实现 并且在i n t e r n e t 中已经应用了多年了，但是它存在许多的缺陷，例如造成系统对 某些连接、以及具有突发特性流量的歧视。与弃尾策略不同的是弃头策略，弃头 就是当分组到达一个已经满了的缓存时允许被接受，但是缓存头部的分组将被丢 弃。弃头策略可以减小反馈延迟但是它不能有效地控制队长。随机丢弃( r e d ) 是设计来克服弃尾网关的缺陷同时提供了拥塞控制机制。它是预先丢弃机制和随 机丢弃机制的结合。到目前为止已经有许多关于r e d 的研究和改进【2 4 _ 27 1 ，这些 研究都说明了r e d 具有许多的优点，如保持无须终端的合作可以保持较小的平 均队长、可以避免全局同步等等。但是r e d 也有许多的不足 2 8 。3 0 l 。r e d 要到达 6 北京邮电大学博士学位论文第一章绪论 设计的目标必须配置较大的缓存容量，对于高突发性的流量，r e d 不能对队长 的变化程度进行有效和迅速的反应。r e d 不能提供公平的带宽共享，平均队长 及其变化( 波动) 太大无法满足q o s 的需求。这些都不利于r e d 在具有延迟和 延迟抖动上限要求的实时应用中使用。 这样要象有状态网络那样提供强有效的服务，同样还要象无状态网络那样 采用可扩展和鲁棒的算法，就要求主动队列管理算法能够在网络发生拥塞时能够 公平地在不同流的分组之间标识丢弃，同时保持平均队长和其波动都尽可能的 小。另外，由于网络流量具有自相似性的普遍存在玑象，造成了根据泊松分布描 述的流量而设计的拥塞控制和队列管理，在输入的流量具有较强自相似特性的情 况下，会引起系统性能的严重下降。就作者对资料的收集和整理的范围内，到目 前为止对自相似流量的拥塞控制和队列管理机制的研究还并没有做出很多的工 作，因此本文将就自相似流量的特性进行分析的基础上，探讨网络流量存在较强 相关性时，可能采用的拥塞控甫4 和主动队列管理算法，以期达到在流量控制中充 分利用流量的相关结构的同时，有效地实现自相似流量的队列管理和拥塞控制， 从而提高网络资源的利用率和改善系统的性能。 1 2 本文的主要贡献 本文研究的主要目的是通过对网络中流量所具有的自相似特性进行分析， 探讨了利用自相似流量所具有的不同时间尺度下相关结构，以对网络流量的未来 进行预报，以及这种预报在网络的拥塞控制和队列管理中的应用。主要包括以下 工作： 1 ) 探讨总结了网络自相似流量的特性、分析模型，以及自相似性对网络性 能的影响。 2 ) 分析总结了自相似流量相关结构在网络流量预报中的应用，提出了网络 基于小波分析的预报方法。 3 ) 分析了自相似流量对网络拥塞控制的影响，比较了当前网络拥塞控制和 缓存管理的几种算法的性能，提出了基于速率的a r e d ( b r a r e d ) 算法， 并进行了仿真验证。 4 ) 基于网络自相似具有尺度不变突发性的特性，从经典控制理论的角度探 讨和提出了一种新的，具有更佳动态性能的队列管理算法，提出了采用 滞后网络校j e _ g 器( l n 6 ) 实现网路流量的队列管理的方法，并通过仿真和 比较验证算法的可行性。 5 ) 针对传统队列管理算法都存在参数设置困难，算法的可扩展性不好的问 题，在充分利用自相似性流量具有多时间尺度相关性的基础上，提出了 利用小波对流量的多解析度分析实现对流量长期和短期的预报，达到对 7 北京邮电大学博士学位论文第一章绪论 网络的拥塞控制和实现缓存队列的平稳控制算法( 阡n 蛆) ，并进行了必 要的仿真验证。 1 3 论文的安排 本文结构安排如下： 第二章就网络流量的自相似性进行了简单的描述，总结了描述自相似流量 的几种模型，分析了流量具有自相似性的可能原因，和流量自相似性对网络性能 的影响。 第三章对当前比较流行的主动队列管理算法进行了介绍和分析比较，针对 当前的主动队列管理算法存在的不足，提出了改进的算法。 第四章中介绍了网络流量自相似性相关结构的对于网络性能的改善可能获 得的益处，分析介绍了几种流量预报器的特性，提出了小波分析方法在预报器中 应用的可能性。 第五章在考虑到自相似流量对网络性能的不利影响，从控制理论的角度探 讨了通过改善系统暂态品质特性来提高主动管理队列算法的可能性，提出了新的 主动队列管理算法，并与其他算法进行了比较仿真和分析。 第六章在基于第四章中讨论的小波分析预报器，分析了小波对于具有多尺 度统计特性的自相似流量采用多分辨率方法进行分析应用的优越性，提出了多解 析度信号能量方法实现主动队列管理的算法，改善了传统队列管理算法对参数设 置过于依赖的不足，并进行了仿真分析比较和研究。 最后是结束语，对全文进行了总结，指出了目前在研究中还存在的一些问 题和不足，并给出了下一步可能的研究课题和相应的一些设想。 1 4 本章参考文献： 1 1w e l e l a n d ，m s t a q q u ，w w i l l i n g e ra n dd v w i l s o n ，“o nt h es e i f - s i m i l a r n a t u r e o ft h e m e tt r a m c ( e x t e n d e dv e r s i o n ) ”，i e e e ，a c mt r a n s a c t i o n so n n e t w o r k i n g ，v 0 1 2 ，p p 1 2 5 。1 9 9 4 【2 m c r o v e l l aa n da b e s t a v r o s ，“s e l f - s i m i l a r i t yi nw o r l d w i d ew e bt r a f f i c ：e v i d e n c e a n dp o s s i b l ec a u s e s ”，i np r o c a c ms i g m e n u c s m a y 1 9 9 6 3 】m g a r e t ta n dw w i l l i n g e r , “a n a l y s i s ，m o d e l i n ga n dg e n e r a t i o no fs e l f - s i m i l a r v b rv i d e ot r a m c ”，i np r o c a c ms i g c o m m 9 4 ，2 6 9 2 8 0 ，1 9 9 4 4 c h u a n g ，m d e v e t s i k i o t i s ，i l a m b a d a r i s ，a n da k a y e ，“m o d e l i n ga n d s i m u l a t i o no fs e i f - s i m i l a rv a r i a b l eb i tr a t ec o m p r e s s e dv i d e o ：au n i f i e da p p r o a c h 。 i np r o c a c ms i g c o m m 9 5 ，p p 11 4 1 2 5 ，1 9 9 5 5 v p a x s o n , s f l o y d ，“t h ef a i l u r eo f p o i s s o nm o d e l i n g ”，i np r o c s i g c o m m 9 4 ， l o n d o n ，19 9 4 ，a n da l s o i na c mc o m p u t e rc o m m u n i c a t i o n sr e v i e wv 0 1 2 4 ，p p 2 5 7 2 6 8 ，1 9 9 4 6 w w i l l i n g e r , m s t a q q u ，r s h e r m a na n dd v w i l s o n ，“s e l f - s i m i l a r i t y t h r o u 曲l l i 曲- v a r i a b i l i t y ：s t a t i s t i c a la n a l y s i so fe t h e r n e tl a nt r a 伍ca tt h es o u r c e 8 北京邮电大学博士学位论文第一章绪论 l e v e l ”，i e e e a c mt r a n s a c f i o n so nn e t w o r k i n g ，v 0 1 5 ，p p 7 l 一8 6 ，1 9 9 7 7 1j s p a r k ，j y l e e ，s b l e e ，“i n t e r a c tt m 币cm e a s u r e m e n ta n da n a l y s i si na h i 吐s p e e dn e t w o r ke n v i r o n m e n t ：w o r k l o a da n df l o wc h a r a c t e r i s t i c s ”，t ob e a p p e a r e di nj o u r n a lo f c 。o m m u n i c a t i o n sa n dn e t w o r k s s e p t e m b e r , 2 0 0 0 8 v a n a n t h a r a m ，“q u e u i n ga n a l y s i s 、v i t l lt r 桶cm o d e l sb a s e do nd e t e r m i n i s t i c d y n a m i c a ls y s t e m s ”，i np r o c 2 5 t hc o n f e r e n c eo nc o m m u n i c a t i o n s ，c o n t r o la n d c o m p u t i n g p p 2 3 3 2 4 l 。1 9 9 6 【9 】j b e a r a n ，r s h e r m a n ，m s 。t a q q u ea n dw w i l l i n g e r ，“l o n g r a g ed e p e n d e n c e i nv a f f a b l eb i tr a ev i d e ot r a 所c ”，i e e et r a n s a c t i o n so nc o m m u n i c a t i o n s ，v 0 14 3 ， n d1 5 6 6 1 5 7 9 1 9 9 5 f10 1m r f r a t e r , p t a na n dj f a r n o l d ，“v a r i a b l eb i tr a t ev i d e ot r a m co i lt h e b r o a d b a n d1 s d n ：m o d e l i n ga n dv e f i f i c a t i o n ，t h ef u n d a m e n t a lr o l eo ft e l e t r a 伍c i nt h ee v o l u t i o no f t e l e c o m m u n i c a t i o n sn e t w o r k s ，e l s e v i e r ，a m s t e r d a i n ，n e t h e r l a n d s ， d p 1 3 5 1 1 3 6 0 ，1 9 9 4 1 1 w w i l l i n g e r ，m s t a q q u ，r s h e r m a na n dd v w i l s o n ，“s e l f - s i m i l a r i t y t h r o u g hh i g h - v a r i 曲i l i t y ：s t a t i s t i c a la n a l y s i so fe t h e m e tl a nt r 锄ca tt h es o u r c e l e v e l ，i e e e a c mt r a n s a c t i o n so nn e t w o r k i n g ，v 0 1 5 ，p p 7 1 - 8 6 ，1 9 9 7 1 2 w w i l l i n g e r , m s t a q q u , r s h e r m a na n dd v w i l s o n ，“s e l f - s i m i l a r i t y t h r o u 曲h i g l l v a r i a b i l i t y ：s t a t i s t i c a la n a l y s i so fe 也e m e tl a nt r a 瓶ca tt h es o u r c e 1 e v e l ”，i e e e a c mt r a n s a c t i o n so nn e t w o r k i n g ，v 0 1 5 ，p p 7 1 8 6 ，1 9 9 7 1 3 1 凡a d d l e ，m z u k e r m a n ，a n dt n e a l n e ，“f r a c t a lt r 蕊c ：m e a s u r e m e n t s ， m o d e l i n ga n dp e r f o r m a n c ee v a h m t i o n ”，i np r o c i e e ei n f o c o m 9 5 ，p p 9 7 7 9 8 4 1 9 9 5 f 1 4 1n g d u f f i e l da n dn o c o u n e l l ，“l a r g ed e v i a f i o n sa n do v e r f l o wp r o b a b i l i t i e s f o rt 1 1 eg e n e r a ls i n g e ls e r v e rq u e u e w i t ha p p l i c a t i o n s ”i nm a t h e m a t i c a lp r o c o ft h e c a m b r i d g ep h i l s o c ，118 ，p p 3 6 3 3 7 4 ，1 9 9 5 1 5 】n l i l ( 1 1 a n o v ，b t s y b a k o v ，a n dn g e o r g a n a s ，“a n a l y s i so f a na t mb u f f e rw i t h s e l f - s i m i l a r ( “f r a c t