网络性能测量技术的研究

1、网络性能测量技术的研究        摘 要:性能测量是网络行为分析的基础。本文对网络性能测量的相关内容以及网络性能指标的测量与分析进行了系统的介绍，并对网络性能测量的下一步进行了展望。关键词: 网络性能 测量技术 性能指标 分析与研究1.引言随着Internet技术和网络业务的飞速发展，用户对网络资源的需求空前增长，网络也变得越来越复杂。不断增加的网络用户和应用，导致网络负担沉重，网络设备超负荷运转，从而引起网络性能下降。这就需要对网络的性能指标进行提取与分析，对网络性能进行改善和提高。因此网络性能测量便应运而生

2、。发现网络瓶颈,优化网络配置,并进一步发现网络中可能存在的潜在危险，更加有效地进行网络性能管理，提供网络服务质量的验证和控制，对服务提供商的服务质量指标进行量化、比较和验证，是网络性能测量的主要目的。“IP 某字段为0的标准形式的P 类型IP 连通性”。在实际测量中，很多情况下包长会影响绝大多数性能参数的测量结果，包长的变化对于不同目的的测量来说影响也会不一样。1            2       &#

3、160;    4.3 丢包率丢包率的定义是9：丢失的IP 包与所有的IP 包的比值。许多因素会导致数据包在上传输时被丢弃，例如数据包的大小以及数据发送时链路的拥塞状况等。为了评估网络的丢包率，一般采用直接发送测量包来进行测量。对丢包率进行准确的评估与预测则需要一定的数学模型。目前评估网络丢包率的模型主要有贝努利模型、马尔可夫模型和隐马尔可夫模型等等10。贝努利模型是基于独立同分布的，即假定每个数据包在网络上传输时被丢弃的概率是不相关的，因此它比较简单但预测的准确度以及可靠性都不太理想。但是，由于先进先出的排队方式的采用，使得包丢失之间有很强的相关性，即

4、在传输过程中，包被丢失受上一个包丢失的影响相当大。假定用随机变量Xi 代表包的丢失事件，Xi = 0 表示包丢失，而Xi = 1 表示包未丢失。则第i 个包丢失的概率为PXi|Xi-1, Xi-2,Xi-n, Xi-1, Xi-2,.Xi-n 取所有的组合情况。当N=2 时，该Markov 链退化为著名的Gilbert 模型。隐马尔可夫模型是对马尔可夫模型的改进。Maya Yajnik等人所作的172 小时的测量试验11结果表明，在不同的数据采样间隔下（20ms,40ms,80ms,160ms）采用三种不同的丢包率分析模型进行分析得到的结果完全不同，在不同的估计精确度的要求下实验结果也各有不同

5、。因此，目前需要能够精确描述丢包率的数学模型。4.4 带宽带宽一般分为瓶颈带宽和可用带宽。瓶颈带宽是指当一条路径（通路）中没有其它背景流量时，网络能够提供的最大的吞吐量。对瓶颈带宽的测量一般采用包对(packet pair)技术，但是由于交叉流量的存在会出现“时间压缩”或“时间延伸”现象，从而会引起瓶颈带宽的高估或低估。另外，还有包列等其它测量技术。可用带宽是指在网络路径（通路）存在背景流量的情况下，能够提供给某个业务的最大吞吐量。因为背景流量的出现与否及其占用的带宽都是随机的，所以可用带宽的测量比较困难。一般采用根据单向延迟变化情况可用带宽进行逼近。其基本思想是：当以大于可用带宽的速率发送测

6、量包时，单向延迟会呈现增大趋势，而以小于可用带宽的速率发送测量包时，单向延迟不会变化。所以，发送端可以根据上一次发送测量包时单向延迟的变化情况动态调整此次发送测量包的速率，直到单向延迟不再发生增大趋势为止，然后用最近两次发送测量包速率的平均值来估计可用带宽瓶颈带宽反映了路径的静态特征，而可用带宽真正反映了在某一段时间内链路的实际通信能力，所以可用带宽的测量具有更重要的意义。4.5 流量参数ITU-T提出两种流量参数作为：一种是以一段时间间隔内在测量点上观测到的所有传输成功的IP 包数量除以时间间隔，即包吞吐量；另一种是基于字节吞吐量：用传输成功的IP 包中总字节数除以时间间隔。Internet

7、 业务量的高突发性以及网络的异构性，使得网络呈现复杂的非线性，建立流量模型越发变得重要。早期的网络流量模型，是经典流量模型，也即借鉴PSTN的流量模型，用poisson模型描述数据网络的流量,以及后来的分组火车模型，Markov模型等等。随着网络流量子相似性的发现，基于自相似模型的流量建模研究也取得了不少进展和得到了广泛的应用,譬如分形布朗运动模型和分形高斯噪声模型以及小波理论分析等等。高速网络技术的使得对巨大的网络流量进行直接测量几乎不可能，同时，大量的流量日志也使流量分析变得相当困难。为了解决这一问题，近几年，流量抽样测量研究已成为高速网络流量测量的研究重点。5网络性能测量的展望网络性能测

8、量中还有许多关键技术值得研究。例如：单向测量中的时钟同步问题；主动测量与被动测量的抽样算法研究；多种测量工具之间的协同工作；网络测量体系结构的搭建；性能指标的量化问题；性能指标的模型化分析1216；对网络未来状况进行趋势预测；对海量测量数据进行数据挖掘或者利用已有的模型(Petri 网、自相似性、排队论)研究其自相似性特征1719；测量与分析结果的可视化，以及由测量所引起的安全性问题等等都是目前和今后所要研究的重要内容。随着网络性能相关理论、测量方法、分析模型研究的逐渐深入、各种测量工具的不断出现以及大型测量项目的不断开展，人们对网络的认识会越来越深刻，从而不断地推动网络技术向前发展。

9、0;   3         “Multicast-based Inference of Network Internet-DelayDistributions”.University of Massachusetts, Amherst, Computer Science, Technical Report UM-CS-1999-055,1999.13 DUFFIELD N G, LO PRESTI F. “Multicast inference of packet delay var

10、iance at interior network links”.IEEE INFOCOM 2000C.Tel Aviv Israel, 2000.14 HUANG L, SEZAKI K. “End-to-end Internet Delay Dynamics”. IEICE Technical Report of CQ WG, May2000.15 OHSAKI H, MURATA M, MIYAHARA H, “ Modeling end-to-end packet delay dynamics of the Internet”using systemidentificationA. I

11、nternational Teletraffic Congress 17C. Salvador da Bahia, Brazil, 2001.16Sue B.Moon, "Measurement and Analysis of End-to-End Delay and Loss in The Internet"17 J.-C. Bolot. “End-to-end packet delay and loss behavior in the Internet”.In Proceedings of ACM SIGCOMM,San Francisco, August 1993.18 V. Paxson, “Mea