大规模网络流量宏观行为周期性分析研究.PDFVIP

大规模网络流量宏观行为周期性分析研究 程 光 龚 俭 （东南大学计算机系 南京 210096 ） 摘要：由于影响大规模网络流量行为长期变化的因素比较多，使得宏观流量周期行为属于非严格的 周期，是统计与模糊概念上的周期。本文根据大规模网络宏观流量序列可能存在多日周期特性，提 出了一个模糊方差周期分析模型，使得宏观流量过程周期的分析建立在严格概率统计的基础上。由 于宏观流量时间序列具有明显的趋势行为，因此在进行周期分析之前，提出了先采用灰色系统理论 从原始流量时间序列中分离出趋势项。对经过 CERNET 国家主干路由器长达4 个多月流量序列周期 分析表明，CERNET 的网络流量宏观行为具有 7 天周期规律的性质。 关键词：周期、灰色理论、模糊、假设检验 分类号： TP393 文献标识码：A 1． 引言 Internet 作为由上亿台计算机互联而成的全球数据网络，最近几年一直在持续快速地膨胀发展， Internet 行为的研究也因此成为一项非常具有挑战意义的工作。尽管 Internet 的设计一直在不断地完 善，但人们对网络行为许多方面的理解却较少，Internet 技术和管理的多样性、网络规模持续增长性、 及其应用和使用方式的变化特性，都对网络行为研究提出了挑战，从而使 Internet 行为学研究从网络 管理中分离出来，成为一门独立的网络研究科学。大规模 IP 网络是一个复杂的非线性系统，在其中 运行的流量行为往往复杂多变，数据中既含有多种周期类波动，又呈现非线性升、降趋势，还受到 未知随机因素的干扰，因而通过研究网络流量行为来理解网络行为相对困难。网络流量行为的描述 是网络行为学的重要研究内容，它是网络规划、设计和管理的基本依据，对网络运行的 QoS 保证和 网络安全也有很大影响。 目前国内外对流量行为研究比较活跃。1994 年Nancy和 George[1]利用 ARIMA(p,d,q)×(P,D,Q)s 季节模型对 NSFNET 主干网络流量进行了预测,1996 年 Sabyasachi[2]等人对时间序列模型用于 Internet 流量预测进行了理论分析，同时建立校园网和以太网的预测模型。1997 年 Rich[3]等人将 ARIMA 模型用于网络气象服务。94 年 Leland[4]等人对从 1989 到 1992 年测量的以太网数据进行分析 首次发现了以太网 LAN 流量具有自相似性质。其后，95 年 V. Paxson 和 S. Floyd[5]分析了 89 年到 95 年 24 种不同的广域网数据发现 TCP 分组级到达符合自相似规律。1995 年波士顿大学的 Mark E. Crovella 和 Azer Bestavros[6]对一个广域网的 WWW 记录文件研究发现 WWW 流量具有自相似性。天 津大学张连芳[7]等人分析了自相似流量序列的 FARIMA 模型。由此可见，流量行为的研究已引起众 多科研工作者的重视并也取得了一定的成果。但目前流量行为分析主要停留在微观时间尺度领域， 宏观流量行为研究主要的工作只是停留在使用常用的时间序列工具 ARIMA 进行流量预测研究，而对 于宏观流量行为的运行规律和本质的研究工作很少。 大时间尺度的流量宏观行为在不同的时间粒度下有很大的变化与差异，主要原因是由于网络用户 行为和网络故障的随机性造成的。由于从宏观上看网络用户行为存在一定的周期性变化，从而导致 网络流量行为可能存在某些周期。1994 年 Nancy 和 George[1]对长达近 5 年的 NSFNET 主干网络流量 记录文件进行分析，发现流量序列具有以年为周期的性质。2000 年东南大学网络中心在对 CERNET 华东(北)地区网的研究中发现流量序列具有以日为周期的性质[8]。由于影响网络流量行为长期变化 的因素比较多，因此在日和年周期行为之间，网络流量还可能存在其它的非严格周期行为，这些周 期是统计与模糊概念上的周期，不能象日周期和年周期行为那样可以直观地从流量时间序列图中直 接得出。本文根据宏观流量序列可能存在多日周期的特性，应用灰色系统模型和模糊方差分析方法， 对 CERNET 国家主干路由器上长达4 个多月流量过程的宏观周期行为进行了严格概率统计基础上的 分析。由于宏观流量时间序列具有明显的趋势行为，因此在进行周期分析之前，先采用灰色系统理