高速网络环境流测量技术比较研究

本文具体分析了目前网络流测量发展的若干方向,阐述了每个方向上具有代表性的算法,讨论了算法的应用范围和背景以及它们存在的优点和不足,提出了高速网络流测量技术的重点、难点和未来的发展方向。     

高速网络流测量平台WATCH1.0处理器的结构设计

高速网络流测量平台WATCH1.0为基于流的网络行为研究提供了基本的试验条件。本文通过介绍WATCH1.0处理器的结构框架,分析处理器的性能并具体探讨可能出现的瓶颈及其对应的解决方案,进一步明确了未来的研究方向。     

高速网络中的数据流信息提取模型

以适当的方式定义流,并对流进行分析,已成为测量和分析网络行为的重要手段之一。本文在特定流定义下,构建了基于高速网络环境数据流信息提取的框架模型,分析和详细介绍了其中的关键问题,通过建立实验系统论证了框架模型的可行性和可靠性,并针对实验系统产生的性能瓶颈提出了相应的改进方案。     

流测量算法综述

理解网络行为对于网络管理、规刬和发展都有重要意义,而流测量是了解网络行为的基础。由于网络的高速与流数量的巨大,使得实时在线的流测量变得很困难。因此各种流测量技术、流测量算法成为研究热点。文章综述了目前利用抽样和哈希技术在流识别和流分布方面取得的成果,并分析了各种算法的优缺点。最后分析了抽样与哈希技术的长处与不足,提出了多种技术相结合的研究方向。     

可信可控网络中跨自治域的流合作测量模型

当前网络环境下提出的流测量算法缺少必要的合作,存在测量覆盖度不高等问题。为此,提出一种新的基于全网合作的流测量模型,在自治域(AS)间通过标识已测量流和共享测量结果的方式,实现AS间的流合作测量,在AS内利用控制节点为路由器统一分配测量任务的方法,实现AS内最大化流测量覆盖度的目标。实验结果表明,该模型能够有效利用网络资源,平衡各个路由器的测量负载,提高测量覆盖度,具有比以往方法更好的性能。     

大规模网络中IP流流速分析

作为Internet流量模型研究的重要组成部分，IP流流速反映了各种不同应用类型的流量在网络中对实际负载的贡献情况。通过分析和寻找对IP流平均流速产生主要影响的若干关键因子，可以为基于IP流的流量模型提供必要的条件。本文首先分别对IP流的三种主要构成部分：TCP流、UDP流和ICMP流的平均流速从协议分析的角度进行建模，从平均流速模型参数分析中，获得在不同阶段对决定IP流平均流速的若干主要影响因子；然后，使用采集自各种不同时间、不同应用背景和不同负载的大规模高速网络的TRACE作为研究对象，通过试验分析的方法，对所选取的TRACE中不同协议类型的IP流平均流速进行统计分析，检验这些因素在实际网络中在不同流长的情况下对IP流平均流速的贡献，从而验证了本文所提出的IP流平均流速影响因子的可靠性。     

可扩展高速网络流量被动测量平台的设计与实现

随着高速网络测量研究内容的扩展,网络测量设施在提高性能的同时须支持测量的可扩展性以适应不同网络环境和添加新测量研究的需要。针对已有网络测量软件可扩展性的不足,分析了高速多链路逻辑信道的特点及对被动测量方式的影响,设计和实现了一套适用于高速网络环境的可扩展被动流量测量平台系统。该系统基于多机协同数据流模型,采用分层耦合设计结构、对象化抽象和XML格式的交互描述,支持对高速多链路逻辑信道测量与新测量功能的可扩展性。     

可扩展高速网络流量被动测量平台的设计与实现

随着高速网络测量研究内容的扩展，网络测量设施在提高性能的同时须支持测量的可扩展性以适应不同网络环境和添加新测量研究的需要。针对已有网络测量软件可扩展性的不足，分析了高速多链路逻辑信道的特点及对被动测量方式的影响，设计和实现了一套适用于高速网络环境的可扩展被动流量测量平台系统。该系统基于多机协同数据流模型，采用分层耦合设计结构、对象化抽象和XML格式的交互描述，支持对高速多链路逻辑信道测量与新测量功能的可扩展性。     

一种高速网络流识别处理系统的设计与实现

随着骨干网络传输速率不断提高,对高速网络信号分析处理系统的需求十分迫切。骨干网络高速率、大带宽的特点给整个网络空间的管理带来了许多困难。采用五元组定义的网络流作为研究对象,通过理论分析,设计和实现了高速网络流识别处理系统硬件平台,实现网络信号在流层面的分析识别,并根据分析结果执行不同的处理策略,从而为网络流的分类处理提供了依据。     

一种新的估计流长度分布的方法

为提高流测量系统的运行效率,减小其所消耗资源,提出了一种新的用于测量流长度分布的估计方法。对到达的报文进行抽样后,用两个哈希函数来确定更新相应计数单元的值,定期收集计数空间中的数据进行离线处理。利用EM算法和最小二乘法,得到了流长度分布。通过应用于来自不同网络的数据进行实验测试,实验结果表明该模型对于流分布的估计是精确的。     

应用神经网络测量凝析天然气流量

为了精确测量凝析天然气的气液相流量,研究了将神经网络用于气液两相流流量测量的方法。以中国石油大学自动化系试制的流量检测仪表样机为硬件基础,分析了仪表的差压波动信号,并通过比较F比值确定了特征提取方法。根据多相流存在多种流型的特点,采用了首先识别流体流型再计算其流量的方法。研究表明:神经网络在凝析天然气流量测量中具有较大的应用潜力。但要获得较高的层量精度,还需要更为准确的信号特征提取方法以及更加合理的网络结构。     

基于抽样流记录的RTT估计

往返时延(RTT)是网络测量中的一个重要测度,是刻画网络性能的重要指标。传统的RTT测量都是基于报文的,需要专门的主动或被动测量平台的支持。提出一种新的 RT T 估计方法,仅使用现有路由器设备提供的流记录,不需要额外的网络测量设施。通过对 TCP 块状流传输特性的分析,分别建立了当套接字缓冲区长度与带宽延迟积BDP相对较小、较大和相近这3种情况下的RTT估计模型。实验结果表明,这些模型都能很好地完成RTT估计。同时,由于在估计当中只使用了流持续时间和总报文两个变量,因此,该方法同样适用于以抽样流记录为输入的环境,能够有效地应用于现有的大规模主干网环境的网络检测与管理。     

一种新型的高速IP网络的流量测量体系

网络流量测量是网络管理的基础之一,流量测量体系结构的研究是网络流量测量及其应用的基础和重要环节。对传统的网络流量测量方法的特点进行了分析,对高速网络流量测量中的关键问题进行了研究,采用数据流归并技术,以提高实用性为目的,Linux平台和开源软件的基础上提出了一种新型的基于分布式探针的高速IP网络流量测量体系,并对其构成及特点进行了分析。该测量体系提供了实用的高速测量平台和数据分析接口,具有广阔的应用前景。     

高速网络流量测量方法

高速网络流量测量是目前实施实时准确地监测、管理和控制网络的基础.基于网络流量测量的应用,将网络流量测量分为抽样方法和数据流方法.从不同的层次,将抽样方法分为分组抽样和流抽样,分别介绍了两类抽样方法;从测度角度介绍了数据流方法.详细介绍了高速网络流量测量的常用数据结构,以及抽样、数据流方法在高速网络流量测量中的应用,比较了各种方法的优劣.概述了高速网络流量测量技术的研究进展.最后,就现有的网络流量测量方法的不足,对网络流量测量的发展趋势和进一步的研究方向进行了讨论.     

基于神经网络技术的流量测量方法研究

流体的流量直接反应设备的运行状况,在现代化的工业生产中,连续准确地监视流体的流量对于设备的安全、经济运行至关重要。鉴于流量测量的复杂性,将神经网络数据融合技术应用于流量测量,研究提高流量测量精度的方法。在此研究基础上,针对差压式流量测量的特点,设计出了基于神经网络数据融合技术的流量测量模型。     

基于多断面水位-流量法的渠道流量测量技术

由于受到闸门启闭造成的回水影响,渠道水位-流量测量模型由单值模型变为了多值模型,常规测流方法不再适用。针对存在回水问题的渠道流量测量,提出了多断面水位-流量测量方法,利用神经网络逼近任意非线性函数的特性,建立了基于神经网络的多断面水位-流量关系模型。通过实测数据表明,所建立的多断面水位-流量关系模型的流量预测精度比常规水位-流量关系法更高。根据所建立的关系模型,设计了基于无线传输的水位采集装置和流量测量装置,并应用于渠道流量测量。     

基于函数链神经网络的管道煤气流量计量系统

在管道煤气计量系统测量中引入了管道煤气相对湿度修正,并对采用湿度传感器转换相对湿度信号,利用函数链神经网络对管道煤气工况温度下所对应的水蒸汽饱和压力进行了拟合,得到了基于函数链神经网络的管道煤气流量计量模型和在线计量系统,从而可以大大简化管道煤气流量计量软件,在流量计设计范围内可以快速准确地实现管道煤气流量实时在线计量。实际应用结果表明:该计量系统测量管道煤气流量误差为±0.7%。     

矢量网络分析仪阻抗特性测量误差分析与验证

为了考察50Ω特性阻抗的矢量网络分析仪对非50阻抗被测网络的测量误差,提出了基于不同特性阻抗空气线的实验验证方法,加工制作了12根不同特性阻抗的2.4 mm同轴连接器空气线。通过理论计算和实验分析可得到以下结论:随着被测网络阻抗偏离50Ω,测量误差有增大趋势,在50Ω特性阻抗附近误差相对较小;不同特性阻抗被测网络的测量误差随频率增大而增加;测量误差对终端端接负载特性比较敏感,端接50Ω负载时测量误差较小,而端接开路器与短路器时测量误差较大。通过对不同特性阻抗的空气线测量分析,发现在5～100Ω之间有较低的测量误差,可以满足一般工程测量要求。     

随机分组抽样下子群体的流大小分布估计

随机分组抽样是网络管理和测量中最常见的抽样方法。已有的研究大都集中在此抽样方法下基于总体的流大小分布估计算法,但一些网络应用更关心总体流量中某个子群体的流大小分布。本文将总体的网络流划分成子群体S和子群体的补集-S,提出了一种在随机分组抽样下运用TCP协议信息的由S与S-共同组成流大小的联合分布的估计算法。实验证明,该算法能够较好地还原子群体及其在总体下的流大小分布的特征;另一方面,通过运用样本流中TCP协议信息,提高了子群体流大小分布估计算法的准确性。