排序方式: 共有104条查询结果,搜索用时 31 毫秒
41.
42.
MIPv6(mobile IPv6)是IETF(Internet Engineering Task Force)工作组提出的IP层移动解决方案.切换是影响MIPv6性能的关键因素.从网络层、传输层和应用层3个层次测量分析MIPv6切换性能,确定协议层次性能相互影响与切换性能瓶颈.根据网络层切换过程,改进其测量移动检测时延的方法,测量MIPv6各个阶段的切换时延并提出减少各阶段时延的建议,分析发现切换性能瓶颈.进一步完成传输层性能测量,分析移动切换对TCP滑动窗口的影响,发现TCP的特性将影响切换过程中上层应用的性能;以FTP应用为例,测量并分析了移动切换对上层应用的影响.相关结论对设计高效的移动切换协议提供了研究基础. 相似文献
43.
字符串匹配算法一直是网络监测与审计方面的研究热点。介绍了几种经典的字符串匹配算法,提出了一种基于Sunday算法的改进算法RoSunday算法,该算法主要是在匹配开始前通过一个条件判断语句减少了无意义的匹配次数,提高了算法的执行速度。分析了改进后算法的性能,通过实验结果进一步证明了该算法的有效性。 相似文献
44.
联合多维布鲁姆过滤器查询算法 总被引:4,自引:0,他引:4
分析了现有多维布鲁姆过滤器查询算法(MDBF)工作原理,提出了一种改进的两步表示和查询的联合多维布鲁姆过滤器(CMDBF)查询算法.CMDBF新增一个用于表示元素整体的联合布鲁姆过滤器CBF,CMDBF中元素表示和查找分两步进行.将MDBF的各属性的表示和查询作为第一步,第二步联合元素所有属性域,利用CBF完成元素整体的表示和查询确认.理论分析和仿真实验结果表明,CMDBF能够支持多维集合元素的简洁表示和查询,相比MDBF查询误判率降低明显. 相似文献
45.
IP网可测可控可管的研究现状和若干重要发展趋势 总被引:1,自引:0,他引:1
介绍了IP网可测量、可管理、可控制方面的国际重大科学研究计划项目,叙述了IP网在可测量、可管理、可控制等方面的研究现状,给出了若干重要发展方向:网络测量、网络管理、IP网和光网络的综合控制.基于以上若干重要发展方向的分析,提出了一个新的IP网可测量、可管理、可控制问题的研究方法,该研究方法将IP网和IP网所在的环境作为一个整体进行研究,并给出了2类边界条件:关于IP网和应用(业务)关系的边界条件,关于IP 网和下层光承载网关系的边界条件. 相似文献
46.
冗余最小化的IPv6拓扑发现方法 总被引:3,自引:0,他引:3
随着网络技术的高速发展,网络管理的重要性越来越突出,正确的网络拓扑是进行网络管理的基础.IPv6是公认的下一代互联网协议,其庞大的地址空间和独特的特征为拓扑发现带来了新的挑战.目前,基于ICMP的拓扑发现分为分布式和集中式两种,其主动探测的特征不可避免地产生探测冗余.分布式拓扑发现方法布署困难并且成本高.更重要的是在冗余减少上存在由探测点间冗余引起的诸多限制,因此它不能以网络友好的方式发现拓扑.由于IPv6路由器对源路由的支持,集中式的拓扑发现方法能够发现交叉链路以保证覆盖率.测量了IPv6环境下单个探测源产生的冗余,提出了冗余最小化的集中式拓扑发现方法.在引入减少冗余的后退算法基础上提出了实际网络环境下的改进算法,说明了集中式拓扑发现在IPv6环境下的可行性.实验结果表明对靠近探测点的节点减少了高达两个数量级的冗余,并能够保证令人满意的覆盖率. 相似文献
47.
基于DHT的P2P系统的负载均衡算法 总被引:6,自引:0,他引:6
在基于DHT的结构化P2P系统中,DHT的使用以及节点处理能力的不同导致系统中节点的负载不均衡.现有的负载均衡算法存在两个不足:①负载的转移没有考虑节点之间的链路延迟;②算法依赖于系统中固定位置的某些节点.提出了分布式负载均衡算法:每个节点周期性的收集系统局部负载信息,然后选择链路延迟较小的节点进行负载转移.算法依赖于系统中的所有节点,解决了单点失败问题.同时,负载的转移是在链路延迟较小的节点之间进行的.仿真实验表明,①对于各种系统利用率,该算法都可以获得理想的负载均衡效果;②算法可以使负载转移开销减少45%以上. 相似文献
48.
为了分析802.11接入网类型对延迟抖动的影响,基于对802.11DCF(distributed coordinated function)信道访问机制的分析与马尔可夫模型,提出一个802.11无线接入的TCP连接本地延迟抖动(local jitter,LJITTER)分布模型。实际网络的测试实验数据证明,该模型非常吻合802.11无线接入的TCP LJITTER实际分布。该模型可以用于接入网类型区分、数据包流量分类、TCP协议改进与非法AP检测。 相似文献
49.
50.
面向流量识别系统的聚类算法的比较与分析 总被引:2,自引:0,他引:2
考虑到基于端口的识别方法准确性比较低,而基于有效负载的方法的开销太大,促使利用应用连接到网络时的特征流的特点来识别流量。引用几种常见的聚类算法,提出基于聚类算法的识别方法,该方法包括两个阶段:通过离线学习阶段学习到流量的特征;在线识别阶段把学习到的特征用于在线的流量识别。通过实验表明该方法对流量识别,尤其是P2P流量最高可达90%以上的识别率。 相似文献