[论文解读] An Overview of Self-Similar Traffic: Its Implications in the Network Design

Ernande Ferreira de Melo, H. M. de Oliveira|arXiv (Cornell University)|May 6, 2020

Network Traffic and Congestion Control被引用 5

一句话总结

本文主张在网络安全设计中用自相似的重尾分布替代传统的泊松流量模型，以更准确地反映现实世界中的流量行为。研究结果表明，自相似性（表现为长程依赖性，H ≈ 0.85）会导致显著更高的缓存需求和分组丢失，因此需要采用自适应的缓存与带宽分配策略，以维持性能并降低延迟。

ABSTRACT

The knowledge about the true nature of the traffic in computer networking is a key requirement in the design of such networks. The phenomenon of self-similarity is a characteristic of the traffic of current client/server packet networks in LAN/WAN environments dominated by network technologies such as Ethernet and the TCP/IP protocol stack. The development of networks traffic simulators, which take into account this attribute, is necessary for a more realistic description the traffic on these networks and their use in the design of resources (contention elements) and protocols of flow control and network congestion. In this scenario it is recommended do not adopt standard traffic models of the Poisson type.

研究动机与目标

• 解决泊松模型在描述现代网络流量行为方面存在的不足。
• 研究客户端/服务器分组网络中自相似性与长程依赖性的含义。
• 评估自相似流量对路由器和交换机等竞争性节点的性能影响。
• 基于重尾分布提出改进的流量建模与资源分配策略。
• 证明在自相似流量条件下，标准的缓存与带宽分配方法会失效。

提出的方法

• 使用不同尾部参数（β = 1.1 至 1.9）的重尾帕累托分布对网络流量进行建模，以模拟自相似行为。
• 通过开启-关闭源模拟客户端/服务器流量，生成具有赫斯特参数 H 的自相似流量模式。
• 采用离散事件仿真方法，分析在不同自相似程度（H 从 0.7 到 0.9）下缓存分配与分组丢失情况。
• 比较恒定服务速率与可变服务速率下的性能表现，评估缓存大小、延迟与资源利用率之间的权衡。
• 通过多时间尺度下的自相关结构与标度行为分析，验证长程依赖性。
• 将结果与真实测量数据（例如，以太网局域网中 H = 0.80）及现有模型（例如，开启-关闭模型中 H = 0.90）进行对比验证。

实验结果

研究问题

• RQ1 自相似流量与泊松流量在标度行为与自相关结构方面有何差异？
• RQ2 自相似性对竞争性节点中的缓存分配与分组丢失有何影响？
• RQ3 赫斯特参数 H 如何影响所需缓存大小与网络性能？
• RQ4 可变服务速率能否缓解自相似流量对队列长度与延迟的负面影响？
• RQ5 重尾分布相较于泊松模型，在多大程度上更能准确反映现实世界中的网络流量？

主要发现

• 自相似流量表现出长程依赖性，其自相关性随时间缓慢衰减，与泊松过程的快速衰减形成鲜明对比。
• 所研究场景下的赫斯特参数 H 达到约 0.85，表明存在强烈的自相似性，与真实测量结果一致（以太网局域网中 H = 0.80）。
• 当自相似程度趋近 H ≈ 0.80 时，缓存需求急剧上升，表明在资源规划中存在一个关键阈值。
• 随着自相似性增强，分组丢失显著上升，尤其在缓存分配固定且服务速率恒定的情况下。
• 尽管带宽使用量增加，但将服务速率从 μ = 7 提高到 μ = 10 可有效降低所需缓存大小并维持低分组丢失率。
• 依赖泊松模型会导致网络资源规划错误，尤其在路由器和交换机等竞争性节点中更为明显。